CN103700261A - 一种基于视频的道路交通流特征参数监测及交通综合信息服务*** - Google Patents

Abstract

本发明公开了一种基于视频的道路交通流特征参数监测及交通综合信息服务***，包括交通流特征参数采集层、交通信息传输交换共享层、交通信息管理决策层和交通信息综合服务层；交通流特征参数采集层通过视觉传感器实时获取道路图像，通过视频检测方法监测道路交通流特征参数；交通流特征参数采集层还通过工业相机获取视频序列图像；建立视觉测量模型；通过模型计算得到道路交通流特征参数；将参数提交给交通信息传输交换共享层；交通信息管理决策层利用参数计算道路交通车流量、道路占有率参数，并决策交通状况；交通拥挤状况的可视化；通过交通信息综合服务层提供可视化的交通信息。本发明能实时准确获取交通流特征参数，使道路交通安全方便管理。

Description

一种基于视频的道路交通流特征参数监测及交通综合信息服务***

技术领域

本发明涉及一种基于视频的道路交通流特征参数监测及交通综合信息服务***，属于交通技术领域。 

背景技术

在现有交通资源下，充分挖掘已布设的摄像机获取的视频图像数据资源来感知道路交通流参数成为目前交通研究的重要课题之一。实时准确获取交通特征参数信息是实现智能交通诱导和交通综合信息服务重要基础信息，也是为交通管理部门进行交通管理和交通规划提供决策依据的客观需求。 

现有交通流特征参数的获取方式主要包括线圈地下采集技术 

（1）线圈地下采集技术，优点是技术已经成熟、易于掌握；技术非常精确。缺点是需要在道路建设时同步安装，安装过程和技术差异对检测线圈可靠性和寿命影响较大；修理或安装时会中断交通并且会影响路面寿命；易被重型车辆损坏。 

（2）雷达定位技术，特点是数据采集非常方便，而且能够提供准确的交通数据信息，可全天候工作。缺点是成本高，而且受功率影响可能会产生错误信息。 

（3）视频检测技术，通过摄像头获取道路场景，然后通过图像 处理分析，得到相关的交通流特征参数，与其它检测技术相比，视频检测技术以视觉感知设备（如：摄像机）为信号输入，具有覆盖范围广、信息丰富、检测的参数多；安装简便，维护方便，不破坏路面，工程造价低；适用面广，可适用于路段、交叉路口，对环境和用户透明而又非侵入等优点。 

随着摄像技术向数字化、微型化、全方位、主动式和智能化方向发展，视觉信息在准确而有效表示智能空间中车辆动态或静态状态和行为方面发挥着愈来愈重要的作用，由于视频检测方法的诸多优点，视频检测方法是道路交通流特征参数获取的研究热点和发展方向。 

发明内容

针对现有技术存在的不足，本发明目的是提供一种能够实时准确获取交通流特征参数的基于视频的道路交通流特征参数监测及交通综合信息服务***，使得道路交通更加安全、方便管理。 

为了实现上述目的，本发明是通过如下的技术方案来实现： 

本发明的***包括交通流特征参数采集层、交通信息传输交换共享层、交通信息管理决策层和交通信息综合服务层；交通流特征参数采集层通过至少两个ITS终端的视觉传感器实时获取道路图像，对道路图像通过视频检测方法监测到道路交通流特征参数；交通流特征参数采集层还通过工业相机获取交通环境场景的视频序列图像；利用透视变换法和尺度变换法对所述视频序列图像进行实时跟踪，并分析运动车辆状态属性，建立道路交通流特征参数的视觉测量模型；通过所述视觉测量模型计算得到道路交通流特征参数；利用BP神经网络模 型实现车型的识别；交通信息传输交换共享层接受到道路交通流特征参数，利用公网和专网实现信息传输、交换和共享；交通信息管理决策层利用道路交通流特征参数计算道路交通车流量参数和道路占有率参数，并通过知识库来决策交通状况（其中，计算和决策方法均为现有技术，此处不再赘述）；结合GIS技术实现交通拥挤状况的可视化，在GIS地图上分别以不同的颜色标注交通拥挤状况；交通信息综合服务层提供可视化的交通信息，用于交通状态信息的发布和查询。 

上述视频检测方法包括以下步骤： 

通过视觉传感器拍摄的道路图像作为处理对象；对道路图像采用Kalman背景建模方法进行采集、处理、背景估计和运动目标的提取。 

上述Kalman背景建模方法包括以下几个步骤： 

（a1）采集或者读取背景图片； 

（a2）缩小所述背景图片； 

（a3）创建背景图片集； 

（a4）实时采集所述背景图片集； 

（a5）缩小实时采集的所述背景图片集； 

（a6）利用背景估计提取前景图像； 

（a7）对提取的前景图像进行处理更新背景。 

上述透视变换法包括以下几个步骤： 

（b1）取视频序列图像中的某一帧，利用透视变换将视角转化为垂直于地面向下； 

（b2）设计计算透视变换矩阵的函数； 

（b3）设计实现实际透视变换的函数。 

上述尺度变换法包括以下几个步骤： 

（c1）通过透视变换已经得到垂直视角下的交通流序列，透视变换后对车辆进行跟踪后，车辆被定位在一个矩形框内，所述矩形框是车辆的最下外接矩形，矩形框的长和宽即为车辆在图像中对应的长和宽；通过建立图像空间与物理空间的对应关系，即尺度标定，计算出车辆的长和宽； 

（c2）对车道检测区的长度进行标定，通过丈量实际的距离，标定实际透视变换图像中测量区域的像素值，就可以按等比例关系，通过透视变换后的车辆的长宽的像素值，直接转换为实际物理空间的长度和宽度，再根据车辆长和宽的比值和面积，可识别出车型。 

上述交通流特征参数包括实现实时监测运动车辆的轮廓参数、车辆行驶速度和车头时距。 

上述车辆行驶速度采用虚拟检测线法得到。 

红色为堵塞，橙色为堵塞预警，绿色为道路畅通。 

本发明可以充分挖掘已布设的摄像机获取的视频图像数据资源来感知道路交通流参数，实时准确获取交通特征参数信息，另外，本发明可以供科研人员和交管部门技术人员作为交通状况调查的辅助软件，方便交通安全管理、交通状况态势评估和决策等重要基础信息的全天候搜集，使得道路交通更加安全、方便管理。 

附图说明

图1是本发明ITS终端的硬件原理框图； 

图2是本发明***的体系结构图； 

图3是ITS终端软件界面图； 

图4是交通现场环境下的交通流特征参数监测界面图。 

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。 

参见图2，本发明包括交通流特征参数采集层，交通信息传输交换共享层，交通管理和决策层以及交通信息综合服务层四个模块。 

信息采集层即充分借助已布设的摄像机获取的视频图像数据资源来感知交通流参数，其中车辆轮廓信息的获取是通过机器视觉测量的方法，算法是透视变换和尺度变换法。 

经过处理的信息会通过已有的公网或专网在各通用设备之间进行信息的传输、交换和共享，而交通管理和决策层根据收到的信息对道路实施状况进行管理和决策，最终将信息处理结果发布在可视化设备上，给相关部门提供信息的查询等。 

本发明涉及的ITS（Intelligence Transport System）监测终端以EMB-4650嵌入式工业主板为核心，扩展了***所需的各种***设备，包括：电源模块、工业相机、ASK无线调制解调模块、Wi-Fi模块、GSM通信模块、IDE接口的程序存储模块和显示模块等。硬件原理框图如图1所示。 

GSM通信模块又MC35i模块，Wonbond公司的单片机W77E58 为核心，实现短消息报警和无线话音通信。 

无线调制解调模块采用XL02-232AP1模块，通过ITS监测终端的是异步串行接口接入终端，交通诱导显示屏集成XL02-232AP1模块，双方以半双工方式交虎交通诱导信息。在本***中交通信息发布中采用固定的数码管和12864液晶模拟信息发布显示和提醒服务，数码管实时显示通过车辆的速度，液晶屏可以发布诱导信息。 

***软件设计采用模块化设计思想，采用Micosoft公司的VisualStudio2008调用底层API函数开发***所需底层软件模块，主要以DLL和OCX为封装形式。应用软件主要以C#编程和Micosoft公司的SQL Sever2008数据库、MapInfo公司提供的控件Mapxtreme2008等为开发工具实现了***的各项功能。***运行开发环境为Micosoft公司的Windows XP professional SP3操作***，也提供了部分底层驱动程序。Intel提供的嵌入式工控板满足了该***软件各模块对硬件的要求。 

本发明的交通流特征参数采集层通过各个ITS终端的视觉传感器实时获取道路图像信息。视觉传感器的工作原理是：对于拍摄的图像，采用Kalman背景建模方法进行采集、处理、背景估计和运动目标的提取，软件实现则利用HALCON提供的函数库进行开发。 

通过工业相机获取交通环境场景视频序列图像，利用图像处理和分析技术（透视变换和尺度变换法）实时跟踪、分析运动车辆状态属性，建立实现实时监测运动车辆的轮廓参数（长和宽）、车辆行驶速度（虚拟检测线法）和车头时距等交通流特征参数的视觉测量模型， 间接计算和决策交通流量密度、道路占有率等影响交通流的重要道路交通基础参数，利用BP神经网络模型实现了车型的识别。其中车辆的轮廓参数测量为本***的创新点。 

然后将这些交通流特征参数信息提交给交通信息传输交换共享层，利用公网和专网实现各设备之间的信息传输、交换和共享，即信息的发布过程。 

随后交通管理和决策层利用交通流基础参数计算道路交通局部和全局车流量、道路占有率间接参数和知识库来决策交通状况，结合GIS技术实现交通拥挤状况的可视化，即在GIS地图上分别以不同的颜色标注交通拥挤状况，红色为堵塞，橙色堵塞预警，绿色为道路畅通。 

最终交通信息综合服务层提供可视化的交通信息，用于交通状态信息的发布和查询 

对于道路交通基础参数信息的采集使用的是视频检测方法，该方法是道路交通流特征参数获取的研究热点和发展方向。 

其中，视频检测方法即通过视觉传感器拍摄视频图像作为处理对象：对于拍摄的图像，采用Kalman背景建模方法进行采集、处理、背景估计和运动目标的提取，软件实现则利用HALCON提供的函数库进行开发。 

卡尔曼滤波实现背景建模的过程： 

（a1）采集或者读取背景图片； 

（a2）缩小所述背景图片； 

（a3）创建背景图片集； 

（a4）实时采集所述背景图片集； 

（a5）缩小实时采集的所述背景图片集； 

（a6）利用背景估计提取前景图像； 

（a7）对提取的前景图像进行处理更新背景。 

利用透视变换法和尺度变换法获取车辆轮廓的参数信息。 

交通流视频图像透视变换的实现步骤： 

（b1）取交通流视频中的某一帧，利用透视变换将视角转化为垂直于地面向下， 

（b2）设计计算透视变换矩阵的函数为（意指用给定点生成投影变换矩阵，输入点位二维非齐次坐标，支持有限远的点的变换）： 

vector_to_proj_hom_mat2d(Px,Py,Qx,Qy,Method,CovXX1,CovYY1,CovXY1,CovXX2,CovYY2,CovXY2:HomMat2D,Covariance) 

（b3）设计的实现实际透视变换的函数为（意指把投影变换应用于一个图像中并且指定输出图像的大小）： 

Projective_trans_image_size(Image,Image,HomMat2D,’bilinear’,105,210,’false’)。 

尺度变换的步骤为： 

（c1）透视变换后对车辆进行跟踪后，车辆被定位在一个矩形框内，通过建立图像空间与物理空间的对应关系，即尺度标定，对车辆在图像中对应的长和宽进行标定； 

（c2）对车道检测区的长度进行标定，通过丈量实际的距离，标定实际透视变换图像中测量区域的像素值，就可以按这个等比例关系（k），通过透视变换后的车辆的长宽的像素值，直接转换为实际物理空间的长度和宽度。这就是尺度变换法。 

各ITS终端通过公网或专网（交通部门的光纤环网、WLAN、Internet和3G等），实现各ITS终端之间互联互通，并与交通管理部门的监控中心互联互通，达到各ITS监测终端之间数据动态交换和共享，实现一种集交通诱导提醒、交通状况态势评估、决策和实时发布交通状态信息的广域分布式交通综合信息服务平台。 

如图3所示，交通现场环境下的已有视频设备会对交通流特征参数进行监测，主要涉及的是交通信息采集层。 

信息采集层利用的是道路上已有的视频监测设备，按照软件模块设定的程序会自动对监测到的视频信息进行预处理。 

如图4所示，ITS终端软件界面是驾驶员直接进行操作的界面，按照图中所示驾驶员可直接看到的可视化信息如车速、当前路段状态以及实时路况诱导等信息。另外驾驶员可直接对软件进行操作获取所需要的信息。 

本发明通过实验室模拟和现场测试，实现了实现实时监测运动车辆的轮廓参数（长和宽）、车辆行驶速度和车头时距等交通流特征参数的视觉测量模型，间接计算和决策交通流量密度、道路占有率等影响交通流的重要道路交通基础参数，利用BP神经网络模型实现了车型的识别；实现了ITS终端通过公网或专网（交通部门的光纤环网、 WLAN、Internet和3G等），互联互通，达到各ITS监测终端之间数据动态交换和共享，实现一种集交通诱导提醒、交通状况态势评估、决策和实时发布交通状态信息的广域分布式交通综合信息服务平台；***可应用于离线或在线状态下，供科研人员和交管部门技术人员作为交通状况调查的辅助软件，方便交通安全管理、交通状况态势评估和决策等重要基础信息的全天候搜集。 

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。 

Claims (8)

1.一种基于视频的道路交通流特征参数监测及交通综合信息服务***，其特征在于，

包括交通流特征参数采集层、交通信息传输交换共享层、交通信息管理决策层和交通信息综合服务层；

所述交通流特征参数采集层通过至少两个ITS终端的视觉传感器实时获取道路图像，对所述道路图像通过视频检测方法监测到道路交通流特征参数；

所述交通流特征参数采集层还通过工业相机获取交通环境场景的视频序列图像；利用透视变换法和尺度变换法对所述视频序列图像进行实时跟踪，并分析运动车辆状态属性，建立道路交通流特征参数的视觉测量模型；通过所述视觉测量模型计算得到道路交通流特征参数；利用BP神经网络模型实现车型的识别；

所述交通信息传输交换共享层接受到道路交通流特征参数，利用公网和专网实现信息传输、交换和共享；

所述交通信息管理决策层利用道路交通流特征参数计算道路交通车流量参数和道路占有率参数，并通过知识库来决策交通状况；结合GIS技术实现交通拥挤状况的可视化，在GIS地图上分别以不同的颜色标注交通拥挤状况；

所述交通信息综合服务层提供可视化的交通信息，用于交通状态信息的发布和查询。

2.根据权利要求1所述的基于视频的道路交通流特征参数监测及交通综合信息服务***，其特征在于，

所述视频检测方法包括以下步骤：

通过所述视觉传感器拍摄的道路图像作为处理对象；

对所述道路图像采用Kalman背景建模方法进行采集、处理、背景估计和运动目标的提取。

3.根据权利要求2所述的基于视频的道路交通流特征参数监测及交通综合信息服务***，其特征在于，

所述Kalman背景建模方法包括以下几个步骤：

（a1）采集或者读取背景图片；

（a2）缩小所述背景图片；

（a3）创建背景图片集；

（a4）实时采集所述背景图片集；

（a5）缩小实时采集的所述背景图片集；

（a6）利用背景估计提取前景图像；

（a7）对提取的前景图像进行处理更新背景。

4.根据权利要求1所述的基于视频的道路交通流特征参数监测及交通综合信息服务***，其特征在于，

所述透视变换法包括以下几个步骤：

（b1）取视频序列图像中的某一帧，利用透视变换将视角转化为垂直于地面向下；

（b2）设计计算透视变换矩阵的函数；

（b3）设计实现实际透视变换的函数。

5.根据权利要求4所述的基于视频的道路交通流特征参数监测及交通综合信息服务***，其特征在于，

所述尺度变换法包括以下几个步骤：

（c1）通过透视变换已经得到垂直视角下的交通流序列，透视变换后对车辆进行跟踪后，车辆被定位在一个矩形框内，所述矩形框是车辆的最下外接矩形，矩形框的长和宽即为车辆在图像中对应的长和宽；通过建立图像空间与物理空间的对应关系，即尺度标定，计算出车辆的长和宽；

（c2）对车道检测区的长度进行标定，通过丈量实际的距离，标定实际透视变换图像中测量区域的像素值，就可以按等比例关系，通过透视变换后的车辆的长宽的像素值，直接转换为实际物理空间的长度和宽度，再根据车辆长和宽的比值和面积，可识别出车型。

6.根据权利要求1所述的基于视频的道路交通流特征参数监测及交通综合信息服务***，其特征在于，

所述交通流特征参数包括实现实时监测运动车辆的轮廓参数、车辆行驶速度和车头时距。

7.根据权利要求6所述的基于视频的道路交通流特征参数监测及交通综合信息服务***，其特征在于，

所述车辆行驶速度采用虚拟检测线法得到。

8.根据权利要求1所述的基于视频的道路交通流特征参数监测及交通综合信息服务***，其特征在于，

红色为堵塞，橙色为堵塞预警，绿色为道路畅通。

Images