专利名称：一种基于视频技术的道路交通参数采集方法
技术领域：
本发明涉及交通流检测技术领域，特别涉及ー种基于视频技术的道路交通參数采集方法。
背景技术：
智能交通系统(ITS)是公认的解决现代交通问题的有力手段，而交通信息采集是ITS得以顺利实施的技术基础。现有交通流检测技术主要包括超声波、地感线圈、地磁、压力、红外、视频等。与其它检测技术相比，视频技术的显著优点是具有丰富的信息量，因此为细粒度交通信息的获取提供了可能，此外视频技术比较直观，能够对道路交通场景进行全面的记录与再现，因此许多大中城市都构建了规模庞大的视频监控网络。现有视频交通流检测技术大多采用背景差分、帧间差分等方法，计算复杂度较高，且受光照、阴影等因素的影响严重，相关技术在夜间、交通复杂场景(如车流密集的交叉ロ)检测精度较低。
发明内容
本发明在于解决上述现有技术中检测准确率偏低、环境适应性差的不足，提供一种基于视频技术检测道路交通參数的方法，其中參数包括流量、时间平均速度、时间占有率、平均车头时距等。为了达到上述目的，本发明采用了以下技术方案，ー种基于视频技术的道路交通參数采集方法，包括步骤SI，在待检测车道绘制由至少包含2种相对亮度级的基本图块组合而成的图案；步骤S2，获取车道的上述图案对应的检测区域的成像；步骤S3，计算并记录成像中检测区域没有车辆经过时的相对亮度组合模式P1，即确定相对亮度分级数及分级范围，确定各个图块对应的相对亮度级；步骤S4，进行交通參数采集时，获取车道对应检测区域的成像；
步骤S5，根据获得的成像，计算检测区域的相对亮度组合模式P2 ；步骤S6，判断上述得到的检测区域的相对亮度组合模式P2与该检测区域无车经过时成像的相对亮度组合模式Pl是否匹配，若匹配则，则此时该检测区域没有车辆经过，否则有车辆经过。上述方案还包括步骤S7 :在判断有车辆经过的基础上，采集交通參数，所述的交通參数包括车辆经过检测器的时间t A=I1Xtci，其中h为某辆车经过检测器的图像帧数，tQ为图像采集间隔；车辆的速度V =V=(IAgXtci),其中d为同一车道前后检测区域的距离，g为经过前后检测区域的图像帧数差，b为图像采集间隔；
车辆的长度r :r=vXt，其中r为车辆长度，V为车辆速度，t为经过检测区域的时间；交通流量Q心=f，其中T为观测时间长度，X为观测时间经过检测区域的总车辆数；时
间速度平均速度Vグ= ，其中η为单位时间经过的车辆数，Vi为第i辆车的速度；时间占有率O = ，其中n为观测时间T内经过的车辆数，h为第i辆车通过检测器的时间；平均车头时距s J ニ·^·，其中Q为单位时间的车流量。所述的相对亮度组合模式计算方法包括I)计算每个基本图块的平均亮度;(めニ丄，其中a表示包含m个像素的某基本图块，Pi e a表示a中第i个像素，L表示平均亮度；2)待检测区域包含η个基本图块，图块的相对亮度级分为k级，则參考模式G可表示为(^{^，，…グ}=·^1, 4,··%4ιλ(42 A12,-,A2n2X-,(4, 4，·..，尤)}，其中n=ni+n2+-+nk, Y1，Y2，…，Yk表示相对亮度级相同的基本图块的集合,次e P表示相对亮度级为j的第i个基本图块，并规定如果整数z>0则Z (Va G D く L (V6e Ynz);3)按平均亮度值从小到大排列当前检测区的各个基本图块；4)将其中第l_nnl个、个、…、1^^)+1—nnk个基本图块分别指定为第I、2、…、k个相对亮度级；5)判断检测区域上是否有车辆存在时，分析每个基本图块的相对亮度级变化情况，如果所有基本图块的相对亮度级与无车时相同，则可判断此时没有车辆经过检测区，否则有车辆经过。上述方案中进行相对亮度组合模式计算前对获取的成像采用小成分算法进行图像去噪处理，消除成像中出现的个别与周围像素差别过大的像素。所述的图像去噪处理方法包括中值滤波法、平滑滤波法。与现有技术相比，本发明的有益效果是根据绘制在检测区域中的图案在不同光照环境中具备较好的相对亮度组合模式一致性，因此采集交通參数时不需要采用背景差分、帧间差分等方法，同时具有较少的运算量、较高的检测精度和环境稳定性。
图I为辅助识别图案示意图；图2为车道上设置检测区域示意图；图3为道路横断面上设置检测区域示意图；图4为交叉ロ设置检测区域示意图；图5为t°时刻采集到的图像画面；图6为图5中A局部放大示意图；图7为t1时刻采集到的图像画面；图8为t2时刻采集到的图像画面；
图9为t3时刻采集到的图像画面；图10为t4时刻采集到的图像画面；图11为t5时刻采集到的图像画面。
具体实施例方式以下结合附图对本发明进ー步说明。ー种基于视频技术的道路交通參数采集方法，包括
步骤SI，在待检测车道绘制由至少包含2种相对亮度级的基本图块组合而成的图案；步骤S2，获取车道的上述图案对应的检测区域的成像；步骤S3，计算并记录成像中检测区域没有车辆经过时的相对亮度组合模式P1，即确定相对亮度分级数及分级范围，确定各个图块对应的相对亮度级；步骤S4，进行交通參数采集吋，获取车道对应检测区域的成像；步骤S5，根据获得的成像，计算检测区域的相对亮度组合模式P2 ；步骤S6，判断上述得到的检测区域的相对亮度组合模式P2与该检测区域无车经过时成像的相对亮度组合模式Pl是否匹配，若匹配则，则此时该检测区域没有车辆经过，否则有车辆经过。还包括步骤S7 :在判断有车辆经过的基础上,采集交通參数，所述的交通參数包括车辆经过检测器的时间t A=I1Xtci，其中h为某辆车经过检测器的图像帧数，tQ为图像采集间隔；车辆的速度V fdAgXO，其中d为同一车道前后检测区域的距离，g为经过前后检测区域的图像帧数差，b为图像采集间隔；车辆的长度r :r=vXt，其中r为车辆长度，V为车辆速度，t为经过检测区域的时间；交通流量Q :β ニ I，其中T为观测时间长度，X为观测时间经过检测区域的总车辆数；时
间速度平均速度V，其中η为单位时间经过的车辆数，Vi为第i辆车的速度；
tr时间占有率O = ττΣぐ，其中η为观测时间T内经过的车辆数，h为第i辆车通过检测器的时间；平均车头时距s J = 其中Q为单位时间的车流量。所述的相对亮度组合模式计算方法包括I)计算每个基本图块的平均亮度ん(“)=1厶/ん，其中a表示包含m个像素的某
m i=0
基本图块，Pi e a表示a中第i个像素，L表示平均亮度；2)待检测区域包含η个基本图块，图块的相对亮度级分为k级，则參考模式G可表示为( ニ·4，···，尤)，(42，Al--,A2n2X--,(A1r 4，··.，4,)},其中η=ηι+η2+…+nk，Y1, Y2,…，Yk表示相对亮度级相同的基本图块的集合ノ/ e 表示相对亮度级为j的第i个基本图块，并规定如果整数z>0则Z (Va G Yr) く L (VbGYnz);3)按平均亮度值从小到大排列当前检测区的各个基本图块；4)将其中第1_ηη1个、ηη1+1_ηη2个、…、+I-Iink个基本图块分别指定为第I、2、…、k个相对亮度级；5)判断检测区域上是否有车辆存在时，分析每个基本图块的相对亮度级变化情况，如果所有基本图块的相对亮度级与无车时相同，则可判断此时没有车辆经过检测区，否则有车辆经过。上述方案中，进行相对亮度组合模式计算前对获取的成像采用小成分算法进行图像去噪处理，消除成像中出现的个别与周围像素差别过大的像素。所述的图像去噪处理方法包括中值滤波法、平滑滤波法。在绘制图案时，采用路面漆等材料在检测车道的中央绘制由不同颜色块组合而成的辅助识别图案(每ー个颜色块称为ー个基本图块)，这些颜色块在灰度图像中至少可分为2种相对亮度级，图块的亮度级间距越大，鲁棒性越强，如果路面上有人行斑马线、減速带等图案也可将其作为辅助识别图案。进行视频检测时以上图案对应的图像区域即为该车道的交通參数采集參考区。继而定义各检测车道上的图案的图块相对亮度组合模式，具体来说是对每ー个基本图块进行相对亮度级分类，在此基础上实时分析摄像机采集到的每ー帧图像，判断图像中的检测区是否存在这种相对亮度组合模式，如果存在，则此时没有车辆存在于检测区上，否则有车辆存在于检测区上，通过对检测区的状态进行连续分析，可得到经过检测区的车辆的长度、速度、经过时间等基本数据，进而根据交通參数的统计方法可进ー步得到道路交通流量、时间平均速度、时间占有率、平均车头时距等交通參数。上文所述的辅助识别图案，主要从两方面考虑I、图案的形态方面，考虑实际交通环境中光源(包路侧照明灯、车灯等)、阴影(主要是车辆，建筑物、树木的阴影)等众多因素，辅助识别图案由具有较大亮度差异的不同基本图块组成，如图I所示。基本图块的数量和排列方式，以区分交通场景中的其它图案为设计的依据；基本图块的形状，以方便进行像素检索为设计依据(例如采用矩形)。除此以外，对于相对亮度级较高的基本图块，可考虑增强表面的反光度。2、图案的位置及大小，图案的位置一般设置在车道的中间，以车辆正常行驶时能将其全部或大部分覆盖为原则，其尺寸与摄像机分辨率、焦距、拍摄角度相关，一般以摄像机中能够清晰成像(一般要求宽度和高度都有4个像素以上)、图案宽度不超出车位边线、图案高度小于正常的车间距(车间距与道路环境相关，一般情况下高速公路不大于2米，城市道路路段上不大于I米、交叉ロ停车线前方不大于O. 6米)为原则。如果需要进行车速检测，则每个车道均需设置两个检测区，检测区间的距离与路段设计速度、摄像机的采样频率、检测精度等相关，计算方法采用以下模型
权利要求
1.ー种基于视频技术的道路交通參数采集方法，其特征在于包括 步骤SI，在待检测车道绘制由至少包含2种相对亮度级的基本图块组合而成的图案； 步骤S2，获取车道的上述图案对应的检测区域的成像； 步骤S3，计算并记录成像中检测区域没有车辆经过时的相对亮度组合模式P1，即确定相 对亮度分级数及分级范围，确定各个图块对应的相对亮度级； 步骤S4，进行交通參数采集时，获取车道对应检测区域的成像； 步骤S5，根据获得的成像，计算检测区域的相对亮度组合模式P2 ； 步骤S6，判断上述得到的检测区域的相对亮度组合模式P2与该检测区域无车经过时成像的相对亮度组合模式Pl是否匹配，若匹配则，则此时该检测区域没有车辆经过，否则有车辆经过。
2.根据权利要求I所述的道路交通參数采集方法，其特征在于还包括步骤S7:在判断有车辆经过的基础上，采集交通參数，所述的交通參数包括 车辆经过检测器的时间t A=I1Xtci，其中h为某辆车经过检测器的图像帧数，b为图像采集间隔； 车辆的速度V ^zd/fextd),其中d为同一车道前后检测区域的距离，g为经过前后检测区域的图像帧数差，b为图像采集间隔； 车辆的长度r :r=vXt，其中!·为车辆长度，V为车辆速度，t为经过检测区域的时间；交通流量
3.根据权利要求I或2所述的道路交通參数采集方法，其特征在于所述的相对亮度组合模式计算方法包括.1)计算每个基本图块的平均亮度
4.根据权利要求I或2所述的道路交通參数采集方法，其特征在于进行相对亮度组合模式计算前对获取的成像采用小成分算法进行图像去噪处理，消除成像中出现的个别与周围像素差别过大的像素。
5.根据权利要求4所述的道路交通參数采集方法，其特征在于所述的图像去噪处理方法包括中值滤波法、平滑滤波法。
全文摘要
本发明在于解决上述现有技术中检测准确率偏低、环境适应性差的不足，提供一种基于视频技术检测道路交通参数的方法，其中参数包括流量、时间平均速度、时间占有率、平均车头时距等，根据绘制在检测区域中的图案在不同光照环境中具备较好的相对亮度组合模式一致性，因此采集交通参数时不需要采用背景差分、帧间差分等方法，同时具有较少的运算量、较高的检测精度和环境稳定性。
文档编号G08G1/052GK102682602SQ20121015151
公开日2012年9月19日 申请日期2012年5月15日 优先权日2012年5月15日
发明者林培群 申请人:华南理工大学