專利名稱：基于有限狀態(tài)機(jī)的道路車輛擁堵判別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理及模式識(shí)別技術(shù)領(lǐng)域，具體涉及智能交通監(jiān)控中的道路車輛擁堵判別方法。
背景技術(shù)：
近年我國(guó)經(jīng)濟(jì)的快速?gòu)?fù)蘇增長(zhǎng)，國(guó)家在交通行業(yè)的投入明顯增加。道路基礎(chǔ)設(shè)施的大量投入，機(jī)動(dòng)車輛數(shù)量的迅速攀升，導(dǎo)致道路車輛擁堵，交通事故頻繁發(fā)生，交通環(huán)境惡化等問(wèn)題日益嚴(yán)重，但是相應(yīng)的交通法規(guī)教育普及和智能化交通管理系統(tǒng)的建設(shè)相對(duì)滯后，為交通管理提出嚴(yán)峻的挑戰(zhàn)。交通管理的作用是對(duì)道路上的車輛和行人進(jìn)行合理的引導(dǎo)、組織和限制，使交通盡可能安全、暢通、公害小、能耗少。其中，道路交通狀態(tài)的監(jiān)控以及 異常交通流有效疏導(dǎo)是交通管理的重要職責(zé)。GA 115-1995道路交通阻塞標(biāo)準(zhǔn)定義阻塞為在道路上由于車輛過(guò)度密集、交通事故、工程施工、違章行為和自然等原因，而導(dǎo)致的車輛延時(shí)誤增大和排隊(duì)長(zhǎng)度加長(zhǎng)的狀態(tài)。其中車輛排隊(duì)指在道路交叉路ロ或者路段的車行道上，隨機(jī)到達(dá)的車輛通過(guò)過(guò)程中，當(dāng)交通流受阻后出現(xiàn)的等待通過(guò)車輛的行列。交通狀態(tài)雖然是突發(fā)的，但卻是能檢測(cè)識(shí)別的。如果能及時(shí)檢測(cè)、及時(shí)報(bào)警，自動(dòng)協(xié)調(diào)處理調(diào)度，就能夠降低損失，最大限度提高道路的利用率。交通狀態(tài)檢測(cè)作為交通監(jiān)控以及交通事件檢測(cè)的重要環(huán)節(jié)，是智能交通系統(tǒng)(ITS)的重要組成部分，為交通管理提供更迅速和準(zhǔn)確的服務(wù)。因此，交通狀態(tài)的自動(dòng)檢測(cè)在智能交通研究中是非常重要的。目前大部分交通數(shù)據(jù)主要通過(guò)埋在車道下的磁感線圈檢測(cè)獲得。這種方法存在明顯不足對(duì)外部系統(tǒng)依賴性強(qiáng)；施工維護(hù)不夠方便；系統(tǒng)靈活性差。隨著多媒體和計(jì)算機(jī)技術(shù)的迅速發(fā)展，直接利用視頻圖像特征檢測(cè)技術(shù)來(lái)檢測(cè)交通道路狀態(tài)并給予警示已成為可能。并且視頻檢測(cè)技術(shù)與其它傳感器相比具有諸多突出優(yōu)點(diǎn)1)可以提取高質(zhì)量的車輛和交通場(chǎng)景信息；2)能夠檢測(cè)更大的場(chǎng)景面積，減少傳感器的安裝數(shù)目；3)視頻傳感器易于安裝和調(diào)試，對(duì)路面和土木設(shè)施不會(huì)產(chǎn)生破壞，使用和維護(hù)的費(fèi)用相對(duì)較低。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出ー種適應(yīng)場(chǎng)景面大、效率高的道路車輛擁堵判別方法。本發(fā)明提出的道路車輛擁堵判別方法，采用ー種有限狀態(tài)機(jī)模型。具體就是根據(jù)GA 115-1995道路交通阻塞標(biāo)準(zhǔn)和城市道路信號(hào)燈控制交叉路ロ?yè)矶碌男纬蛇^(guò)程，建立有限狀態(tài)機(jī)模型(圖2)。有限狀態(tài)機(jī)模型包括三種可能狀態(tài)暢通、緩行、擁堵；狀態(tài)間的轉(zhuǎn)換以車流狀況的分析結(jié)果為條件，分析依據(jù)為車流速度和車流排隊(duì)長(zhǎng)度；而車流速度和車流排隊(duì)長(zhǎng)度由高清相機(jī)拍攝的交通道路圖像流分析估算獲得；其中
所述車流排隊(duì)長(zhǎng)度估算的過(guò)程為
(1)圖像彩色轉(zhuǎn)換將圖像從RGB的彩色空間轉(zhuǎn)換到灰度空間；
(2)邊緣提取在灰度圖像下對(duì)道路區(qū)域進(jìn)行圖像邊緣提??；(3)邊緣強(qiáng)度投影根據(jù)圖像區(qū)域的邊緣強(qiáng)度計(jì)算車隊(duì)的尾部位置；
所述車流速度利用相鄰兩幀圖像，通過(guò)模板匹配的方法進(jìn)行估算，其計(jì)算過(guò)程為
(1)設(shè)置道路區(qū)域的多個(gè)參考?jí)K(patch)，記錄上ー幀參考?jí)K內(nèi)的圖像；
(2)模板匹配，利用模板匹配捜索patch在當(dāng)前幀的位置；
(3)區(qū)域運(yùn)動(dòng)計(jì)算，通過(guò)統(tǒng)計(jì)圖像中patch的移動(dòng)向量，用以估算區(qū)域運(yùn)動(dòng)。具體分別介紹如下
一、建立有限狀態(tài)機(jī)模型 有限狀態(tài)機(jī)模型(如圖2)，每個(gè)狀態(tài)用圓圈表示，包括三種可能狀態(tài)，分別是暢通、緩行及擁堵，具體為
(1)暢通，表示道路車輛稀疏，行駛速度不受前方車輛影響；
(2)緩行，表示道路占有率較高，車輛行駛速度受一定程度的影響；
(3)擁堵，表示道路占有率極高，車輛的行駛速度受到嚴(yán)重影響。有限狀態(tài)機(jī)的狀態(tài)轉(zhuǎn)換中，根據(jù)車流長(zhǎng)度(即車輛排隊(duì)長(zhǎng)度)和車流速度(即排隊(duì)車輛行進(jìn)速度)定義了狀態(tài)轉(zhuǎn)換函數(shù)。如果檢測(cè)到當(dāng)前車流長(zhǎng)度達(dá)到上限且估算速度為0，則判定整個(gè)車道處于擁堵狀態(tài)；如果當(dāng)前車流長(zhǎng)度達(dá)到上限而速度不為0，則車流處于緩行狀態(tài)；而如果檢測(cè)出車流長(zhǎng)度未到限，判定此時(shí)車道處于暢通狀態(tài)。ニ、估計(jì)車流長(zhǎng)度
獲取高清攝像頭拍攝的道路圖像，由于目前大部分C⑶像機(jī)拍攝到的圖像是RGB空間，這里需要先轉(zhuǎn)換到灰度空間再處理?；谲囕v自身有著非常豐富紋理特征的特點(diǎn)，可以對(duì)灰度圖像提取圖像邊緣梯度。借助圖像空間邊緣特征統(tǒng)計(jì)手段，針對(duì)單幀圖像分析出道路上機(jī)動(dòng)車排隊(duì)長(zhǎng)度。具體內(nèi)容是
I、將由高清攝像頭拍攝的道路圖像中，某區(qū)域^的彩色圖像轉(zhuǎn)換到灰度空間。通常情況下CXD攝像頭輸出圖像是具有R、G、B三個(gè)通道的彩色圖像。于是轉(zhuǎn)換的公式可以表示為
F = 0.2999 X 及 +0.587 X G+0.144x5￠1)
其中及、G、S分別表示對(duì)應(yīng)每個(gè)像素點(diǎn)的通道強(qiáng)度值是轉(zhuǎn)換后灰度空間對(duì)應(yīng)的強(qiáng)度值。2、對(duì)灰度圖像提取邊緣強(qiáng)度。定義ー種5x5的邊緣算子
"+I+10-I-I][+1+2+2+2+1'
+2+20-2-2+1+2+2+2+1
G.. = +2+20—2—2Gjl = 00000
+2+20-2-2-I-2-2-2-I
+1+10-I-IJ1-1-2-2-2-I j(!)
其中( 、Gjl分別是計(jì)算x、j方向梯度算子。定義圖像為/(ズ，ァ)，其中X、ヌ是像素坐標(biāo)，則各方向的梯度可以表示為Hy(x,y) =-3,y +j-3)Gy(iJ)卞
梯度大小可以表示為
H(K,y) = ^H,(x,y)2+Hy(x,/)2(1)
3、將圖像的邊緣大小向平行于路道方向累加投影。如圖像中路道方向垂直于X軸，則可利用公式(6)進(jìn)行垂直累加
■ =I H(Xj)
X-II I
其中width表示道路的寬度。4、求出道路上車隊(duì)的長(zhǎng)度。設(shè)定ー個(gè)邊緣強(qiáng)度閾值r，求解
f(y) = T,1
選取解集中的最小值
L = Mg min(j)
fWJ(I)
L就是當(dāng)前道路車隊(duì)的尾部縱坐標(biāo)，計(jì)算車流測(cè)量起始縱坐標(biāo)與￡的差，即可獲得車流長(zhǎng)度。三、估計(jì)車流速度
這里利用相鄰幀圖像像素的變化來(lái)估計(jì)區(qū)域運(yùn)動(dòng)特征。首先定義若干參考?jí)K(patch)，預(yù)存上ー幀中patch標(biāo)定的區(qū)域圖像像素。利用圖像模板匹配技術(shù)，在下一幀圖像中搜索patch的位置。patch的移動(dòng)利用區(qū)域的運(yùn)動(dòng)特征來(lái)表示,運(yùn)動(dòng)速度的大小表示該區(qū)域車輛的行駛速度，運(yùn)動(dòng)方向表示該區(qū)域車輛的移動(dòng)方向。具體為
I、設(shè)置參考?jí)K(patch)的位置。在車道區(qū)域設(shè)置大量patch,用于保存上一巾貞patch標(biāo)定的區(qū)域圖像像素(一般可采用5x5的圖像塊作為patch)。因?yàn)轭w粒度過(guò)大會(huì)帶入背景像素，導(dǎo)致相鄰幀中patch缺乏一致性；而顆粒度過(guò)小會(huì)容易受到噪聲的干擾，影響準(zhǔn)確性。2、利用模板匹配的方式計(jì)算patch的移動(dòng)。對(duì)姆ー個(gè)patch可以設(shè)定其移動(dòng)的最大范圍，稱之為搜索窗體,采用SSD式
S^(x,y)= 2 f ，7 + v) — /_(a,v)了
^-1 vJ.(I J
其中ク沿4、paickh、Im、分別表示patch的寬、patch的高、搜索窗體的圖像
像素和patch的像素。直接計(jì)算公式(9)的時(shí)間復(fù)雜度為0(paichwy、pab:kk XWmwXWmi)
。為了降低計(jì)算的復(fù)雜性，可運(yùn)用卷積定理可轉(zhuǎn)化為離散傅里葉變換，利用快速傅里葉變換(FFT)將復(fù)雜度降低為 0( . X Mm6 xlog(pa￡c% 'KpatchJ)。3、統(tǒng)計(jì)一系列patch的整體移動(dòng)。由于車輛整體的移動(dòng)與道路方向具有一致性。于是可以計(jì)算空間余弦評(píng)估吻合度
權(quán)利要求
1.一種基于有限狀態(tài)機(jī)的道路擁堵判別方法，其特征在于具體步驟為 步驟一、建立有限狀態(tài)機(jī)模型 有限狀態(tài)機(jī)模型包括三種可能狀態(tài)，分別是暢通、緩行及擁堵，具體為 (1)暢通，表示道路車輛稀疏
全文摘要
本發(fā)明屬于數(shù)字圖像處理及模式識(shí)別技術(shù)領(lǐng)域，具體為一種基于有限狀態(tài)機(jī)的道路擁堵判別方法。本發(fā)明根據(jù)GA115-1995道路交通阻塞標(biāo)準(zhǔn)，結(jié)合城市道路擁堵的形成過(guò)程，建立有限狀態(tài)機(jī)模型，利用高清相機(jī)捕獲交通道路圖像，對(duì)圖像中機(jī)動(dòng)車道的車隊(duì)進(jìn)行長(zhǎng)度估計(jì)和整體速度估算，依據(jù)機(jī)動(dòng)車道對(duì)車輛容量和速度的限制，激活有限狀態(tài)機(jī)中的觸發(fā)條件，判定當(dāng)前路況是否處于擁堵狀態(tài)。與傳統(tǒng)方法相比，本發(fā)明綜合考慮了城市路面交通擁堵形成的過(guò)程，能實(shí)時(shí)動(dòng)態(tài)地檢測(cè)交通擁堵的發(fā)生和消散，為相關(guān)部門進(jìn)行交通治理提供了有效的依據(jù)。
文檔編號(hào)G08G1/01GK102768802SQ20121024003
公開日2012年11月7日 申請(qǐng)日期2012年7月12日 優(yōu)先權(quán)日2012年7月12日
發(fā)明者馮瑞, 薛向陽(yáng), 金城, 魯帥 申請(qǐng)人:復(fù)旦大學(xué)