本发明涉及视频检测技术,特别涉及交通信息实时采集的技术。
背景技术:
视频检测具有提供更直接的交通场景;检测范围大,可提供的交通信息多;安装、维护方便,对路面地基无损坏等优点。并且随着计算机技术、图像处理、计算机视觉、模式识别等技术的不断发展,视频检测的实时性和正确率已达到了较满意的程度,正受到交通经营、管理部门和研究人员的关注,并被应用到实际的交通管理中。
技术实现要素:
本发明的目的是提出一种基于视频的交通信息实时采集系统,解决如何有效获取车流量、车速、道路占有率、车牌号等交通信息的问题。
本发明解决其技术问题,采用的技术方案是,基于视频的交通信息实时采集系统,其特征在于,包括视频采集模块、视频处理模块、交通信息分析与处理模块和智能交通系统监控平台模块,所述视频采集模块通过视频处理模块与交通信息分析和处理模块连接,智能交通系统管理监控平台模块和交通信息分析与处理模块连接;
所述视频采集模块用于拍摄交通现场的视频,并采用图像处理技术对拍摄的交通现场的视频图像进行预处理,然后传输给视频处理模块;
所述视频处理模块用于对预处理的交通视频图像进行处理,通过对交通场景中运动车辆的检测来获取车辆的运动区域,同时通过运动车辆的跟踪来获取车辆的运动轨迹;
所述交通信息分析与处理模块用于从车辆的检测与跟踪的结果中进行分析与处理后得到交通信息;
所述智能交通系统监控平台模块用于对获取的交通信息监控。
进一步的是,所述交通信息包括车流量、车速、车道占有率和车辆违章。
进一步的是,所述对拍摄的交通现场的视频图像进行预处理是指:视频图像的去噪和增强,用于为后续的分析和处理提供更好的视频图像。
运动车辆的检测方法,包括以下步骤:
步骤101、初始化混合高斯背景模型中的各个参数;
步骤102、读取任意一个视频帧,对当前视频帧进行边缘检测;
步骤103、对当前视频帧中n个像素的每一个像素建立基于边缘的混合高斯背景模型;
步骤104、判断像素值是否与混合高斯背景模型中n个高斯背景模型之一匹配,若像素值与混合高斯背景模型中n个高斯背景模型中任意一高斯背景模型匹配,则将该像素点归为背景点,若像素值与混合高斯背景模型中n个高斯背景模型中所有高斯背景模型均不匹配,则将该像素点归为前景点;
步骤105、实时更新混合高斯背景模型及其各个参数;
步骤106、对当前视频帧进行阴影检测与去除;
步骤107、读取下一帧,同时进入步骤102;
步骤108、直至扫描全部视频帧,提取出前景目标。
进一步的是,步骤102中,所述对当前视频帧进行边缘检测采用canny算子对视频帧进行边缘检测,具体包括以下步骤:
步骤1021、用高斯滤波器模板对图像进行滤波处理,以减小或消除噪声;
步骤1022、由微分算子计算出图像灰度沿两个方向的偏导数p(i,j)和q(i,j),并求出梯度的大小和方向;
步骤1023、把边缘的梯度方向分为四种,包括水平方向、垂直方向、45°方向和135°方向,水平方向和垂直方向分别用其临近的像素进行比较,45°方向和135°方向分别用其对角临近像素进行比较,以决定局部极大值;
步骤1024、双阈值检测和边缘连接。
进一步的是,步骤101及步骤105中,所述参数包括混合高斯模型的均值、协方差矩阵、加权值和学习因子。
运动车辆的跟踪方法,包括以下步骤:
步骤201、确定初始目标及其区域;
步骤202、计算运动目标的色度分量直方图;
步骤203、利用直方图计算输入图像的反向投影图;
步骤204、利用均值漂移算法在反向投影图中迭代搜索,直到收敛或达到最大迭代次数,并保存零阶矩;
步骤205、从步骤204中获得搜索窗口的中心位置和计算出新的窗口大小,以此为参数,跳转到步骤202;
步骤206、直至扫描全部视频帧,定位出前景目标位置。
进一步的是,步骤204中,所述均值漂移算法具体包括以下步骤:
步骤2041、前景目标检测,提取待跟踪的目标;
步骤2042、根据同一帧图像中团块个数及其长宽,建立团块列表;
步骤2043、对上一帧获得的团块依次进行匹配跟踪;
步骤2044、更新跟踪目标中心及窗口大小。
本发明的有益效果是,通过上述基于视频的交通信息实时采集系统,能够有效获取车流量、车速、道路占有率、车牌号等交通信息,实现了交通信息的智能管理与控制。
附图说明
图1为本发明基于视频的交通信息实时采集系统的结构框图。
具体实施方式
下面结合附图及实施例,详细描述本发明的技术方案。
本发明基于视频的交通信息实时采集系统由视频采集模块、视频处理模块、交通信息分析与处理模块和智能交通系统监控平台模块组成,其结构框图参见图1,其中,视频采集模块通过视频处理模块与交通信息分析和处理模块连接,智能交通系统管理监控平台模块和交通信息分析与处理模块连接;
视频采集模块用于拍摄交通现场的视频,并采用图像处理技术对拍摄的交通现场的视频图像进行预处理,然后传输给视频处理模块;
视频处理模块用于对预处理的交通视频图像进行处理,通过对交通场景中运动车辆的检测来获取车辆的运动区域,同时通过运动车辆的跟踪来获取车辆的运动轨迹;
交通信息分析与处理模块用于从车辆的检测与跟踪的结果中进行分析与处理后得到交通信息;
智能交通系统监控平台模块用于对获取的交通信息监控。
运动车辆的检测方法,包括以下步骤:
步骤101、初始化混合高斯背景模型中的各个参数;
步骤102、读取任意一个视频帧,对当前视频帧进行边缘检测;
步骤103、对当前视频帧中n个像素的每一个像素建立基于边缘的混合高斯背景模型;
步骤104、判断像素值是否与混合高斯背景模型中n个高斯背景模型之一匹配,若像素值与混合高斯背景模型中n个高斯背景模型中任意一高斯背景模型匹配,则将该像素点归为背景点,若像素值与混合高斯背景模型中n个高斯背景模型中所有高斯背景模型均不匹配,则将该像素点归为前景点;
步骤105、实时更新混合高斯背景模型及其各个参数;
步骤106、对当前视频帧进行阴影检测与去除;
步骤107、读取下一帧,同时进入步骤102;
步骤108、直至扫描全部视频帧,提取出前景目标。
运动车辆的跟踪方法,包括以下步骤:
步骤201、确定初始目标及其区域;
步骤202、计算运动目标的色度分量直方图;
步骤203、利用直方图计算输入图像的反向投影图;
步骤204、利用均值漂移算法在反向投影图中迭代搜索,直到收敛或达到最大迭代次数,并保存零阶矩;
步骤205、从步骤204中获得搜索窗口的中心位置和计算出新的窗口大小,以此为参数,跳转到步骤202;
步骤206、直至扫描全部视频帧,定位出前景目标位置。
实施例
本发明实施例基于视频的交通信息实时采集系统包括视频采集模块、视频处理模块、交通信息分析与处理模块和智能交通系统监控平台模块,其中,视频采集模块通过视频处理模块与交通信息分析和处理模块连接,智能交通系统管理监控平台模块和交通信息分析与处理模块连接;
视频采集模块用于拍摄交通现场的视频,并采用图像处理技术对拍摄的交通现场的视频图像进行预处理,然后传输给视频处理模块;
视频处理模块用于对预处理的交通视频图像进行处理,通过对交通场景中运动车辆的检测来获取车辆的运动区域,同时通过运动车辆的跟踪来获取车辆的运动轨迹;
交通信息分析与处理模块用于从车辆的检测与跟踪的结果中进行分析与处理后得到交通信息;
智能交通系统监控平台模块用于对获取的交通信息监控。
上述系统中,交通信息包括车流量、车速、车道占有率和车辆违章;对拍摄的交通现场的视频图像进行预处理是指:视频图像的去噪和增强,用于为后续的分析和处理提供更好的视频图像。
运动车辆的检测方法,包括以下步骤:
步骤101、初始化混合高斯背景模型中的各个参数;
步骤102、读取任意一个视频帧,对当前视频帧进行边缘检测;
步骤103、对当前视频帧中n个像素的每一个像素建立基于边缘的混合高斯背景模型;
步骤104、判断像素值是否与混合高斯背景模型中n个高斯背景模型之一匹配,若像素值与混合高斯背景模型中n个高斯背景模型中任意一高斯背景模型匹配,则将该像素点归为背景点,若像素值与混合高斯背景模型中n个高斯背景模型中所有高斯背景模型均不匹配,则将该像素点归为前景点;
步骤105、实时更新混合高斯背景模型及其各个参数;
步骤106、对当前视频帧进行阴影检测与去除;
步骤107、读取下一帧,同时进入步骤102;
步骤108、直至扫描全部视频帧,提取出前景目标。
上述方法中,步骤102中,对当前视频帧进行边缘检测采用canny算子对视频帧进行边缘检测,具体包括以下步骤:
步骤1021、用高斯滤波器模板对图像进行滤波处理,以减小或消除噪声;
步骤1022、由微分算子计算出图像灰度沿两个方向的偏导数p(i,j)和q(i,j),并求出梯度的大小和方向;
步骤1023、把边缘的梯度方向分为四种,包括水平方向、垂直方向、45°方向和135°方向,水平方向和垂直方向分别用其临近的像素进行比较,45°方向和135°方向分别用其对角临近像素进行比较,以决定局部极大值;
步骤1024、双阈值检测和边缘连接。
上述方法中,步骤101及步骤105中,参数包括混合高斯模型的均值、协方差矩阵、加权值和学习因子。
运动车辆的跟踪方法,包括以下步骤:
步骤201、确定初始目标及其区域;
步骤202、计算运动目标的色度分量直方图;
步骤203、利用直方图计算输入图像的反向投影图;
步骤204、利用均值漂移算法在反向投影图中迭代搜索,直到收敛或达到最大迭代次数,并保存零阶矩;
步骤205、从步骤204中获得搜索窗口的中心位置和计算出新的窗口大小,以此为参数,跳转到步骤202;
步骤206、直至扫描全部视频帧,定位出前景目标位置。
上述方法中,步骤204中,均值漂移算法具体包括以下步骤:
步骤2041、前景目标检测,提取待跟踪的目标;
步骤2042、根据同一帧图像中团块个数及其长宽,建立团块列表;
步骤2043、对上一帧获得的团块依次进行匹配跟踪;
步骤2044、更新跟踪目标中心及窗口大小。