CN103456170A - 基于机器视觉的车速和车辆排队长度的检测方法 - Google Patents

基于机器视觉的车速和车辆排队长度的检测方法 Download PDF

Info

Publication number
CN103456170A
CN103456170A CN2013101381082A CN201310138108A CN103456170A CN 103456170 A CN103456170 A CN 103456170A CN 2013101381082 A CN2013101381082 A CN 2013101381082A CN 201310138108 A CN201310138108 A CN 201310138108A CN 103456170 A CN103456170 A CN 103456170A
Authority
CN
China
Prior art keywords
vehicle
speed
surveyed area
queue length
telescopic
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
Application number
CN2013101381082A
Other languages
English (en)
Inventor
李建雄
刘影
罗厅
刘俊星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Polytechnic University
Original Assignee
Tianjin Polytechnic University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Polytechnic University filed Critical Tianjin Polytechnic University
Priority to CN2013101381082A priority Critical patent/CN103456170A/zh
Publication of CN103456170A publication Critical patent/CN103456170A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Traffic Control Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种应用于城市交叉路口的基于机器视觉的车速和车辆排队长度的检测方法，其特征在于，首先在城市交叉路口的停车线和人行横道之间设置检测区域，在检测区域内判断车辆是否存在；若存在车辆，则计算车速。当检测到所在车道车速低于2km/h时，开始启动排队长度检测程序。沿相应车道设置多个可活动的虚拟线圈(简称伸缩窗)，并当检测到伸缩窗非零像素个数和大于某一阈值，并且伸缩窗内全部非零像素个数和与前一时刻窗内全部非零像素个数和之差小于某一阈值，伸缩窗长度相应地增加。最后利用相机标定把像素值转换为实际的长度值。

Description

基于机器视觉的车速和车辆排队长度的检测方法
技术领域
本发明涉及智能交通***的交通参数采集领域，特别涉及一种应用于城市交叉路口的基于机器视觉的车速和车辆排队长度的检测方法。
背景技术
随着经济的快速发展，交通也得到了很大的发展，但是却出现了很多问题，如交通拥堵、交通事故频发和交通环境恶化等，并且这些问题已经影响到了人们的日常生活。智能交通***是对解决交通运输问题进行探索的最新成果。
在城市交通中，交叉路口影响着整个城市的交通安全水平。当交叉路口的平均行车速度降至2km/h以下，车辆开始排队，并且出现交通拥堵。同时，当车辆行使缓慢时，尾气排放量会增加，这就使得城市的空气质量进一步恶化。实时动态的交通信息采集是实现智能交通的关键。而道路实时车速和车辆排队长度是智能交通***的核心基础数据，所以非常有必要对城市交叉路口的车速和排队长度的检测方法进行研究。
目前有关实时车速和车辆排队长度的信息采集的研究也开始得到广泛关注，已经取得了一定的研究成果。尤其是实时车速作为智能交通的重要参数之一，在高速路和快速路上已经被广泛应用。
车辆排队长度检测方法的研究虽然没有车速检测那么成熟，但随着图形处理技术和计算机视觉的快速崛起，也得到了一定程度的发展。
发明人在实现本发明的过程中，发现现有技术至少存在以下缺点和不足：
现有技术主要集中于高速公路、快速路等交通环境良好的车辆检测，无法应用到复杂的城市交叉路口。
车辆排队状态的判断复杂。
发明内容
为了解决现有技术局限于高速公路和快速路，提高检测方法的准确率、实时性和鲁棒性，本发明实施例提供了一种基于机器视觉的车速和车辆排队长度的检测方法，具体实施方案如下：
摄像机架设在路口旁的支架上，以俯视的角度拍摄迎面而来的车辆。通过摄像机所获取的交通视频，包含着与车速和车辆排队无关的大量信息，在车速检测过程中，如果对整幅图像进行处理，势必导致计算量过大，难以满足检测车辆实时性的要求，需要去除与检测车辆无关的信息，因此需要设置检测区域。在视频图像中，检测区域设置在交叉路口的停车线和人行斑马线之间，该区域受到的干扰是最小的；在检测区域内进行背景差分运算、阴影去除和形态学区域填充，然后对得到的二值图像进行垂直投影，利用垂直投影曲线图判断车辆是否存在；若存在车辆，则计算车辆驶入和驶出检测区域所用的帧数，根据摄像机的帧率和检测区域的宽度计算瞬时速度，进而求出交叉路口的平均车速。
车辆出现排队现象一般是在红灯期间或者路口出现车辆通行缓慢即绿灯期间车速较低的时候，因此，当检测到车速低于2km/h时，开始启动排队长度检测程序。
因为车辆排队时，摄像机采集到的视频帧里面的车道宽度随着排队长度的增加逐渐减小，为了提高检测精度，本文采用多个伸缩窗(即可变化的虚拟线圈)进行检测，伸缩窗的宽度根据所在的车道线宽度设定，以便能有效地减少误差。在车辆排队情况下，可以设定相应的n个伸缩窗，同时计算n个伸缩窗对应的像素数，然后利用摄像机架设的高度、检测区域距离摄像机的水平距离、摄像机的视角宽度和俯角大小对摄像机进行标定，从而可以推导出每个像素对应的实际距离，进而计算出车辆排队的长度。
附图说明：
为了更清楚地说明发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造劳动性的前提下，还可以根据附图获得其他的附图。
图1是本发明实施例检测区域设置示例图。
图2是本发明实施例车辆排队检测方法的示例图。
具体实施方式：
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
在视频的每一帧图像的固定位置，设置覆盖所要监控的多个车道的检测区域。检测区域的位置设置在城市交叉路口的停车线和人行斑马线之间。检测区域的位置设置如图1所示，在检测区域内进行背景差分运算，即利用当前帧图像与背景图像相减并二值化分割运动区域。然后进行阴影去除、形态学区域填充和垂直投影。
垂直投影法是指对检测区域内的二值图像从左至右统计该二值图像每一列非零像素的个数。如果检测区域内有车存在，经过垂直投影将得到封闭的波形，该波形的宽度即是运动区域的宽度。当运动区域的宽度比给定阈值Tw大，则判断有车辆的存在。给定阈值Tw设置为普通小桥车车身宽度的90％。若存在车辆，则计算车辆驶入和驶出检测区域所用的帧数，根据摄像机的帧率和检测区域的宽度计算瞬时速度，进而求出交叉路口的平均车速。各个车道相互独立处理，每一个车道处理的流程是相同的。
当检测到车速低于2km/h时，开始启动排队长度检测程序。
因为车辆排队时，摄像机采集到的视频帧里面的车道宽度随着排队长度的增加逐渐减小，为了提高检测精度，本文采用多个伸缩窗(即可变化的虚拟线圈)进行检测，伸缩窗的宽度根据所在的车道线宽度设定，以便能有效地减少误差。把第一个伸缩窗的宽度设置为阈值W1，在y轴方向长度为N1(N1为所在排队线一个车辆长度像素，避免断层和车辆空隙造成的误检)；第二的伸缩窗的宽度设置为阈值W2，在y轴方向长度为N2，依此类推，第n个伸缩窗的宽度设为Wn，在y轴方向长度为Nn。如图2所示。
伸缩窗算法如下：
第一个伸缩窗放置在车道停止线处，当检测到第一个伸缩窗非零像素和大于某一阈值，并且伸缩窗内全部非零像素和与前一时刻窗内全部非零像素和之差小于某一阈值，伸缩窗长度加N1，即在y轴方向上伸长N1个像素单位，反之长度减少，但不会少于一个像素。
当第一个伸缩窗的伸长到设定的最大值M1时，它就不再伸长，这时开启第二个伸缩窗。重复上述步骤。
以此类推，直到开启第n个伸缩窗。
按照上述的检测方法，在车辆排队情况下，可以设定相应的n个伸缩窗，同时计算n个伸缩窗对应的像素数，然后利用摄像机架设的高度、检测区域距离摄像机的水平距离、摄像机的视角宽度和俯角大小对摄像机进行标定，从而可以推导出每个像素对应的实际距离，进而计算出车辆排队的长度。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种应用于城市交叉路口的基于机器视觉的车速和车辆排队长度的检测方法，其特征是：首先在城市交叉路口的停车线和人行横道之间设置检测区域，在检测区域内进行背景差分运算、阴影去除和形态学区域填充，然后对得到的二值图像进行垂直投影，利用垂直投影曲线图判断车辆是否存在；若存在车辆，则计算车辆驶入和驶出检测区域所用的帧数，根据摄像机的帧率和检测区域的宽度计算瞬时速度，进而求出交叉路口的平均车速。将车速作为车辆排队的依据，当检测到所在车道车速低于2km/h时，开始启动排队长度检测程序。为了提高检测精度，沿相应车道设置多个可活动的虚拟线圈(简称伸缩窗)，并当检测到伸缩窗非零像素个数和大于某一阈值，并且伸缩窗内全部非零像素个数和与前一时刻伸缩窗内全部非零像素个数和之差小于某一阈值，则伸缩窗长度相应地增加。最后利用相机标定把像素值转换为实际的长度值。
CN2013101381082A 2013-04-22 2013-04-22 基于机器视觉的车速和车辆排队长度的检测方法 Pending CN103456170A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013101381082A CN103456170A (zh) 2013-04-22 2013-04-22 基于机器视觉的车速和车辆排队长度的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013101381082A CN103456170A (zh) 2013-04-22 2013-04-22 基于机器视觉的车速和车辆排队长度的检测方法

Publications (1)

Publication Number Publication Date
CN103456170A true CN103456170A (zh) 2013-12-18

Family

ID=49738488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013101381082A Pending CN103456170A (zh) 2013-04-22 2013-04-22 基于机器视觉的车速和车辆排队长度的检测方法

Country Status (1)

Country Link
CN (1) CN103456170A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104240509A (zh) * 2014-10-10 2014-12-24 南京莱斯信息技术股份有限公司 综合检测的视频交通车辆检测***
CN104637323A (zh) * 2015-03-02 2015-05-20 王刚 等待时间自调节型信号灯
CN105405299A (zh) * 2015-12-17 2016-03-16 天津中安视通科技有限公司 一种视频测速***的控制方法
CN105513342A (zh) * 2015-11-25 2016-04-20 南京莱斯信息技术股份有限公司 一种基于视频跟踪的车辆排队长度计算方法
CN106781493A (zh) * 2016-12-30 2017-05-31 迈锐数据（北京）有限公司 一种车辆排队长度模拟***、方法和装置
CN107016865A (zh) * 2017-05-25 2017-08-04 杜艳林 一种单行道的道路指示***和道路指示方法
CN106128121B (zh) * 2016-07-05 2018-08-17 中国石油大学(华东) 基于局部特征分析的车辆排队长度快速检测算法
CN110047297A (zh) * 2019-04-15 2019-07-23 河北科技大学 车辆测速方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101197080A (zh) * 2006-12-22 2008-06-11 四川川大智胜软件股份有限公司 一种新型的智能红绿灯控制***
US20100079306A1 (en) * 2008-09-26 2010-04-01 Regents Of The University Of Minnesota Traffic flow monitoring for intersections with signal controls
CN101777259A (zh) * 2010-01-22 2010-07-14 同济大学 城市道路交叉路口平均延误获取方法
CN102867414A (zh) * 2012-08-18 2013-01-09 湖南大学 一种基于ptz摄像机快速标定的车辆排队长度测量方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101197080A (zh) * 2006-12-22 2008-06-11 四川川大智胜软件股份有限公司 一种新型的智能红绿灯控制***
US20100079306A1 (en) * 2008-09-26 2010-04-01 Regents Of The University Of Minnesota Traffic flow monitoring for intersections with signal controls
CN101777259A (zh) * 2010-01-22 2010-07-14 同济大学 城市道路交叉路口平均延误获取方法
CN102867414A (zh) * 2012-08-18 2013-01-09 湖南大学 一种基于ptz摄像机快速标定的车辆排队长度测量方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ANTONIO ALBIOL: "《vision-based vehicle queue length estimation》", 《2011 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION WORKSHOPS(ICCV WORKSHOPS)》 *
R.K.SATZODA: "vision-based vehicle queue detection at traffic junctions", 《2012 7TH IEEE CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS(ICIEA)》 *
周世付: "基于高斯混合模型的多车道车流量检测算法", 《计算机仿真》 *
李卫斌: "基于图像处理的车辆排队长度鲁棒性检测算法", 《计算机测量与控制》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104240509A (zh) * 2014-10-10 2014-12-24 南京莱斯信息技术股份有限公司 综合检测的视频交通车辆检测***
CN104637323A (zh) * 2015-03-02 2015-05-20 王刚 等待时间自调节型信号灯
CN105513342A (zh) * 2015-11-25 2016-04-20 南京莱斯信息技术股份有限公司 一种基于视频跟踪的车辆排队长度计算方法
CN105405299A (zh) * 2015-12-17 2016-03-16 天津中安视通科技有限公司 一种视频测速***的控制方法
CN106128121B (zh) * 2016-07-05 2018-08-17 中国石油大学(华东) 基于局部特征分析的车辆排队长度快速检测算法
CN106781493A (zh) * 2016-12-30 2017-05-31 迈锐数据（北京）有限公司 一种车辆排队长度模拟***、方法和装置
CN106781493B (zh) * 2016-12-30 2020-09-18 迈锐数据（北京）有限公司 一种车辆排队长度模拟***、方法和装置
CN107016865A (zh) * 2017-05-25 2017-08-04 杜艳林 一种单行道的道路指示***和道路指示方法
CN110047297A (zh) * 2019-04-15 2019-07-23 河北科技大学 车辆测速方法

Similar Documents

Publication Publication Date Title
CN103456170A (zh) 基于机器视觉的车速和车辆排队长度的检测方法
CN105632186B (zh) 检测车辆加塞行为的方法和装置
CN105260713B (zh) 一种车道线检测方法和装置
CN104021378B (zh) 基于时空关联与先验知识的交通信号灯实时识别方法
CN105005771B (zh) 一种基于光流点轨迹统计的车道线实线的检测方法
CN105005778B (zh) 一种基于视觉背景提取的高速公路车辆检测方法
CN103714363B (zh) 一种机动车尾气烟度视频识别***
CN104537841B (zh) 无牌车辆违章检测方法及其检测***
CN108615358A (zh) 一种道路拥堵检测方法及装置
CN110287905B (zh) 一种基于深度学习的交通拥堵区域实时检测方法
CN104157143B (zh) 违章停车检测***及其检测方法
CN103366572B (zh) 一种交叉口的视频交通参数检测方法
CN103617410A (zh) 基于视频检测技术的高速公路隧道停车检测方法
CN103730015B (zh) 交叉路口车流量检测方法及装置
CN106327863A (zh) 一种车辆拥堵检测预警方法、装置及***
CN103177586A (zh) 一种基于机器视觉的城市交叉路口多车道车流量检测方法
JP6020567B2 (ja) 立体物検出装置および立体物検出方法
CN107644528A (zh) 一种基于车辆跟踪的车辆排队长度检测方法
CN107240268A (zh) 一种面向无人机的高速应急车道违章车辆的检测方法
US9589193B2 (en) Three-dimensional object detection device and three-dimensional object detection method
CN104574979B (zh) 机动车行经人行横道不依法让行行为的拍照***及方法
CN110021171A (zh) 高速公路路况定位方法、装置及***
CN107274678B (zh) 一种基于Kinect的夜间车流量统计及车型识别方法
CN110929676A (zh) 一种基于深度学习的违章掉头实时检测方法
CN104794907A (zh) 使用车道分割合并方法的车流量检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20131218