一种基于自适应虚拟线圈的交通监控方法
【专利摘要】本发明公开了一种基于自适应虚拟线圈的交通监控方法，属于智能交通领域。本发明主要包括：确定基准监控位置以及云台摄像机所能旋转的最大角度范围；自动标定云台摄像机；在摄像机视场中自适应设置虚拟检测区域；统计所设定的虚拟检测区域的交通流信息。本发明利用云台摄像机对道路交通场景的指定区域进行多角度实时监控，避免了摄像机场景切换时人工标记虚拟检测区域所带来额外工作，提高了摄像机的监控效率。
【专利说明】
一种基于自适应虚拟线圈的交通监控方法
技术领域
[0001]本发明属于智能交通领域，具体涉及在云台摄像机的监控场景中自适应设置虚拟检测区域以统计交通流信息。
【背景技术】
[0002]智能交通系统(Intelligent Transportat1n System)简称ITS，是解决当今社会日益膨胀的交通问题最为有效的方式，具有十分广泛的应用。交通流信息统计是智能交通系统最重要的组成部分之一。通过交通流信息统计分析，可以有效获监控路段的车流量信息，检测车速，识别车辆牌照以及车型，检测交通违章事件以及其他道路异常事件等。传统的交通监控方式利用静止摄像机对道路进行监控，一般一条道路安装一台摄像机，每台摄像机独立工作，分别统计每条道路的交通信息。这种模式下的监控不仅成本高昂，而且安装和维护起来十分不便。同时，由于各个摄像机的视场范围较小，当需要了解其他道路的交通流信息时，必须得切换到对应摄像机的监控画面，从而丧失了对原来指定监控区域的交通流信息的关注。即使使用可以旋转的摄像机解决视场范围小的问题，但是当摄像机转动时，其监控画面也会相应转换，原来设定的虚拟检测区域必然变化到新监控画面中的其他位置。此时，如果需要继续关注原来的虚拟检测区域，就必须得在新的监控画面中再次人为设置虚拟检测区域，从而统计交通流信息。显然，在传统的监控模式下，摄像机的利用率十分低下；同时，在切换场景时会带来诸多不便。
[0003]云台摄像机可以克服传统静止摄像机的诸多不足之处。云台摄像机能够对焦距、姿态、光圈等参数进行自动调节与控制，具有灵活、视场范围大、对光照条件适应能力强等优点，因此被广泛应用到视频监控、电子安防、机器人导航等各个领域。将云台摄像机应用到道路交通监控领域，可以充分利用其自动旋转的特性，大幅增加摄像机的监控场景范围，从而降低监控成本。当需要切换监控场景时，假如仍然需要关注原来虚拟检测区域的交通流信息，若能在新的监控画面中自适应地在原来所关注的区域设置虚拟检测区域，从而避免人工设置虚拟检测区域带来的额外工作量，将使摄像机变得更加智能，同时减小人工操作所带来的误差。
【发明内容】
[0004]本发明的目的是克服传统监控方法无法解决监控场景切换时原来所关注的检测区域的交通流信息统计问题，以降低监控成本，减少监控场景切换时的人工干预，从而使监控系统更加智能，特提供一种基于自适应虚拟线圈的交通监控方法。
[0005]本发明的基本思路如下:确定基准监控位置以及摄像机所能旋转的角度的范围；建立云台摄像机的精确模型，充分利用云台摄像机的旋转特性以及道路的先验信息，自动标定云台摄像机;根据道路的先验信息和监控场景信息在监控画面中自适应地在所关注的区域设置虚拟线圈，确定检测区域;统计所关注的检测区域的交通流信息，为监控中心提供相关信息。
[0006]本发明技术方案如下:
[0007]一种基于自适应虚拟线圈的交通监控方法，其流程如图1所示，相应的监控位置和监控画面示意图如图2所示，具体包括以下步骤:
[0008]步骤1:根据所关注的检测区域在道路中的实际位置将摄像机正对该区域道路时的位置设置为基准监控位置。旋转云台摄像机，并始终保持所关注的检测区域在摄像机视场中，以获取摄像机的旋转角度范围。假设云台摄像机顺时针转动可以偏离基准位置的最大角度为^，逆时针转动可以偏离基准位置的最大角度为α2，并且以顺时针方向的旋转角度为负，则云台摄像机可以旋转的角度Θ应满足:-αI< θ < α2。
[0009]步骤2:根据云台摄像机当前的场景先验信息以及摄像机的旋转信息计算摄像机的相关参数以及云台的结构参数，从而自动标定云台摄像机，确定监控场景中物体尺寸与实际场景中物体尺寸的对应关系。
[0010]步骤3:在云台摄像机当前场景中所关注的区域自适应地设置虚拟检测区域，具体实施步骤如下:
[0011 ]步骤3-1:在摄像机的监控景中进行道路检测，提取道路标志的相关信息，重点关注道路边缘线、车道分割线的位置和角度等信息。
[0012]首先，根据道路场景的实际情况对道路场景进行建模，如在十字路口场景可建立直线道路模型;然后，利用canny边缘检测等算法检测监控画面中的边缘信息，结合监控画面中路面的信息提取道路的边缘特征、路面宽度等特征;最后，采用Hough直线变换并结合先验信息确认各条道路的边缘线和车道分割线，计算其倾斜角度和位置信息，并将倾斜角度转换为偏离基准位置监控画面对应边缘线的角度Θ ’。
[0013]步骤3-2:根据云台摄像机的旋转角度和当前监控画面提供的信息确定所关注的区域在当前监控画面中的具体位置。
[0014]首先，在监控画面中找到θ’=-θ的道路边缘线和车道分割线，以及车道分割线的起点;然后，根据所关注区域在实际道路中的位置确定其所在监控画面中的车道位置。
[0015]步骤3-3:在准确找到所关注区域所在的道路和车道的情况下，找到该区域相邻车道分割线的起始位置，并以该位置为基准，沿车道方向距离为d’的位置开始沿车道延伸方向重新设置虚拟检测区域，其宽度为m’，其中m’为车道宽度在标定的摄像机场景中的车道宽度，长度视所关注的区域的大小而定。新设置的虚拟检测区域的宽度应覆盖整个车道的宽度，但不宜超出相应的车道分割线和道路边缘线。
[0016]步骤4:在步骤3中所设定的虚拟检测区域内检测交通流信息，包括统计车流量、检测车速、识别车牌以及检测识别道路异常事件等。
[0017]步骤5:当监控中心发出请求需要旋转云台摄像以监控其他道路场景时，则输入需要转动的方向以及旋转的角度，系统自动转换为偏离基准场景的方向和角度Θ，进而控制云台摄像机旋转到该位置，重复步骤2到步骤4;否则继续步骤4。
[0018]本发明的核心在于提出了一种在变化的监控场景中自适应的设置虚拟检测区域以统计所关注区域的交通流信息检测方法。通过所关注的区域的先验信息确定基准监控场景以及摄像机所能转动的角度范围，然后根据道路场景等先验信息自动标定云台摄像机，利用Hough变换等图像处理方法以及相关的先验几何关系确定所关注的检测区域在新的场景中的准确位置，并重新设置虚拟检测区域以统计车流量信息，避免了摄像机在切换场景时人工干预所造成的误差，大大提高了所关注区域的交通流信息的检测效率和检测准确率。同时，云台摄像机每旋转到新的角度都自动重新标定摄像机，避免了因温度、使用环境以及底座震动等原因引起的摄像机标定参数不再准确而导致检测错误。并且，可以充分利用云台摄像机视场范围大的优势，在其监控场景中设置多个关注区域，从而减少同一路口监控摄像机的布控，节约成本，提高监控效率。由此说明，本方法的优点突出，能够有效应用于场景需要切换情况下的道路交通流信息统计。
【附图说明】
[0019]图1为本发明一种基于自适应虚拟线圈的交通监控方法。
[0020]图2-4是本发明在不同监控角度下的道路十字路口现场布控示意图以及相应的监控画面示意图。
【具体实施方式】
[0021 ]下面结合附图对本发明做进一步的说明。
[0022]图2-4是本发明在不同监控角度下的道路十字路口现场布控示意图以及相应的监控画面示意图。为了使云台摄像机具有足够大的视场范围，同时保证摄像机在旋转过程中所关注的区域始终保持在监控画面内，考虑将云台摄像机架设在道路正上方。这样可以利用原来的设施环境，节约安装成本。实际中，道路及其标志并不一定完全是直线，但在摄像机的有效监控范围内，可以将道路及其标志考虑为直线，这并不影响检测结果。统计道路标志的相关信息，主要涉及车道宽度M、摄像机的垂直位置到所关注区域的距离D、车道分割线和道路边缘线的特征以及车道分割线的起始标志等。根据所关注区域所在的道路和车道等位置信息，以及该区域应设置的大小等信息，确定云台摄像机的基准监控场景，并以该场景的位置为基准位置。旋转云台摄像机，在始终保证所关注的区域在摄像机视场的情况，确定摄像机能分别向右向左转动的最大角度。利用现有的自动标定技术自动标定摄像机，减少监控人员的工作量。采用本发明所提出的方法在所关注的区域自适应地设置虚拟检测区域，以统计交通流信息，为交通监控系统提供更多实用的信息。本发明在摄像机场景切换时，仍然能保持对原来所关注区域的交通流信息统计，具有一定的实用价值。
【主权项】
1.一种基于自适应虚拟线圈的交通监控方法，具体包括以下步骤: 步骤1:根据所关注的检测区域在道路中的实际位置将摄像机正对该区域道路时的位置设置为基准监控位置;旋转云台摄像机，并始终保持所关注的检测区域在摄像机视场中，以获取摄像机的旋转角度范围;假设云台摄像机顺时针转动可以偏离基准位置的最大角度为αι，逆时针转动可以偏离基准位置的最大角度为α2，并且以顺时针方向的旋转角度为负，则云台摄像机可以旋转的角度Θ应满足^a1Sega2; 步骤2:根据云台摄像机当前的场景先验信息以及摄像机的旋转信息计算摄像机的相关参数以及云台的结构参数，从而自动标定云台摄像机，确定监控场景中物体尺寸与实际场景中物体尺寸的对应关系； 步骤3:在云台摄像机当前场景中所关注的区域自适应地设置虚拟检测区域； 步骤4:在步骤3中所设定的虚拟检测区域内检测交通流信息； 步骤5:当监控中心发出请求需要旋转云台摄像以监控其他道路场景时，则输入需要转动的方向以及旋转的角度，系统自动转换为偏离基准场景的方向和角度Θ，进而控制云台摄像机旋转到该位置，重复步骤2到步骤4;否则继续步骤4。2.如权利要求1所述的一种基于自适应虚拟线圈的交通监控方法，其特征在于:步骤3具体实施步骤如下: 步骤3-1:在摄像机的监控景中进行道路检测，提取道路标志的相关信息，重点关注道路边缘线、车道分割线的位置和角度的信息； 首先，根据道路场景的实际情况对道路场景进行建模;然后，利用边缘检测算法检测监控画面中的边缘信息，结合监控画面中路面的信息提取道路的边缘特征、路面宽度特征;最后，采用Hough直线变换并结合先验信息确认各条道路的边缘线和车道分割线，计算其倾斜角度和位置信息，并将倾斜角度转换为偏离基准位置监控画面对应边缘线的角度Θ’； 步骤3-2:根据云台摄像机的旋转角度和当前监控画面提供的信息确定所关注的区域在当前监控画面中的具体位置； 首先，在监控画面中找到θ’=-θ的道路边缘线和车道分割线，以及车道分割线的起点；然后，根据所关注区域在实际道路中的位置确定其所在监控画面中的车道位置； 步骤3-3:在准确找到所关注区域所在的道路和车道的情况下，找到该区域相邻车道分割线的起始位置，并以该位置为基准，沿车道方向距离为d’的位置开始沿车道延伸方向重新设置虚拟检测区域，其宽度为m’，其中m’为车道宽度在标定的摄像机场景中的车道宽度，长度视所关注的区域的大小而定，新设置的虚拟检测区域的宽度应覆盖整个车道的宽度，但不宜超出相应的车道分割线和道路边缘线。3.如权利要求1所述的一种基于自适应虚拟线圈的交通监控方法，其特征在于:步骤四中交通流信息包括统计车流量、检测车速、识别车牌以及检测识别道路异常事件。4.如权利要求2所述的一种基于自适应虚拟线圈的交通监控方法，其特征在于:步骤3-1中采用canny边缘检测算法。
【文档编号】H04N7/18GK105957340SQ201610270917
【公开日】2016年9月21日
【申请日】2016年4月27日
【发明人】曹宗杰, 罗林, 陆川, 廖丹, 张明, 张力, 闵锐, 李晋
【申请人】电子科技大学, 电子科技大学成都研究院