TWI408625B - 車輛追蹤系統及其方法 - Google Patents

車輛追蹤系統及其方法 Download PDF

Info

Publication number
TWI408625B
TWI408625B TW099111933A TW99111933A TWI408625B TW I408625 B TWI408625 B TW I408625B TW 099111933 A TW099111933 A TW 099111933A TW 99111933 A TW99111933 A TW 99111933A TW I408625 B TWI408625 B TW I408625B
Authority
TW
Taiwan
Prior art keywords
vehicle
objects
threshold value
bright
image
Prior art date
Application number
TW099111933A
Other languages
English (en)
Other versions
TW201135680A (en
Inventor
Bing Fei Wu
Yen Lin Chen
hao yu Huang
Chung Jui Fan
Original Assignee
Univ Nat Chiao Tung
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 Univ Nat Chiao Tung filed Critical Univ Nat Chiao Tung
Priority to TW099111933A priority Critical patent/TWI408625B/zh
Priority to US12/905,576 priority patent/US8503725B2/en
Publication of TW201135680A publication Critical patent/TW201135680A/zh
Application granted granted Critical
Publication of TWI408625B publication Critical patent/TWI408625B/zh

Links

Classifications

    • 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
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/30236—Traffic on road, railway or crossing
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Description

車輛追蹤系統及其方法
本發明是有關於一種車輛追蹤系統及其方法，特別是有關於一種應用於夜間車輛追蹤之車輛追蹤系統及其方法。
目前，習知的車輛偵測的技術包含了利用邊緣特性、移動輪廓、背景收斂或是角點等方法，來萃取出車輛的外觀特徵。然而於夜間時，光線較不充足且較不均勻，所以上述這些方法皆無法有效的應用於夜間道路的環境。請參閱第1~3圖，其係為習知之車輛偵測方法之示意圖。如第1圖所示，其係為邊緣偵測的結果，從影像內可以觀察得知，在路面上所偵測到的物件包含了車燈、路面炫光、標線和標誌等。而第2圖則為利用連續影像相減獲得移動輪廓，萃取出得移動輪廓仍然以車燈為主。第3圖則為藉由背景收斂獲得影像的背景，將原始影像與背景相減偵測出前景物件，其中設定較高的影像相減門檻值，可以萃取出以車燈為主的物件特徵。綜上所述，在夜間的道路環境裡不管是利用何種方式萃取物件，皆以車燈為最主要明顯的特徵。因此，提供一種以車燈為基礎之車輛偵測系統，來解決習知車輛偵測的技術無法於夜間有效運作的問題，就顯得相當重要了。
有鑑於上述習知技藝之問題，本發明之目的就是在提供一種車輛追蹤系統及其方法，以解決習知車輛偵測的技術無法於夜間有效運作的問題。
根據本發明之目的，提出一種車輛追蹤方法，其包含以一明亮物件切割法擷取一影像中之複數個明亮物件，並以一連通物件標定法對明亮物件進行座標標定進而形成複數個連通物件，接著以一明亮物件辨識法對連通物件進行特徵判定、分析及合併進而形成複數個車燈物件，再以一多車輛追蹤法對車燈物件進行軌跡追蹤，最後則以一車輛辨識法對複數個車燈物件進行車輛種類辨識，並計算各種車輛的數量。
其中，影像係為一灰階影像，且明亮物件切割法係透過灰階影像之一灰階統計圖決定複數個門檻值，並根據門檻值判斷灰階影像中特性相近之同質物件後，切割出明亮物件。
其中，影像中之複數個車道線係定義一偵測區域，且連通物件標定法包含一粗略掃描及一精煉掃描，其係以連通分量標示將相鄰的複數個明亮物件標示為同一物件進而成為複數個連通物件。
其中，明亮物件辨識法係將連通物件之寬高比、面積值及密度值對應比對一寬高比上限門檻值、一寬高比下限門檻值、一面積上限門檻值、一面積下限門檻值以及一密度臨界門檻值，以判斷連通物件之特徵進而擷取複數個車燈物件；且當明亮物件辨識法判斷出任二連通物件之水平距離及垂直距離分別對應小於一水平距離門檻值及一垂直距離門檻值時，則該二連通物件即合併成複數 個車燈物件其中之一。
其中，多車輛追蹤法係追蹤車燈物件之軌跡；而當任二複數個車燈物件之面積值、寬度值及水平距離值分別符合一車燈面積門檻值、一車燈寬度門檻值及一車燈水平距離門檻值時，多車輛追蹤法即合併二車燈物件成為一車燈組物件，並追蹤車燈組物件之軌跡。
其中，車輛辨識法係將車燈物件之寬高比與一機車寬高比門檻值及一汽車寬高比門檻值進行比對，且根據比對結果判斷車燈物件所屬的車輛種類。
根據本發明之目的，提出一種車輛追蹤系統，其包含一影像擷取模組、一顯示模組及一處理模組。影像擷取模組係擷取一影像，而顯示模組則係顯示該影像，處理模組則係以一明亮物件切割單元擷取影像中之複數個明亮物件，又以一連通物件標定單元對明亮物件進行座標標定進而形成複數個連通物件，再以一明亮物件辨識單元對連通物件進行特徵判定、分析及合併進而形成複數個車燈物件，並以一多車輛追蹤單元對車燈物件進行軌跡追蹤，更以一車輛辨識單元對車燈物件進行車輛種類辨識並計算各種車輛的數量後，控制顯示模組顯示各種車輛的數量。
其中，影像係為一灰階影像，且明亮物件切割單元係透過灰階影像之一灰階統計圖決定複數個門檻值，並根據門檻值判斷灰階影像中特性相近之同質物件後，切割出複數個明亮物件。
其中，影像中之複數個車道線係定義一偵測區域，且連通物件標 定單元包含一粗略掃描及一精煉掃描，其係以連通分量標示將相鄰的明亮物件標示為同一物件成為複數個連通物件。
其中，明亮物件辨識單元係將連通物件之寬高比、面積值及密度值對應比對一寬高比上限門檻值、一寬高比下限門檻值、一面積上限門檻值、一面積下限門檻值以及一密度臨界門檻值，以判斷連通物件之特徵進而擷取複數個車燈物件；且當明亮物件辨識單元判斷出任二連通物件之水平距離及垂直距離分別對應小於一水平距離門檻值及一垂直距離門檻值時，則二連通物件即合併成複數個車燈物件其中之一。
其中，多車輛追蹤單元係追蹤車燈物件之軌跡；而當任二車燈物件之面積值、寬度值及水平距離值分別符合一車燈面積門檻值、一車燈寬度門檻值及一車燈水平距離門檻值時，多車輛追蹤單元即合併二車燈物件成為一車燈組物件，並追蹤車燈組物件之軌跡。
其中，車輛辨識單元係將車燈物件之寬高比與一機車寬高比門檻值及一汽車寬高比門檻值進行比對，且根據比對結果判斷車燈物件所屬的車輛種類。
承上所述，依本發明之車輛追蹤系統及其方法，其可具有一或多個下述優點：
(1)此車輛追蹤系統及其方法可藉由切割出車燈圖像進行處理，藉此可提高夜間車輛偵測之準確性。
(2)此車輛追蹤系統及其方法可藉由以單車燈為基礎的方式進行 多車燈追蹤，藉此可解決夜間車輛辨識不易的問題。
1‧‧‧車輛追蹤系統
10‧‧‧影像擷取模組
11‧‧‧顯示模組
12‧‧‧處理模組
120‧‧‧明亮物件切割單元
121‧‧‧連通物件標定單元
122‧‧‧明亮物件辨識單元
123‧‧‧多車輛追蹤單元
124‧‧‧車輛辨識單元
2‧‧‧影像
20‧‧‧明亮物件
21‧‧‧連通物件
22‧‧‧車燈物件
S10~S50‧‧‧步驟
第1圖係為習知以邊緣偵測車輛的方法之示意圖；第2圖係為習知以移動輪廓偵測車輛的方法之示意圖；第3圖係為習知以背景收斂偵測車輛的方法之示意圖；第4圖係為本發明之車輛追蹤方法之流程圖；第5圖係為本發明之車輛追蹤方法之明亮物件切割法第一實施示意圖；第6圖係為本發明之車輛追蹤方法之明亮物件切割法第二實施示意圖；第7圖係為本發明之車輛追蹤方法之偵測區域示意圖；第8圖係為本發明之車輛追蹤方法之連通物件標定法實施示意圖；第9圖係為本發明之車輛追蹤方法之明亮物件辨識法之實施示意圖；第10圖係為本發明之車輛追蹤方法之明亮物件辨識法之連通物件合併實施示意圖；第11圖係為本發明之車輛追蹤方法之明亮物件辨識法之去除地面反光實施示意圖；第12圖係為本發明之車輛追蹤方法之多車輛追蹤法之第一實施示意圖；第13圖係為本發明之車輛追蹤方法之多車輛追蹤法之第二實施示意圖；第14圖係為本發明之車輛追蹤方法之多車輛追蹤法將二車燈物件 合併為單一車燈物件之實施示意圖；第15圖係為本發明之車輛追蹤方法之多車輛追蹤法車燈組物件軌跡追蹤之第一實施示意圖；第16圖係為本發明之車輛追蹤方法之多車輛追蹤法車燈組物件軌跡追蹤之第二實施示意圖；第17圖係為本發明之車輛追蹤方法之多車輛追蹤法之錯誤修正實施示意圖；第18A圖係為本發明之車輛追蹤方法之多車輛追蹤法追蹤大型車輛之實施示意圖；第18B圖係為本發明之車輛追蹤方法之多車輛追蹤法追蹤小型車輛之實施示意圖；第18C圖係為本發明之車輛追蹤方法之多車輛追蹤法追蹤機車之實施示意圖；第19圖係為本發明之車輛追蹤系統之方塊圖；第20圖係為本發明之車輛追蹤系統及其方法之實施示意圖；第21圖係為本發明之車輛追蹤系統及其方法於新竹市慈雲路口之實施示意圖；第22圖係為本發明之車輛追蹤系統及其方法於台北市建國南路及忠孝東路高架路段之實施示意圖；以及第23圖係為本發明之車輛追蹤系統及其方法於新竹市光復路段之實施示意圖。
請參閱第4圖，其係為本發明之車輛追蹤方法之流程圖。如圖所示，本發明之車輛追蹤方法包含下列步驟：(S10)以一明亮物 件切割法擷取一影像中之複數個明亮物件；(S20)以一連通物件標定法對複數個明亮物件進行座標標定進而形成複數個連通物件；(S30)以一明亮物件辨識法對複數個連通物件進行特徵判定、分析及合併進而形成複數個車燈物件；(S40)以一多車輛追蹤法對複數個車燈物件進行軌跡追蹤；(S50)以一車輛辨識法對複數個車燈物件進行車輛種類辨識，並計算各種車輛的數量。
其中，影像係為一灰階影像(如第5圖左所示)，且明亮物件切割法係透過灰階影像之一灰階統計圖(如第5圖右所示)決定複數個門檻值，並根據門檻值判斷灰階影像中特性相近之同質物件後(如第6圖左所示)，切割出明亮物件(如第6圖右所示)；影像中係包含了複數個車道線，該些車道線係定義一偵測區域(如第7圖所示)，且連通物件標定法包含一粗略掃描及一精煉掃描，其係以連通分量標示將相鄰的複數個明亮物件標示為同一物件進而成為複數個連通物件(如第8圖所示)。
請參閱第9圖，其係為本發明之車輛追蹤方法之明亮物件辨識法之實施示意圖。明亮物件辨識法係將連通物件之寬高比、面積值及密度值對應比對一寬高比上限門檻值、一寬高比下限門檻值、一面積上限門檻值、一面積下限門檻值以及一密度臨界門檻值，以判斷連通物件之特徵進而擷取複數個車燈物件；且當明亮物件辨識法判斷出任二連通物件之水平距離及垂直距離分別對應小於一水平距離門檻值及一垂直距離門檻值時，則該二連通物件即合併成複數個車燈物件其中之一(如第10圖所示)，而若任二連通 物件之水平距離及垂直距離分別對應小於一水平距離門檻值及一垂直距離門檻值時，則刪除其中之一(如第11圖所示)。
請參閱第12圖，其係為本發明之車輛追蹤方法之多車輛追蹤法之實施示意圖。如圖所示，本發明之多車輛追蹤法追蹤車燈物件之軌跡係以單車燈物件為基礎的方式來做車輛追蹤，並針對各個連續畫面影像中標定的車燈物件，對於他們行進的方向，加以追蹤偵測，以精確的判定每一輛進入畫面偵測區域中的車輛的移動方向、位置等資訊。而以單車燈物件為基礎的方式進行車輛追蹤可進一步偵測與追蹤機車(如第12圖右所示)或是只具有單車燈的車輛(如第13圖所示)。
另請參閱第14圖，其係為本發明之車輛追蹤方法之多車輛追蹤法將二車燈物件合併為單一車燈物件之實施示意圖。當兩單車燈物件在一連續的影像中，連續的同時出現在同一水平位置上，則進行判定其是否為同一車輛，並決定是否該進入合併的過程：當任二複數個車燈物件之面積值、寬度值及水平距離值分別符合一車燈面積門檻值、一車燈寬度門檻值及一車燈水平距離門檻值時，多車輛追蹤法即合併二車燈物件成為一車燈組物件，並追蹤車燈組物件之軌跡。
請參閱第15~16圖，其係為本發明之車輛追蹤方法之多車輛追蹤法車燈組物件軌跡追蹤之第一及第二實施示意圖。當二車燈物件成為一車燈組物件進行車燈組物件之軌跡追蹤時，由於前車有可能遮蔽到後車的車燈，故於影像中設立一條臨界線，此線的縱軸座標設為200像素，起始點為左上角。若是連通物件座標小於臨 界線則不作補償，刪除車燈組物件，並於之後車輛移動時再次重新抓取(如第15圖所示)；反之，雖然單一車燈被遮蔽，但是判定車燈組物件已經在連串影像內追蹤一段時間，所以利用此單一連通物件，更新車燈組物件的座標，並重新計算此車燈組追蹤物件的特徵(如第16圖所示)。另外，當判斷出車燈組物件將離開偵測區域時，便刪除該車燈組物件且計數車輛數目。
請參閱第17圖，其係為本發明之多車輛追蹤法之錯誤修正實施示意圖。如圖所示，車體上的反光以及路面的炫光，皆會形成單車燈追蹤物件，造成錯誤的偵測，為了消除這些錯誤，本發明利用車燈組物件的形體，虛構一虛擬的車體外框，若是有單車燈物件存在於虛擬外框內，視其為雜訊刪除掉。
請參閱第18A、18B及18C圖，其係為本發明之多車輛追蹤法追蹤各式車輛之實施示意圖。如各圖所示，本發明首先透過單車燈物件追蹤，再利用單車燈追蹤的軌跡作車燈合併的程序，接著則進入車燈組的追蹤，藉此一系列的過程，可以將汽車以及機車分別偵測出來。
這些追蹤物件中，判定是否具有車燈之特徵。其中，類似汽車的車燈組物件外觀應構成長方體形狀，由於車燈是在車子的前方二側，其所構成之車體正面投影形狀應會呈現為一長方形狀態；而類似機車的單車燈物件外觀應構成正方體形狀。綜上所述，車輛辨識法係將車燈物件或車燈組物件之寬高比與一機車寬高比門檻值及一汽車寬高比門檻值進行比對，且根據比對結果判斷車燈物件所屬的車輛種類。在一些較佳的實施例中，機車寬高比門檻值 係可為0.8，而汽車寬高比門檻值則可為2.0。
另外，不管是機車車燈或是汽車車燈，其一定連續的存在於影像內的道路上，所以若是車燈物件或車燈組物件連續交疊十次以上，則將車燈物件和車燈組物件，視為候選機車和候選汽車。而若是座標超出了影像範圍則將車燈物件和車燈組物件，各別辨識其為機車和汽車並計數。
請參閱第19圖，其係為本發明之車輛追蹤系統之方塊圖。如圖所示，本發明之車輛追蹤系統1包含一影像擷取模組10、一顯示模組11及一處理模組12。影像擷取模組10係擷取一影像2，而顯示模組11則係顯示該影像2，處理模組12則係以一明亮物件切割單元120擷取影像2中之複數個明亮物件20，又以一連通物件標定單元121對明亮物件20進行座標標定進而形成複數個連通物件21，再以一明亮物件辨識單元122對連通物件21進行特徵判定、分析及合併進而形成複數個車燈物件22，並以一多車輛追蹤單元123對車燈物件22進行軌跡追蹤，更以一車輛辨識單元124對車燈物件22進行車輛種類辨識並計算各種車輛的數量後，控制顯示模組11顯示各種車輛的數量。其中，上述各單元之詳細運作方式已於前述車輛追蹤方法中詳述，在這裡便不再贅述。
請參閱第20圖，其係為本發明之車輛追蹤系統及其方法之實施示意圖。如圖所示，本發明之車輛追蹤系統係於新竹市的慈雲路口和光復路上做即時測試，並且可以直接整合至目前已架設在台北市各道路口以與高快速道路的閉路電視系統(CCTV,closed-circuit television)，經由實際的測試結果得知，本 本發明在不經過修改的情況下，可直接的應於CCTV影像，同時保有相同的偵測準確率，以下將依序的呈現各路段的實驗結果，其中每段影像內的車道由左至右依序編號為第一道、第二道、第三道及第四道，並且影像內左上角的數字為本發明偵測機車的數量，而右上角的數字為汽車偵測的數量。
請參閱第21圖，其係為本發明之車輛追蹤系統及其方法於新竹市慈雲路口之實施示意圖。本測試環境為路口，會有交通號誌控制車流，因此車輛有從移動到靜止的狀態，也有從靜止到移動的狀態，都可以獲的良好的偵測率，其中在影像內包含了大客車、小客車與機車，在第一道內有大量的右彎車輛，而右灣車輛不受交通號誌限制，所以在第一道的車流量會明顯的多於第二道和第三道。
請參閱第22圖，其係為本發明之車輛追蹤系統及其方法於台北市建國南路及忠孝東路高架路段之實施示意圖。在本實施例中，此路段裡交通狀況相當的壅塞且車流量大，且因為沒有交通號誌的影響，所以幾乎所有的車輛皆是以緩慢的車速移動，故三個車道的車輛數目是差不多的。
請參閱第23圖，其係為本發明之車輛追蹤系統及其方法於新竹市光復路段之實施示意圖。在本實施例中，此路段為四線車道，由於測試時間較晚，所以車流量小且車速快，車輛不會有停止的現象，其車種包含了大客車、小客車與機車，在此環境不管是攝影機架設的角度或是高度都是最佳的選擇。
本發明之車輛追蹤系統及其方法可藉由切割出車燈圖像進行後續影像處理，並以單車燈為基礎的方式進行多車燈追蹤，藉此可提高夜間車輛偵測之準確性，解決夜間車輛辨識不易的問題。
以上所述僅為舉例性，而非為限制性者。任何未脫離本發明之精神與範疇，而對其進行之等效修改或變更，均應包含於後附之申請專利範圍中。
S10~S50‧‧‧步驟

Claims (8)

  1. 一種車輛追蹤方法，包含下列步驟：透過為一灰階影像之一影像之一灰階統計圖決定複數個門檻值，並根據該複數個門檻值判斷該灰階影像中特性相近之同質物件後，擷取出該影像中之複數個明亮物件；以一粗略掃描及一精煉掃描對該複數個明亮物件進行座標標定，並以連通分量標示將相鄰的該複數個明亮物件標示為同一物件成為複數個連通物件，其中該影像中之複數個車道線係定義一偵測區域；根據該複數個連通物件之寬高比、面積值及密度值對應比對一寬高比上限門檻值、一寬高比下限門檻值、一面積上限門檻值、一面積下限門檻值以及一密度臨界門檻值，判斷該複數個連通物件之特徵進而擷取複數個車燈物件；且當任二該複數個連通物件之水平距離及垂直距離分別對應小於一水平距離門檻值及一垂直距離門檻值時，則該二連通物件即合併成該複數個車燈物件其中之一；以一多車輛追蹤法對該複數個車燈物件進行軌跡追蹤；以及以一車輛辨識法對該複數個車燈物件進行車輛種類辨識，並計算各種車輛的數量。
  2. 如申請專利範圍第1項所述之車輛追蹤方法，其中該多車輛追蹤法係追蹤該複數個車燈物件之軌跡；而當任二該複數個車燈物件之面積值、寬度值及水平距離值分別符合一車燈面積門檻值、一 車燈寬度門檻值及一車燈水平距離門檻值時，該多車輛追蹤法即合併該二車燈物件成為一車燈組物件，並追蹤該車燈組物件之軌跡。
  3. 如申請專利範圍第1項所述之車輛追蹤方法，其中該車輛辨識法係將該複數個車燈物件之寬高比與一機車寬高比門檻值及一汽車寬高比門檻值進行比對，且根據比對結果判斷該複數個車燈物件所屬的車輛種類。
  4. 一種車輛追蹤系統，其包含：一影像擷取模組，係擷取一影像；一顯示模組，係顯示該影像；以及一處理模組，係以一明亮物件切割單元擷取該影像中之複數個明亮物件，又以一連通物件標定單元對該複數個明亮物件進行座標標定進而形成複數個連通物件，再以一明亮物件辨識單元對該複數個連通物件進行特徵判定、分析及合併進而形成複數個車燈物件，並以一多車輛追蹤單元對該複數個車燈物件進行軌跡追蹤，更以一車輛辨識單元對該複數個車燈物件進行車輛種類辨識並計算各種車輛的數量後，控制該顯示模組顯示各種車輛的數量；其中，該明亮物件辨識單元係將該複數個連通物件之寬高比、面積值及密度值對應比對一寬高比上限門檻值、一寬高比下限門檻值、一面積上限門檻值、一面積下限門檻值以及一密度臨界門檻值，以判斷該複數個連通物件之特徵進而擷取複數個車燈物件；且當該明亮物件辨識單元判斷出任二該複數個連通物件之水平距離及垂直距離分別對應小於一水平距離門檻值及一垂直距離門檻值時，則該二連通物件即合併成該複數個車燈物件其中之一。
  5. 如申請專利範圍第4項所述之車輛追蹤系統，其中該影像係為一灰階影像，且該明亮物件切割單元係透過該灰階影像之一灰階統計圖決定複數個門檻值，並根據該複數個門檻值判斷該灰階影像中特性相近之同質物件後，切割出該複數個明亮物件。
  6. 如申請專利範圍第4項所述之車輛追蹤系統，其中該影像中之複數個車道線係定義一偵測區域，且該連通物件標定單元包含一粗略掃描及一精煉掃描，其係以連通分量標示將相鄰的該複數個明亮物件標示為同一物件成為該複數個連通物件。
  7. 如申請專利範圍第4項所述之車輛追蹤系統，其中該多車輛追蹤單元係追蹤該複數個車燈物件之軌跡；而當任二該複數個車燈物件之面積值、寬度值及水平距離值分別符合一車燈面積門檻值、一車燈寬度門檻值及一車燈水平距離門檻值時，該多車輛追蹤單元即合併該二車燈物件成為一車燈組物件，並追蹤該車燈組物件之軌跡。
  8. 如申請專利範圍第4項所述之車輛追蹤系統，其中該車輛辨識單元係將該複數個車燈物件之寬高比與一機車寬高比門檻值及一汽車寬高比門檻值進行比對，且根據比對結果判斷該複數個車燈物件所屬的車輛種類。
TW099111933A 2010-04-15 2010-04-15 車輛追蹤系統及其方法 TWI408625B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW099111933A TWI408625B (zh) 2010-04-15 2010-04-15 車輛追蹤系統及其方法
US12/905,576 US8503725B2 (en) 2010-04-15 2010-10-15 Vehicle tracking system and tracking method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW099111933A TWI408625B (zh) 2010-04-15 2010-04-15 車輛追蹤系統及其方法

Publications (2)

Publication Number Publication Date
TW201135680A TW201135680A (en) 2011-10-16
TWI408625B true TWI408625B (zh) 2013-09-11

Family

ID=44788232

Family Applications (1)

Application Number Title Priority Date Filing Date
TW099111933A TWI408625B (zh) 2010-04-15 2010-04-15 車輛追蹤系統及其方法

Country Status (2)

Country Link
US (1) US8503725B2 (zh)
TW (1) TWI408625B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9898672B2 (en) 2016-02-02 2018-02-20 Institute For Information Industry System and method of detection, tracking and identification of evolutionary adaptation of vehicle lamp

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9031948B1 (en) 2011-07-06 2015-05-12 Shawn B. Smith Vehicle prediction and association tool based on license plate recognition
US8768009B1 (en) 2011-07-26 2014-07-01 Shawn B. Smith Locating persons of interest based on license plate recognition information
US10018703B2 (en) * 2012-09-13 2018-07-10 Conduent Business Services, Llc Method for stop sign law enforcement using motion vectors in video streams
US9286516B2 (en) * 2011-10-20 2016-03-15 Xerox Corporation Method and systems of classifying a vehicle using motion vectors
TWI459332B (zh) 2012-05-15 2014-11-01 Ind Tech Res Inst 整合多攝影機影像的車輛追蹤方法及系統
CN103150898B (zh) * 2013-01-25 2015-07-29 大唐移动通信设备有限公司 一种夜间车辆检测方法、跟踪方法及装置
JP6094252B2 (ja) * 2013-02-20 2017-03-15 株式会社デンソー 道路標識認識装置
TWI498527B (zh) * 2014-01-28 2015-09-01 Chunghwa Telecom Co Ltd Submarine Vehicle Surrounding System and Method
TWI638569B (zh) * 2014-11-05 2018-10-11 晶睿通訊股份有限公司 監控系統與監控方法
CN104809470B (zh) * 2015-04-23 2019-02-15 杭州中威电子股份有限公司 一种基于svm的车辆逆行检测装置和检测方法
ITUB20154942A1 (it) * 2015-10-23 2017-04-23 Magneti Marelli Spa Metodo per rilevare un veicolo in arrivo e relativo sistema
US10789727B2 (en) * 2017-05-18 2020-09-29 Panasonic Intellectual Property Corporation Of America Information processing apparatus and non-transitory recording medium storing thereon a computer program
CN107578048B (zh) * 2017-08-02 2020-11-13 浙江工业大学 一种基于车型粗分类的远视场景车辆检测方法
CN109934079A (zh) * 2017-12-18 2019-06-25 华创车电技术中心股份有限公司 低光源环境物件监测装置及其监测方法
EP3506153A1 (en) * 2017-12-28 2019-07-03 Canon Kabushiki Kaisha Information processing apparatus, system, method, and non-transitory computer-readable storage medium
US10540554B2 (en) * 2018-03-29 2020-01-21 Toyota Jidosha Kabushiki Kaisha Real-time detection of traffic situation
CN109448052B (zh) * 2018-08-29 2022-01-28 浙江大丰实业股份有限公司 基于图像分析的追光驱动机构
TWI686748B (zh) * 2018-12-07 2020-03-01 國立交通大學 人流分析系統及人流分析方法
CN109740595B (zh) * 2018-12-27 2022-12-30 武汉理工大学 一种基于机器视觉的斜向车辆检测与跟踪***及方法
CN110188631A (zh) * 2019-05-14 2019-08-30 重庆大学 一种高速公路隧道车灯分割方法
CN111275981A (zh) * 2020-01-21 2020-06-12 长安大学 一种高速公路车辆开启制动灯和双闪灯的识别方法
CN111723650A (zh) * 2020-05-09 2020-09-29 华南师范大学 夜间车辆检测方法、装置、设备及存储介质
TWI773112B (zh) * 2021-01-29 2022-08-01 財團法人資訊工業策進會 道路監測系統、裝置及方法
CN113096051B (zh) * 2021-04-30 2023-08-15 上海零眸智能科技有限公司 一种基于消失点检测的图矫正方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Y L Chen、B F Wu、C J Fan、C M Hsieh,"real time vision based vehicle detection and tracking on a moving vehicle for nighttime driver assistance",international journal of robotics and automation,Vol.24 No.2 , 2009 *
YEN-LIN CHEN,"Nighttime Vehicle Light Detection on a Moving Vehicle using Image Segmentation and Analysis Techniques",WSEAS TRANSACTIONS on COMPUTERS,Issue 3, Volume 8, March 2009 *
Yen-Lin Chen1、Bing-Fei Wu2、Chung-Jui Fan," Real-time Vision-based Multiple Vehicle Detection and Tracking for Nighttime Traffic Surveillance", Proceedings of the 2009 IEEE International Conference on Systems, Man, and Cybernetics,2009年10月11~14日 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9898672B2 (en) 2016-02-02 2018-02-20 Institute For Information Industry System and method of detection, tracking and identification of evolutionary adaptation of vehicle lamp
TWI618647B (zh) * 2016-02-02 2018-03-21 財團法人資訊工業策進會 適應演化式車燈號誌偵測追蹤與辨識系統及方法

Also Published As

Publication number Publication date
US8503725B2 (en) 2013-08-06
TW201135680A (en) 2011-10-16
US20110255740A1 (en) 2011-10-20

Similar Documents

Publication Publication Date Title
TWI408625B (zh) 車輛追蹤系統及其方法
US11087148B2 (en) Barrier and guardrail detection using a single camera
US11854272B2 (en) Hazard detection from a camera in a scene with moving shadows
TWI302879B (en) Real-time nighttime vehicle detection and recognition system based on computer vision
CN105488454B (zh) 基于单目视觉的前方车辆检测与测距
CN103559791B (zh) 一种融合雷达和ccd摄像机信号的车辆检测方法
Siogkas et al. Traffic lights detection in adverse conditions using color, symmetry and spatiotemporal information
CN109359409A (zh) 一种基于视觉与激光雷达传感器的车辆可通过性检测***
EP1796043A2 (en) Object detection
Chen et al. Nighttime vehicle detection for driver assistance and autonomous vehicles
US20130235202A1 (en) Vehicle periphery monitoring apparatus and method of determining type of object for use in vehicle periphery monitoring apparatus
US10565438B2 (en) Vehicle periphery monitor device
CN103927526A (zh) 一种基于高斯差分多尺度边缘融合的车辆检测方法
CN109635737B (zh) 基于道路标记线视觉识别辅助车辆导航定位方法
CN106980855B (zh) 交通标志快速识别定位***及方法
KR20030080285A (ko) 차량의 대기 길이 측정 장치 및 방법
CN107886034B (zh) 行车提醒方法、装置及车辆
CN102496281A (zh) 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法
CN106778534A (zh) 一种车辆行驶中周围环境灯光识别方法
JP2007249257A (ja) 移動体検出装置および移動体検出方法
CN103077614B (zh) 一种基于计算机视觉的人行横道处车辆的检测方法
Philipsen et al. Day and night-time drive analysis using stereo vision for naturalistic driving studies
CN115984772A (zh) 一种基于视频监控的道路积水检测方法及终端
Liu et al. Real-time detection of traffic flow combining virtual detection-line and contour feature
Huang Roadside camera calibration and its application in length-based vehicle classification

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees