專利名稱：一種基于機器視覺的城市交叉路口多車道車流量檢測方法
技術領域：
本發(fā)明涉及智能交通系統(tǒng)交通參數(shù)采集領域，特別涉及一種基于機器視覺的車流量檢測方法。
背景技術：
隨著城市化進程和汽車的普及，交通運輸問題日益嚴重。道路車輛擁擠、交通事故頻發(fā)、交通環(huán)境不斷惡化。交通問題不僅困擾著發(fā)展中國家，同時在發(fā)達國家也存在著嚴重的問題。為了解決地面交通快速發(fā)展所引發(fā)的各種問題，智能交通系統(tǒng)的研究被提到重要位置。智能交通系統(tǒng)通過對道路交通流信息進行實時檢測，了解道路交通的運行情況，根據(jù)交通流的動態(tài)變化，迅速做出交通誘導控制，減輕道路擁擠程度，減小車輛行車延誤，降低發(fā)生交通事故的概率，保證行車安全，并使交通設施得到充分利用，實現(xiàn)交通運輸?shù)募s發(fā)展，最終達到智能交通系統(tǒng)的目的。基于機器視覺的車輛檢測技術是將視頻圖像處理和計算機圖形識別技術相結合的新型數(shù)據(jù)采集技術，近年來發(fā)展迅速，代表了未來交通流信息檢測領域的發(fā)展方向。它是以攝像機作為傳感器，運用計算機視覺技術可以獲取交通流量、平均車速、車道占有率、車輛排隊長度、車牌等交通信息，并且可以對車輛進行定位、識別和跟蹤?；跈C器視覺的車輛檢測技術監(jiān)視的范圍廣，包含大量的信息，能夠提供多種交通信息。系統(tǒng)只需要攝像機和處理機，硬件設備簡單，安裝方便，維護方便，成本低廉，升級容易。這些優(yōu)勢使得該技術的應用范圍越來越廣泛。發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術至少存在以下缺點和不足:現(xiàn)有技術比較復雜，運算量大，檢測車輛準確率不高，并且局限于單一車道的車輛檢測；現(xiàn)有技術主要集中于高速公路、快速路等交通環(huán)境良好的車輛檢測，無法應用到復雜的城市交叉路口。

發(fā)明內容
為了解決現(xiàn)有技術局限于單一車道，提高檢測方法的準確率、實時性和魯棒性，本發(fā)明實施例提供了 一種基于機器視覺的城市交叉路口多車道車流量檢測方法，具體實施方案如下:攝像機架設在路口旁的支架上，以俯視的角度拍攝迎面而來的車輛。通過攝像機所獲取的交通視頻，包含著與車流量無關的大量信息，對整幅圖像進行處理，勢必導致計算量過大，難以滿足檢測車輛實時性的要求，需要去除與檢測車輛無關的信息，因此需要設置檢測區(qū)域。在視頻圖像中，檢測區(qū)域設置在交叉路口的停車線和人行斑馬線之間，該區(qū)域受到的干擾是最小的；在檢測區(qū)域內運用高斯模型建立背景模型，根據(jù)車道線將檢測區(qū)域劃分為多個車道，多個車道并行處理；利用當前幀圖像和背景模型相減分割運動區(qū)域，利用垂直投影法計算運動區(qū)域寬度；如果運動區(qū)域寬度大于給定的閾值，則判斷當前幀圖像里有車輛，否則判斷檢測區(qū)域內無車輛；結合連續(xù)有車圖像的幀數(shù)和連續(xù)無車圖像的幀數(shù)來判斷車輛是否已經通過檢測區(qū)域，從而實現(xiàn)車流量的統(tǒng)計。


:為了更清楚地說明發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造勞動性的前提下，還可以根據(jù)附圖獲得其他的附圖。圖1是本發(fā)明實施例車輛檢測方法框圖。圖2是本發(fā)明實施例檢測區(qū)域設置示例圖。圖3是本發(fā)明實施例車流量統(tǒng)計流程圖。
具體實施方式
:為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面將結合附圖對本發(fā)明實施方式作進一步地詳細描述。在視頻的每一幀圖像的固定位置，設置覆蓋所要監(jiān)控的多個車道的檢測區(qū)域。檢測區(qū)域的位置設置在城市交叉路口的停車線和人行斑馬線之間。檢測區(qū)域的位置設置如圖2所示，通過車道線將檢測區(qū)域劃分為多個車道。利用高斯模型在檢測區(qū)域內建立背景模型。利用背景差分法分割檢測區(qū)域內的運動區(qū)域，即利用當前幀圖像與更新好的背景圖像相減并二值化分割運動區(qū)域。垂直投影法是指對檢測區(qū)域內的二值圖像從左至右統(tǒng)計該二值圖像每一列非零像素的個數(shù)。如果檢測區(qū)域內有車存在，經過垂直投影將得到封閉的波形，該波形的寬度即是運動區(qū)域的寬度。通過比較運動區(qū)域的寬度和給定閾值Tw(如圖3所示)比較來判斷車輛的存在。給定閾值Tw設置為普通小橋車車身寬度的90%。判斷車輛經過檢測區(qū)域的關鍵在于檢測車輛進入和離開檢測區(qū)域。各個車道相互獨立處理，每一個車道處理的流程是相同的，圖3只給出了一個車道檢測車流量的流程圖。以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。
權利要求
1.一種基于機器視覺的城市交叉路口多車道車流量檢測方法，其特征是:在視頻的每一幀圖像的固定位置設置檢測區(qū)域，運用高斯模型在檢測區(qū)域內建立背景模型，利用背景差分法分割運動區(qū)域，利用垂直投影法計算運動區(qū)域寬度，通過比較區(qū)域寬度與給定閾值來判斷車輛的存在；通過結合連續(xù)有車圖像的幀數(shù)和連續(xù)無車圖像的幀數(shù)來判斷車輛是否已經通過檢測區(qū)域，從而實現(xiàn)車流量的統(tǒng)計。
2.根據(jù)權利要求1所述的一種基于機器視覺的城市交叉路口多車道車流量檢測方法，其特征是:通過車道線將檢測區(qū)域劃分為多個車道，多個車道并行處理。
全文摘要
本發(fā)明涉及一種基于機器視覺的城市交叉路口車流量檢測方法，其特征在于，首先對視頻中的每一幀圖像的固定位置設置覆蓋多個車道的檢測區(qū)域，并在檢測區(qū)域內運用高斯模型建立背景模型；通過車道線將檢測區(qū)域劃分為多個車道，多個車道并行處理；利用背景差分法分割運動區(qū)域；利用垂直投影法計算運動區(qū)域寬度，并比較運動區(qū)域寬度與給定閾值；如果運動區(qū)域寬度大于給定閾值，則判斷檢測區(qū)域內有車輛，否則判斷檢測區(qū)域內無車輛；通過結合連續(xù)有車圖像的幀數(shù)和連續(xù)無車圖像的幀數(shù)來判斷車輛是否已經通過檢測區(qū)域，從而實現(xiàn)車流量的統(tǒng)計。本發(fā)明具有檢測準確率高、實時性好等優(yōu)點。
文檔編號G08G1/065GK103177586SQ20131006883
公開日2013年6月26日 申請日期2013年3月5日 優(yōu)先權日2013年3月5日
發(fā)明者李建雄, 周世付, 羅廳, 劉俊星 申請人:天津工業(yè)大學