b2中至少有一條線(xiàn)被車(chē)輛占有。也即車(chē)輛必須投射到b1和b2之間的區(qū)域才 算占有線(xiàn)圈，由于該區(qū)域被兩輛車(chē)同時(shí)占有的可能性很小，使得有可能將前后車(chē)輛分開(kāi)； [OOW 似計(jì)算虛擬區(qū)域的前景像素比例，ai，32,bi和b2上的前景像素比例依次為FR。1， FRg2,FRbi和FRb2,它們決定了 4條特征線(xiàn)的被占有情況；在交通監(jiān)控中，背景消減法容易受 車(chē)燈反光、運(yùn)動(dòng)陰影、光照劇烈變化等因素的干擾，前景區(qū)域通常包含很多噪聲。必須尋找 更加魯椿的車(chē)輛特征，消除前景噪聲的影響。前景噪聲幾乎不改變背景路面的紋理，而運(yùn)動(dòng) 車(chē)輛顯著改變背景紋理。于是選擇虛擬區(qū)域內(nèi)前景與背景差分的形態(tài)學(xué)邊緣強(qiáng)度的標(biāo)準(zhǔn)差 作為車(chē)輛特征，對(duì)所有前景像素，將中值濾波后的輸入圖像亮度與背景亮度相減得到差分 圖像做Ede形態(tài)學(xué)邊緣檢測(cè)，從而確定邊緣強(qiáng)度的標(biāo)準(zhǔn)差SD。，其過(guò)程如圖3所示；交通視 頻檢測(cè)器大多具有定向檢測(cè)功能，但是其檢測(cè)方向需要人為設(shè)定，不夠靈活。本方法在在算 法初始化階段，首先處理一段含有運(yùn)動(dòng)車(chē)輛的視頻，提取虛擬線(xiàn)圈內(nèi)的前景像素；如果前景 面積較大，滿(mǎn)足FRyi〉0. 2,則記錄此時(shí)前景區(qū)域的平均運(yùn)動(dòng)向量，記為FMVi;假設(shè)某虛擬線(xiàn) 圈共記錄了n次FMVi，則可W估計(jì)它的車(chē)輛檢測(cè)方向：
[0022]
記錄虛擬區(qū)域中的前景區(qū)域的平均運(yùn)動(dòng)向量FMVi，根據(jù)虛擬 區(qū)域記錄的FMVi次數(shù)n，確定車(chē)輛檢測(cè)方向ZVD;
[0023] (3)根據(jù)（2)步圖像處理得到的前景像素比例、邊緣強(qiáng)度的標(biāo)準(zhǔn)差SD。、車(chē)輛檢 測(cè)方向ZVD計(jì)算車(chē)輛存在信屯、級(jí)數(shù)CL，化G{0, 1，. . .，k};CL= 0為最低信屯、級(jí)數(shù)，表 示虛擬區(qū)域內(nèi)沒(méi)有車(chē)輛；CL=K為最高信屯、級(jí)數(shù)，表示虛擬區(qū)域被車(chē)輛占有；化取中間 值表示過(guò)渡狀態(tài)；K取2-4范圍的整數(shù)，與監(jiān)控場(chǎng)景有關(guān)；車(chē)速越高，K越?。卉?chē)速越低，K 越大，化始終處于0-K之間：當(dāng)化達(dá)到K時(shí)，不再增加；達(dá)到0時(shí)，不再減少；化的計(jì) 算過(guò)程為：設(shè)定化初始值為 0,當(dāng)FRvi〉0. 2and(FRai〉0. 2orFRa2)and(FRbi〉0. 2orFRb2〉〇. 2) andSDe〉TsDand吟言-Z巧 <胥化化增加1 ;當(dāng)
[0024]
時(shí)，化減1 ;上式中的TSD是紋理變化的闊值，選擇范圍為[0, 512]。
[0025] (4)統(tǒng)計(jì)化的數(shù)據(jù)即可確定監(jiān)測(cè)到的車(chē)輛數(shù)，當(dāng)檢測(cè)到車(chē)輛時(shí)，根據(jù)此時(shí)虛擬區(qū) 域的前景區(qū)域的平均運(yùn)動(dòng)向量FMV可計(jì)算車(chē)輛的瞬時(shí)速度ViMt，對(duì)多次虛擬區(qū)域得到瞬時(shí) 速度做中值濾波處理確定車(chē)輛平均速度V。根據(jù)車(chē)輛在虛擬區(qū)域的存在時(shí)間0,即車(chē)輛占據(jù) 虛擬線(xiàn)圈的時(shí)間、虛擬區(qū)域長(zhǎng)度及車(chē)輛平均速度V;可W計(jì)算車(chē)輛長(zhǎng)度L=VXO-d;該里d 選擇為虛擬區(qū)域長(zhǎng)度的1/3。
[0026] 根據(jù)車(chē)輛長(zhǎng)度以可^將車(chē)輛粗略分為小型車(chē)、中型車(chē)、大型車(chē)=類(lèi)，如表1所示。
[0027] 表1不同車(chē)輛長(zhǎng)度表 [0。0。1
[0029] 用不同場(chǎng)景和天氣條件下的視頻對(duì)所述數(shù)據(jù)采集系統(tǒng)進(jìn)行測(cè)試。測(cè)試了10段視 頻，包括2段晴天視頻、2段陰天視頻、2段霧天視頻、1段雨天視頻、2段夜晚視頻和1段黎 明視頻。該些視頻代表了現(xiàn)實(shí)中最常見(jiàn)的場(chǎng)景狀況，表2列出了實(shí)驗(yàn)結(jié)果。
[0030] 表2對(duì)測(cè)試視頻進(jìn)行車(chē)輛計(jì)數(shù)的實(shí)驗(yàn)結(jié)果
[0031]
[0032] 實(shí)驗(yàn)結(jié)果表明，本發(fā)明算法能夠處理不同交通場(chǎng)景和天氣條件?？傮w來(lái)說(shuō)，白天 檢測(cè)錯(cuò)誤率在5%左右，夜晚檢測(cè)錯(cuò)誤率在15%左右。由于算法融合了虛擬區(qū)域內(nèi)的前景 面積、紋理變化、像素運(yùn)動(dòng)等特征，檢測(cè)精度不易受到天氣條件和光照變化的影響，在雨 天、霧天和夜晚等環(huán)境下，算法性能并不顯著下降。
[0033] 為了測(cè)試本發(fā)明的方法對(duì)對(duì)車(chē)速估計(jì)功能，選取了在北京市中關(guān)村東路拍攝了 1 段白天視頻和1段夜晚視頻。白天視頻的拍攝時(shí)間是上午11點(diǎn)，夜晚視頻的拍攝時(shí)間是 晚上7點(diǎn)，屬于晚高峰。通過(guò)對(duì)前景角點(diǎn)像素做運(yùn)動(dòng)估計(jì)，并利用攝像機(jī)標(biāo)定結(jié)果，我們 獲得了每輛車(chē)的速度，建立了車(chē)輛速度直方圖，如圖4A、4B和圖5A、5B。計(jì)算可得，白天視 頻的空間平均速度V,= 46. 47Km/h，時(shí)間平均速度Vt= 47. 88Km/h;夜晚視頻的空間平均 速度V,= 32. 33Km/h，時(shí)間平均速度Vt= 36. 46Km/h，夜晚視頻平均速度的下降主要是由于 交通晚高峰造成的。
[0034] 上述技術(shù)方案僅體現(xiàn)了本發(fā)明技術(shù)方案的優(yōu)選技術(shù)方案，本技術(shù)領(lǐng)域的技術(shù)人員 對(duì)其中某些部分所可能做出的一些變動(dòng)均體現(xiàn)了本發(fā)明的原理，屬于本發(fā)明的保護(hù)范圍之 內(nèi)。
【主權(quán)項(xiàng)】
1. 一種多特征融合的交通視頻數(shù)據(jù)采集處理方法，其特征在于，該方法包括步驟為： (1)在交通視頻圖像上劃分虛擬區(qū)域；（2)計(jì)算虛擬區(qū)域的前景像素比例；對(duì)所有前景像 素，將中值濾波后的輸入圖像亮度與背景亮度相減得到差分圖像做Ede形態(tài)學(xué)邊緣檢 測(cè)，從而確定邊緣強(qiáng)度的標(biāo)準(zhǔn)差SDe;記錄虛擬區(qū)域中的前景區(qū)域的平均運(yùn)動(dòng)向量FMVi， 根據(jù)虛擬區(qū)域記錄的FMVi次數(shù)n，確定車(chē)輛檢測(cè)方向ZVD; (3)根據(jù)（2)步圖像處理得到 的前景像素比例、邊緣強(qiáng)度的標(biāo)準(zhǔn)差SDe、車(chē)輛檢測(cè)方向Z VD計(jì)算車(chē)輛存在信心級(jí)數(shù)CL， CLG {〇，l，...，k} ;CL = 0為最低信心級(jí)數(shù)，表示虛擬區(qū)域內(nèi)沒(méi)有車(chē)輛；CL = K為最高信 心級(jí)數(shù)，表示虛擬區(qū)域被車(chē)輛占有；CL取中間值表示過(guò)渡狀態(tài)；K取2-4范圍的整數(shù)，與監(jiān) 控場(chǎng)景有關(guān)：車(chē)速越高，K越??；車(chē)速越低，K越大，CL始終處于0-K之間：當(dāng)CL達(dá)到K時(shí)， 不再增加；達(dá)到〇時(shí)，不再減少；(4)統(tǒng)計(jì)CL的數(shù)據(jù)即可確定監(jiān)測(cè)到的車(chē)輛數(shù)。2. 根據(jù)權(quán)利要求1所述的多特征融合的交通視頻數(shù)據(jù)采集處理方法，其特征在于，步 驟（1)中劃分虛擬區(qū)域是橫向邊界小于車(chē)道線(xiàn)間距，縱向邊界小于普通轎車(chē)長(zhǎng)度的四邊形 區(qū)域。3. 根據(jù)權(quán)利要求2所述的多特征融合的交通視頻數(shù)據(jù)采集處理方法，其特征在于，虛 擬區(qū)域分別沿橫向和縱向劃分兩條特征線(xiàn)&2和b b2，從而將虛擬區(qū)域橫向和縱向等分 為3段，&1，a2, bJP b 2上的前景像素比例依次為FR al，F(xiàn)Ra2, FRbJP FR b2，它們決定了 4條特 征線(xiàn)的被占有情況。4. 根據(jù)權(quán)利要求1所述的多特征融合的交通視頻數(shù)據(jù)采集處理方法，其特征在于，步 驟⑵中，車(chē)輛檢測(cè)方向m Z[務(wù)丈Mr,]。 n i=\5. 根據(jù)權(quán)利要求1所述的多特征融合的交通視頻數(shù)據(jù)采集處理方法，其特征在 于，步驟（3)中，CL的計(jì)算過(guò)程為：設(shè)定CL初始值為0,當(dāng)FR vl>0. 2and(FRal>0. 2orFRa2) and(FRbl>0. 2orFRb2>0. 2)andSDe>TSDand 時(shí)，CL 增加 1 ;當(dāng)時(shí)，CL減1 ;上式中的TSD是紋理變化的閾值，選擇范圍為[0, 512]。6. 根據(jù)權(quán)利要求1、2、3、4或5所述的多特征融合的交通視頻數(shù)據(jù)采集處理方法，其特 征在于，當(dāng)檢測(cè)到車(chē)輛時(shí)，根據(jù)此時(shí)虛擬區(qū)域的前景區(qū)域的平均運(yùn)動(dòng)向量FMV可計(jì)算車(chē)輛 的瞬時(shí)速度V inst，對(duì)多次虛擬區(qū)域得到瞬時(shí)速度做中值濾波處理確定車(chē)輛平均速度V。7. 根據(jù)權(quán)利要求6所述的多特征融合的交通視頻數(shù)據(jù)采集處理方法，其特征在于，根 據(jù)車(chē)輛在虛擬區(qū)域的存在時(shí)間0,即車(chē)輛占據(jù)虛擬線(xiàn)圈的時(shí)間、虛擬區(qū)域長(zhǎng)度及車(chē)輛平均速 度v ;可以計(jì)算車(chē)輛長(zhǎng)度L = VX〇-d ;這里d選擇為虛擬區(qū)域長(zhǎng)度的1/3。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種多特征融合的交通視頻數(shù)據(jù)采集處理方法，該方法包括步驟為：(1)在交通視頻圖像上劃分虛擬區(qū)域；(2)計(jì)算虛擬區(qū)域的前景像素比例；確定邊緣強(qiáng)度的標(biāo)準(zhǔn)差SDe；確定車(chē)輛檢測(cè)方向∠VD；(3)根據(jù)(2)步圖像處理得到的前景像素比例、邊緣強(qiáng)度的標(biāo)準(zhǔn)差SDe、車(chē)輛檢測(cè)方向∠VD計(jì)算車(chē)輛存在信心級(jí)數(shù)；(4)統(tǒng)計(jì)CL的數(shù)據(jù)即可確定監(jiān)測(cè)到的車(chē)輛數(shù)。本技術(shù)方案的優(yōu)點(diǎn)在于：(1)綜合利用虛擬線(xiàn)圈內(nèi)的前景面積、紋理變化、像素運(yùn)動(dòng)等特征來(lái)檢測(cè)車(chē)輛，通過(guò)將這三種特征有效融合，使得車(chē)輛檢測(cè)算法能夠抵抗不良天氣和光照的影響；(2)根據(jù)單個(gè)虛擬線(xiàn)圈內(nèi)的像素運(yùn)動(dòng)向量來(lái)估計(jì)車(chē)輛速度，避免了雙線(xiàn)圈測(cè)速法固有的車(chē)輛錯(cuò)誤匹配問(wèn)題。
【IPC分類(lèi)】G08G1/01, G08G1/052
【公開(kāi)號(hào)】CN104952244
【申請(qǐng)?zhí)枴緾N201410387383
【發(fā)明人】邵宗翰
【申請(qǐng)人】昆明聯(lián)誠(chéng)科技股份有限公司
【公開(kāi)日】2015年9月30日
【申請(qǐng)日】2014年8月8日