一种车辆检测方法
【技术领域】
[0001] 本发明设车辆检测技术领域，特别是一种检测车道中车辆有无的检测方法。
【背景技术】
[0002] ETC车道是智能交通系统的重要应用领域，为了降低运营成本，提高运输效率，保 障交通安全，缓解交通拥挤，减少环境污染，稳定、高效的ETC车道显得尤为重要，而大线圈 检测又是ETC车道不可或缺的组成部分。目前使用地感线圈实现大线圈检测，而地感线圈 存在灵敏度范围难确定、重压下容易变形、线圈过大会造成铺设困难、车辆来回無压线圈会 出现误检测等不足，进而对ETC车道的稳定、高效的运行带来致命的打击。
【发明内容】
[0003] 本发明的发明目的是：针对上述技术问题，提供一种车道车辆检测方法，通过图像 识别技术来确定车道中是否有车通过，相较传统的大线圈检测方案具备稳定性高、实时性 好、抗干扰能力强的特点，可W满足ETC车道等车道中智能判断是否有无车的需要。
[0004] 本发明技术方案为：一种车道车辆检测方法，包括处理模块、图像采集模块和存储 器模块；所述图像采集模块正对目标区域，所述目标区域为车道中车辆检测区域；所述存 储器模块存储模板图像，所述图像采集模块采集目标区域的目标图像并发送到处理模块， 处理模块对目标图像进行直方图均衡化处理并在目标图像上按行车方向选取至少=个区 域的区域图像，所述区域图像分别通过哈希算法生成对应的哈希指纹，并和模板图像上对 应区域的哈希指纹进行对比，所述哈希指纹为W次序组合而成的图片描述字符串；若对比 哈希指纹汉明距离均大于设定值，则目标区域中有车辆；若对比哈希指纹汉明距离均小于 设定值，则目标区域中没有车辆，并将目标图像更新为模板图像。
[0005] 运里基于图像的处理分析方法，具体是图像采集模块采集目标区域的图像，处理 模块通过哈希算法生成对应图像的哈希指纹，通过对哈希指纹比较判断开始时候的模板图 像和目标图像，得到目标图像中是否有车。具体是，通过在目标图像中截取区域图像，通过 多个区域图像的进行详细分析判断，避免由于环境因素、或其他因素影响图像准确性，同时 增强算法的抗干扰能力，进而提升算法的可靠性、稳定性。
[0006] 进一步优化，若目标区域中有车辆，则同时对目标图像中的区域图像通过哈希算 法生成对应的哈希指纹，并和模板图像上对应区域的哈希指纹进行对比得到哈希指纹汉明 距离；若哈希指纹汉明距离均小于设定值，则目标区域中车辆已离开，并将目标图像更新为 模板图像，否则重复上述步骤。
[0007] 运里提供了一种判断车辆离开的优选方案，具体是同时区域图像的进行详细分析 判断，直至满足判定要求。
[0008] 优选的，所述处理模块在目标图像上依次截取、按行车方向递进且部分叠加的第 一区域图像、第二区域图像、第=区域图像，并按照W下步骤进行：
[0009] 1)对第一区域图像通过哈希算法生成对应的哈希指纹，并和模板图像上对应区域 的哈希指纹进行对比，得到哈希指纹汉明距离Ml,若Ml大于设定值，则进入步骤2)，否则将 目标图像更新为模板图像；
[0010] 2)按1)步骤得到第二个区域对比的哈希指纹汉明距离M2,若M2大于设定值，贝U 进入步骤3)，否则更新目标图像并重复本步骤；
[0011] 3)按1)步骤得到第S个区域对比的哈希指纹汉明距离M3,若M3大于设定值，贝U 目标区域中有车辆并进入步骤4);否则更新目标图像并重复本步骤；
[0012] 4)对目标图像的第一区域图像、第二区域图像和第S区域图像同时通过哈希算法 生成对应的哈希指纹，并和模板图像上对应区域的哈希指纹进行对比得到对应哈希指纹汉 明距离M4、M5和M6 ;若M4、M5且M6均小于设定值，则车离开，所述存储器模块将目标图像 更新为模板图像；否则，重复本步骤。
[0013] 通过选取区域图像可W增加对目标图像处理的有效性、准确性，能够高效反映出 目标图像中车辆有无的情况，同时可W减少由于环境因素或人为因素对目标图像造成失真 等不良影响，增加本发明分析的准确性。通过逐一截取分析区域图像间的差异性，能够保证 算法的合理性，能够增强算法的抗干扰能力，进而提升算法和系统的可靠性、稳定性。
[0014] 优选的，所述Ml、M2且M3设定值均为15,所述M4、M5且M6设定值均为10。
[0015] 优选的，所述区域图像至少覆盖目标图像中车道=分之二W上。截取区域图像分 析可W避免由于目标图像过大造成的干扰因素过多的不足，降低运算难度，增强系统分析 判断的精度和速度。
[0016] 优选的，所述哈希算法为均值哈希算法，哈希指纹生成步骤为：
[0017] 1)将目标图像缩小到8X8的尺寸，总共64个像素；
[0018] 2)将8X8的目标图像转换成灰度图像，并转为64级灰度；
[0019] 3)计算步骤2)所有64个像素的灰度平均值；
[0020] 4)将步骤2)中64级灰度和灰度平均值一一比较，若大于或等于平均值，记为1 ; 若小于平均值，记为0 ;将比较结果按次序组合在一起，构成64位哈希指纹。
[0021] 运里公开了一种简化的均值哈希算法可W快速得到图像的描述字符串，即哈希指 纹，不同目标图像的哈希指纹均不相同，有车和无车的目标图像哈希指纹表现差异性较大， 运种差异可W通过两者汉明距离直观表示出来。
[0022] 优选的，所述直方图均衡化步骤为：
[0023]1)统计所述目标图像各灰度级的像素数目ni，i= 0, 1，2,. . .，kl，其中L为灰度 总级数；
[0024] 2)计算原始直方图的概率密度Pib) =ni/N，其中N为原始图像的总像素数目；
[00巧]3)计算累积分布函数，
k= 0, 1，2, . . .，L-1 ;
[002引4)计算最后的输出灰度级gk=int[(gmax-gmJskCrJ+O.引/1-1k= 0,l，2，...，kl，其中int□为取整符号。
[0027] 直方图均衡化的优点：能够增强图像的对比度，对于背景和前景都太亮或者太暗 的图像非常有用，有效抑制车道光线变化的影响，为车辆检测的精度奠定基础。
[0028] 优选的，所述图像采集模块包括依次连接的CCD图像传感器和SAA7113视频解码 忍片；所述处理模块采用DM642忍片；所述SAA7113视频解码忍片连接DM642忍片的VP1接 口，所述DM642忍片通过I化总线连接控制SAA7113视频解码忍片。
[0029] 本发明有益效果是：
[0030]本发明哈希算法对图像进行处理，具有鲁棒性好、实时性好、稳定性高、算法复杂 度低和光照变化影响小的优点；能够有效判断车道只目标区域有车无车情况。
[0031] 本发明替代地感应线圈的应用，避免其在道路感应中存在的缺陷；通过对图像进 行多重分析，能够保证算法的合理性，能够增强算法的抗干扰能力，进而提升算法和系统的 可靠性、稳定性。
【附图说明】
[0032]图1是本发明功能模块示意图；
[0033] 图2是本发明工作流程不意图；
[0034] 图3是本发明哈希指纹示例。
[0035] 其中，1 一图像义集模块、2-处理模块、3-存储器模块、4-上位机、5-道间、6- 电源。
【具体实施方式】
[0036] 本发明公开了一种车道车辆检测方法，包括处理模块、图像采集模块和存储器模 块；所述图像采集模块正对目标区域，所述目标区域为车道中车辆检测区域；所述存储器 模块存储模板图像，所述图像采集模块采集目标区域的目标图像并发送到处理模块，处理 模块对目标图像进行直方图均衡化处理并在目标图像上按行车方向选取至少=个区域的 区域图像，所述区域图像分别通过哈希算法生成对应的哈希指纹，并和模板图像上对应区 域的哈希指纹进行对比，所述哈希指纹为W次序组合而成的图片描述字符串；若对比哈希 指纹汉明距离均大于设定值，则目标区域中有车辆；若对比哈希指纹汉明距离均小于设定 值，贝IJ目标区域中没有车辆，并将目标图像更新为模板图像。
[0037] 运里基于图像的处理分析方法，具体是图像采集模块采集目标区域的图像，处理 模块通过哈希算法生成对应图像的哈希指纹，通过对哈希指纹比较判断开始时候的模板图 像和目标图像，得到目标图像中是否有车。具体是，通过在目标图像中截取区域图像，通过 多个区域图像的进行详细分析判断，避免由于环境因素、或其他因素影响图像准确性，同时 增强算法的抗干扰能力，进而提升算法的可靠性、稳定性。
[0038]W下结合附图对本发明实施进行说明。
[0039] 如图1所示，为本发明功能模块示意图，包括图像采集模块1、处理模块2、存储器 模块3、上位机4、和电源5。
[0040] 图像采集模块1，用于采集目标区域的图像信息，图像采集模块1包括CCD图像传 感器和SAA7113视频解码忍片；SAA7113将CCD采集到的数据信号解码成标准的"VP0"数 字信号并输出到处理模块2,相当于一种"A/D"器件。其中，处理模块2还通过I化两线式 串行总线连接控制SA