CN102542805A - 基于视频判断交通拥堵的装置 - Google Patents
基于视频判断交通拥堵的装置 Download PDFInfo
- Publication number
- CN102542805A CN102542805A CN2012100609129A CN201210060912A CN102542805A CN 102542805 A CN102542805 A CN 102542805A CN 2012100609129 A CN2012100609129 A CN 2012100609129A CN 201210060912 A CN201210060912 A CN 201210060912A CN 102542805 A CN102542805 A CN 102542805A
- Authority
- CN
- China
- Prior art keywords
- video
- traffic congestion
- connected domain
- blocks
- information
- 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.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于视频检测和图像识别技术领域,公开了一种基于视频判断交通拥堵的装置。主要包括摄像机、视频检测***、视频分析***、拥堵提示***。摄像机获取道路交通视频图像,视频图像信息传输到视频检测***进行背景建模、前景提取、车辆识别后传输到视频分析***进行拥堵情况分析,最后将拥堵情况传输到拥堵提示***进行提示。通过道路交通状态的判别,提高检测精度,提高视频监控的性能。
Description
技术领域
本发明属于视频检测和图像识别技术领域,更具体地涉及一种基于视频判断交通拥堵的装置。
背景技术
近年来,随着世界经济的快速发展,交通负荷急剧增长,随之而来的道路拥挤严重、交通事故频发等问题已经逐步成为制约各国交通发展的主要因素。因此,及时正确地进行道路交通拥堵判别,是采取合理预警措施、主动避免交通拥堵的前提,同时也可以为公众出行以及城市交通调度提供参考,是提高道路通行能力的有效手段。
现有分析城市道路交通拥堵状况的技术主要有:环形线圈法、雷达(微波)法、超声波法、基于GPS资料法等,其中环形线圈法在使用过程中也逐步显露出一些致命缺点,如安装感应线圈时需要在路面上切槽,安装后再填充涂料,破坏路面的完整性,影响路面寿命。维护感应线圈时需中断交通,且不能检测静止车辆。上诉方法各有利弊,都不能实现准确、实时、方便地检测道路交通状况。
随着技术的逐步发展,目前的道路交通判别发展成为主要基于浮动车数据进行分析处理,辅以城市中大量的食品监控资源以人工观测的手段对道路交通状态进行修正和补充。但是基于浮动车数据的交通状态判别算法的准确度与浮动车数量以及运营状态有直接的关联,故而无法达到很高的准确度,而人工观测视频监控的方法则有对观测人有着极高的要求,存在判别依据过于主观以及较高的漏报率。故而为了更有效的利用现有的视频监控资源,有必要将先进的视频检测技术合理的应用于我国交通领域。
视频检测技术在交通领域的应用研究的发展历史并不很长,1984年,美国的明尼苏达大学首次开展了将计算机视觉应用于高级交通管理的研究。1984年至1989年,该大学在交通部门的扶植下做了进一步的实验研究,为此同时成立了ISS(Image Sensing System)公司,专门从事交通视频技术的开发。在1987年,ISS公司设计出了第一台原型机,此次设计首先验证了视频检测技术在交通领域的应用。
视频检测技术在国内的应用研究起步较晚,伴随着交通运输的发展,交通管理与控制的应用需求在不断增加,国内的许多公司也在这方面做了许多努力,但产品大多停留在原型机的层次或实现的功能不够完善,在实际的推广当中效果并不明显,还远远没有达到实际应用的要求,同国外产品相比还有相当的差距。
综上,基于视频监控的道路交通状态判别还有许多不足之处,主要体现在检测精度不高且仍停留在交通参数检测的层面上,若要判别道路交通状态还需进一步对交通参数进行分析处理,没有充分发挥出视频监控应有的性能。
发明内容
1.本发明所要解决的技术问题。
为提高道路交通状态的判别,增加检测精度,提高视频监控的性能,提出了基于视频判断交通拥堵的装置。
2.本发明解决上述问题的技术方案。
本发明主要包括摄像机、视频检测***、视频分析***、拥堵提示***。摄像机获取道路交通视频图像,视频图像信息传输到视频检测***进行背景建模、前景提取、车辆识别后传输到视频分析***进行拥堵情况分析,最后将拥堵情况传输到拥堵提示***进行提示。
视频检测***包含时空域背景建模模块、提取前景信息模块、连通域分析模块。
时空域背景模块采用混合高斯模型建立视频监控图像的时空背景模型。
提取前景信息模块计算当前图形与时空域背景模型的相似性,提取前景信息。
连通域分析模块提取前景信息中的连通域的特征信息。
视频分析***获取连通域分析模块输出的数据,利用连通域的距离和面积信息进行车辆识别。
连通域分析模块分析若无车,则更新当前视频,若有车则提取连通域的特征信息。
视频分析***计算不同目标在第一周期时间内的平均速度,计算图像上所有车辆速度的平均值作为当前道路的速度参数,并设定好速度阀值。
视频分析***判断当速度参数大于速度阀值则传输到拥堵提示***为畅通信号,若速度参数小于速度阀值则传输到拥堵提示***为拥堵信号。
拥堵提示***具有语音提示功能。
本发明通过视频图像进行道路交通状态的判别,增加检测精度,提高视频监控的性能。
附图说明
图1为本发明的***结构图。
图2为本发明的视频检测***的结构图。
具体实施方式
为了清晰表述本发明的实施过程,下面分步骤描述基于视频判断交通拥堵的装置的具体实施例。
视频检测***中的背景建模是利用混合高斯背景建模法建立每个像素的时间域背景模型,进行高斯成分个数的自适应选择,具体包括初始化时,场景每个像素的混合高斯模型只设置一个高斯成分,当场景发生变化,像素的混合高斯模型不能与当前像素匹配时,如果该像素混合高斯模型中的高斯成分个数没有达到设定的最大值,则自动增加一个以当前值为均值的初始高斯成分,否则用当前像素值为均值的新高斯成分代替像素混合高斯模型中的末尾高斯成分。模型更新完成后,判断每个像素的混合高斯模型中的最后一个高斯成分是否过期,如果过期则删除,通过时间域背景模型对场景的分析,获得了表示背景的一组样本,直接统计这些表示背景的样本在空间上的分布,作为像素的空间域背景模型。
连通域分析模块提取前景信息中的连通域的特征信息。首先去除前景信息中的噪点影响,将目标像素转换到连通分量级,利用膨胀操作数去除填补目标区域的小孔,再将结果重新返回到初始前景点集上,恢复前景图像的固有边缘,然后提取统计图像中连通域的数目并对各连通域标号,最后提取连通域的面积、周长、形心位置以及外接矩形信息。
视频分析***获取连通域分析模块输出的数据,利用连通域的距离和面积信息进行车辆识别。
连通域分析模块分析若无车,则更新当前视频,若有车则提取连通域的特征信息。
视频分析***计算不同目标在第一周期时间内的平均速度,计算图像上所有车辆速度的平均值作为当前道路的速度参数,并设定好速度阀值。
视频分析***判断当速度参数大于速度阀值则传输到拥堵提示***为畅通信号,若速度参数小于速度阀值则传输到拥堵提示***为拥堵信号。
拥堵提示***具有语音提示功能。
上述实施例不以任何方式限制本发明,凡是采用等同替换或等效变换的方式获得的技术方案均落在本发明的保护范围内。
Claims (10)
1.一种基于视频判断交通拥堵的装置,其特征在于包括以下几部分:主要包括摄像机、视频检测***、视频分析***、拥堵提示***;摄像机获取道路交通视频图像,视频图像信息传输到视频检测***进行背景建模、前景提取、车辆识别后传输到视频分析***进行拥堵情况分析,最后将视频数据传输到拥堵提示***进行提示。
2.根据权利要求1所述的基于视频判断交通拥堵的装置,其特征在于:视频检测***包含时空域背景建模模块、提取前景信息模块、连通域分析模块。
3.根据权利要求1和2所述的基于视频判断交通拥堵的装置,其特征在于:时空域背景模块采用混合高斯模型建立视频监控图像的时空背景模型。
4.根据权利要求1和2所述的基于视频判断交通拥堵的装置,其特征在于:提取前景信息模块计算当前图形与时空域背景模型的相似性,提取前景信息。
5.根据权利要求1和2所述的基于视频判断交通拥堵的装置,其特征在于:连通域分析模块提取前景信息中的连通域的特征信息。
6.根据权利要求1所述的基于视频判断交通拥堵的装置,其特征在于:视频分析***获取连通域分析模块输出的数据,利用连通域的距离和面积信息进行车辆识别。
7.根据权利要求1和5所述的基于视频判断交通拥堵的装置,其特征在于:连通域分析模块分析若无车,则更新当前视频,若有车则提取连通域的特征信息。
8.根据权利要求1所述的基于视频判断交通拥堵的装置,其特征在于:视频分析***计算不同目标在第一周期时间内的平均速度,计算图像上所有车辆速度的平均值作为当前道路的速度参数,并设定好速度阀值。
9.根据权利要求1和8所述的基于视频判断交通拥堵的装置,其特征在于:视频分析***判断当速度参数大于速度阀值则传输到拥堵提示***为畅通信号,若速度参数小于速度阀值则传输到拥堵提示***为拥堵信号。
10.根据权利要求1所述的基于视频判断交通拥堵的装置,其特征在于:拥堵提示***具有语音提示功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100609129A CN102542805A (zh) | 2012-03-08 | 2012-03-08 | 基于视频判断交通拥堵的装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100609129A CN102542805A (zh) | 2012-03-08 | 2012-03-08 | 基于视频判断交通拥堵的装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102542805A true CN102542805A (zh) | 2012-07-04 |
Family
ID=46349595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100609129A Pending CN102542805A (zh) | 2012-03-08 | 2012-03-08 | 基于视频判断交通拥堵的装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102542805A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867415A (zh) * | 2012-09-12 | 2013-01-09 | 重庆大学 | 基于视频检测技术的道路拥堵判别方法 |
CN105447479A (zh) * | 2015-12-29 | 2016-03-30 | 安徽海兴泰瑞智能科技有限公司 | 一种高速卡口道路交通状态视频监控方法 |
CN108564791A (zh) * | 2018-06-13 | 2018-09-21 | 新华网股份有限公司 | 交通信息处理方法、装置和计算设备 |
CN108682154A (zh) * | 2018-06-19 | 2018-10-19 | 上海理工大学 | 基于车流状态变化深度学习分析的道路拥堵检测*** |
CN108898790A (zh) * | 2018-09-07 | 2018-11-27 | 广东华诚电力设计有限公司 | 一种电力基站项目后监控*** |
CN110920624A (zh) * | 2019-12-09 | 2020-03-27 | 广东飞达交通工程有限公司 | 一种基于车辆组网的道路拥堵实时预测方法、设备和*** |
CN113362605A (zh) * | 2021-07-23 | 2021-09-07 | 上海交通大学 | 基于潜在同质区域辨识的分布式交通流优化***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1897015A (zh) * | 2006-05-18 | 2007-01-17 | 王海燕 | 基于机器视觉的车辆检测和跟踪方法及*** |
CN101101703A (zh) * | 2007-07-24 | 2008-01-09 | 深圳市融合视讯科技有限公司 | 一种交通阻塞程度的自动判断及查询方法 |
CN101325005A (zh) * | 2008-07-31 | 2008-12-17 | 北京中星微电子有限公司 | 一种交通拥塞监测设备及一种交通拥塞监测方法及其*** |
CN101807345A (zh) * | 2010-03-26 | 2010-08-18 | 重庆大学 | 一种基于视频检测技术的交通拥堵判别方法 |
CN101859436A (zh) * | 2010-06-09 | 2010-10-13 | 王巍 | 一种大幅规律运动背景智能分析管控*** |
-
2012
- 2012-03-08 CN CN2012100609129A patent/CN102542805A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1897015A (zh) * | 2006-05-18 | 2007-01-17 | 王海燕 | 基于机器视觉的车辆检测和跟踪方法及*** |
CN101101703A (zh) * | 2007-07-24 | 2008-01-09 | 深圳市融合视讯科技有限公司 | 一种交通阻塞程度的自动判断及查询方法 |
CN101325005A (zh) * | 2008-07-31 | 2008-12-17 | 北京中星微电子有限公司 | 一种交通拥塞监测设备及一种交通拥塞监测方法及其*** |
CN101807345A (zh) * | 2010-03-26 | 2010-08-18 | 重庆大学 | 一种基于视频检测技术的交通拥堵判别方法 |
CN101859436A (zh) * | 2010-06-09 | 2010-10-13 | 王巍 | 一种大幅规律运动背景智能分析管控*** |
Non-Patent Citations (1)
Title |
---|
徐东彬等: "融合边缘和角点特征的实时车辆检测技术", 《小型微型计算机***》, no. 06, 15 June 2008 (2008-06-15) * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867415A (zh) * | 2012-09-12 | 2013-01-09 | 重庆大学 | 基于视频检测技术的道路拥堵判别方法 |
CN102867415B (zh) * | 2012-09-12 | 2015-05-13 | 重庆大学 | 基于视频检测技术的道路拥堵判别方法 |
CN105447479A (zh) * | 2015-12-29 | 2016-03-30 | 安徽海兴泰瑞智能科技有限公司 | 一种高速卡口道路交通状态视频监控方法 |
CN108564791A (zh) * | 2018-06-13 | 2018-09-21 | 新华网股份有限公司 | 交通信息处理方法、装置和计算设备 |
CN108682154A (zh) * | 2018-06-19 | 2018-10-19 | 上海理工大学 | 基于车流状态变化深度学习分析的道路拥堵检测*** |
CN108898790A (zh) * | 2018-09-07 | 2018-11-27 | 广东华诚电力设计有限公司 | 一种电力基站项目后监控*** |
CN110920624A (zh) * | 2019-12-09 | 2020-03-27 | 广东飞达交通工程有限公司 | 一种基于车辆组网的道路拥堵实时预测方法、设备和*** |
CN113362605A (zh) * | 2021-07-23 | 2021-09-07 | 上海交通大学 | 基于潜在同质区域辨识的分布式交通流优化***及方法 |
CN113362605B (zh) * | 2021-07-23 | 2022-06-21 | 上海交通大学 | 基于潜在同质区域分析的分布式高速路优化***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102542805A (zh) | 基于视频判断交通拥堵的装置 | |
CN102945603B (zh) | 检测交通事件的方法及电子警察装置 | |
CN102819952B (zh) | 一种基于视频检测技术的车辆违法变道检测方法 | |
CN102110376B (zh) | 基于计算机视觉的路边停车位检测装置 | |
CN101729872B (zh) | 一种基于视频监控图像自动判别道路交通状态的方法 | |
US9008359B2 (en) | Detection of static object on thoroughfare crossings | |
CN102768804B (zh) | 基于视频的交通信息采集方法 | |
CN102231236B (zh) | 车辆计数方法和装置 | |
CN106023593B (zh) | 一种交通拥堵检测方法和装置 | |
CN109326124A (zh) | 一种基于机器视觉的城市环境停放车辆行为识别*** | |
CN105336169A (zh) | 一种基于视频判断交通拥堵的方法和*** | |
CN102867415B (zh) | 基于视频检测技术的道路拥堵判别方法 | |
CN103914698A (zh) | 一种基于视频的道路障碍物识别分类方法 | |
JPWO2014132747A1 (ja) | 物体検知装置 | |
CN109427191B (zh) | 一种行驶检测方法及装置 | |
CN104200466A (zh) | 一种预警方法及摄像机 | |
EP2813973B1 (en) | Method and system for processing video image | |
CN103679214B (zh) | 基于在线面积估计和多特征决策融合的车辆检测方法 | |
CN106327880A (zh) | 一种基于监控视频的车速识别方法及其*** | |
CN104463204A (zh) | 目标数量统计方法 | |
CN111507278A (zh) | 一种检测路障的方法、装置及计算机设备 | |
Nidhal et al. | Real time traffic congestion detection system | |
Iszaidy et al. | Video size comparison for embedded vehicle speed detection & travel time estimation system by using Raspberry Pi | |
CN104680787B (zh) | 一种道路拥堵检测方法 | |
Reddy et al. | Alternative approach to traffic state analysis on Indian roads using image processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120704 |