一种全景视频交通态势监控系统及方法
【技术领域】
[0001] 本发明设及一种交通态势监控系统及方法，特别是基于全景视频实现的交通监控 系统及方法，属于智能交通技术领域。
【背景技术】
[0002] 随着城市交通设施的不断完善，交通工具数量日益增加，交通压力急剧增大，事故 发生率显著上升，智能交通监控势在必行，智能交通系统（ITS)的建设势在必行。智能交通 系统（ITS)通过检测道路上的交通流信息来了解道路交通的运行情况，根据交通流的动态 变化，迅速做出交通诱导控制，减轻道路拥挤程度，减小车辆行车延误，降低发生交通事故 的概率，保证行车安全，使交通设施得到充分利用。
[0003]目前，交通信息采集设备种类很多，如环形线圈检测器、地磁检测器、电磁检测器、 微波检测器、超声波检测器、视频检测技术等。但随着视频图像处理技术的发展，基于图像 的交通信息采集技术显示出了其他采集设备所没有的优势，在未来实时交通信息采集和处 理技术中将占据很重要的地位，视频车辆检测技术将会得到不断地发展和更加广泛地应 用。
[0004]基于视频检测技术的交通流量监控系统和分析方法中，通常会沿着交通道路架设 足量摄像机，通过对运些摄像机的视频进行智能分析，得出该区域的交通状态。
[0005]在实际使用中，W上系统和方法存在如下缺点： 1、 摄像头被离散安装在道路两侧，每个视频画面覆盖的区域有限，导致单镜头分析的 交通流量具有较大的局部性，监控盲区普遍存在； 2、 通过增加摄像头数量虽然可W有效弥补上述缺陷，但会带来前端设备、后台分析存 储设备的成倍增加，造价大幅上涨。
【发明内容】
[0006] 为了克服现有技术下的上述缺陷，本发明的目的在于提供一种全景视频交通态势 监控系统及方法，该系统及方法能在有限硬件投入的情况下实现高效、无盲区的交通视频 监控。
[0007]本发明的技术方案是： 一种全景视频交通态势监控方法，其实现步骤包括： a. 通过一组或多组视频采集设备采集待监控现场视频； b. 将所采集的现场视频拼接成全景视频； C.针对所述全景视频进行车流速度和车流密度的实时分析，从而得到交通状态数据； d. 对所述全景视频、所述交通状态数据和包含待监控现场的GIS地图通过信息配准及 融合处理，形成GIS实景地图； e. 将所述GIS实景地图推送到监控显示设备上。
[0008]所述步骤b的拼接优选包括离线参数计算和实时拼接处理两个过程。
[0009] 所述离线参数计算过程主要是计算后续拼接需要用到的拼接参数，计算拼接参数 的过程可W是：对待拼接的图像序列进行特征匹配计算两两图像之间的单应矩阵，通过LM 算法优化得到单幅图像到全景视频的映射矩阵，并由此计算单幅图像的掩膜图，导出该映 射矩阵及掩膜图作为所述拼接参数。
[0010] 在所述实时拼接处理过程中优选创建数据传输、图像映射和色彩训练处理=个并 行的GPU线程，数据传输线程用于将多幅单镜头视频（即前述的每组视频采集设备采集的 待监控现场视频）上载到GPU显存W及将拼接处理后的全景视频从GPU显存下载到CPU内 存；图像映射线程用于像素查表映射、色彩校正、边缘融合W及裁剪处理；色彩训练处理线 程用于色彩校正参数训练及更新。
[0011] 所述步骤C的实时分析过程可W为：针对所述全景视频中预先设定的待分析区 域通过背景建模检测出运动目标即车辆，计算运动目标的数量和/或密度，当运动目标 的数量和/或密度大于相应阔值时，进行运动目标跟踪，计算车流方向和车流平均速度， 综合车流平均速度和车流密度得出交通状态数据并输出，交通状态I定义为车流速度 ^^和车流密度^?；*^的函数：
其中x、y、Z分别代表了待分析区域的位置，a、0分别为车流速度影响因子和车流密 度影响因子，Thdl为车流密度预置。
[0012] 所述步骤d的具体过程可W为：首先在全景视频中标记道路，建立流量分析区域 与道路路段之间的对应关系，根据该对应关系将交通状态数据W不同颜色的线条绘制到 全景视频中；然后，采用交互式视频标定技术选取二、=维点对，计算所述全景视频到所述 GIS地图的投影矩阵M，实现所述全景视频与所述GIS地图的配准，建立所述全景视频中道 路区域图像坐标与所述GIS地图中对应道路区域的=维坐标映射表；之后在GIS地图中建 立交通流量分段统计表，根据=维坐标映射表将所述全景视频中的交通流量分段统计数据 映射到所述交通流量分段统计表中，并根据所述交通流量分段统计表中的统计结果绘制流 量热度图；最后分别将所述流量热度图和所述道路全景视频与所述GIS地图进行融合，形 成GIS热度图和GIS实景图，其中所述GIS热度图包括所述GIS地图、所述流量热度图和所 述交通流量分段统计数据，所述GIS实景图包括所述GIS地图和所述道路全景视频。
[0013] 优选地，所述GIS地图始终显示，所述流量热度图和所述交通流量分段统计数据 根据需要开启或关闭，所述道路全景视频根据需要W纹理的形式显示在所述GIS地图上， 或者在所述GIS地图上弹窗显示。
[0014] 一种全景视频交通态势监控系统，包括按信息流向依次连接的视频采集设备、GPU 拼接模块、交通流量分析模块和信息配准与融合处理模块，所述信息配准与融合处理模块 与监控显示设备的适配接口双向通信连接，所述信息配准与融合处理模块还设有全景视频 输入端和GIS地图信息输入端，所述GPU拼接模块的输出端还与所述全景视频输入端连接， 所述视频采集设备用于采集待监控现场视频，待监控现场视频用作形成全景视频的基础的 单镜头视频；所述GPU拼接模块用于所述单镜头视频的解码拼接及色彩校正处理从而形成 全景视频；所述交通流量分析模块用于所述全景视频中运动目标检测及交通状态评估；所 述信息配准与融合处理模块用于对所述全景视频、所述交通状态数据和包含待监控现场的GIS地图通过信息配准及融合处理，形成GIS实景地图；所述适配接口用于监控显示设备类 型识别及GIS实景地图推送。
[0015] 所述全景视频交通态势监控系统还可W设有GIS地图数据存储模块，所述GIS地 图数据存储模块的输出端连接所述GIS地图信息输入端，所述GIS地图数据存储模块用于 存储GIS地图数据。
[0016] 所述GPU拼接模块优选为多个并联，每个所述GPU拼接模块对应连接一个视频采 集设备组，每个所述视频采集设备组中包括一个或多个所述视频采集设备。
[0017] 本发明的有益效果为： 本发明基于全景视频实现的交通态势监控填补了目前全景视频技术在智能交通监控 领域应用的空白，实现了无盲区交通监控，同时把硬件设备的投入费用控制在有限范围内， 为显著改善监控效果、提高监控工作效率、有效保障交通安全提供了高效的解决方案。
[0018] 形成全景视频过程中，采用离线参数计算和具有S个并行GPU线程的实时拼接处 理，很好地确保了全景显示处理的实时性，为基于全景视频的交通态势监控提供了基础保 障。
[0019] 本发明在交通流量分析时采用特定的状态机，使交通状态分析的结果更加有效、 可信。
[0020] 本发明将道路交通全景视频、交通流量数据、交通流量热度图和GIS地图等多源 信息汇聚、配准W及融合、显示，提供了具有非常丰富信息量的监控结果数据，可满足更多 种类的交通流量监控需求。
【附图说明】
[0021] 图1是GPU并行拼接处理流程； 图2是全景视频交通流量检测处理流程； 图3是全景视频交通流量分析状态迁移图； 图4是信息汇聚处理流程； 图5是全景视频交通态势监控系统组成原理框图。
【具体实施方式】
[0022] 参见图1-4,本发明提供了一种全景视频交通态势监控方法，利用安装在较高位置 的一组或多组视频采集设备巧日摄像机）采集现场视频，通过高效的后处理技术形成全景交 通视频，并在该全景视频上进行交通流量检测和整体态势分析，形成路网实时流量态势图， 最后将全景视频、交通状态W及GIS地图进行多源信息融合，通过设备适配接口转换后推 送到远程PC或移动设备上。
[0023] 该方法的实现步骤包括： a. 通过一组或多组视频采集设备采集待监控现场视频； b.将所采集的现场视频拼接成全景视频； C.针对所述全景视频进行车流速度和车流密度的实时分析，从而得到交通状态数据；d.对所述全景视频、所述交通状态数据和包含待监控现场的GIS地图通过信息配准及 融合处理，形成GIS实景地图； e.将所述GIS实景地图推送到监控显示设备上。
[0024] 所述步骤b的拼接包括离线参数计算和实时拼接处理两个过程，流程参见图1。
[0025] 所述离线参数计算过程主要是计算后续拼接需要用到的拼接参数，计算拼接参数 的过程是：对待拼接的图像序列进行特征匹配计算两两图像之间的单应矩阵，通过LM算法 优化得到单幅图像到全景视频的映射矩阵，并由此计算单幅图像的掩膜图，导出该映射矩 阵及掩膜图作为所述拼接参数。由于摄像机姿态在安装调试完成后基本保持不变，故视频 预处理采用离线计算的方式，将计算结果作为后续处理参数保存起来，实现一次计算，多次 使用，提高处理效率。
[0026] 在所述实时拼接处理过程中创建数据传输、图像映射和色彩训练处理=个并行的 GPU线程，数据传输线程用于将所述视频采集设备所采集的待监控现场各单镜头视频上载 到GPU显存W及将拼接处理后的全景视频从GPU显存下载到CPU内存；图像映射线程用于 像素查表映射、色彩校正、边缘融合W及裁剪处理，实现视频色彩的归一化；色彩训练处理 线程用于色彩校正参数训练及更新。在视频映射和视频融合阶段，处理过程采用GPU全程 加速的策略，极大提高了帖处理时间。
[0027] 采用离线参数计算和GPU全程加速的实时拼接处理方式，很好地确保了步骤b的 全景显示处理过程的实时性。
[0028] 参见图2,所述步骤C的实时分析过程为：针对所述全景视频中预先设定的待分析 区域通过背景建模检测出运动目标即车辆，计算运动目标的数量和/或密