本發(fā)明涉及智能交通技術(shù)領(lǐng)域，具體涉及一種交通路段車輛排隊(duì)視頻檢測系統(tǒng)。

背景技術(shù)：

交通擁堵已經(jīng)成為中、大城市中一個(gè)突出的問題，隨著汽車的普及，固定程序的交通信號(hào)燈已經(jīng)不能很好解決交通擁堵的難題，現(xiàn)有的交通信號(hào)燈只能按照固定的時(shí)間點(diǎn)亮紅、黃和綠燈來指揮交通，遠(yuǎn)遠(yuǎn)不能做到對(duì)路面車輛的智能指揮調(diào)度，緩解城市交通擁堵問題。因此需要一種新的智能交通指揮調(diào)度系統(tǒng)來對(duì)城市中的交通信號(hào)燈實(shí)行合理配置，充分發(fā)揮交通壓力小的馬路來減輕車流量大的馬路的交通壓力。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問題，本發(fā)明旨在提供一種交通路段車輛排隊(duì)視頻檢測系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案來實(shí)現(xiàn)：

一種交通路段車輛排隊(duì)視頻檢測系統(tǒng)，包括路面監(jiān)控模塊、視頻解碼模塊、檢測模塊、有線網(wǎng)絡(luò)傳輸模塊、指揮調(diào)度模塊和存儲(chǔ)器，所述路面監(jiān)控模塊用于對(duì)路面上的車流狀況進(jìn)行實(shí)時(shí)監(jiān)控，采集路況視頻圖像；所述檢測模塊用于對(duì)車輛的動(dòng)態(tài)情況進(jìn)行追蹤監(jiān)控，得到車輛動(dòng)態(tài)信息；所述有線網(wǎng)絡(luò)傳輸模塊將車輛動(dòng)態(tài)信息傳輸至所述指揮調(diào)度模塊；所述指揮調(diào)度模塊用于對(duì)擁堵路段及附近路段的交通信號(hào)燈做出合理調(diào)整。

本發(fā)明的有益效果為：本發(fā)明利用視頻監(jiān)控的方式對(duì)路面車輛動(dòng)態(tài)情況進(jìn)行檢測，據(jù)此對(duì)擁堵路段及附近路段的交通信號(hào)燈做出調(diào)整，能夠?qū)崿F(xiàn)交通合理分流，緩解交通壓力，節(jié)省人們花在路上的時(shí)間。

附圖說明

利用附圖對(duì)本發(fā)明作進(jìn)一步說明，但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明的任何限制，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是本發(fā)明的框架結(jié)構(gòu)圖；

圖2是本發(fā)明的檢測模塊的框架結(jié)構(gòu)圖。

附圖標(biāo)記：

路面監(jiān)控模塊1、視頻解碼模塊2、檢測模塊3、有線網(wǎng)絡(luò)傳輸模塊4、指揮調(diào)度模塊5、存儲(chǔ)器6、靜態(tài)環(huán)境檢測子模塊31、路況參數(shù)更新子模塊32和動(dòng)態(tài)車輛檢測子模塊33。

具體實(shí)施方式

結(jié)合以下應(yīng)用場景對(duì)本發(fā)明作進(jìn)一步描述。

參見圖1，本實(shí)施例的一種交通路段車輛排隊(duì)視頻檢測系統(tǒng)，包括路面監(jiān)控模塊1、視頻解碼模塊2、檢測模塊3、有線網(wǎng)絡(luò)傳輸模塊4、指揮調(diào)度模塊5和存儲(chǔ)器6，所述路面監(jiān)控模塊1用于對(duì)路面上的車流狀況進(jìn)行實(shí)時(shí)監(jiān)控，采集路況視頻圖像；所述檢測模塊3用于對(duì)車輛的動(dòng)態(tài)情況進(jìn)行追蹤監(jiān)控，得到車輛動(dòng)態(tài)信息；所述有線網(wǎng)絡(luò)傳輸模4塊將車輛動(dòng)態(tài)信息傳輸至所述指揮調(diào)度模塊；所述指揮調(diào)度模塊5用于對(duì)擁堵路段及附近路段的交通信號(hào)燈做出合理調(diào)整。

優(yōu)選地，所述視頻解碼模塊用于對(duì)所述路面監(jiān)控模塊采集得到的路況視頻圖像的視頻流進(jìn)行解碼處理。

優(yōu)選地，所述檢測模塊根據(jù)運(yùn)動(dòng)檢測方法提取道路車流量、每個(gè)車道上行車的平均速度和每個(gè)車道上排隊(duì)車輛的數(shù)量。

本發(fā)明上述實(shí)施例，利用視頻監(jiān)控的方式對(duì)路面車輛動(dòng)態(tài)情況進(jìn)行檢測，據(jù)此對(duì)擁堵路段及附近路段的交通信號(hào)燈做出調(diào)整，能夠?qū)崿F(xiàn)交通合理分流，緩解交通壓力，節(jié)省人們花在路上的時(shí)間。

優(yōu)選地，如圖2所示，所述檢測模塊包括靜態(tài)環(huán)境檢測子模塊、路況參數(shù)更新子模塊和動(dòng)態(tài)車輛檢測子模塊；

所述靜態(tài)環(huán)境檢測子模塊根據(jù)路況視頻圖像的數(shù)據(jù)對(duì)各高斯背景模型重要參數(shù)進(jìn)行初始化，高斯背景模塊為：

式中，g表示高斯背景模型，υ²(x,y)表示路況視頻圖像位置(x,y)處的灰度值方差，p(x,y)為路況視頻圖像位置(x,y)處的灰度值，φ(x,y)表示路況視頻圖像位置(x,y)處的灰度值均值；

再將路況視頻圖像的各像素灰度值與高斯背景模型進(jìn)行匹配判斷，包括：

(1)將m幀路況視頻圖像中每個(gè)像素點(diǎn)位置的平均灰度值和方差作為各單個(gè)高斯背景模型的初始均值和初始方差，并設(shè)定初始權(quán)重，具體為：

式中，φz,0(x,y)表示第z個(gè)高斯背景模型的初始均值，表示第z個(gè)高斯背景模型的初始方差，表示第z個(gè)高斯背景模型的初始權(quán)重，p(x,y)為路況視頻圖像位置(x,y)處的灰度值，m為初始化窗口寬度(單位：幀)，z為高斯背景模型的個(gè)數(shù)；

(2)在s時(shí)刻，將位置(x,y)處路況視頻圖像的像素灰度值與當(dāng)前的z個(gè)高斯背景模型逐一按照自定義匹配判斷公式進(jìn)行判斷，其中采用的自定義匹配公式為：

式中，ps(x,y)為s時(shí)刻路況視頻圖像位置(x,y)處的灰度值，φz,s-1(x,y)為s-1時(shí)刻第z個(gè)高斯背景模型中路況視頻圖像位置(x,y)處的灰度值的均值，為s-1時(shí)刻第z個(gè)高斯背景模型中路況視頻圖像位置(x,y)處的灰度值的方差，z！表示z的階乘。

本發(fā)明上述實(shí)施例，根據(jù)路況視頻圖像的數(shù)據(jù)對(duì)高斯背景模型進(jìn)行初始化后，通過自定義匹配判斷公式，將路況視頻圖像位置(x,y)處的像素灰度值與高斯背景模型進(jìn)行匹配，采用的自定義匹配判斷公式計(jì)算量小，有利于減少后續(xù)精確進(jìn)行靜態(tài)背景與運(yùn)動(dòng)前景分離時(shí)的計(jì)算量，提高運(yùn)算速度，降低運(yùn)算時(shí)的耗能。

優(yōu)選地，所述路況參數(shù)更新子模塊對(duì)路況視頻圖像s時(shí)刻第z個(gè)高斯背景模型的均值、方差、權(quán)重進(jìn)行更新，具體為：

式中，φz,s(x,y)為s時(shí)刻第z個(gè)高斯背景模型中路況視頻圖像位置(x,y)處的灰度值的均值，φz,s-1(x,y)為s-1時(shí)刻第z個(gè)高斯背景模型中路況視頻圖像位置(x,y)處的灰度值的均值，ps(x,y)為s時(shí)刻路況視頻圖像位置(x,y)處的灰度值，表示s時(shí)刻第z個(gè)高斯背景模型中路況視頻圖像位置(x,y)處的灰度值的方差，表示s-1時(shí)刻第z個(gè)高斯背景模型中路況視頻圖像位置(x,y)處的灰度值的方差，γ為高斯背景模型的均值和方差的更新率，γ設(shè)定為0.01，z為高斯背景模型的個(gè)數(shù)，表示s時(shí)刻第z個(gè)高斯背景模型的初始權(quán)重，β為權(quán)重更新率，β設(shè)定為0.02。

本發(fā)明上述實(shí)施例，對(duì)路況視頻圖像中的參數(shù)進(jìn)行快速更新，有利于對(duì)路況視頻圖像中變化的像素點(diǎn)進(jìn)行快速的檢測，識(shí)別出路況視頻圖像中的運(yùn)動(dòng)車輛，對(duì)路面上的行車進(jìn)行實(shí)時(shí)跟進(jìn)，檢測出車道上車輛的平均速度，判斷出馬路上車流的擁堵情況，避免在長時(shí)間堵車，行車十分緩慢時(shí)，將車輛識(shí)別為靜態(tài)的背景。

優(yōu)選地，所述動(dòng)態(tài)車輛檢測子模塊用于確定s時(shí)刻的真正背景模型，對(duì)所有已經(jīng)完成參數(shù)更新的權(quán)重進(jìn)行歸一化處理，隨后計(jì)算歸一化處理后的與的比值并按照從大到小的順序進(jìn)行排序，選取前n個(gè)滿足模型表征背景，n值的計(jì)算公式為：

式中，函數(shù)表示取滿足時(shí)n的最小值，δ為權(quán)重判斷閾值；

然后求取路況視頻圖像中像素點(diǎn)的穩(wěn)定度指標(biāo)，采用的穩(wěn)定度指標(biāo)計(jì)算公式為：

式中，t(x,y)表示位置(x,y)處的穩(wěn)定度指標(biāo)函數(shù)，h為向后滑動(dòng)的幀數(shù)，ps(x,y)為s時(shí)刻路況視頻圖像位置(x,y)處的灰度值；

篩選出最大穩(wěn)定度指標(biāo)值tmax與最小穩(wěn)定度指標(biāo)值tmin，并計(jì)算穩(wěn)定度指標(biāo)閾值：

式中，t′表示穩(wěn)定度指標(biāo)閾值；

若存在路況視頻圖像s時(shí)刻位置(x,y)連續(xù)l幀圖像的穩(wěn)定度指標(biāo)t(x,y)＞t′，則判斷路況視頻圖像s時(shí)刻位置(x,y)的像素點(diǎn)為運(yùn)動(dòng)車輛像素點(diǎn)，否則為靜態(tài)背景。

本發(fā)明上述實(shí)施例，通過對(duì)穩(wěn)定度指標(biāo)的計(jì)算來精確區(qū)分路況視頻圖像中運(yùn)動(dòng)車輛與靜態(tài)背景，大大減少運(yùn)動(dòng)車輛的圖像像素點(diǎn)被背景模型錯(cuò)誤匹配的概率，增大了運(yùn)動(dòng)車輛與靜態(tài)背景的區(qū)分度，增強(qiáng)算法魯棒性，有利于提高對(duì)運(yùn)動(dòng)車輛的檢測與追蹤的準(zhǔn)確度，準(zhǔn)確判斷出所檢測路段的車流情況，以便指揮調(diào)度模塊做出準(zhǔn)確指揮調(diào)度，緩解路面交通壓力。

最后應(yīng)當(dāng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。