CN107122758A - 一种车型识别和车流量检测方法 - Google Patents
一种车型识别和车流量检测方法 Download PDFInfo
- Publication number
- CN107122758A CN107122758A CN201710328412.1A CN201710328412A CN107122758A CN 107122758 A CN107122758 A CN 107122758A CN 201710328412 A CN201710328412 A CN 201710328412A CN 107122758 A CN107122758 A CN 107122758A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- pixel
- image
- following formula
- background
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种车型识别和车流量检测方法,包括以下步骤:S1:从交通监控视频中读取视频帧图像,设定检测区域,运用均值法、ostu法提取出目标前景信息;S2:判断前景目标中是否存在车辆目标信息,若无则转步骤S1读取下一帧;S3:采用基于颜色和纹理的阴影检测算法对提取的前景去除阴影;S4:对出去阴影后的目标块采用canny边缘检测法检测轮廓并提取轮廓并提取轮廓的最小外接矩形,判定车型;S5:利用卡尔曼滤波器跟踪车辆,统计车辆经过检测区域需要的帧数,对车辆类型做进一步判断,统计相应车型的车流量。
Description
技术领域
本发明具体涉及一种车型识别和车流量检测方法。
背景技术
近年来随着机动车保有量的迅速增加,交通拥堵等各类交通事故频发。为了解决日益恶化的交通问题,智能交通***应运而生。交通监控***是智能交通***的重要组成部分,而车型识别、车流量检测是交通监控***自动化的基础部分,为进一步提取、分析道路交通信息和控制车辆提供依据。
针对交通视频中的运动车辆目标检测,当前主要方法有:帧间差分法、光流法、背景差分法。其中背景差分计算简单,是目前最常用的方法。背景差分法可以获取完整运动物体外形,但是通常计算量也较大。
发明内容
本发明要解决的技术问题是提供一种车型识别和车流量检测方法。
一种车型识别和车流量检测方法,包括以下步骤:
S1:从交通监控视频中读取视频帧图像,设定检测区域,运用均值法、ostu法提取出目标前景信息;
S2:判断前景目标中是否存在车辆目标信息,若无则转步骤S1读取下一帧;
S3:采用基于颜色和纹理的阴影检测算法对提取的前景去除阴影;
S4:对出去阴影后的目标块采用canny边缘检测法检测轮廓并提取轮廓并提取轮廓的最小外接矩形,按照下式判定车型;
;
S5:利用卡尔曼滤波器跟踪车辆,统计车辆经过检测区域需要的帧数,按照下式对车辆类型做进一步判断,统计相应车型的车流量;
,
其中,数字代表各车型通过检测区域需要的帧数。
进一步的,步骤S1的具体方法如下:
1)将彩色图像灰度化,对灰度图的每一个像素求取平均值,如下式:
;
其中,i=1,2,…,n;为第i帧对应点(x,y)的像素值,A(x,y)为该点的平均值;
2)将n幅图像中同一点像素与对应的均值A(x,y)求差值,再将绝对差值累加,然后取平均值,并遍历图像中其他的所有像素,如下式:
;
其中n为提取的帧数;
3)修正差异大的点,假如某像素点与均值的绝对差值大于平均绝对值误差,则该点就取平均值像素值,否则就取当前帧对应像素的值,如下式:
;
4)对修正好的每一个像素求平均值,记为B(x,y),得到的图像即为背景图像,如下式:
;
获得初始背景后,通过计算当前帧与背景图像的差值获得前景运动图像,得到的前景图像,如下式:
;
对背景进行实时更新,更新方法如下式:
;
其中为0-1之间的数;
如果,则判断为前景,背景保持原来的值;如果,则判断是背景,更新背景值。
进一步的,步骤S3的具体方法如下:
1)对采集的交通监控视频进行预处理,通过均值差分、ostu等方法提取出前景目标块Q;
2)对前景图像进行形态学的腐蚀处理,得到Qe;
3)将Q与Qe作差得到前景图像的边缘信息:Qd=Q-Qe;
4)将前景图像Qe分别进行基于纹理的阴影检测和基于SNP的阴影检测,两种处理得到的结果做“与”运算;
5)对边缘图像Qd进行基于颜色的SNP阴影检测;
6)依据下列公式标记出上述图像中的阴影点;
SNP算法阴影判断标准为:
;
其中,Ts和Tc均为阈值,和分别为亮度失真度和颜色失真度;
纹理检测算法阴影判别准则为:
;
其中为阈值,、代表背景像素点各通道水平和垂直方向的一阶梯度,、代表当前帧像素各通道水平和垂直方向的一阶梯度;
7)将标记为阴影点的像素从前景中去除,得到属于车辆的前景目标块。
本发明的有益效果是:
本发明对阴影进行有效去除,将车型识别和车流量统计结合起来,计算复杂度低,稳健性好;该方法识别检测精度较高,能达到***实时性要求。
具体实施方式
以下具体实施例对本发明作进一步阐述,但不作为对本发明的限定。
一种车型识别和车流量检测方法,包括以下步骤:
S1:从交通监控视频中读取视频帧图像,设定检测区域,运用均值法、ostu法提取出目标前景信息;
S2:判断前景目标中是否存在车辆目标信息,若无则转步骤S1读取下一帧;
S3:采用基于颜色和纹理的阴影检测算法对提取的前景去除阴影;
S4:对出去阴影后的目标块采用canny边缘检测法检测轮廓并提取轮廓并提取轮廓的最小外接矩形,按照下式判定车型;
;
S5:利用卡尔曼滤波器跟踪车辆,统计车辆经过检测区域需要的帧数,按照下式对车辆类型做进一步判断,统计相应车型的车流量;
,
其中,数字代表各车型通过检测区域需要的帧数。
步骤S1的具体方法如下:
1)将彩色图像灰度化,对灰度图的每一个像素求取平均值,如下式:
;
其中,i=1,2,…,n;为第i帧对应点(x,y)的像素值,A(x,y)为该点的平均值;
2)将n幅图像中同一点像素与对应的均值A(x,y)求差值,再将绝对差值累加,然后取平均值,并遍历图像中其他的所有像素,如下式:
;
其中n为提取的帧数;
3)修正差异大的点,假如某像素点与均值的绝对差值大于平均绝对值误差,则该点就取平均值像素值,否则就取当前帧对应像素的值,如下式:
;
4)对修正好的每一个像素求平均值,记为B(x,y),得到的图像即为背景图像,如下式:
;
获得初始背景后,通过计算当前帧与背景图像的差值获得前景运动图像,得到的前景图像,如下式:
;
对背景进行实时更新,更新方法如下式:
;
其中为0-1之间的数;
如果,则判断为前景,背景保持原来的值;如果,则判断是背景,更新背景值。
步骤S3的具体方法如下:
1)对采集的交通监控视频进行预处理,通过均值差分、ostu等方法提取出前景目标块Q;
2)对前景图像进行形态学的腐蚀处理,得到Qe;
3)将Q与Qe作差得到前景图像的边缘信息:Qd=Q-Qe;
4)将前景图像Qe分别进行基于纹理的阴影检测和基于SNP的阴影检测,两种处理得到的结果做“与”运算;
5)对边缘图像Qd进行基于颜色的SNP阴影检测;
6)依据下列公式标记出上述图像中的阴影点;
SNP算法阴影判断标准为:
;
其中,Ts和Tc均为阈值,和分别为亮度失真度和颜色失真度;
纹理检测算法阴影判别准则为:
;
其中为阈值,、代表背景像素点各通道水平和垂直方向的一阶梯度,、代表当前帧像素各通道水平和垂直方向的一阶梯度;
7)将标记为阴影点的像素从前景中去除,得到属于车辆的前景目标块。
Claims (3)
1.一种车型识别和车流量检测方法,其特征在于,包括以下步骤:
S1:从交通监控视频中读取视频帧图像,设定检测区域,运用均值法、ostu法提取出目标前景信息;
S2:判断前景目标中是否存在车辆目标信息,若无则转步骤S1读取下一帧;
S3:采用基于颜色和纹理的阴影检测算法对提取的前景去除阴影;
S4:对出去阴影后的目标块采用canny边缘检测法检测轮廓并提取轮廓并提取轮廓的最小外接矩形,按照下式判定车型;
;
S5:利用卡尔曼滤波器跟踪车辆,统计车辆经过检测区域需要的帧数,按照下式对车辆类型做进一步判断,统计相应车型的车流量;
,
其中,数字代表各车型通过检测区域需要的帧数。
2.根据权利要求1所述的车型识别和车流量检测方法,,其特征在于,步骤S1的具体方法如下:
1)将彩色图像灰度化,对灰度图的每一个像素求取平均值,如下式:
;
其中,i=1,2,…,n;为第i帧对应点(x,y)的像素值,A(x,y)为该点的平均值;
2)将n幅图像中同一点像素与对应的均值A(x,y)求差值,再将绝对差值累加,然后取平均值,并遍历图像中其他的所有像素,如下式:
;
其中n为提取的帧数;
3)修正差异大的点,假如某像素点与均值的绝对差值大于平均绝对值误差,则该点就取平均值像素值,否则就取当前帧对应像素的值,如下式:
;
4)对修正好的每一个像素求平均值,记为B(x,y),得到的图像即为背景图像,如下式:
;
获得初始背景后,通过计算当前帧与背景图像的差值获得前景运动图像,得到的前景图像,如下式:
;
对背景进行实时更新,更新方法如下式:
;
其中为0-1之间的数;
如果,则判断为前景,背景保持原来的值;如果,则判断是背景,更新背景值。
3.根据权利要求1所述的车型识别和车流量检测方法,,其特征在于,步骤S3的具体方法如下:
1)对采集的交通监控视频进行预处理,通过均值差分、ostu等方法提取出前景目标块Q;
2)对前景图像进行形态学的腐蚀处理,得到Qe;
3)将Q与Qe作差得到前景图像的边缘信息:Qd=Q-Qe;
4)将前景图像Qe分别进行基于纹理的阴影检测和基于SNP的阴影检测,两种处理得到的结果做“与”运算;
5)对边缘图像Qd进行基于颜色的SNP阴影检测;
6)依据下列公式标记出上述图像中的阴影点;
SNP算法阴影判断标准为:
;
其中,Ts和Tc均为阈值,和分别为亮度失真度和颜色失真度;
纹理检测算法阴影判别准则为:
;
其中为阈值,、代表背景像素点各通道水平和垂直方向的一阶梯度,、代表当前帧像素各通道水平和垂直方向的一阶梯度;
7)将标记为阴影点的像素从前景中去除,得到属于车辆的前景目标块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328412.1A CN107122758A (zh) | 2017-05-11 | 2017-05-11 | 一种车型识别和车流量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328412.1A CN107122758A (zh) | 2017-05-11 | 2017-05-11 | 一种车型识别和车流量检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107122758A true CN107122758A (zh) | 2017-09-01 |
Family
ID=59727064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710328412.1A Withdrawn CN107122758A (zh) | 2017-05-11 | 2017-05-11 | 一种车型识别和车流量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107122758A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886502A (zh) * | 2017-10-24 | 2018-04-06 | 天津大学 | 一种复杂环境下颜色与梯度综合的阴影检测与去除算法 |
CN108986465A (zh) * | 2018-07-27 | 2018-12-11 | 深圳大学 | 一种车流量检测的方法、***及终端设备 |
CN109117702A (zh) * | 2018-06-12 | 2019-01-01 | 深圳中兴网信科技有限公司 | 目标车辆的检测与跟踪计数方法及*** |
CN109325447A (zh) * | 2018-09-21 | 2019-02-12 | 清华大学苏州汽车研究院(吴江) | 基于视频分析的非导向行驶检测方法 |
CN109919072A (zh) * | 2019-02-28 | 2019-06-21 | 桂林电子科技大学 | 基于深度学习和轨迹跟踪的精细车型识别与流量统计方法 |
CN110136453A (zh) * | 2019-06-14 | 2019-08-16 | 内蒙古工业大学 | 基于lk局部差分光流法的车流量检测方法 |
CN110309838A (zh) * | 2019-07-08 | 2019-10-08 | 上海天诚比集科技有限公司 | 基于指数变换的视频检测区物体轮廓检测预处理方法 |
CN110610118A (zh) * | 2018-06-15 | 2019-12-24 | 杭州海康威视数字技术股份有限公司 | 交通参数采集方法及装置 |
CN110738210A (zh) * | 2019-10-09 | 2020-01-31 | 中山安信通机器人制造有限公司 | 一种基于纹理特征的车辆侦测方法 |
CN110751119A (zh) * | 2019-10-28 | 2020-02-04 | 中国电子科技集团公司第四十四研究所 | 一种车流量统计与车型分类方法及装置 |
CN111274843A (zh) * | 2018-11-16 | 2020-06-12 | 上海交通大学 | 基于监控视频的货车超载监测方法及*** |
CN111310736A (zh) * | 2020-03-26 | 2020-06-19 | 上海同岩土木工程科技股份有限公司 | 一种保护区内车辆卸载堆土的快速识别方法 |
CN111724405A (zh) * | 2020-06-01 | 2020-09-29 | 厦门大学 | 一种基于边界约束卡尔曼滤波长时间多目标对虾跟踪方法 |
CN115482474A (zh) * | 2022-08-24 | 2022-12-16 | 湖南科技大学 | 一种基于高空航拍图像的桥面车辆荷载识别方法和*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266717A (zh) * | 2008-04-25 | 2008-09-17 | 北京科技大学 | 一种基于多mems传感器的车辆检测识别***及其方法 |
CN104183133A (zh) * | 2014-08-11 | 2014-12-03 | 广州普勒仕交通科技有限公司 | 一种采集和传输道路交通流动态信息的方法 |
-
2017
- 2017-05-11 CN CN201710328412.1A patent/CN107122758A/zh not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266717A (zh) * | 2008-04-25 | 2008-09-17 | 北京科技大学 | 一种基于多mems传感器的车辆检测识别***及其方法 |
CN104183133A (zh) * | 2014-08-11 | 2014-12-03 | 广州普勒仕交通科技有限公司 | 一种采集和传输道路交通流动态信息的方法 |
Non-Patent Citations (1)
Title |
---|
吴亚斌 等: ""一种基于监控视频的车型识别和车流量检测算法"", 《图像与多媒体》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886502A (zh) * | 2017-10-24 | 2018-04-06 | 天津大学 | 一种复杂环境下颜色与梯度综合的阴影检测与去除算法 |
CN109117702B (zh) * | 2018-06-12 | 2022-01-25 | 深圳中兴网信科技有限公司 | 目标车辆的检测与跟踪计数方法及*** |
CN109117702A (zh) * | 2018-06-12 | 2019-01-01 | 深圳中兴网信科技有限公司 | 目标车辆的检测与跟踪计数方法及*** |
CN110610118A (zh) * | 2018-06-15 | 2019-12-24 | 杭州海康威视数字技术股份有限公司 | 交通参数采集方法及装置 |
CN108986465A (zh) * | 2018-07-27 | 2018-12-11 | 深圳大学 | 一种车流量检测的方法、***及终端设备 |
CN109325447A (zh) * | 2018-09-21 | 2019-02-12 | 清华大学苏州汽车研究院(吴江) | 基于视频分析的非导向行驶检测方法 |
CN111274843A (zh) * | 2018-11-16 | 2020-06-12 | 上海交通大学 | 基于监控视频的货车超载监测方法及*** |
CN111274843B (zh) * | 2018-11-16 | 2023-05-02 | 上海交通大学 | 基于监控视频的货车超载监测方法及*** |
CN109919072A (zh) * | 2019-02-28 | 2019-06-21 | 桂林电子科技大学 | 基于深度学习和轨迹跟踪的精细车型识别与流量统计方法 |
CN110136453A (zh) * | 2019-06-14 | 2019-08-16 | 内蒙古工业大学 | 基于lk局部差分光流法的车流量检测方法 |
CN110309838A (zh) * | 2019-07-08 | 2019-10-08 | 上海天诚比集科技有限公司 | 基于指数变换的视频检测区物体轮廓检测预处理方法 |
CN110309838B (zh) * | 2019-07-08 | 2023-05-16 | 上海天诚比集科技有限公司 | 基于指数变换的视频检测区物体轮廓检测预处理方法 |
CN110738210A (zh) * | 2019-10-09 | 2020-01-31 | 中山安信通机器人制造有限公司 | 一种基于纹理特征的车辆侦测方法 |
CN110751119A (zh) * | 2019-10-28 | 2020-02-04 | 中国电子科技集团公司第四十四研究所 | 一种车流量统计与车型分类方法及装置 |
CN111310736A (zh) * | 2020-03-26 | 2020-06-19 | 上海同岩土木工程科技股份有限公司 | 一种保护区内车辆卸载堆土的快速识别方法 |
CN111310736B (zh) * | 2020-03-26 | 2023-06-13 | 上海同岩土木工程科技股份有限公司 | 一种保护区内车辆卸载堆土的快速识别方法 |
CN111724405A (zh) * | 2020-06-01 | 2020-09-29 | 厦门大学 | 一种基于边界约束卡尔曼滤波长时间多目标对虾跟踪方法 |
CN115482474A (zh) * | 2022-08-24 | 2022-12-16 | 湖南科技大学 | 一种基于高空航拍图像的桥面车辆荷载识别方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122758A (zh) | 一种车型识别和车流量检测方法 | |
WO2021208275A1 (zh) | 一种交通视频背景建模方法及*** | |
CN112036254B (zh) | 基于视频图像的运动车辆前景检测方法 | |
EP2919189B1 (en) | Pedestrian tracking and counting method and device for near-front top-view monitoring video | |
CN102867177B (zh) | 一种基于图像灰度匹配的人数统计方法 | |
CN108038416B (zh) | 车道线检测方法及*** | |
CN109784344A (zh) | 一种用于地平面标识识别的图像非目标滤除方法 | |
CN103854292B (zh) | 一种人数及人群运动方向的计算方法及装置 | |
US8019157B2 (en) | Method of vehicle segmentation and counting for nighttime video frames | |
CN106327488B (zh) | 一种自适应的前景检测方法及其检测装置 | |
Ha et al. | License Plate Automatic Recognition based on edge detection | |
CN109214380A (zh) | 车牌倾斜校正方法 | |
CN104952256A (zh) | 一种基于视频信息的交叉口处车辆的检测方法 | |
CN105374049B (zh) | 一种基于稀疏光流法的多角点跟踪方法及装置 | |
CN108198208A (zh) | 一种基于目标跟踪的移动侦测方法 | |
Li et al. | A lane marking detection and tracking algorithm based on sub-regions | |
CN104537688A (zh) | 一种基于背景差分和hog特征的运动目标检测方法 | |
CN111652033A (zh) | 基于OpenCV的车道线检测方法 | |
CN109766846B (zh) | 一种基于视频的自适应多车道车流检测方法及*** | |
CN102006462A (zh) | 利用运动信息的快速监控视频增强方法及其实现装置 | |
CN103578121A (zh) | 干扰运动环境下基于共享高斯模型的运动检测方法 | |
CN108009480A (zh) | 一种基于特征识别的图像人体行为检测方法 | |
US9875549B2 (en) | Change detection in video data | |
JP2003248895A (ja) | 画像式車両感知システム及び画像式車両感知方法 | |
CN110580449A (zh) | 一种图像型火焰识别检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170901 |