本發(fā)明涉及交通控制技術(shù)領(lǐng)域，特別是涉及一種車流量統(tǒng)計(jì)方法。

背景技術(shù)：
車流量統(tǒng)計(jì)是智能交通中的一個(gè)重要功能和任務(wù)，對(duì)于管理部門和駕駛員都具有重要的意義。車流量統(tǒng)計(jì)方法包括基于磁感線圈的方法、基于電磁波（雷達(dá)）的方法和基于視頻的方法?；诖鸥袘?yīng)線圈的方法需要在路面下埋置磁感線圈，對(duì)道路有破壞，而且成本高，維護(hù)復(fù)雜。基于電磁波的方法通過(guò)在道路上空設(shè)置雷達(dá)，通過(guò)電磁波來(lái)測(cè)定車流量，在車輛擁堵的情況下，精度差。傳統(tǒng)的基于視頻的方法都采用背景建模技術(shù)檢測(cè)出道路上的運(yùn)動(dòng)車輛，受光照、陰影、惡劣天氣影響大，車輛擁堵時(shí)，也無(wú)法準(zhǔn)確分割出每一個(gè)車輛，精度差。

技術(shù)實(shí)現(xiàn)要素：
基于此，有必要提供一種基于視頻的檢測(cè)精度高的車流量統(tǒng)計(jì)方法。一種車流量統(tǒng)計(jì)方法，包括如下步驟：定義車道，所述車道為封閉的多邊形；檢測(cè)當(dāng)前幀的車輛，并將當(dāng)前幀中位于所述車道內(nèi)的車輛形成觀測(cè)列表；預(yù)測(cè)已有車輛列表中的車輛的狀態(tài)，所述狀態(tài)包括已有車輛列表中的車輛的位置、速度和大?。挥?jì)算所述觀測(cè)列表中的車輛與已有車輛列表中的車輛的關(guān)聯(lián)度，并且：當(dāng)所述關(guān)聯(lián)度表示觀測(cè)列表中的車輛與已有車輛列表中的車輛關(guān)聯(lián)時(shí)，使用觀測(cè)列表中的車輛的狀態(tài)更新與之關(guān)聯(lián)的已有車輛列表中的車輛的狀態(tài)；當(dāng)所述關(guān)聯(lián)度表示觀測(cè)列表中的車輛為新駛?cè)胨鲕嚨纼?nèi)的車輛時(shí)，將觀測(cè)列表中的車輛加入已有車輛列表；當(dāng)所述關(guān)聯(lián)度表示已有車輛列表中的車輛不與觀測(cè)列表中的任一車輛對(duì)應(yīng)時(shí)，將已有車輛列表中的相應(yīng)車輛刪除。在其中一個(gè)實(shí)施例中，所述計(jì)算觀測(cè)列表中的車輛與已有車輛列表中的車輛的關(guān)聯(lián)度的步驟具體包括：計(jì)算所有已有車輛與觀測(cè)的匹配度，形成關(guān)聯(lián)代價(jià)矩陣：Ci,j＝α·Distpos(i,j)+β·Distsize(i,j)+γ·Disthist(i,j)；其中：α,β,γ為權(quán)重系數(shù)，且α+β+γ＝1，α,β,γ∈[0,1]；Distpos(i,j)為已有車輛列表中第i輛車與觀測(cè)列表中第j輛車的位置距離：(xi,yi)為已有車輛列表中第i輛車的坐標(biāo)，(xj,yj)為觀測(cè)列表中第j輛車的坐標(biāo)；Distsize(i,j)為第i輛車與第j個(gè)觀測(cè)的大小距離：wi和hi為已有車輛列表中第i輛車的寬度和高度，wj和hj為觀測(cè)列表中第j輛車的寬度和高度；Disthist(i,j)為已有車輛列表中第i輛車與觀測(cè)列表中第j輛車的直方圖距離：其中，{xk}k＝1,...,N為已有車輛列表中第i輛車的歸一化直方圖，{yk}k＝1,...,N為觀測(cè)列表中第j輛車的歸一化直方圖；對(duì)所述關(guān)聯(lián)代價(jià)矩陣進(jìn)行線性分配求解，得到行關(guān)聯(lián)分配數(shù)組和列關(guān)聯(lián)分配數(shù)組，所述行關(guān)聯(lián)分配數(shù)組和列關(guān)聯(lián)分配數(shù)組中的元素用于表示觀測(cè)列表中的車輛與已有車輛列表中的車輛的關(guān)聯(lián)度。在其中一個(gè)實(shí)施例中，當(dāng)所述行關(guān)聯(lián)分配數(shù)組中的第i個(gè)元素的值為0時(shí)，對(duì)其為0的次數(shù)進(jìn)行計(jì)數(shù)，若所述計(jì)數(shù)值達(dá)到設(shè)定數(shù)值，則表示已有車輛列表中的車輛不與觀測(cè)列表中的任一車輛對(duì)應(yīng)，將已有車輛列表中的相應(yīng)車輛刪除；當(dāng)所述行關(guān)聯(lián)分配數(shù)組中的第i個(gè)元素的值不為0時(shí)，使用觀測(cè)列表中的第i輛車的狀態(tài)更新與之關(guān)聯(lián)的已有車輛列表中的第i輛車的狀態(tài)。在其中一個(gè)實(shí)施例中，所述設(shè)定數(shù)值為5。在其中一個(gè)實(shí)施例中，所述使用觀測(cè)列表中的第i輛車的狀態(tài)更新與之關(guān)聯(lián)的已有車輛列表中的第i輛車的狀態(tài)的步驟中，采用卡爾曼濾波器或粒子濾波器校正。在其中一個(gè)實(shí)施例中，當(dāng)所述列關(guān)聯(lián)分配數(shù)組中的第i個(gè)元素的值為0時(shí)，對(duì)其為0的次數(shù)進(jìn)行計(jì)數(shù)，若所述計(jì)數(shù)值達(dá)到設(shè)定數(shù)值，則表示觀測(cè)列表中的車輛為新駛?cè)胨鲕嚨纼?nèi)的車輛，將所述新駛?cè)胲嚨纼?nèi)的車輛加入已有車輛列表中。在其中一個(gè)實(shí)施例中，所述設(shè)定數(shù)值為3。在其中一個(gè)實(shí)施例中，所述定義車道的步驟中，接收用戶輸入的頂點(diǎn)信息，利用所述頂點(diǎn)信息形成封閉的多邊形。在其中一個(gè)實(shí)施例中，所述將當(dāng)前幀中位于所述車道內(nèi)的車輛形成觀測(cè)列表的步驟中，采用判斷代表車輛的矩形框是否在代表車道的多邊形內(nèi)的方法來(lái)判斷車輛是否在所述車道內(nèi)。在其中一個(gè)實(shí)施例中，所述檢測(cè)當(dāng)前幀的車輛的步驟中，利用積分通道特征和Adaboost分類器進(jìn)行車輛檢測(cè)。上述車輛統(tǒng)計(jì)方法中，通過(guò)將觀測(cè)列表中的車輛與已有車輛列表中的車輛進(jìn)行比較，實(shí)現(xiàn)對(duì)車道內(nèi)所有車輛的準(zhǔn)確跟蹤，從而實(shí)現(xiàn)準(zhǔn)確的車流量統(tǒng)計(jì)。附圖說(shuō)明圖1為一實(shí)施例的車流量統(tǒng)計(jì)方法流程圖。具體實(shí)施方式以下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明的車流量統(tǒng)計(jì)方法進(jìn)行進(jìn)一步說(shuō)明。如圖1所示，為一實(shí)施例的車流量統(tǒng)計(jì)方法流程圖。該方法包括如下步驟：步驟S101：定義車道。所述車道為封閉的多邊形。步驟S102：將當(dāng)前幀中位于所述車道內(nèi)的車輛形成觀測(cè)列表。步驟S103：預(yù)測(cè)已有車輛列表中的車輛的狀態(tài)。所述狀態(tài)包括已有車輛列表中的車輛的位置、速度和大小。步驟S104：計(jì)算所述觀測(cè)列表中的車輛與已有車輛列表中的車輛的關(guān)聯(lián)度。步驟S105：使用觀測(cè)列表中的車輛的狀態(tài)更新與之關(guān)聯(lián)的已有車輛列表中的車輛的狀態(tài)。當(dāng)所述關(guān)聯(lián)度表示觀測(cè)列表中的車輛與已有車輛列表中的車輛關(guān)聯(lián)時(shí)，執(zhí)行本步驟S105。步驟S106：將已有車輛列表中的相應(yīng)車輛刪除。當(dāng)所述關(guān)聯(lián)度表示已有車輛列表中的車輛不與觀測(cè)列表中的任一車輛對(duì)應(yīng)時(shí)，執(zhí)行本步驟S106。步驟S107：將觀測(cè)列表中的車輛加入已有車輛列表。當(dāng)所述關(guān)聯(lián)度表示觀測(cè)列表中的車輛為新駛?cè)胨鲕嚨纼?nèi)的車輛時(shí)，執(zhí)行本步驟S107。當(dāng)有新駛?cè)氲能囕v時(shí)，車流量增加1。上述方法中，通過(guò)將觀測(cè)列表中的車輛與已有車輛列表中的車輛進(jìn)行比較，實(shí)現(xiàn)對(duì)車道內(nèi)所有車輛的準(zhǔn)確跟蹤，從而實(shí)現(xiàn)準(zhǔn)確的車流量統(tǒng)計(jì)。本實(shí)施例的車流量統(tǒng)計(jì)方法基于監(jiān)控?cái)z像頭提供的視頻進(jìn)行分析來(lái)統(tǒng)計(jì)車流量，分析的基礎(chǔ)是視頻中的每一個(gè)視頻幀。在步驟S101中，所述車道為封閉的多邊形。該多邊形是利用用戶輸入的多邊形頂點(diǎn)信息形成的。圖像分析中經(jīng)常用到的技術(shù)即是邊緣分割，雖然可以利用邊緣分割技術(shù)來(lái)分辨車道，但是利用用戶指定頂點(diǎn)形成多邊形更加簡(jiǎn)單和快捷。封閉的多邊形的車道內(nèi)即是本實(shí)施例方法處理的目標(biāo)區(qū)域，處理對(duì)象即該目標(biāo)區(qū)域內(nèi)的車輛。在步驟S102中，利用積分通道特征和Adaboost分類器進(jìn)行車輛檢測(cè)。該積分通道特征和Adaboost分類器是本領(lǐng)域常規(guī)技術(shù)，在此不贅述。檢測(cè)的車輛采用矩形框代表。這樣，通過(guò)判斷代表車輛的矩形框是否在代表車道的多邊形內(nèi)，即可判斷車輛是否在所述車道內(nèi)。判斷矩形框是否在多邊形內(nèi)也屬于常規(guī)方法，在此不贅述。觀測(cè)列表是檢測(cè)到的位于所述車道內(nèi)的車輛列表。在步驟S103中，可以采用線性預(yù)測(cè)、卡爾曼濾波或粒子濾波預(yù)測(cè)已有車輛列表中的車輛的狀態(tài)。其中已有車輛列表是在處理視頻幀的過(guò)程中記錄的車輛列表。在最開(kāi)始時(shí)，該列表為空，并且在后續(xù)的處理中，將符合一定條件的車輛加入或從列表中刪除。已有車輛列表中的車輛通過(guò)預(yù)測(cè)狀態(tài)得到所有車輛的位置、速度和大小。步驟S104中，計(jì)算觀測(cè)列表中的車輛與已有車輛列表中的車輛的關(guān)聯(lián)度的步驟具體是計(jì)算所有已有車輛與觀測(cè)的匹配度，形成關(guān)聯(lián)代價(jià)矩陣：Ci,j＝α·Distpos(i,j)+β·Distsize(i,j)+γ·Disthist(i,j)。其中：α,β,γ為權(quán)重系數(shù)，且α+β+γ＝1，α,β,γ∈[0,1]；Distpos(i,j)為已有車輛列表中第i輛車與觀測(cè)列表中第j輛車的位置距離：(xi,yi)為已有車輛列表中第i輛車的坐標(biāo)，(xj,yj)為觀測(cè)列表中第j輛車的坐標(biāo)；Distsize(i,j)為第i輛車與第j個(gè)觀測(cè)的大小距離：wi和hi為已有車輛列表中第i輛車的寬度和高度，wj和hj為觀測(cè)列表中第j輛車的寬度和高度；Disthist(i,j)為已有車輛列表中第i輛車與觀測(cè)列表中第j輛車的直方圖距離：其中，{xk}k＝1,...,N為已有車輛列表中第i輛車的歸一化直方圖，{yk}k＝1,...,N為觀測(cè)列表中第j輛車的歸一化直方圖。對(duì)所述關(guān)聯(lián)代價(jià)矩陣進(jìn)行線性分配求解，得到行關(guān)聯(lián)分配數(shù)組u和列關(guān)聯(lián)分配數(shù)組v。行關(guān)聯(lián)分配數(shù)組u和列關(guān)聯(lián)分配數(shù)組v中的元素用于表示觀測(cè)列表中的車輛與已有車輛列表中的車輛的關(guān)聯(lián)度。采用現(xiàn)有的線性分配算法即可實(shí)現(xiàn)上述的線性分配求解。對(duì)所得到的行關(guān)聯(lián)分配數(shù)組u和列關(guān)聯(lián)分配數(shù)組v分別進(jìn)行分析，以分別進(jìn)行相應(yīng)的處理。當(dāng)行關(guān)聯(lián)分配數(shù)組u中的第i個(gè)元素ui的值不為0時(shí)，表明已有車輛列表中的第i輛車與觀測(cè)列表中的第ui觀測(cè)對(duì)應(yīng)，此時(shí)使用觀測(cè)列表中的第i輛車的狀態(tài)更新與之關(guān)聯(lián)的已有車輛列表中的第i輛車的狀態(tài)。具體為卡爾曼濾波器或粒子濾波器校正。當(dāng)行關(guān)聯(lián)分配數(shù)組u中的第i個(gè)元素ui的值為0時(shí)，對(duì)其為0的次數(shù)進(jìn)行計(jì)數(shù)，例如采用一個(gè)對(duì)應(yīng)的消失計(jì)數(shù)器來(lái)存儲(chǔ)該計(jì)數(shù)值。每次處理一幀視頻圖像時(shí)，若對(duì)應(yīng)該視頻圖像的行關(guān)聯(lián)分配數(shù)組u中的第i個(gè)元素ui的值為0，則將該消失計(jì)數(shù)器的值加1。若所述計(jì)數(shù)值達(dá)到設(shè)定數(shù)值，本實(shí)施例中，所述設(shè)定數(shù)值為5，則表示已有車輛列表中的車輛不與觀測(cè)列表中的任一車輛對(duì)應(yīng)，將已有車輛列表中的相應(yīng)車輛刪除。這樣可以維持已有車輛列表的實(shí)時(shí)性。當(dāng)列關(guān)聯(lián)分配數(shù)組v中的第i個(gè)元素的值為0時(shí)，對(duì)其為0的次數(shù)進(jìn)行計(jì)數(shù)，每次處理一幀視頻圖像時(shí)，若對(duì)應(yīng)該視頻圖像的列關(guān)聯(lián)分配數(shù)組v中的第i個(gè)元素vi的值為0，則將該計(jì)數(shù)值加1。若所述計(jì)數(shù)值達(dá)到設(shè)定數(shù)值，本實(shí)施例中，所述設(shè)定數(shù)值為3，則表示觀測(cè)列表中的車輛為新駛?cè)胨鲕嚨纼?nèi)的車輛，將所述新駛?cè)胲嚨纼?nèi)的車輛加入已有車輛列表中。上述車輛統(tǒng)計(jì)方法使用積分通道特征和Adaboost分類器檢測(cè)視頻中的所有車輛，精度高。在車輛密集、光照變化、陰影、雨雪等惡劣條件下也有很高的檢測(cè)率和極低的誤報(bào)率。使用全局最近鄰關(guān)聯(lián)跟蹤，在車輛密集的情況仍然能夠準(zhǔn)確的跟蹤所有的車輛，得到行駛的軌跡。能夠在各種光照、氣象、路況條件下準(zhǔn)確的統(tǒng)計(jì)出車流量。以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。