专利名称：基于有限状态机的道路车辆拥堵判别方法
技术领域：
本发明属于数字图像处理及模式识别技术领域，具体涉及智能交通监控中的道路车辆拥堵判别方法。
背景技术：
近年我国经济的快速复苏增长，国家在交通行业的投入明显增加。道路基础设施的大量投入，机动车辆数量的迅速攀升，导致道路车辆拥堵，交通事故频繁发生，交通环境恶化等问题日益严重，但是相应的交通法规教育普及和智能化交通管理系统的建设相对滞后，为交通管理提出严峻的挑战。交通管理的作用是对道路上的车辆和行人进行合理的引导、组织和限制，使交通尽可能安全、畅通、公害小、能耗少。其中，道路交通状态的监控以及 异常交通流有效疏导是交通管理的重要职责。GA 115-1995道路交通阻塞标准定义阻塞为在道路上由于车辆过度密集、交通事故、工程施工、违章行为和自然等原因，而导致的车辆延时误增大和排队长度加长的状态。其中车辆排队指在道路交叉路ロ或者路段的车行道上，随机到达的车辆通过过程中，当交通流受阻后出现的等待通过车辆的行列。交通状态虽然是突发的，但却是能检测识别的。如果能及时检测、及时报警，自动协调处理调度，就能够降低损失，最大限度提高道路的利用率。交通状态检测作为交通监控以及交通事件检测的重要环节，是智能交通系统(ITS)的重要组成部分，为交通管理提供更迅速和准确的服务。因此，交通状态的自动检测在智能交通研究中是非常重要的。目前大部分交通数据主要通过埋在车道下的磁感线圈检测获得。这种方法存在明显不足对外部系统依赖性强；施工维护不够方便；系统灵活性差。随着多媒体和计算机技术的迅速发展，直接利用视频图像特征检测技术来检测交通道路状态并给予警示已成为可能。并且视频检测技术与其它传感器相比具有诸多突出优点1)可以提取高质量的车辆和交通场景信息；2)能够检测更大的场景面积，減少传感器的安装数目；3)视频传感器易于安装和调试，对路面和土木设施不会产生破坏，使用和维护的费用相对较低。
发明内容
本发明的目的在于提出ー种适应场景面大、效率高的道路车辆拥堵判别方法。本发明提出的道路车辆拥堵判别方法，采用ー种有限状态机模型。具体就是根据GA 115-1995道路交通阻塞标准和城市道路信号灯控制交叉路ロ拥堵的形成过程，建立有限状态机模型(图2)。有限状态机模型包括三种可能状态畅通、缓行、拥堵；状态间的转换以车流状况的分析结果为条件，分析依据为车流速度和车流排队长度；而车流速度和车流排队长度由高清相机拍摄的交通道路图像流分析估算获得；其中
所述车流排队长度估算的过程为
(1)图像彩色转换将图像从RGB的彩色空间转换到灰度空间；
(2)边缘提取在灰度图像下对道路区域进行图像边缘提取；(3)边缘强度投影根据图像区域的边缘强度计算车队的尾部位置；
所述车流速度利用相邻两帧图像，通过模板匹配的方法进行估算，其计算过程为
(1)设置道路区域的多个參考块(patch)，记录上ー帧參考块内的图像；
(2)模板匹配，利用模板匹配捜索patch在当前帧的位置；
(3)区域运动计算，通过统计图像中patch的移动向量，用以估算区域运动。具体分别介绍如下
一、建立有限状态机模型 有限状态机模型(如图2)，每个状态用圆圈表示，包括三种可能状态，分别是畅通、缓行及拥堵，具体为
(1)畅通，表示道路车辆稀疏，行驶速度不受前方车辆影响；
(2)缓行，表示道路占有率较高，车辆行驶速度受一定程度的影响；
(3)拥堵，表示道路占有率极高，车辆的行驶速度受到严重影响。有限状态机的状态转换中，根据车流长度(即车辆排队长度)和车流速度(即排队车辆行进速度)定义了状态转换函数。如果检测到当前车流长度达到上限且估算速度为0，则判定整个车道处于拥堵状态；如果当前车流长度达到上限而速度不为0，则车流处于缓行状态；而如果检测出车流长度未到限，判定此时车道处于畅通状态。ニ、估计车流长度
获取高清摄像头拍摄的道路图像，由于目前大部分C⑶像机拍摄到的图像是RGB空间，这里需要先转换到灰度空间再处理。基于车辆自身有着非常丰富纹理特征的特点，可以对灰度图像提取图像边缘梯度。借助图像空间边缘特征统计手段，针对单帧图像分析出道路上机动车排队长度。具体内容是
I、将由高清摄像头拍摄的道路图像中，某区域^的彩色图像转换到灰度空间。通常情况下CXD摄像头输出图像是具有R、G、B三个通道的彩色图像。于是转换的公式可以表示为
F = 0.2999 X 及 +0.587 X G+0.144x5￠1)
其中及、G、S分别表示对应每个像素点的通道强度值是转换后灰度空间对应的強度值。2、对灰度图像提取边缘强度。定义ー种5x5的边缘算子
"+I+10-I-I][+1+2+2+2+1'
+2+20-2-2+1+2+2+2+1
G.. = +2+20—2—2Gjl = 00000
+2+20-2-2-I-2-2-2-I
+1+10-I-IJ1-1-2-2-2-I j(!)
其中( 、Gjl分别是计算x、j方向梯度算子。定义图像为/(ズ，ァ)，其中X、ヌ是像素坐标，则各方向的梯度可以表示为Hy(x,y) =-3,y +j-3)Gy(iJ)卞
梯度大小可以表示为
H(K,y) = ^H,(x,y)2+Hy(x,/)2(1)
3、将图像的边缘大小向平行于路道方向累加投影。如图像中路道方向垂直于X轴，则可利用公式(6)进行垂直累加
■ =I H(Xj)
X-II I
其中width表示道路的宽度。4、求出道路上车队的长度。设定ー个边缘強度阈值r，求解
f(y) = T,1
选取解集中的最小值
L = Mg min(j)
fWJ(I)
L就是当前道路车队的尾部纵坐标，计算车流测量起始纵坐标与￡的差，即可获得车流长度。三、估计车流速度
这里利用相邻帧图像像素的变化来估计区域运动特征。首先定义若干參考块(patch)，预存上ー帧中patch标定的区域图像像素。利用图像模板匹配技术，在下一帧图像中搜索patch的位置。patch的移动利用区域的运动特征来表示,运动速度的大小表示该区域车辆的行驶速度，运动方向表示该区域车辆的移动方向。具体为
I、设置參考块(patch)的位置。在车道区域设置大量patch,用于保存上一巾贞patch标定的区域图像像素(一般可采用5x5的图像块作为patch)。因为颗粒度过大会带入背景像素，导致相邻帧中patch缺乏一致性；而颗粒度过小会容易受到噪声的干扰，影响准确性。2、利用模板匹配的方式计算patch的移动。对姆ー个patch可以设定其移动的最大范围，称之为搜索窗体,采用SSD式
S^(x,y)= 2 f ，7 + v) — /_(a,v)了
^-1 vJ.(I J
其中ク沿4、paickh、Im、分别表示patch的宽、patch的高、搜索窗体的图像
像素和patch的像素。直接计算公式(9)的时间复杂度为0(paichwy、pab:kk XWmwXWmi)
。为了降低计算的复杂性，可运用卷积定理可转化为离散傅里叶变换，利用快速傅里叶变换(FFT)将复杂度降低为 0( . X Mm6 xlog(pa￡c% 'KpatchJ)。3、统计一系列patch的整体移动。由于车辆整体的移动与道路方向具有一致性。于是可以计算空间余弦评估吻合度
权利要求
1.一种基于有限状态机的道路拥堵判别方法，其特征在于具体步骤为 步骤一、建立有限状态机模型 有限状态机模型包括三种可能状态，分别是畅通、缓行及拥堵，具体为 (1)畅通，表示道路车辆稀疏
全文摘要
本发明属于数字图像处理及模式识别技术领域，具体为一种基于有限状态机的道路拥堵判别方法。本发明根据GA115-1995道路交通阻塞标准，结合城市道路拥堵的形成过程，建立有限状态机模型，利用高清相机捕获交通道路图像，对图像中机动车道的车队进行长度估计和整体速度估算，依据机动车道对车辆容量和速度的限制，激活有限状态机中的触发条件，判定当前路况是否处于拥堵状态。与传统方法相比，本发明综合考虑了城市路面交通拥堵形成的过程，能实时动态地检测交通拥堵的发生和消散，为相关部门进行交通治理提供了有效的依据。
文档编号G08G1/01GK102768802SQ20121024003
公开日2012年11月7日 申请日期2012年7月12日 优先权日2012年7月12日
发明者冯瑞, 薛向阳, 金城, 鲁帅 申请人:复旦大学