基于信息融合的交通波實(shí)時(shí)檢測(cè)與跟蹤方法
【專利摘要】本方法涉及一種基于信息融合的交通波實(shí)時(shí)檢測(cè)與跟蹤方法。首先獲取交通視頻圖像，然后采用Kalman濾波技術(shù)，根據(jù)前一時(shí)刻交通波狀態(tài)最優(yōu)估計(jì)值獲取當(dāng)前時(shí)刻的交通波狀態(tài)預(yù)測(cè)值；然后得到當(dāng)前時(shí)刻交通波位置測(cè)量值，在相向攝像機(jī)之間的可視區(qū)域內(nèi)，每臺(tái)攝像機(jī)采用融合Adaboost分類器的復(fù)式伸縮窗算法；在相背攝像機(jī)之間的盲區(qū)內(nèi)，基于特征點(diǎn)跟蹤法及交通波估計(jì)法進(jìn)行估計(jì)；最后，采用加權(quán)平均一致性信息融合算法獲得當(dāng)前時(shí)刻交通波狀態(tài)最優(yōu)估計(jì)值，為下一時(shí)刻交通波狀態(tài)預(yù)測(cè)做準(zhǔn)備，在此過(guò)程中通過(guò)引入各攝像機(jī)測(cè)量噪聲權(quán)重，并動(dòng)態(tài)調(diào)整各攝像機(jī)檢測(cè)結(jié)果可信度來(lái)提高交通波定位精度。
【專利說(shuō)明】基于信息融合的交通波實(shí)時(shí)檢測(cè)與跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于機(jī)器視覺(jué)與智能控制領(lǐng)域，具體涉及一種利用計(jì)算機(jī)技術(shù)、圖像處理技術(shù)、機(jī)器學(xué)習(xí)技術(shù)和模式識(shí)別技術(shù)等對(duì)交通視頻監(jiān)控目標(biāo)進(jìn)行檢測(cè)的發(fā)明。
【背景技術(shù)】
[0002]交叉口路段上車輛排隊(duì)與消散過(guò)程會(huì)產(chǎn)生停車波與啟動(dòng)波這兩種交通波，停車波為在信號(hào)交叉口處紅燈亮?xí)r，車輛在停車線前依次停車排隊(duì)，隊(duì)尾位置從停車線開始逐步向后移動(dòng)，形成與車流運(yùn)動(dòng)方向相反的波。啟動(dòng)波為綠燈亮后，隊(duì)頭車輛開始啟動(dòng)，隊(duì)頭位置從停車線開始逐步向后移動(dòng)，形成與車流運(yùn)動(dòng)相反的波。準(zhǔn)確而實(shí)時(shí)跟蹤包括早晚高峰時(shí)段內(nèi)的交通波有利于效計(jì)算車道排隊(duì)長(zhǎng)度和停車延誤等交通參數(shù)，對(duì)進(jìn)一步優(yōu)化信號(hào)配時(shí)方案以緩解交通擁擠具有重要的意義。以往的基于單臺(tái)攝像機(jī)來(lái)檢測(cè)和跟蹤排隊(duì)車輛的隊(duì)尾和隊(duì)頭位置來(lái)獲取交通參數(shù)的方法存在一些固有缺陷，由于攝像機(jī)架設(shè)高度有限以及車輛本身的高度會(huì)使車輛圖像反投影到道路平面上時(shí)出現(xiàn)失真。車輛偏離攝像機(jī)中心軸程度越大，其檢測(cè)結(jié)果誤差越大。目標(biāo)離攝像機(jī)越遠(yuǎn)，獲得的視頻圖像信息質(zhì)量越差。同時(shí)由于交叉口停車線后車輛相互遮擋嚴(yán)重，使得檢測(cè)到的隊(duì)尾或隊(duì)頭實(shí)際位置誤差會(huì)隨著排隊(duì)車輛的增加而增大。雖然衛(wèi)星遙感圖像檢測(cè)車輛排隊(duì)可以有效解決車輛遮擋問(wèn)題，但是由于衛(wèi)星圖像中每輛車所占像素很少并且車輛邊緣信息比較模糊，用該方法檢測(cè)出來(lái)的車輛排隊(duì)長(zhǎng)度也不準(zhǔn)確，且實(shí)時(shí)性受到衛(wèi)星遙感數(shù)據(jù)采集和傳輸?shù)南拗啤Ｌ岣哕囕v隊(duì)頭和隊(duì)尾跟蹤精度的方法之一是采用高空垂直拍攝，但在實(shí)現(xiàn)上存在困難。另外，通過(guò)架設(shè)在高位置處攝像機(jī)跟蹤每輛車的運(yùn)行軌跡來(lái)識(shí)別交通波和估計(jì)排隊(duì)長(zhǎng)度的檢測(cè)方法也存在一些缺陷，當(dāng)周圍環(huán)境光線比較暗時(shí)，很難跟蹤每輛車的運(yùn)行軌跡，并且攝像機(jī)架設(shè)高度在許多交通路口也會(huì)受到限制。另一種方法是在路段上架設(shè)多臺(tái)低視角的攝像機(jī)，從而構(gòu)成視頻網(wǎng)絡(luò)，并在此基礎(chǔ)上進(jìn)行信息融合，既可達(dá)到路段全覆蓋監(jiān)視，又可克服攝像機(jī)架設(shè)高度限制產(chǎn)生的問(wèn)題，但由于該方法中決策層是最高層次的融合，并且兩攝像機(jī)之間沒(méi)有協(xié)作，通過(guò)兩攝像機(jī)分別檢測(cè)的隊(duì)尾消散點(diǎn)無(wú)法達(dá)成一致，同時(shí)各個(gè)攝像機(jī)對(duì)隊(duì)尾或者隊(duì)頭位置的檢測(cè)精度下降也會(huì)影響最終的融合結(jié)果。

【發(fā)明內(nèi)容】

[0003]為了使對(duì)交通波的跟蹤具有更高的精度和魯棒性，克服現(xiàn)有交通波檢測(cè)與跟蹤精度低、魯棒性差及視頻網(wǎng)絡(luò)決策層融合的缺點(diǎn)，本發(fā)明在單視頻交通波檢測(cè)基礎(chǔ)上提出基于視頻網(wǎng)絡(luò)加權(quán)一致性信息融合的交通波(主要包括停車波或啟動(dòng)波)實(shí)時(shí)跟蹤方法，從而使任何一臺(tái)分布式攝像機(jī)都可以對(duì)本視野范圍以內(nèi)及視野范圍以外的交通波進(jìn)行實(shí)時(shí)魯棒檢測(cè)與跟蹤，對(duì)進(jìn)一步優(yōu)化交通信號(hào)配時(shí)方案提供決策依據(jù)。具體內(nèi)容如下:
[0004]一種基于信息融合的交通波實(shí)時(shí)檢測(cè)與跟蹤方法，基于分布式攝像機(jī)網(wǎng)絡(luò)，所述的分布式攝像機(jī)網(wǎng)絡(luò)是由一系列按一定方式通信相連的攝像機(jī)組成，分布式網(wǎng)絡(luò)共η臺(tái)攝像機(jī)，從道路交叉口開始依次從I到η編號(hào)。每?jī)膳_(tái)相鄰的攝像機(jī)間存在相向關(guān)系或相背關(guān)系，具有相向關(guān)系的兩個(gè)攝像機(jī)為視野范圍存在重置區(qū)域的相向攝像機(jī)對(duì)，具有相背關(guān)系的兩個(gè)攝像機(jī)為架設(shè)在同一位置的視野范圍沒(méi)有重疊的相背攝像機(jī)對(duì)，即二者間存在盲區(qū)；每臺(tái)攝像機(jī)采用I臺(tái)計(jì)算機(jī)作為處理單元，具有獨(dú)立運(yùn)算功能。Ni表示可向攝像機(jī)i傳遞信息的攝像機(jī)編號(hào)集合，當(dāng)i=l時(shí)，&=2，當(dāng)l〈i〈n時(shí),Ni=U-1, i+Ι},當(dāng)i=n時(shí),Nn= {n_l}。基于信息融合的交通波實(shí)時(shí)檢測(cè)與跟蹤方法其特征在于包括以下步驟:
[0005]I)分布式攝像機(jī)網(wǎng)絡(luò)中的所有攝像機(jī)同時(shí)拍攝交通視頻；
[0006]2)每臺(tái)攝像機(jī)采用Kalman濾波預(yù)測(cè)得到t時(shí)刻各自跟蹤到的交通波的狀態(tài)預(yù)測(cè)值以及對(duì)應(yīng)的信息矩陣，計(jì)算公式如下，其中，所述的交通波狀態(tài)是由交通波的位置與波速構(gòu)成的向量，
【權(quán)利要求】
1.基于信息融合的交通波實(shí)時(shí)檢測(cè)與跟蹤方法，基于分布式攝像機(jī)網(wǎng)絡(luò)，所述的分布式攝像機(jī)網(wǎng)絡(luò)是由一系列按一定方式通信相連的攝像機(jī)組成，分布式網(wǎng)絡(luò)共有η臺(tái)攝像機(jī)，從道路交叉口開始依次從I到η編號(hào)；每?jī)膳_(tái)相鄰的攝像機(jī)間存在相向關(guān)系或相背關(guān)系，具有相向關(guān)系的兩臺(tái)攝像機(jī)為視野范圍存在重疊區(qū)域的相向攝像機(jī)對(duì)，具有相背關(guān)系的兩個(gè)攝像機(jī)為架設(shè)在同一位置的視野范圍沒(méi)有重疊的相背攝像機(jī)對(duì)，即二者間存在盲區(qū)；每臺(tái)攝像機(jī)采用I臺(tái)計(jì)算機(jī)作為處理單元，具有獨(dú)立運(yùn)算功能；隊(duì)表示可向攝像機(jī)i傳遞信息的攝像機(jī)編號(hào)集合，當(dāng)i=l時(shí)，&=2，當(dāng)l〈i〈n時(shí),Ni=U-1, i+Ι},當(dāng)i=n時(shí),Nn= {n_l}，其特征在于包括以下步驟: 1)分布式攝像機(jī)網(wǎng)絡(luò)中的所有攝像機(jī)冋時(shí)拍攝交通視頻； 2)每臺(tái)攝像機(jī)采用Kalman濾波預(yù)測(cè)得到t時(shí)刻各自跟蹤到的交通波狀態(tài)預(yù)測(cè)值以及對(duì)應(yīng)的預(yù)測(cè)信息矩陣，計(jì)算公式如下，其中，所述的交通波包括停車波或啟動(dòng)波，交通波狀態(tài)是由交通波的位置與波速構(gòu)成的向量， 其中，場(chǎng)為第i臺(tái)攝像機(jī)采用Kalman濾波預(yù)測(cè)得到的t時(shí)刻的交通波狀態(tài)預(yù)測(cè)值， W,{t)為第i臺(tái)攝像機(jī)在t時(shí)刻計(jì)算得到的預(yù)測(cè)信息矩陣，為第i臺(tái)攝像機(jī)計(jì)算得到的t-ι時(shí)刻的交通波狀態(tài)最優(yōu)估計(jì)值， 命(I)為第i臺(tái)攝像機(jī)計(jì)算得到的t-Ι時(shí)刻的最優(yōu)信息矩陣， Φ= O I為狀態(tài)轉(zhuǎn)換矩陣， Q為狀態(tài)轉(zhuǎn)換噪聲的協(xié)方差矩陣； 3)計(jì)算每臺(tái)攝像機(jī)t時(shí)刻的交通波位置測(cè)量值Zi(t)，具體為: 當(dāng)?shù)趇臺(tái)攝像機(jī)預(yù)測(cè)得到的t時(shí)刻的交通波狀態(tài)預(yù)測(cè)值無(wú)⑴在該攝像機(jī)可視區(qū)域內(nèi)時(shí)，則采用融合Adaboost分類器的復(fù)式伸縮窗算法獲取攝像機(jī)i在可視范圍內(nèi)在t時(shí)刻的交通波位置測(cè)量值Zi (t)； 當(dāng)?shù)趇臺(tái)攝像機(jī)在t時(shí)刻預(yù)測(cè)得到的交通波狀態(tài)預(yù)測(cè)值巧⑴在第i臺(tái)攝像機(jī)所屬的相背攝像機(jī)對(duì)形成的盲區(qū)內(nèi)時(shí)，根據(jù)Adaboost分類器檢測(cè)出的車輛頭部和尾部候選區(qū)域內(nèi)的特征點(diǎn)，對(duì)特征點(diǎn)進(jìn)行分組，將時(shí)空特性相同的特征點(diǎn)分在一組，并對(duì)相同組內(nèi)特征點(diǎn)進(jìn)行三角剖分形成網(wǎng)格圖，采用特征點(diǎn)跟蹤方法對(duì)車輛進(jìn)行跟蹤，計(jì)算感興趣車輛進(jìn)入與駛出盲區(qū)的速度變化，進(jìn)而根據(jù)交通波估計(jì)法估計(jì)盲區(qū)內(nèi)t時(shí)刻的交通波位置測(cè)量值Zi (t)； .4)采用加權(quán)平均一致性信息融合方法，通過(guò)迭代得到t時(shí)刻的交通波狀態(tài)最優(yōu)估計(jì)值 和最優(yōu)信息矩陣旁⑴，具體如下: .4.1)計(jì)算攝像機(jī)t時(shí)刻檢測(cè)結(jié)果可信度a(t)，在分布式網(wǎng)絡(luò)中，第奇數(shù)(2m+l)臺(tái)攝像機(jī)為其視野范圍內(nèi)面對(duì)車輛頭部的攝像機(jī)，第偶數(shù)(2m+2)臺(tái)為其視野范圍內(nèi)面對(duì)車輛尾部的攝像機(jī)，t時(shí)刻面對(duì)車輛頭部的攝像機(jī)檢測(cè)結(jié)果可信度為a2m+1 (t),面對(duì)車輛尾部的攝像機(jī)檢測(cè)結(jié)果可信度為a2m+2 (t)，m從O開始取值；在初始時(shí)刻將所有攝像機(jī)檢測(cè)結(jié)果可信度設(shè)為缺省值I，如果根據(jù)權(quán)利要求步驟3)中通過(guò)某臺(tái)攝像機(jī)無(wú)法獲取初始時(shí)刻停車波位置測(cè)量值，則將這臺(tái)攝像機(jī)的檢測(cè)結(jié)果可信度設(shè)為O ;動(dòng)態(tài)調(diào)整攝像機(jī)檢測(cè)結(jié)果可信度過(guò)程中，只調(diào)節(jié)視野范圍內(nèi)面對(duì)車輛尾部的攝像機(jī)檢測(cè)結(jié)果可信度a2m+2(t)，包含以下步驟:第一步，提取第2m+2臺(tái)攝像機(jī)視野范圍內(nèi)隊(duì)尾靜止車輛不被后面的車輛遮擋時(shí)該車尾部的特征點(diǎn)網(wǎng)格圖及停車波位置測(cè)量值； 第二步，比較當(dāng)前時(shí)刻車輛尾部特征點(diǎn)網(wǎng)格圖結(jié)構(gòu)與未發(fā)生遮擋時(shí)特征點(diǎn)網(wǎng)格圖結(jié)構(gòu)是否相同，判斷是否有新車加入隊(duì)尾，以調(diào)整第2m+2臺(tái)攝像機(jī)t時(shí)刻的檢測(cè)結(jié)果可信度a2m+2(t)，判斷過(guò)程分以下兩種情況: 第I種情況:特征點(diǎn)網(wǎng)格圖的結(jié)構(gòu)未發(fā)生變化，說(shuō)明沒(méi)有新車加入隊(duì)尾，調(diào)整方法分以下幾步: 第一步，設(shè)可信度a2ni+2(t)的調(diào)整范圍為[1，10]，調(diào)節(jié)步長(zhǎng)用I表示； 第二步，判斷t時(shí)刻停車波位置測(cè)量值相對(duì)于t-Ι時(shí)刻停車波位置測(cè)量值的移動(dòng)方向與t-Ι時(shí)刻停車波狀態(tài)最優(yōu)估計(jì)值相對(duì)于t-2時(shí)刻停車波狀態(tài)最優(yōu)估計(jì)值的移動(dòng)方向是否相同；相同，則減小a2m+2(t)，調(diào)節(jié)步長(zhǎng)大于0，小于0.5 ;不相同則增大a2m+2(t)，調(diào)節(jié)步長(zhǎng)大于0，小于0.5; 第2種情況:特征點(diǎn)網(wǎng)格圖的結(jié)構(gòu)發(fā)生變化，說(shuō)明有新車即將加入隊(duì)尾，并對(duì)原來(lái)隊(duì)尾靜止車輛產(chǎn)生遮擋，調(diào)整方法分以下幾步: 第一步，設(shè)可信度a2ni+2(t)的調(diào)整范圍為[0.1, I],調(diào)節(jié)步長(zhǎng)用I表示； 第二步，判斷當(dāng)前停車波位置測(cè)量值是否比未發(fā)生遮擋時(shí)停車波位置測(cè)量值減小，是則減小a2m+2 (t),調(diào)節(jié)步長(zhǎng)大于O,小于0.1 ;否則增大a2m+2 (t),調(diào)節(jié)步長(zhǎng)大于O,小于0.1 ； `4.2)初始化一致性信息向量4(0和一致性信息矩陣<(O，計(jì)算公式如下:
【文檔編號(hào)】G06K9/62GK103440499SQ201310389154
【公開日】2013年12月11日 申請(qǐng)日期:2013年8月30日 優(yōu)先權(quán)日:2013年8月30日
【發(fā)明者】張媛, 楊德亮, 陳陽(yáng)舟, 辛樂(lè) 申請(qǐng)人:北京工業(yè)大學(xué)