一種多車道車輛軌跡時(shí)空?qǐng)D的自動(dòng)生成方法
【專利摘要】本發(fā)明涉及一種多車道車輛軌跡時(shí)空?qǐng)D的自動(dòng)生成方法。首先通過攝像機(jī)離線標(biāo)定獲取攝像機(jī)內(nèi)外參數(shù)、根據(jù)實(shí)際監(jiān)控需求設(shè)置感興趣區(qū)域,并在車流上游起始位置設(shè)置三條虛擬檢測(cè)帶;然后基于這三級(jí)虛擬檢測(cè)帶進(jìn)行車輛特征點(diǎn)的提取并按車輛分組,進(jìn)行特征點(diǎn)跟蹤與分組修正并完成車輛軌跡的高精度提取,進(jìn)而為每條車道自動(dòng)生成駛過車輛的縱向時(shí)空軌跡圖并生成一幅含所有車道的橫向時(shí)空軌跡圖,最后自動(dòng)判斷是否處于車道線修正階段,如果是則基于軌跡聚類法自動(dòng)修正車道線位置。與現(xiàn)有技術(shù)相比,本發(fā)明所述方法提高了目標(biāo)亮度變化的魯棒性,提高了車輛檢測(cè)與軌跡跟蹤的精度,能夠很好地實(shí)現(xiàn)車道線的在線自動(dòng)修正,避免車輛軌跡點(diǎn)所屬車道號(hào)的錯(cuò)誤判斷。
【專利說明】一種多車道車輛軌跡時(shí)空?qǐng)D的自動(dòng)生成方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬交通運(yùn)輸監(jiān)控【技術(shù)領(lǐng)域】,利用計(jì)算機(jī)視頻處理技術(shù)及模式識(shí)別技術(shù)自動(dòng)提取道路運(yùn)動(dòng)車輛軌跡,在此基礎(chǔ)上自動(dòng)判別車輛所屬車道并生成各車道車輛軌跡縱向時(shí)空?qǐng)D和路段橫向時(shí)空?qǐng)D。
【背景技術(shù)】
[0002]車輛軌跡時(shí)空?qǐng)D是車輛行駛過程中的“時(shí)間-位置”坐標(biāo)表示,其中通常取時(shí)間為橫坐標(biāo)軸,車輛在車道中的空間位置(縱向或橫向)為縱坐標(biāo)軸。車輛軌跡時(shí)空?qǐng)D在交通【技術(shù)領(lǐng)域】中具有重要應(yīng)用價(jià)值。不僅可為交通流量、交通密度、平均速度以及車輛旅行時(shí)間等多種交通參數(shù)的獲取提供統(tǒng)一的支持平臺(tái),也能夠?yàn)榻煌úz測(cè)及交通流特性分析提供高效支持。
[0003]車輛軌跡時(shí)空?qǐng)D的生成以車輛的定位與跟蹤技術(shù)為基礎(chǔ)?,F(xiàn)有的車輛軌跡定位與跟蹤技術(shù)主要有GPS技術(shù)以及視頻圖像處理技術(shù)等。但基于GPS的車輛軌跡定位與跟蹤技術(shù)需要車載裝置的支持,并且其定位精度往往不能很好地精確到車道級(jí)別,因此其應(yīng)用受到很大限制;基于視頻的車輛檢測(cè)與跟蹤技術(shù)能夠很好地解決這些問題,并且具有獲取信息量豐富、設(shè)備成本低廉、安裝維護(hù)方便等優(yōu)點(diǎn),因而在目前交通監(jiān)控領(lǐng)域中應(yīng)用最為廣泛。
[0004]傳統(tǒng)的視頻車輛檢測(cè)跟蹤方法主要有基于運(yùn)動(dòng)前景提取與跟蹤的方法和基于特征點(diǎn)提取與跟蹤的方法等。基于運(yùn)動(dòng)前景提取與跟蹤的方法能夠在車流暢通時(shí)很好地獲取車輛運(yùn)行軌跡,然而當(dāng)出現(xiàn)交通擁堵、車流緩慢以及相互遮擋情況時(shí),該方法的效果會(huì)急劇下降甚至失效?;谔卣鼽c(diǎn)提取與跟蹤的方法能夠較好地解決這一問題,但其計(jì)算量大,在沒有特殊硬件支持的條件下算法實(shí)時(shí)性較差,同時(shí)來自于相鄰車輛運(yùn)動(dòng)特征高度相似的干擾以及車輛活動(dòng)陰影的干擾也在很大程度上影響了特征點(diǎn)所屬車輛的準(zhǔn)確判斷并降低了車輛跟蹤的精度。
【發(fā)明內(nèi)容】
[0005]本發(fā)明的目的在于克服現(xiàn)有技術(shù)在精度和速度上的不足,提供一種適用于交通監(jiān)控與分析、能夠快速自動(dòng)生成高精度多車道車輛軌跡時(shí)空?qǐng)D的方法,不但可為交通領(lǐng)域研究人員提供一種切實(shí)有效的基礎(chǔ)研究工具,同時(shí)也為交通監(jiān)控性能和交通分析能力的進(jìn)一步提聞提供有力支持。
[0006]為實(shí)現(xiàn)上述目的,本發(fā)明采取以下技術(shù)方案:以來自道路交通監(jiān)控固定攝像機(jī)的視頻序列為輸入,所述道路交通監(jiān)控固定攝像機(jī)的水平朝向與車流方向允許存在一定角度θ,0< Θ <90。首先通過攝像機(jī)離線標(biāo)定獲取攝像機(jī)內(nèi)外參數(shù)、根據(jù)實(shí)際監(jiān)控需求設(shè)置感興趣區(qū)域(亦可為整幅圖像),并在車流上游起始位置設(shè)置三條虛擬檢測(cè)帶;工作過程中基于這三級(jí)虛擬檢測(cè)帶進(jìn)行車輛特征點(diǎn)的提取并結(jié)合Adaboost智能分類器實(shí)現(xiàn)特征點(diǎn)的按車輛分組,然后進(jìn)行特征點(diǎn)跟蹤與分組修正并完成車輛軌跡的高精度提取,進(jìn)而為每條車道自動(dòng)生成駛過車輛的縱向(沿車道方向)時(shí)空軌跡圖并生成一幅含所有車道的橫向(垂直于車道方向)時(shí)空軌跡圖,最后自動(dòng)判斷是否處于車道線修正階段,如果是則基于軌跡聚類法自動(dòng)修正車道線位置。
[0007]—種多車道交通時(shí)空軌跡圖的自動(dòng)生成方法,其特征在于包括以下步驟:
[0008]步驟I,設(shè)置初始參數(shù)。
[0009]步驟1.1,根據(jù)實(shí)際監(jiān)控需求設(shè)置感興趣區(qū)域并手工指定各車道線的初始位置。
[0010]步驟1.2,設(shè)置垂直于車道的虛擬檢測(cè)帶。
[0011]在感興趣區(qū)域內(nèi)車輛上游位置設(shè)置三條垂直于車道的虛擬檢測(cè)帶,各條檢測(cè)帶在垂直車道線方向均貫穿路面的感興趣區(qū)域,各條檢測(cè)帶的高度,即沿車道線方向的尺寸為hVDL, hVDL << hE0I, hE0I為感興趣區(qū)域的高度,即沿車道線方向的尺寸。
[0012]步驟1.3,對(duì)攝像機(jī)進(jìn)行標(biāo)定以獲取內(nèi)外參數(shù)。[0013]步驟2,在幀圖像中基于三級(jí)虛擬檢測(cè)帶進(jìn)行車輛特征點(diǎn)的自動(dòng)提取和按車輛分組。
[0014]讀入道路交通監(jiān)控?cái)z像機(jī)的視頻序列圖像,并在幀圖像中基于三級(jí)虛擬檢測(cè)帶進(jìn)行車輛特征點(diǎn)的自動(dòng)提取和按車輛分組。首先對(duì)三級(jí)虛擬檢測(cè)帶進(jìn)行局部背景建模,然后以三級(jí)遞增的形式提取駛?cè)胲囕v的前景特征點(diǎn),并在車輛駛離第三級(jí)檢測(cè)帶時(shí)利用Adaboost智能分類器進(jìn)行車輛識(shí)別并根據(jù)識(shí)別結(jié)果對(duì)特征點(diǎn)進(jìn)行分組。Adaboost智能分類器的施用位置由三級(jí)虛擬檢測(cè)帶生產(chǎn)的三級(jí)PVIs (Panoramic View Images,全景視圖)確定。具體方法如下:
[0015]步驟2.1,基于局部變更新率背景建模提取局部前景并消除活動(dòng)陰影。
[0016](I)對(duì)三級(jí)虛擬檢測(cè)帶進(jìn)行變更新率局部動(dòng)態(tài)背景建模。
[0017]本發(fā)明設(shè)計(jì)了更新率自適應(yīng)的動(dòng)態(tài)混合高斯背景建模方法,對(duì)各虛擬檢測(cè)帶內(nèi)的每個(gè)像素,根據(jù)其在最近歷史幀中的采樣值{Χ^Χ2,...,-}采用K (通常K e {3,4,5})個(gè)高斯分布的疊加來進(jìn)行建模。使用歷史幀進(jìn)行背景建模后,對(duì)于新像素值Xt+1按《卩/0卩降序與該點(diǎn)各高斯分布進(jìn)行匹配。對(duì)匹配成功的高斯分布更新如下:
【權(quán)利要求】
1.一種多車道交通時(shí)空軌跡圖的自動(dòng)生成方法,其特征在于包括以下步驟: 步驟1,設(shè)置初始參數(shù);包括設(shè)置感興趣區(qū)域、手工指定各車道線的初始位置、在車流上游位置設(shè)置三條垂直于車道的虛擬檢測(cè)帶1、2、3和對(duì)攝像機(jī)進(jìn)行參數(shù)標(biāo)定; 步驟2,在幀圖像中基于三級(jí)虛擬檢測(cè)帶進(jìn)行車輛特征點(diǎn)的自動(dòng)提取和按車輛分組; 步驟2.1,基于局部變更新率背景建模提取局部前景并消除活動(dòng)陰影; (1)對(duì)三級(jí)虛擬檢測(cè)帶進(jìn)行變更新率局部動(dòng)態(tài)背景建模; 對(duì)各虛擬檢測(cè)帶內(nèi)的每個(gè)像素,根據(jù)其在最近歷史幀中的采樣值以1,#,…,-}采用K個(gè)高斯分布的疊加進(jìn)行建模;然后,對(duì)新像素值Xt+1按i t降序與該點(diǎn)各高斯分布進(jìn)行匹配;對(duì)匹配成功的高斯分布更新如下:
【文檔編號(hào)】G06K9/66GK103903019SQ201410146310
【公開日】2014年7月2日 申請(qǐng)日期:2014年4月11日 優(yōu)先權(quán)日:2014年4月11日
【發(fā)明者】陳陽舟, 任建強(qiáng), 辛樂, 石建軍, 李寶同, 劉逸男 申請(qǐng)人:北京工業(yè)大學(xué)