CN101777263B - 一种基于视频的交通车流量检测方法 - Google Patents
一种基于视频的交通车流量检测方法 Download PDFInfo
- Publication number
- CN101777263B CN101777263B CN2010101073853A CN201010107385A CN101777263B CN 101777263 B CN101777263 B CN 101777263B CN 2010101073853 A CN2010101073853 A CN 2010101073853A CN 201010107385 A CN201010107385 A CN 201010107385A CN 101777263 B CN101777263 B CN 101777263B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- video
- target
- virtual detection
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于视频的交通车流量检测方法,包括以下步骤:信息采集;图像预处理:虚拟检测区域的设置:读取整个视频数据,针对首帧图像设置虚拟区域虚拟检测区域,选取合适大小的与车辆行驶方向相垂直的区域作为车辆检测的处理分析的虚拟检测区域;坐标标定:找到实际道路图像与所拍摄的视频图像所对应的透视关系,对虚拟检测区域进行坐标转换;目标提取:对目标区域进行二值化分割,对得到的二值化特征图进行分析;利用车辆边缘的二维信息对车辆进行判断:在虚拟检测区域内检测每一个目标的侧边界和车尾位置,如果检测到目标同时具有侧边界和车尾则为车辆,进入步骤七,否则返回步骤五继续提取目标;车辆计数;检测结束。
Description
技术领域
本发明属于智能交通领域,主要用于高速公路、国道及城市干道的交通事件自动检测和交通参数采集***中,尤其涉及一种基于视频的交通车流量检测方法。
背景技术
作为智能交通领域(ITS)的基础部分,车流量检测在ITS中占有很重要的地位。近年来,逐渐发展起来了多种交通流量检测技术,如感应线圈检测技术、雷达技术、超声波技术、视频检测技术等等;而常用的传统的交通流量信息的采集方法主要有地埋感应线圈法、超声波探测器法和红外线检测法。
地埋感应线圈法是在地面埋设感应线圈(或感应棒),通过感应车辆的电磁信号来检测车辆的存在,从而通过对不同车辆发出的不同感应信号统计来进行车辆的统计。
超声波探测器法是由架设在车道(或监测区域)上方或侧面的超声波探头与控制、通讯电路组成。超声波检测器是根据声波的传播和反射原理,通过对发射波和反射波的时差来判断有无车辆通过。由于探头与地面的距离是一定的,所以探头发出超声波并接收反射波的时间也是固定的。当有车辆通过时,由于车辆本身的高度,使探头接收到反射波的时间缩短,就表明有车辆通过或存在。
红外线检测法的工作原理是由调制脉冲发生器产生调制脉冲,经红外探头向道路上辐射,当有车辆通过时,红外线脉冲从车体反射回来,被探头的接收管接收,经红外解调器解调,再通过选通、放大、整流和滤波后触发驱动器输出一个检测信号。
上面这些传统方法的设备成本高、建立和维护也比较困难。随着计算机视觉技术的飞速发展,交通流量的视频检测技术正以其安装简单、操作容易、维护方便等特点逐渐取代传统的方法。
视频检测方法是通过闭路电视***或数字照相机、摄像机进行现场数据采集,采用视频识别技术、计算机视觉技术、图像处理技术和数字化技术分析交通数据,通过对连续视频图像的分析,跟踪车辆行为过程,来实现车辆的分类统计。
发明内容
本发明的目的是提供一种基于视频的交通车流量检测方法。
为了实现上述目的,本发明采取如下的技术解决方案:
一种基于视频的交通车流量检测方法,其特征在于,包括以下步骤:
步骤一、信息采集:采用摄像机采集交通视频信息;
步骤二、图像预处理:将摄像机采集的视频数据进行图像预处理,将采集的交通视频数据处理成所需像素数量的视频序列;
步骤三、虚拟检测区域的设置:以帧为单位读取整个视频数据,针对首帧图像设置虚拟检测区域,选取合适大小的与车辆行驶方向相垂直的矩形区域作为车辆检测的处理分析区域;
步骤四、坐标标定:以实际道路上的标识点为参照,找到实际道路图像与所拍摄的视频图像所对应的透视关系,对虚拟检测区域进行坐标转换;
步骤五、目标提取:对目标区域进行二值化分割,对得到的二值化特征图进行分析;
步骤六、利用车辆边缘的二维信息对车辆进行判断:在虚拟检测区域内检测是否存在车辆侧边界和车尾的模式特征,如果检测到某目标同时具有侧边界和车尾的模式特征,则为检测到车辆,进入步骤七,否则返回步骤五;
步骤七、车辆计数,一个车辆的检测过程结束。
其中,所述步骤三中虚拟检测区域的设置包括以下步骤:
Step 301:取道路最外侧的车道线作为整个视频图像的参考边界;
Step 302:在道路上取与实际道路方向垂直的连线CD;
Step 303:在图像上取一个与CD为适当距离的点,经过该点取一条与连线CD平行的平行线AB,平行线AB、参考边界及连线CD所围成的区域为实际中与道路方向垂直的虚拟检测区域ABDC。
其中,所述步骤四中的坐标标定包括以下步骤:
Step 401:将虚拟检测区域ABDC的四个边界点分别对应到A’B’D’C’上;
Step 402:在虚拟检测区域中从平行线AB开始,等幅度的增加纵坐标所对应的像素,得到若干与平行线AB平行的直线,直到到达连线CD为止,将每一条直线上像素点对应的灰度值标定到区域A’B’D’C’中与A’B’平行的等间隔直线上,直到到达C’D’为止;
Step 403:二次线性插值,将A’B’D’C’中找不到在ABDC中所对应的像素点进行线性插值,将其灰度值进行填充,得到两次转换对应的坐标关系,完成坐标转换。
由以上可知,本发明的方法通过在图像上建立虚拟检测区域,在该虚拟检测区域内做数据处理和分析,采用侧边界和尾部对目标进行判定,只有同时满足具有侧边界和尾部的目标才判断为车辆,可有效降低误判率,避免外界因素的干扰,同时找到世界坐标和视频坐标的对应关系,将从摄像机获取的二维图像或图像位置之间的几何关系恢复或者重建其三维模型,通过透视转换坐标可以提高交通参数检测的精度。
附图说明
图1为本发明方法的流程图;
图2为虚拟检测区域设置示意图;
图3为坐标标定示意图。
以下结合附图对本发明的具体实施方式作进一步详细地说明。
具体实施方式
如图1所示,本发明的方法包括以下步骤:
步骤一、信息采集:采用摄像机采集交通视频信息;
步骤二、图像预处理:将摄像机采集的视频数据进行图像预处理,将采集的交通视频数据处理成所需像素数量的视频序列,如720*288个像素;
步骤三、虚拟检测区域的设置:以帧为单位读取整个视频序列,针对首帧图像设置虚拟检测区域,即在读取的首帧图像上选取合适大小的与车辆行驶方向相垂直的区域,作为车辆检测的处理分析的虚拟检测区域;
步骤四、坐标标定:以实际道路上的标识点为参照,如利用道路上的现有标识点或人为放置标志物,找到实际道路图像与所拍摄的视频图像所对应的透视关系,对虚拟检测区域进行坐标转换,以后每一帧图像的处理与分析都仅针对这个虚拟检测区域内的数据;
步骤五、目标提取:对目标区域进行二值化分割,对得到的二值化特征图进行分析,本步骤的二值化处理方法与现有常用的二值化处理方法相同,可采用基于背景跟踪和帧差法相结合的目标提取方法;
步骤六、利用车辆目标的边界形态模式信息对车辆进行判断:在虚拟检测区域内检测是否存在车辆侧边界和车尾的模式特征,如果检测到某目标同时具有侧边界和车尾的模式特征,则判断为检测到车辆,进入计数步骤;即通过目标的侧边界和车尾判断虚拟检测区域内的目标是否为车辆,如果同时检测到目标具有侧边界和车尾,则判断为一辆车,进入步骤七,否则返回步骤五继续提取目标;
步骤七、车辆计数,一个车辆的检测过程结束。
参照图2,以下对步骤三中虚拟检测区域的设置方法作说明,以下说明中以两车道举例说明:
Step 301:取道路最外侧的左车道线10和右车道线12两条车道线作为整个视频图像的参考边界;
Step 302:在道路上取与实际道路方向垂直的连线CD;例如,可以每个车道中间的白色虚线为参照物,分别取左车道线10与中车道线11之间的第一等距离点13以及和中车道线11与右车道线12之间的第二等距离点14,将第一等距点13和第二等距离点14连起来得到连线CD,在实际中第一等距点13和第二等距离点14这两点间的连线CD与实际道路的方向垂直,也可以利用道路上的其它参照物,如标号、箭头等找到垂直于实际道路方向的连线CD;
Step 303:在图像上取一个与连线CD在实际道路上具有一定距离(比如3米)的点15,经过该点15取一条与连线CD平行的平行线AB,平行线AB与左右边界(即左车道线10和右车道线12)以及连线CD所围成的区域就是在实际中与道路方向垂直的虚拟检测区域ABDC。
参照图3,以下对步骤四中的坐标标定的方法作进一步的说明,实际道路的视频图像由于透视关系为梯形,为了方便计算机处理,将虚拟检测区域ABCD通过坐标转化为矩形区域A’B’D’C’,包括以下步骤:
Step 401:将虚拟检测区域ABDC的四个边界点分别对应到A’B’D’C’上;
Step 402:根据所选虚拟检测区域的特点:平行线AB平行于连线CD,则在这个区域中从平行线AB开始,等幅度地增加纵坐标所对应的像素,得到若干与平行线AB平行的直线,直到到达连线CD为止,将每一条直线上像素点对应的灰度值标定到区域A’B’D’C’中与A’B’平行的等间隔直线上,直到到达C’D’为止;
Step 403:二次线性插值,将A’B’D’C’中找不到在ABDC中所对应的像素点进行线性插值,将其灰度值进行填充,得到两次转换对应的坐标关系,完成坐标转换。
得到区域A’B’D’C’后,所有图像的处理分析都在这个区域内进行,当检测区域内的目标同时具有侧边界和尾部时,判断为一辆车,侧边界可以是右侧边界也可以是左侧边界,根据摄像头的安装位置确定。
本发明具有以下优点:
1.虚拟检测区域的选取,考虑摄像机采集实际图像的特点,采用与实际道路方向相垂直和车道边界相结合的选取方法除了可以节省数据处理的内存资源,还可以体现***设计的直观性;
2.透视转换,找到世界坐标和视频坐标的对应关系,即从摄像机获取的二维图像或图像位置之间的几何关系恢复或者重建其三维模型,通过透视转换坐标可以提高交通参数检测的精度;
3.目标二值化分割,在原来帧差法的基础上做了改进,结合背景目标二值化提取方法从根本上解决了二值化以后的车辆信息丢失问题,使整个方法的检测准确度有了很明显的提高;
4.基于车辆侧边界和车尾模式检测车辆,使整个方法的抗干扰性有很大提高,而且准确可靠,解决了常规基于目标分割等方法的诸多局限。
因此,此车流量检测方法的设计不仅是在同领域方法的稳定性和准确性了很大的改观,而且考虑到将来应用在整个***当中,所以对其稳定性、鲁棒性、和节省资源的要求也有考虑。
本发明提出的交通车流量检测方法,可将VC++平台下的软件移植到DSP平台上,并进行录像带测试和现场试验。为了适应与DSP平台的方法和软件优化,可在DSP平台上进行方法调整和修改,大部分的软件设计采用普通Windows XP***下的VC++编程语言。
Claims (1)
1.一种基于视频的交通车流量检测方法,其特征在于,包括以下步骤:
步骤一、信息采集:采用摄像机采集交通视频信息;
步骤二、图像预处理:将摄像机采集的视频数据进行图像预处理,将采集的交通视频数据处理成所需像素数量的视频序列;
步骤三、虚拟检测区域的设置:以帧为单位读取整个视频数据,针对首帧图像设置虚拟检测区域,选取与车辆行驶方向相垂直的矩形区域作为车辆检测的处理分析区域,包括以下步骤:
Step 301:取道路最外侧的车道线作为整个视频图像的参考边界;
Step 302:在道路上取与实际道路方向垂直的连线CD;
Step 303:在图像上取一个与连线CD在实际道路上具有一定距离的点,经过该点取一条与连线CD平行的平行线AB,平行线AB、参考边界及连线CD所围成的区域为实际中与道路方向垂直的虚拟检测区域ABDC;
步骤四、坐标标定:以实际道路上的标识点为参照,找到实际道路图像与所拍摄的视频图像所对应的透视关系,对虚拟检测区域进行坐标转换,包括以下步骤:
Step 401:将虚拟检测区域ABDC的四个边界点分别对应到A’B’D’C’上;
Step 402:在虚拟检测区域中从平行线AB开始,等幅度的增加纵坐标所对应的像素,得到若干与平行线AB平行的直线,直到到达连线CD为止,将每一条直线上像素点对应的灰度值标定到区域A’B’D’C’中与A’B’平行的等间隔直线上,直到到达C’D’为止;
Step 403:二次线性插值,将A’B’D’C’中找不到在ABDC中所对应的像素点进行线性插值,将其灰度值进行填充,得到两次转换对应的坐标关系,完成坐标转换;
步骤五、目标提取:对目标区域进行二值化分割,对得到的二值化特征图进行分析;
步骤六、利用车辆边缘的二维信息对车辆进行判断:在虚拟检测区域内检测是否存在车辆侧边界和车尾的模式特征,如果检测到某目标同时具有侧边界和车尾的模式特征,则为检测到车辆,进入步骤七,否则返回步骤五;
步骤七、车辆计数,一个车辆的检测过程结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101073853A CN101777263B (zh) | 2010-02-08 | 2010-02-08 | 一种基于视频的交通车流量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101073853A CN101777263B (zh) | 2010-02-08 | 2010-02-08 | 一种基于视频的交通车流量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101777263A CN101777263A (zh) | 2010-07-14 |
CN101777263B true CN101777263B (zh) | 2012-05-30 |
Family
ID=42513715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101073853A Expired - Fee Related CN101777263B (zh) | 2010-02-08 | 2010-02-08 | 一种基于视频的交通车流量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101777263B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243810A (zh) * | 2010-12-31 | 2011-11-16 | 上海市航头学校 | 红外探头交通信号灯 |
US8452771B2 (en) * | 2011-01-03 | 2013-05-28 | Honda Motor Co., Ltd. | Method for differentiating traffic data obtained from probe vehicles |
CN102289940B (zh) * | 2011-07-26 | 2013-07-03 | 西南交通大学 | 一种基于混合差分的车流量检测方法 |
CN103903434B (zh) * | 2012-12-28 | 2015-11-04 | 重庆凯泽科技有限公司 | 基于图像处理的智能交通*** |
CN103116987B (zh) * | 2013-01-22 | 2014-10-29 | 华中科技大学 | 一种基于监控视频处理的车流统计和违规检测的方法 |
CN103324936B (zh) * | 2013-05-24 | 2016-05-25 | 北京理工大学 | 一种基于多传感器融合的车辆下边界检测方法 |
CN103345840B (zh) * | 2013-05-28 | 2015-09-23 | 南京正保通信网络技术有限公司 | 一种交叉道路口横穿道路事件视频检测方法 |
CN103680154B (zh) * | 2013-12-02 | 2016-04-27 | 青岛海信网络科技股份有限公司 | 一种视频车辆检测方法 |
CN104318783B (zh) * | 2014-10-16 | 2016-08-17 | 西北师范大学 | 一种通过车灯侦测分析夜间交通流量的方法 |
CN105427633A (zh) * | 2015-12-30 | 2016-03-23 | 桂林市逸仙中学 | 智能红绿灯交通控制*** |
CN105957340B (zh) * | 2016-04-27 | 2019-08-13 | 电子科技大学 | 一种基于自适应虚拟线圈的交通监控方法 |
CN106355903B (zh) * | 2016-09-13 | 2019-03-15 | 枣庄学院 | 基于视频分析的多车道车流量检测方法 |
CN107507298B (zh) * | 2017-08-11 | 2019-10-22 | 南京阿尔特交通科技有限公司 | 一种多机位视频车辆行驶数据采集方法及装置 |
CN107665332B (zh) * | 2017-08-18 | 2020-08-04 | 三峡大学 | 一种路口占有率和车辆流量计算方法及装置 |
CN107622309B (zh) * | 2017-08-18 | 2021-01-08 | 长安大学 | 一种基于VANETs和改进的D-S证据理论的道路拥堵检测方法 |
CN109063675B (zh) * | 2018-08-23 | 2021-05-28 | 深圳大学 | 车流密度计算方法、***、终端及计算机可读存储介质 |
CN111462502B (zh) * | 2019-01-22 | 2021-06-08 | 杭州海康威视数字技术股份有限公司 | 车辆管理的方法、装置及计算机可读存储介质 |
CN111462503B (zh) * | 2019-01-22 | 2021-06-08 | 杭州海康威视数字技术股份有限公司 | 车辆测速方法、装置及计算机可读存储介质 |
CN112684786A (zh) * | 2019-10-18 | 2021-04-20 | 南京德朔实业有限公司 | 自行走割草***和户外行走设备 |
CN112541465A (zh) * | 2020-12-21 | 2021-03-23 | 北京百度网讯科技有限公司 | 一种车流量统计方法、装置、路侧设备及云控平台 |
-
2010
- 2010-02-08 CN CN2010101073853A patent/CN101777263B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101777263A (zh) | 2010-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101777263B (zh) | 一种基于视频的交通车流量检测方法 | |
CN110532896B (zh) | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 | |
CN109444911B (zh) | 一种单目相机和激光雷达信息融合的无人艇水面目标检测识别与定位方法 | |
CN102508246B (zh) | 车辆前方障碍物检测跟踪方法 | |
Xu et al. | Railway Subgrade Defect Automatic Recognition Method Based on Improved Faster R‐CNN | |
CN103176185B (zh) | 用于检测道路障碍物的方法及*** | |
CN102708694B (zh) | 基于高速脉冲激光扫描的车型自动识别***及方法 | |
CN110068818A (zh) | 通过雷达和图像采集设备进行交通路口车辆及行人检测的工作方法 | |
CN104005325A (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
CN109684921A (zh) | 一种基于三维激光雷达的道路边界检测与跟踪方法 | |
CN110033479A (zh) | 基于交通监控视频的交通流参数实时检测方法 | |
CN106646474A (zh) | 一种非结构化道路凹凸障碍物检测装置 | |
CN100435160C (zh) | 一种用于交通信息实时采集的视频图像处理方法及*** | |
CN101915910B (zh) | 利用航海雷达识别海上溢油目标的方法及*** | |
CN106448189A (zh) | 基于微波的多车道测速和卡口触发的方法与装置 | |
CN102837658A (zh) | 一种智能车辆中多激光雷达数据融合***和方法 | |
CN106683530A (zh) | 一种基于三维激光视觉和高精度车道模型的计算机评判***和方法 | |
CN104794425B (zh) | 一种基于行驶轨迹的车辆统计方法 | |
CN109615880A (zh) | 一种基于雷达图像处理的车流量测量方法 | |
CN103809163A (zh) | 一种基于局部极大值的车辆雷达目标检测方法 | |
CN107909601A (zh) | 一种适用于航标的船舶防撞预警视频检测***及检测方法 | |
CN104063882A (zh) | 一种基于双目的车辆视频测速方法 | |
CN107564285A (zh) | 基于微波的车辆排队长度检测方法及*** | |
CN106529404A (zh) | 基于摄像原理的无人驾驶汽车对路面标志线的识别方法 | |
CN112261719B (zh) | 一种slam技术结合深度学习的区域定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120530 Termination date: 20130208 |