CN108198427A - 基于图像特征帧的闯绿灯违章判定方法 - Google Patents

基于图像特征帧的闯绿灯违章判定方法 Download PDF

Info

Publication number
CN108198427A
CN108198427A CN201711242925.7A CN201711242925A CN108198427A CN 108198427 A CN108198427 A CN 108198427A CN 201711242925 A CN201711242925 A CN 201711242925A CN 108198427 A CN108198427 A CN 108198427A
Authority
CN
China
Prior art keywords
frame
image
green light
image frame
rushing
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
CN201711242925.7A
Other languages
English (en)
Inventor
马杰
杜红民
王莹莹
孔晓阳
王茹川
王磊
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.)
Central Plains Wisdom Urban Design Research Institute Co Ltd
Original Assignee
Central Plains Wisdom Urban Design Research Institute Co Ltd
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 Central Plains Wisdom Urban Design Research Institute Co Ltd filed Critical Central Plains Wisdom Urban Design Research Institute Co Ltd
Priority to CN201711242925.7A priority Critical patent/CN108198427A/zh
Publication of CN108198427A publication Critical patent/CN108198427A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • 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
    • 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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于图像特征帧的闯绿灯违章判定方法，包括以下步骤：步骤1，基于B/S架构获取前端抓拍设备的实时视频流；步骤2，将所述实时视频流的视频流地址作为参数传入VideoStream To IMG函数，获取图像特征帧流；步骤3，通过高斯背景模型进行画面背景建模；步骤4，提取图像特征帧流的第二帧、末帧和中间帧，并采用灰度直方图法判断三帧图像特征帧的相似度,输出相似度值；步骤5，根据相似度值判断当前路***通状态；步骤6，采用深度学习算法识别出图像特征帧中信号灯状态；步骤7，根据信号灯状态和当前路***通状态判断图像特征帧流中是否存在闯绿灯现象；步骤8，将判断结果及中间帧图像特征帧上传到交通违章抓拍***。

Description

基于图像特征帧的闯绿灯违章判定方法
技术领域
本发明涉及图像分析技术领域，具体的说，涉及了一种基于图像特征帧的闯绿灯违章判定方法。
背景技术
随着车辆日益普及，交通拥堵和交通事故一直困扰着城市交通，几乎每分钟都有交通事故发生在城市的每个角落，近些年交警部门加大交通规范力度，同时几乎每个路口都有违章抓拍设备，广大车主的行为得到了规范。但是随着社会的不断发展，闯绿灯造成的交通事故率在逐年攀升，闯绿灯即为：明明看到前方路口已经造成拥堵，绿灯亮后依然越过停车线驶向拥堵路口，造成更加拥堵乃至交通事故的现象。由于条件复杂，有时候很难区分是正常行驶还是，闯绿灯行为，因此解决判定闯绿灯的问题对城市交通的改善有重要的意义。
为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。
发明内容
为了实现上述目的，本发明所采用的技术方案是：一种基于图像特征帧的闯绿灯违章判定方法，包括以下步骤：
步骤1，基于B/S架构获取前端抓拍设备的实时视频流；
步骤2，将所述实时视频流的视频流地址作为参数传入VideoStreamToIMG函数，获取图像特征帧流；
步骤3，通过高斯背景模型进行画面背景建模；
步骤4，提取图像特征帧流的第二帧、末帧和中间帧，并采用灰度直方图法判断三帧图像特征帧的相似度,输出相似度值；
步骤5，根据相似度值判断当前路***通状态；
步骤6，采用深度学习算法识别出图像特征帧中信号灯状态，在信号灯状态为绿灯时用L＝G表示；
步骤7，根据步骤6中获得的信号灯状态和步骤5获得的当前路***通状态判断图像特征帧流中是否存在闯绿灯现象；
步骤8，将判断结果及中间帧图像特征帧上传到交通违章抓拍***。
基于上述，步骤1，基于B/S架构获取前端抓拍设备的实时视频流的具体步骤为：
在B/S架构下，通过视频专用网络调用基于前端抓拍设备的SDK接口，获取前端抓拍设备的实时视频流，并保存视频流地址StreamAd。
基于上述，步骤4的具体步骤为：
提取图像特征帧的第二帧图像IMGArr[2]、末帧图像IMGArr[i]和中间帧图像IMGArr[i/2]；
采用灰度直方图法对图像特征帧的第二帧图像IMGArr[2]、末帧图像IMGArr[i]和中间帧图像IMGArr[i/2]进行相似度比较，输出相似度值F(G,S，N)；
其中G,S为灰度直方图，N为颜色空间样点数。
基于上述，步骤5的具体步骤为：
令变量V表示当前路口状态，根据F(G,S，N)的值判断当前路口状态：
若F(G,S，N)≧70，则V＝拥堵；
若F(G,S，N)<70且F(G,S，N)>30，则V＝行驶缓慢；
若F(G,S，N)≤30，则V＝畅通。
基于上述，步骤7中闯绿灯的判断依据为：
当V＝拥堵且L＝G，则判断为闯绿灯；否则判断为未闯绿灯。
本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说，本发明实时获取前端抓拍设备的视频流，并通过高斯背景模型方法进行画面背景建模，从视频流中获取图像特征帧并采用灰度直方图发进行相似度判断已确定当前路口的状态，最后结合信号灯状态判断是否存在闯绿灯现象，具有设计科学、使用方便的特点，能够极大的缓解交通压力。
具体实施方式
下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。
本发明提供一种基于图像特征帧的闯绿灯违章判定方法，包括以下步骤：
步骤1，基于B/S架构获取前端抓拍设备的实时视频流；
通过视频专用网络调用基于前端抓拍设备的SDK接口，获取前端抓拍设备的实时视频流，并保存视频流地址StreamAd，使用arrStreamAd[j]保存多个前端抓拍设备的实时视频流地址；
步骤2，将所述实时视频流的视频流地址作为参数传入VideoStreamToIMG函数，获取图像特征帧流，用数组IMGArr[i]表示,其中i为当前帧率的索引，图像特征帧首帧即IMGArr[1]，图像特征帧第二帧即IMGArr[2]，图像特征帧的第i/2帧即IMGArr[i/2]，图像特征帧的第i帧即IMGArr[i]；
步骤3，通过高斯背景模型进行画面背景建模；
步骤4，提取图像特征帧流的第二帧、末帧和中间帧，并采用灰度直方图法判断三帧图像特征帧的相似度,输出相似度值F(G,S，N)：
其中G,S为灰度直方图，N为颜色空间样点数；
步骤5，根据相似度值判断当前路***通状态；
令变量V表示当前路口状态，根据F(G,S，N)的值判断当前路口状态：
若F(G,S，N)≧70，则V＝拥堵；
若F(G,S，N)<70且F(G,S，N)>30，则V＝行驶缓慢；
若F(G,S，N)≤30，则V＝畅通；
步骤6，采用深度学习算法识别出图像特征帧中信号灯状态，在信号灯状态为绿灯时用L＝G表示；
步骤7，根据步骤6中获得的信号灯状态和步骤5获得的当前路***通状态判断图像特征帧流中是否存在闯绿灯现象，具体判断依据为：当V＝拥堵且L＝G，则判断为闯绿灯；否则判断为未闯绿灯；
步骤8，调用违章抓拍***发布在专网服务器上的数据上传端口，将判断结果及位置图像上传到交通违章抓拍***。
具体的，步骤2中通过高斯背景模型方法进行画面背景建模的具体步骤为：
获取图像特征帧的首帧图像中的每个像素点的像素值和深度值；
根据所述每个像素点的像素值和深度值，分别计算所述当前图像的方差和期望值；根据所述当前图像的方差和期望值，从预设的混合高斯模型包括的多个单高斯模型中选择一个匹配单高斯模型；
根据所述当前图像的方差和期望值，对每个像素点对应的匹配单高斯模型的方差和期望值进行更新，以完成背景建模。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。

Claims (5)

1.一种基于图像特征帧的闯绿灯违章判定方法，其特征在于，包括以下步骤：
步骤1，基于B/S架构获取前端抓拍设备的实时视频流；
步骤2，将所述实时视频流的视频流地址作为参数传入VideoStream To IMG函数，获取图像特征帧流；
步骤3，通过高斯背景模型进行画面背景建模；
步骤4，提取图像特征帧流的第二帧、末帧和中间帧，并采用灰度直方图法判断三帧图像特征帧的相似度,输出相似度值；
步骤5，根据相似度值判断当前路***通状态；
步骤6，采用深度学习算法识别出图像特征帧中信号灯状态，在信号灯状态为绿灯时用L＝G表示；
步骤7，根据步骤6中获得的信号灯状态和步骤5获得的当前路***通状态判断图像特征帧流中是否存在闯绿灯现象；
步骤8，将判断结果及中间帧图像特征帧上传到交通违章抓拍***。
2.根据权利要求1所述的一种基于图像特征帧的闯绿灯违章判定方法，其特征在于，步骤1，基于B/S架构获取前端抓拍设备的实时视频流的具体步骤为：
在B/S架构下，通过视频专用网络调用基于前端抓拍设备的SDK接口，获取前端抓拍设备的实时视频流，并保存视频流地址StreamAd。
3.根据权利要求1所述的一种基于图像特征帧的闯绿灯违章判定方法，其特征在于：步骤4的具体步骤为：
提取图像特征帧的第二帧图像IMGArr[2]、末帧图像IMGArr[i]和中间帧图像IMGArr[i/2]；
采用灰度直方图法对图像特征帧的第二帧图像IMGArr[2]、末帧图像IMGArr[i]和中间帧图像IMGArr[i/2]进行相似度比较，输出相似度值F(G,S，N)：
其中G,S为灰度直方图，N为颜色空间样点数。
4.根据权利要求3所述的一种基于图像特征帧的闯绿灯违章判定方法，步骤5的具体步骤为：
令变量V表示当前路口状态，根据F(G,S，N)的值判断当前路口状态：
若F(G,S，N)≧70，则V＝拥堵；
若F(G,S，N)<70且F(G,S，N)>30，则V＝行驶缓慢；
若F(G,S，N)≤30，则V＝畅通。
5.根据权利要求4所述的一种基于图像特征帧的闯绿灯违章判定方法，步骤7中闯绿灯的判断依据为：
当V＝拥堵且L＝G，则判断为闯绿灯；否则判断为未闯绿灯。
CN201711242925.7A 2017-11-30 2017-11-30 基于图像特征帧的闯绿灯违章判定方法 Pending CN108198427A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711242925.7A CN108198427A (zh) 2017-11-30 2017-11-30 基于图像特征帧的闯绿灯违章判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711242925.7A CN108198427A (zh) 2017-11-30 2017-11-30 基于图像特征帧的闯绿灯违章判定方法

Publications (1)

Publication Number Publication Date
CN108198427A true CN108198427A (zh) 2018-06-22

Family

ID=62573575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711242925.7A Pending CN108198427A (zh) 2017-11-30 2017-11-30 基于图像特征帧的闯绿灯违章判定方法

Country Status (1)

Country Link
CN (1) CN108198427A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020054210A1 (en) * 1997-04-14 2002-05-09 Nestor Traffic Systems, Inc. Method and apparatus for traffic light violation prediction and control
CN102039738A (zh) * 2009-12-09 2011-05-04 辉县市文教印务有限公司 高速装订机页面在线模糊识别***
CN102768801A (zh) * 2012-07-12 2012-11-07 复旦大学 基于视频的机动车绿灯跟进违章行为的检测方法
CN103279765A (zh) * 2013-06-14 2013-09-04 重庆大学 基于图像匹配的钢丝绳表面损伤检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020054210A1 (en) * 1997-04-14 2002-05-09 Nestor Traffic Systems, Inc. Method and apparatus for traffic light violation prediction and control
CN102039738A (zh) * 2009-12-09 2011-05-04 辉县市文教印务有限公司 高速装订机页面在线模糊识别***
CN102768801A (zh) * 2012-07-12 2012-11-07 复旦大学 基于视频的机动车绿灯跟进违章行为的检测方法
CN103279765A (zh) * 2013-06-14 2013-09-04 重庆大学 基于图像匹配的钢丝绳表面损伤检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
卢志茂等: "基于特征帧构建的运动目标检测方法", 《红外与激光工程》 *

Similar Documents

Publication Publication Date Title
CN103578119B (zh) 基于超像素的Codebook动态场景中目标检测方法
CN110795595B (zh) 基于边缘计算的视频结构化存储方法、装置、设备及介质
CN109559302A (zh) 基于卷积神经网络的管道视频缺陷检测方法
CN108681692A (zh) 一种基于深度学习的遥感图像内新增建筑识别方法
CN104331450B (zh) 基于多模式特征和张量分解的视频拷贝检测方法
CN108921083A (zh) 基于深度学习目标检测的非法流动摊贩识别方法
CN103400113B (zh) 基于图像处理的高速公路隧道行人检测方法
CN106295645B (zh) 一种车牌字符识别方法和装置
CN111047874B (zh) 智能交通违章管理方法及相关产品
CN110909699A (zh) 视频车辆非导向行驶检测方法、装置及可读存储介质
CN112464822B (zh) 一种基于特征增强的头盔佩戴检测方法及***
CN108062554B (zh) 一种车辆年检标签颜色的识别方法及装置
CN111832461A (zh) 一种基于视频流的非机动车骑行人员头盔佩戴检测方法
CN110097026A (zh) 一种基于多维要素视频分割的段落关联规则评判方法
CN110135345A (zh) 基于深度学习的行为识别方法、装置、设备及存储介质
CN102833492A (zh) 一种基于颜色相似度的视频场景分割方法
CN107564018A (zh) 一种利用改进迭代算法提取目标图像的方法
CN108734131A (zh) 一种图像中的交通标志对称性检测方法
US20230386221A1 (en) Method for detecting road conditions and electronic device
Shan et al. A small traffic sign detection algorithm based on modified ssd
Tariq et al. Real time vehicle detection and colour recognition using tuned features of Faster-RCNN
CN108198427A (zh) 基于图像特征帧的闯绿灯违章判定方法
CN112750128B (zh) 图像语义分割方法、装置、终端及可读存储介质
CN104809438B (zh) 一种检测电子眼的方法和设备
CN103618846A (zh) 一种视频分析中抑制光线突然变化影响的背景去除方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180622

RJ01 Rejection of invention patent application after publication