CN105261034B - 一种高速公路上车流量的统计方法及装置 - Google Patents
一种高速公路上车流量的统计方法及装置 Download PDFInfo
- Publication number
- CN105261034B CN105261034B CN201510586020.6A CN201510586020A CN105261034B CN 105261034 B CN105261034 B CN 105261034B CN 201510586020 A CN201510586020 A CN 201510586020A CN 105261034 B CN105261034 B CN 105261034B
- Authority
- CN
- China
- Prior art keywords
- target
- tracking
- vehicle
- module
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种高速公路上车流量的统计方法,设置虚拟拌线;目标检测,检测出场景中的前景目标;目标跟踪,获取目标轨迹;分析目标轨迹,计算车流量。本发明的有益效果是:1、将目标跟踪分为三类:候选跟踪目标、正在跟踪目标和丢失跟踪目标,来提高跟踪的准确率,减少误跟踪。2、在目标跟踪的基础上,分析目标轨迹,将目标轨迹分为三类:正在跟踪并撞线的目标、正在跟踪不撞线的目标但轨迹与虚拟拌线相交的目标和其他跟踪目标,大大提高了车流量统计的准确率。
Description
技术领域
本发明涉及计算机视觉领域,特别是涉及一种高速公路上车流量统计方法与装置。
背景技术
随着社会发展、科技进步和人民生活水平的提高,机动车保有量得到了飞速的增长,与之相应的公路条件、高速公路等基础设施建设也得到了很大的改善,但依然无法解决日益严峻的交通环境恶化问题。道路拥堵、交通事故频发已经成为全球交通面临的共同难题,尤其是在城市主干道、交通繁忙的交通枢纽,拥堵问题更加严重。在此背景下,智能交通***作为未来交通***的发展方向得到了广泛的关注和研究,集成了当前最先进的电子信息技术、人工智能技术、计算技术、网络技术等,有效的应用于交通管理***,从而有效地辅助解决当前面临的交通难题。
车流量是智能交通***中的重要参数之一,是衡量交通拥堵、道路繁忙程度的重要指标。传统的车流量统计通常采用光栅、感应线圈等技术、超声波技术、声学技术等,不仅操作复杂、建设成本高,并且需要对交通道路进行破坏性建设,维护成本高。因此,随着计算机技术、图像技术、计算机视觉和人工智能技术的发展,基于图像技术的车流量统计方法能够快速准确的得到实时车流量数据,便于传输联网、成本低、易于安装,施工方便,无需进行交通道路的破坏性建设等优点,因此得到了广泛的关注和研究。
发明内容
本发明首先要解决的技术问题是提供一种高速公路上车流量的统计方法,其准确度高、使用方便。
本发明解决上述技术问题所采用的技术方案是:一种高速公路上车流量的统计方法,其特征在于:包括以下步骤:
步骤1:设置虚拟拌线;
步骤2:目标检测,检测出场景中的前景目标;
步骤3:目标跟踪,获取目标轨迹;
步骤4:分析目标轨迹,计算车流量。
在采用上述技术方案的同时,本发明还可以采用或者组合采用以下进一步的技术方案:
所述步骤1的具体做法是:在高速公路监控场景中设置虚拟拌线,一个方向道路设置一条虚拟拌线,横跨单方向的所有车道,并且不同方向道路虚拟拌线之间不能相交。
所述步骤2具体包括以下步骤:首先,建立高斯背景模型;
其次,将当前帧图像与背景图像做差,差值小于3倍标准差是背景,否则为前景;
再次,提取前景图像的连通区域,并滤除面积小于第一阈值的目标;
最后,以一定速率更新背景模型。
所述步骤3具体包括以下步骤:首先,将跟踪分为三类:①候选跟踪目标:当前帧匹配上的跟踪目标或者新进入场景中的目标,连续跟踪帧数小于第二阈值;②正在跟踪目标:连续跟踪帧数不小于第二阈值或者处于丢失跟踪队列中且丢失跟踪帧数小于第三阈值,并在当前帧匹配上的跟踪目标;③丢失跟踪目标:历史跟踪记录中,进入正在跟踪目标队列,当前帧未匹配上的目标,并且连续丢失帧数小于第三阈值;
其次,将第一帧中检测到的所有前景目标放入候选跟踪目标队列中,并将候选跟踪计数初始化为1;对于第i(i≥2)帧检测到的车辆目标j(j=1,2,…,N),根据其质心位置(gxj,gyj),在i-1帧,以(gxj,gyj)为中心,20px为半径,找到所有运动车辆目标,计算与车辆目标j的直方图相似度,当直方图相似度大于第四阈值时,选择最相似的作为匹配,将车辆目标j加入匹配的目标队列中;否则,将车辆目标j放入候选跟踪目标队列,并初始化候选跟踪计数为1;如果车辆目标j加入匹配的目标队列为候选跟踪目标队列,候选跟踪计数加1,当候选跟踪计数大于第二阈值,将其确定为正在跟踪目标队列;如果为丢失跟踪队列,则将其移到正在跟踪目标队列中,并将丢失跟踪系数归0。
最后,i-1帧中未匹配的目标,如果在候选跟踪目标队列中,则删除;如果在正在跟踪队列中,将其移入丢失跟踪队列,并初始化丢失跟踪计数为1;如果在丢失跟踪队列中,则丢失跟踪技术加1,丢失跟踪技术小于第三阈值时,删除该跟踪目标。
所述步骤4的具体做法是:分析目标的轨迹,分为三类。第一类:正在跟踪的车辆目标,轮廓与虚拟拌线相交,车辆统计数目加1;第二类:正在跟踪队列的车辆目标,轮廓与虚拟拌线不相交,但其轨迹与虚拟拌线相交,车辆统计数目加1;第三类:其他情形,车辆统计数目不变。在某个时间段内相同车辆目标的计数最多加1。
本发明要解决的另一个技术问题是,提供一种高速公路上车流量的统计装置,所述统计装置包括用于采集监控图像的图像采集模块,用于设置虚拟拌线的拌线设置模块,用于背景建模、检测前景、背景更新,提取前景中的车辆目标的目标检测模块,用于定义跟踪类别,将检测到的车辆目标归入相应的跟踪队列,记录运动轨迹的目标跟踪模块以及用于分析车辆目标的轨迹,统计车流量计数的轨迹分析和车流量统计模块;所述图像采集模块连接至所述拌线设置模块,所述拌线设置模块连接至所述目标检测模块并向其发送图像采集模块所采集的图像信息以及拌线设置模块所设置的规则信息,所述目标检测模块连接至所述目标跟踪模块并向其发送检测信息,所述目标跟踪模块连接至所述轨迹分析和车流量统计模块,向其发送目标跟踪信息,由所述轨迹分析和车流量统计模块进行分析统计并计算出车流量结果。
本发明的有益效果是:1、将目标跟踪分为三类:候选跟踪目标、正在跟踪目标和丢失跟踪目标,来提高跟踪的准确率,减少误跟踪。2、在目标跟踪的基础上,分析目标轨迹,将目标轨迹分为三类:正在跟踪并撞线的目标、正在跟踪不撞线的目标但轨迹与虚拟拌线相交的目标和其他跟踪目标,大大提高了车流量统计的准确率。
附图说明
图1是本发明的流程图。
图2是本发明的结构图。
具体实施方式
实施例1,一种高速公路上车流量的统计方法,参照附图1。
步骤1:设置虚拟拌线;
在高速公路监控场景中设置虚拟拌线,一个方向道路设置一条虚拟拌线,横跨单方向的所有车道,并且不同方向道路虚拟拌线之间不能相交;
步骤2:目标检测,检测出场景中的前景目标;
首先,建立高斯背景模型;
其次,将当前帧图像与背景图像做差,差值小于3倍标准差是背景,否则为前景;
再次,提取前景图像的连通区域,并滤除面积小于50像素的目标;
最后,按下式更新背景模型。
μt=(1-ρ)*μt-1+ρ*ft
δt 2=(1-ρ)*δt-1 2+ρ*(ft-μt)T(ft-μt)
其中,μ为均值,δ为标准差,f为当前帧像素灰度值,ρ为背景学习率,取0.001。
步骤3:目标跟踪,获取目标轨迹;
首先,将跟踪分为三类:①候选跟踪目标:当前帧匹配上的跟踪目标或者新进入场景中的目标,连续跟踪帧数小于10;②正在跟踪目标:连续跟踪帧数不小于10或者处于丢失跟踪队列中且丢失跟踪帧数小于5,并在当前帧匹配上的跟踪目标;③丢失跟踪目标:历史跟踪记录中,进入正在跟踪目标队列,当前帧未匹配上的目标,并且连续丢失帧数小于5;
其次,将第一帧中检测到的所有前景目标放入候选跟踪目标队列中,并将候选跟踪计数初始化为1;对于第i(i≥2)帧检测到的车辆目标j(j=1,2,…,N),根据其质心位置(gxj,gyj),在i-1帧,以(gxj,gyj)为中心,20px为半径,找到所有运动车辆目标,计算与车辆目标j的直方图相似度,用巴氏距离描述直方图相似度,当距离小于0.2时,选择距离最小的作为匹配,将车辆目标j加入匹配的目标队列中;否则,将车辆目标j放入候选跟踪目标队列,并初始化候选跟踪计数为1;如果车辆目标j加入匹配的目标队列为候选跟踪目标队列,候选跟踪计数加1,当候选跟踪计数大于10,将其确定为正在跟踪目标队列;如果为丢失跟踪队列,则将其移到正在跟踪目标队列中,并将丢失跟踪系数归0。
最后,i-1帧中未匹配的目标,如果在候选跟踪目标队列中,则删除;如果在正在跟踪队列中,将其移入丢失跟踪队列,并初始化丢失跟踪计数为1;如果在丢失跟踪队列中,则丢失跟踪技术加1,丢失跟踪技术小于5时,删除该跟踪目标。
步骤4:分析目标轨迹,计算车流量。
分析目标的轨迹,分为三类。第一类:正在跟踪的车辆目标,轮廓与虚拟拌线相交,车辆统计数目加1;第二类:正在跟踪队列的车辆目标,轮廓与虚拟拌线不相交,但其轨迹与虚拟拌线相交,车辆统计数目加1;第三类:其他情形,车辆统计数目不变。在某个时间段内相同车辆目标的计数最多加1。
实施例2,一种高速公路上车流量的统计装置,参照附图2。
本发明的高速公路上车流量的统计装置,包括用于采集监控图像的图像采集模块1,用于设置虚拟拌线的拌线设置模块2,用于背景建模、检测前景、背景更新,提取前景中的车辆目标的目标检测模块3,用于定义跟踪类别,将检测到的车辆目标归入相应的跟踪队列,记录运动轨迹的目标跟踪模块4以及用于分析车辆目标的轨迹,统计车流量计数的轨迹分析和车流量统计模块5;所述图像采集模块1连接至所述拌线设置模块2,所述拌线设置模块2连接至所述目标检测模块3并向其发送图像采集模块1所采集的图像信息以及拌线设置模块2所设置的规则信息,所述目标检测模块3连接至所述目标跟踪模块4并向其发送检测信息,所述目标跟踪模块4连接至所述轨迹分析和车流量统计模块5,向其发送目标跟踪信息,由所述轨迹分析和车流量统计模块5进行分析统计并计算出车流量结果。
Claims (1)
1.一种高速公路上车流量的统计方法,其特征在于:包括以下步骤:
步骤1:设置虚拟拌线;
步骤2:目标检测,检测出场景中的前景目标;
步骤3:目标跟踪,获取目标轨迹;
步骤4:分析目标轨迹,计算车流量;
所述步骤1的具体做法是:在高速公路监控场景中设置虚拟拌线,一个方向道路设置一条虚拟拌线,横跨单方向的所有车道,并且不同方向道路虚拟拌线之间不能相交;
所述步骤2具体包括以下步骤:首先,建立高斯背景模型;
其次,将当前帧图像与背景图像做差,差值小于3倍标准差是背景,否则为前景;
再次,提取前景图像的连通区域,并滤除面积小于第一阈值的目标;
最后,以一定速率更新背景模型;
所述步骤3具体包括以下步骤:首先,将跟踪分为三类:①候选跟踪目标:当前帧匹配上的跟踪目标或者新进入场景中的目标,连续跟踪帧数小于第二阈值;②正在跟踪目标:连续跟踪帧数不小于第二阈值或者处于丢失跟踪目标队列中且丢失跟踪帧数小于第三阈值,并在当前帧匹配上的跟踪目标;③丢失跟踪目标:历史跟踪记录中,进入正在跟踪目标队列,当前帧未匹配上的目标,并且连续丢失帧数小于第三阈值;
其次,将第一帧中检测到的所有前景目标放入候选跟踪目标队列中,并将候选跟踪计数初始化为1;对于第i帧检测到的车辆目标j,根据其质心位置(gxj,gyj),在i-1帧,以(gxj,gyj)为中心,20px为半径,找到所有运动车辆目标,计算与车辆目标j的直方图相似度,当直方图相似度大于第四阈值时,选择最相似的作为匹配,将车辆目标j加入匹配的目标队列中;否则,将车辆目标j放入候选跟踪目标队列,并初始化候选跟踪计数为1;如果车辆目标j加入匹配的目标队列为候选跟踪目标队列,候选跟踪计数加1,当候选跟踪计数大于第二阈值,将其确定为正在跟踪目标队列;如果为丢失跟踪目标队列,则将其移到正在跟踪目标队列中,并将丢失跟踪计数归0,其中,i≥2,j=1,2,…,N;
最后,i-1帧中未匹配的目标,如果在候选跟踪目标队列中,则删除;如果在正在跟踪目标队列中,将其移入丢失跟踪目标队列,并初始化丢失跟踪计数为1;如果在丢失跟踪目标队列中,则丢失跟踪计数加1,丢失跟踪计数小于第三阈值时,删除该跟踪目标;
所述步骤4的具体做法是:分析目标的轨迹,分为三类;第一类:正在跟踪的车辆目标,轮廓与虚拟拌线相交,车辆统计数目加1;第二类:正在跟踪目标队列的车辆目标,轮廓与虚拟拌线不相交,但其轨迹与虚拟拌线相交,车辆统计数目加1;第三类:其他情形,车辆统计数目不变;在某个时间段内相同车辆目标的计数最多加1;
所述的统计方法采用统计装置,所述统计装置包括用于采集监控图像的图像采集模块,用于设置虚拟拌线的拌线设置模块,用于背景建模、检测前景、背景更新,提取前景中的车辆目标的目标检测模块,用于定义跟踪类别,将检测到的车辆目标归入相应的跟踪队列,记录运动轨迹的目标跟踪模块以及用于分析车辆目标的轨迹,统计车流量计数的轨迹分析和车流量统计模块;所述图像采集模块连接至所述拌线设置模块,所述拌线设置模块连接至所述目标检测模块并向其发送图像采集模块所采集的图像信息以及拌线设置模块所设置的规则信息,所述目标检测模块连接至所述目标跟踪模块并向其发送检测信息,所述目标跟踪模块连接至所述轨迹分析和车流量统计模块,向其发送目标跟踪信息,由所述轨迹分析和车流量统计模块进行分析统计并计算出车流量结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510586020.6A CN105261034B (zh) | 2015-09-15 | 2015-09-15 | 一种高速公路上车流量的统计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510586020.6A CN105261034B (zh) | 2015-09-15 | 2015-09-15 | 一种高速公路上车流量的统计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105261034A CN105261034A (zh) | 2016-01-20 |
CN105261034B true CN105261034B (zh) | 2018-12-18 |
Family
ID=55100705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510586020.6A Active CN105261034B (zh) | 2015-09-15 | 2015-09-15 | 一种高速公路上车流量的统计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105261034B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408575A (zh) * | 2016-09-06 | 2017-02-15 | 东南大学 | 一种城市交通场景中基于时间空间图像的车辆计数方法 |
CN107644528A (zh) * | 2017-08-02 | 2018-01-30 | 浙江工业大学 | 一种基于车辆跟踪的车辆排队长度检测方法 |
CN107657213A (zh) * | 2017-08-22 | 2018-02-02 | 三峡大学 | 一种运动视频目标路径检测方法和*** |
TWI631516B (zh) * | 2017-10-16 | 2018-08-01 | 緯創資通股份有限公司 | 可適用多重追蹤的目標追蹤方法與系統 |
CN108364466B (zh) * | 2018-02-11 | 2021-01-26 | 金陵科技学院 | 一种基于无人机交通视频的车流量统计方法 |
CN108389399A (zh) * | 2018-04-23 | 2018-08-10 | 白冰 | 一种智能交通车流量数据统计方法 |
CN108389403A (zh) * | 2018-04-23 | 2018-08-10 | 白冰 | 基于车流量捕捉的交通信号灯及限速标志智能调节方法 |
CN110633678B (zh) * | 2019-09-19 | 2023-12-22 | 北京同方软件有限公司 | 一种基于视频图像的快速高效的车流量计算方法 |
CN111652912B (zh) * | 2020-06-10 | 2021-02-26 | 北京嘀嘀无限科技发展有限公司 | 车辆计数方法和***、数据处理设备及智能拍摄设备 |
CN111768430B (zh) * | 2020-06-23 | 2023-08-11 | 重庆大学 | 一种基于多特征级联匹配的高速公路外场车辆跟踪方法 |
CN112069224B (zh) * | 2020-09-11 | 2023-11-17 | 重庆紫光华山智安科技有限公司 | 一种过车数量存储方法、装置、终端及计算机存储介质 |
CN113469075A (zh) * | 2021-07-07 | 2021-10-01 | 上海商汤智能科技有限公司 | 确定交通流量指标的方法、装置、设备及存储介质 |
CN115690162B (zh) * | 2022-12-28 | 2023-03-10 | 武汉凡德智能科技有限公司 | 一种固定视频中移动大目标的检测方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0567059A1 (en) * | 1992-04-24 | 1993-10-27 | Hitachi, Ltd. | Object recognition system and abnormality detection system using image processing |
JPH11175736A (ja) * | 1997-12-15 | 1999-07-02 | Toshiba Corp | 物体領域追跡装置および物体領域追跡方法 |
CN101339608A (zh) * | 2008-08-15 | 2009-01-07 | 北京中星微电子有限公司 | 一种基于检测的目标跟踪方法及*** |
CN102385803A (zh) * | 2011-10-28 | 2012-03-21 | 南京邮电大学 | 基于视频监控的全天候市区车辆跟踪与计数方法 |
CN103150903A (zh) * | 2013-02-07 | 2013-06-12 | 中国科学院自动化研究所 | 一种自适应学习的视频车辆检测方法 |
CN103366581A (zh) * | 2013-06-28 | 2013-10-23 | 南京云创存储科技有限公司 | 一种交通流量统计装置及统计方法 |
CN103426180A (zh) * | 2012-05-24 | 2013-12-04 | 信帧电子技术(北京)有限公司 | 一种视频拌线侦测方法 |
CN104599502A (zh) * | 2015-02-13 | 2015-05-06 | 重庆邮电大学 | 一种基于视频监控的车流量统计方法 |
-
2015
- 2015-09-15 CN CN201510586020.6A patent/CN105261034B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0567059A1 (en) * | 1992-04-24 | 1993-10-27 | Hitachi, Ltd. | Object recognition system and abnormality detection system using image processing |
JPH11175736A (ja) * | 1997-12-15 | 1999-07-02 | Toshiba Corp | 物体領域追跡装置および物体領域追跡方法 |
CN101339608A (zh) * | 2008-08-15 | 2009-01-07 | 北京中星微电子有限公司 | 一种基于检测的目标跟踪方法及*** |
CN102385803A (zh) * | 2011-10-28 | 2012-03-21 | 南京邮电大学 | 基于视频监控的全天候市区车辆跟踪与计数方法 |
CN103426180A (zh) * | 2012-05-24 | 2013-12-04 | 信帧电子技术(北京)有限公司 | 一种视频拌线侦测方法 |
CN103150903A (zh) * | 2013-02-07 | 2013-06-12 | 中国科学院自动化研究所 | 一种自适应学习的视频车辆检测方法 |
CN103366581A (zh) * | 2013-06-28 | 2013-10-23 | 南京云创存储科技有限公司 | 一种交通流量统计装置及统计方法 |
CN104599502A (zh) * | 2015-02-13 | 2015-05-06 | 重庆邮电大学 | 一种基于视频监控的车流量统计方法 |
Non-Patent Citations (1)
Title |
---|
"基于视频的高速公路车流量检测***研究与实现";田立明;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130215(第2期);论文第15-29、50-53页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105261034A (zh) | 2016-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105261034B (zh) | 一种高速公路上车流量的统计方法及装置 | |
CN103530874B (zh) | 基于Kinect的人流计数方法 | |
CN109147331B (zh) | 一种基于计算机视觉的道路拥堵状态检测方法 | |
CN103150559B (zh) | 基于Kinect三维深度图像的头部识别与跟踪方法 | |
Hoogendoorn et al. | Extracting microscopic pedestrian characteristics from video data | |
US20170068861A1 (en) | System and Method for Detecting and Tracking Objects | |
Lu et al. | A video-based approach to calibrating car-following parameters in VISSIM for urban traffic | |
CN106875424A (zh) | 一种基于机器视觉的城市环境行驶车辆行为识别方法 | |
CN108230254A (zh) | 一种自适应场景切换的高速交通全车道线自动检测方法 | |
CN104574439A (zh) | 一种融合卡尔曼滤波与tld算法的目标跟踪方法 | |
CN104599502A (zh) | 一种基于视频监控的车流量统计方法 | |
CN106203513A (zh) | 一种基于行人头肩多目标检测及跟踪的统计方法 | |
CN108364466A (zh) | 一种基于无人机交通视频的车流量统计方法 | |
CN109272482B (zh) | 一种基于序列图像的城市路口车辆排队检测*** | |
CN108597227A (zh) | 高速公路收费站下道交通流量预测方法 | |
CN107730889B (zh) | 一种基于交通视频的目标车辆检索方法 | |
CN103854292A (zh) | 一种人数及人群运动方向的计算方法及装置 | |
CN105513349A (zh) | 基于双视角学习的山区高速公路车辆事件检测方法 | |
CN104050818A (zh) | 基于目标跟踪和特征点匹配的运动车辆测速方法 | |
CN102722894B (zh) | 一种基于摄像机自动标定的智能视频监控方法 | |
CN105243354B (zh) | 一种基于目标特征点的车辆检测方法 | |
CN107808524A (zh) | 一种基于无人机的道路交叉口车辆检测方法 | |
CN104778676A (zh) | 基于深度测距的运动目标检测方法及*** | |
He et al. | A novel multi-source vehicle detection algorithm based on deep learning | |
CN115662166A (zh) | 一种自动驾驶数据处理方法及自动驾驶交通*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |