专利名称：一种基于伸缩窗的实时动态交通拥堵检测方法
技术领域：
本发明是一种利用视频图像基于伸縮窗技术的城市道路交通拥堵的实时动态检
测方法，属于智能交通行业的交通信息检测领域。
背景技术：
随着社会和经济的快速发展，城市交通量日趋增多，交通拥堵越来越严重。交通拥 堵降低了车辆的运行速度，影响了人们的正常出行，降低了社会经济运行效率。同时，交通 拥堵加重了环境污染，影响了城市环境。所以，缓解交通拥堵是城市面临的重大问题之一。 一般情况下，交通拥堵可通过修建更多、更宽的道路和其它交通设施来解决。然而，有限的 空间和其它环境问题阻止了交通设施的进一步扩展。因此，对交通拥堵问题的解决，不能仅 仅依靠修建或扩建道路，而要从管理和技术上寻求突破。 要从管理和技术上缓解交通拥堵，首先必须能够准确地检测出交通拥堵。目前，对 交通拥堵的检测主要有环型感应线圈、雷达(微波)、超声波、红外和视频检测等几种检测 方法。环型感应线圈检测器能够检测车辆的存在以及路段的饱和度。该技术的研究和开发 历史较长，技术相对成熟、稳定，检测的精度高，而且成本低并可以工作在恶劣的天气环境 下。但环型线圈检测器也有其缺点环型线圈必须埋在道路下面，安装或维护时需要阻断交 通流；感应线圈易受冰冻、路基下沉、盐碱等自然环境的影响，容易损坏，使用寿命短；当车 流拥堵时，感应线圈的检测精度会降低。超声波检测器利用反射回波原理制成的，微波检测 器按照多普勒效应原理工作，红外检测一般采用反射式检测技术。虽然超声波检测与光学 检测器不会破坏路面，但是也存在检测区域小、维护困难、容易造成二次触发等缺点。微波 检测器是能够较精确检测各车道的交通流量、道路占用率、平均速度等信息，但该方法无法 准确检测出车辆排队长度；在交通拥堵以及车型分布不均匀的情况下，检测精度会下降。基 于视频图像处理的车辆检测技术具有检测区域广，维护简单等优点，成为了研究热点。目前 基于视频图像处理的拥堵检测方法主要是通过相邻帧差法或背景差分法求取运动目标。但 车辆排队时路面情况比较复杂，车辆数量较多且行驶速度非常缓慢时，背景差分法和帧间 差分法都无法有效检测出路面排队的车辆。同时，背景差分法需要进行背景建模，而背景建 模由于天气变化、环境光线的变化使得理想背景很难得到。
发明内容
本发明的目的在于克服现有方法中背景模型难以得到，车辆数量较多且行驶速度 缓慢时背景差分法和帧间差分法无法有效检测排队车辆的不足，提出了一种基于视频图像 处理，采用伸縮窗技术的实时动态交通拥堵检测方法。
为了实现上述目的，本发明采取了如下技术方案 —、采用数学形态学进行车辆边缘检测。边缘检测按如下步骤进行首先对原始 彩色视频图像进行灰度变换后再进行中值滤波得到图像fM ;然后对图像fM进行二值化得到 黑白二值图像f；在这基础上，对图像f分别进行腐蚀和膨胀数学形态学处理e(fM2)和d(fj ，并按照公式(1)和(2)进行腐蚀帧差Er和膨胀帧差Dr :
Er = ffe (fM2) (1)
Dr = d (fj —fM2 (2) 对上述腐蚀帧差与膨胀帧差的结果按照公式(3)求和得到图像Ede，图像Ede就是 车辆边缘检测的结果。 Ede = Er+Dr = d (fj-e (fM2) (3) 二、在图像Ede上的路口车辆停止线的位置处设置一个宽度为w， w = 20-40个像 素，初始长度为L(O)，L(O) 二5-20个像素的窗口FW，如附图l所示。然后，窗口FW的长度 按照如下公式(4)进行伸长与縮短，从而进行实时动态检测交通拥堵。
其中，L (t)表示t时刻窗口的长度；IaW(t)表示t时刻图像Ede中窗口 FW上面宽度 为w高度为a，a二 l-4个像素的区域内(如附图l所示)的所有像素的像素值之和；IFW(t) 表示t时刻图像Ede上窗口 FW内所有像素的像素值之和；H为图像的高度；、=510-1275 个像素；t b = 2550-5100个像素；1 = 1-4个像素。 公式(4)表示的算法思想是如果t时刻窗口FW上面宽度为w高度为a的区域内 的像素值之和大于、并且窗口 FW内全部像素的像素值之和与前一时刻窗内全部像素值 和之差小于t b，则窗口 FW的长度伸长1，即在y轴方向上伸长1个像素单位；否则，窗口在 y轴方向縮短l个像素单位。当伸縮窗伸长到图像的顶部时，则其长度就不再增加；若伸縮 窗縮短到L(O)时，则其长度不再縮短。公式(4)描述的物理含义是窗口FW上面有车，则窗 口伸长；没有车辆窗口则縮短。 三、对伸縮窗进行回检。如果t时刻伸縮窗的长度L(t)大于t。，将伸縮窗平均分 为m个子窗口，如附图2所示。然后分别对每个子窗口的像素值求和并与Td比较判断，如 果m个子窗口中有一个窗口的像素值之和小于、，则L(t) =〃0)，并重新按照公式(4)进 行窗口的伸与縮。否则，L(t)保持不变。 四、根据窗口长度L(t)来判别是否发生交通拥堵。如果窗口长度L(t)大于、并 持续时间T分钟，则发生交通拥堵；否则，没有发生交通拥堵。 与现有的检测方法相比，本发明具有如下优点该方法应用数学形态学方法检测 车辆边缘更能有效检测路面车辆，同时该方法不同于已有的固定窗和移动窗检测方法，本 发明的伸縮窗更符合交通拥堵的检测特点，窗口能够随着排队车辆的延伸而伸长、随着排 队车辆的消散而縮短，因此能够实时动态地检测交通拥堵的发生和消散。
图1本发明的伸縮窗算法原理图；
图2本发明的伸縮窗回检算法原理图；
图3本发明的交通拥堵检测流程图。 L(O)《L(t)《H
下面结合附图3对本发明作进一步说明 首先，将原始视频彩色图像灰度变换后得到256级320X240的灰度图像，对灰度 图像采用中值滤波进行图像去噪。中值滤波是一种非线性的平滑滤波，对于边界影响较小， 保护图像的边缘不变模糊。它通过选取一个移动的窗口模板，该模板内部含有奇数个像素， 然后对应模板中心像素的灰度值用模板内各个像素灰度的中间值来代替。具体步骤如下
(1)设置模板大小为5*5 ; (2)使模板在图像中的每个像素上移动，完成对图像中所有像素的遍历； (3)读取模板对应下的各个像素的灰度值，并将这些值进行排序，由于是取中值，
所以模板内的数据无所谓采取升序或者降序顺序。
(4)取排序后的中间值，将其赋给模板中心位置的像素。 按照上述过程进行中值滤波后得到图像fM。对图像fM二值化，即图像fM中灰度值 大于20的像素将其像素值变为255，灰度值小于或等于20的像素将其像素值变为O，从而 得到黑白二值图像f^按照公式(6)进行腐蚀操作，e(/) = mi:n /(x + /, y + /) (6) 其中，b为3X3的结构元素，对图像进行腐蚀操作可以消除图像中的一些细节，有
一定的滤波效果。对图像fM2按照公式(7)进行膨胀操作， = ,m^ /0 + " 7 + _/) (7) 其中，b为3X3的结构元素，对图像进行膨胀操作效果与腐蚀相反，可以使图像中 的某些裂缝桥接起来。 然后按照公式(8)和按照公式(9)进行腐蚀帧差Er和膨胀帧差Dr，腐蚀帧差操是
先对图像进行腐蚀，然后用原始图像减去腐蚀结果，而膨胀帧差操作是先对图像进行膨胀，
然后用膨胀结果减去原始图像. Er = fsE-e (fM2) (8) Dr = d (fj -fM2 (9) 对上述腐蚀帧差与膨胀帧差的结果求和得到图像Ede。 Ede = Er+Dr = d (fj-e (fM2) (10) 通过上述的灰度变换、中值滤波、二值化、腐蚀、膨胀、腐蚀帧差和膨胀帧差求和就 得到了车辆的边缘检测结果——图像Ede。 其次，在图像Ede上的路口停止线的位置处设置宽度为30个像素、长度为10个像 素的一个初始窗口FW，这是一个比较扁的窗口。然后，窗口FW的长度按照如下公式(11)进
行伸长与縮短。
=+ Z /。『(0 > 510并且|JW (0 - /w (f -1)| < 2550
L(O)《L(t)《240 如果第1时刻窗口 FW上面的宽为30高为2的区域内的像素值之和大于510并且 窗内全部像素值之和与前一时刻窗内全部像素值之和的差小于2550，则窗口FW的长度由最初的10个像素伸长1个像素，即在y轴方向上伸长1个像素单位，此时窗口的长度变为 11个像素；如果第2时刻窗口 FW上面的宽为30高为2的区域内的像素值之和大于510并 且窗内全部像素值之和与前一时刻窗内全部像素值之和的差小于2550，则窗口 FW的长度 由1时刻的11个像素再伸长1个像素变为12个像素；如果第3时刻窗口 FW上面的宽为30 高为2的区域内的像素值之和大于510并且窗内全部像素值之和与前一时刻窗内全部像素 值之和的差小于2550，则窗口 FW的长度由2时刻的12个像素再伸长1个像素变为13个像 素；如果第4时刻窗口 FW上面的宽为30高为2的区域内的像素值之和不满足公式(11)， 窗口在y轴方向縮短1个像素单位，由3时刻的13变为12个像素。以此类推，随着时刻的 推移，窗口的长度根据公式(11)进行实时动态的伸长与縮短。当伸縮窗伸长到图像的顶部 时，则其长度就不再增加；若伸縮窗縮短到IO个像素时，则其长度不再縮短。
第三，回检。如果第20时刻窗口的长度L(t)大于80个像素时，将伸縮窗平均分 为5个子窗口 ，然后分别对每个子窗口的像素值求和并与765比较判断，如果5个子窗口中 有一个窗口的像素值之和小于765，则L(t) = IO，并重新按照公式(11)进行窗口的伸长与 縮短。否则，L(t)保持不变。 最后，根据窗口长度L(t)来判别是否发生交通拥堵。如果窗口长度大于120个像 素并持续5分钟时，则认为发生交通拥堵；否则，没有发生交通拥堵。
权利要求
一种基于伸缩窗的实时动态交通拥堵检测方法，其特征在于，包括以下步骤1)对原始图像进行灰度变换、中值滤波、二值化，在此基础上采用数学形态学操作腐蚀与膨胀，并对腐蚀帧差与膨胀帧差求和得到车辆边缘检测的结果图像Ede；在图像Ede上的交叉口车辆停止线的位置处设置一个宽度为w，w＝20-40个像素，初始长度为L(0)，L(0)＝5-20个像素的窗口FW；2)所述的窗口FW的长度按照如下公式进行伸长与缩短，L(0)≤L(t)≤H其中，L(t)表示t时刻窗口的长度；IaW(t)表示t时刻图像Ede中窗口FW上面宽度为w高度为a，a＝1-4个像素的区域内的所有像素的像素值之和；IFW(t)表示t时刻图像Ede上窗口FW内所有像素的像素值之和；H为图像的高度；τa＝510-1275个像素；τb＝2550-5100个像素；l＝1-4个像素；3)对伸缩窗进行回检；如果t时刻伸缩窗的长度L(t)大于τc，τc＝60-100个像素，将伸缩窗平均分为m个子窗口，m＝3-7；然后分别对每个子窗口的像素值求和并与τd，τd＝510-1275个像素比较判断，如果m个子窗口中有一个窗口的像素值之和小于τd，则L(t)＝L(0)，并重新按照上述公式进行窗口的伸长与缩短；否则，L(t)保持不变；4)根据伸缩窗的长度来判别是否发生交通拥堵；如果伸缩窗的长度大于τe，τe＝120-240个像素，并持续时间T，T＝5-20分钟，则发生交通拥堵；否则，没有发生交通拥堵。F200910238112XC0000011.tif
全文摘要
一种基于伸缩窗的实时动态交通拥堵检测方法属于智能交通行业的交通信息检测领域。本发明首先对原始图像进行灰度变换、中值滤波、二值化，然后进行腐蚀与膨胀并对腐蚀帧差与膨胀帧差求和得到车辆边缘检测的图像Ede。其次，在图像Ede上设置宽度为w长度为L(0)的一个窗口FW，窗口FW的长度根据窗口上面宽度为w高度为a的区域内的所有像素值之和与窗口FW内全部像素值之和进行实时动态的伸长与缩短。如果伸缩窗的长度大于τc则对窗口进行回检。最后，根据伸缩窗的长度来判别是否发生交通拥堵。如果伸缩窗的长度大于τe并持续时间T分钟，则认为发生交通拥堵；否则，没有发生交通拥堵。本发明更符合交通拥堵的检测特点，能够实时动态地检测交通拥堵的发生和消散。
文档编号G06T7/00GK101714296SQ20091023811
公开日2010年5月26日 申请日期2009年11月13日 优先权日2009年11月13日
发明者刘喆, 李振龙 申请人:北京工业大学