专利名称：一种基于图像纹理检测道路交通状况的方法
技术领域：
本发明属于视频检测技术领域，涉及一种基于图像纹理检测道路交通状况的方 法。
背景技术：
近年来，随着世界经济的快速发展，交通负荷急剧增长，随之而来的道路拥挤严 重、交通事故频发等问题已经逐步成为制约各国交通发展的主要因素。因此，及时正确地进 行道路交通拥堵判别，是采取合理预警措施、主动避免交通拥堵的前提，同时也可以为公众 出行以及城市公交调度提供参考，是提高道路通行能力的有效手段。现有分析城市道路交通拥堵状况的技术主要有环形线圈法、雷达(微波)法、超 声波法、基于GPS数据法等。这些方法各有利弊都不能实现准确、实时、方便地检测道路交 通状况。视频处理技术由于具有处理信息量大、无需破坏地面、安装维护方便等优点，在道 路交通拥堵检测方面具有较好的应用前景。本发明通过观察大量交通视频数据，分析道路处于各交通状况时的特征，当道路 处于畅通状态时，车辆处于快速运动状态，因此相邻帧图像会有明显变化，且车道占有率较 低；当道路处于饱和状态时，车辆处于缓慢运动状态，因此相邻帧图像变化较小，且车道占 有率相对较高；当道路处于拥堵状态时，车辆停止且持续时间很长，车辆占有率极高。基于上述路况特征以及大量实验验证，提出基于纹理检测道路交通状况的方法， 该方法能够很好的将时间与空间结合，减少单一由时间或空间上的判断而带来的误差，因 此准确性较高，同时根据空间纹理分析得到的车辆空间占有率可以进行车道参数的分析， 因此本发明可同时分析交通事件及计算交通参数，具有较广的应用前景。
发明内容
本发明的目的是提供一种基于纹理检测道路交通状况的方法，该方法能够准确实 现交通状况的实时检测。为了实现上述任务，本发明采取如下的技术解决方案 一种基于纹理检测道路交通状况的方法，该方法包括以下步骤 步骤一对视频图像进行空域纹理分析
(1)在视频图像中确定目标车道，将目标车道沿车辆行驶方向分割成若干路段，再沿车 道线方向将所分割的各路段划分为若干区域，分段对所划分的视频图像区域进行空域纹理 处理，求出各区域分界线上相邻行之间像素灰度值差的绝对值，即为空域纹理的变化值；
(2)求出各车目标车道每一行空域纹理变化的最大值；
(3)对整幅视频图像空域纹理变化的最大值进行平滑处理；
(4)对平滑处理后的最大值进行二值化，若该值大于二值化阈值，则将其设为1，否则为0 ；
(5)对二值化后的数据进行处理，将像素个数小于10且实际距离小于5米且二值化状 态结果不一致的数据赋为相同的状态； 步骤二 对视频图像进行时域纹理分析
(1)在视频图像中确定目标车道，将目标车道沿车辆行驶方向分割成若干路段，分段对 所划分的视频图像区域进行时域纹理处理，求出各段车道中线上相隔一定帧数对应位置像 素差的绝对值，即为时域纹理的变化值。由于对于车道较远处其对应的实际距离较大，对实 际分析结果影响不大，且为了节省运算时间，在具体实现时可将每条车道划分为三段处理， 从图像底端到1/3车道长度、1/3车道长度到2/3车道长度、2/3车道长度到图像顶端分别 采用相邻帧、隔1帧、隔两帧进行时域纹理处理。(2)对整幅视频图像时域纹理的变化值进行平滑处理；
(3)对平滑处理后的时域纹理的变化值进行二值化，若该值大于二值化阈值，则将其设 为1，否则为0;
(4)对二值化后的数据进行处理，将像素个数小于10且实际距离小于5米且二值化状 态结果不一致的数据赋为相同的状态；
步骤三道路交通状况分析判断；
(1)分段处理空域纹理分析过程中数据为1时所对应的像素个数；
(2)当该像素个数占目标车道总像素个数百分比大于50%—80%且对应实际距离大于 60—120米时，则对时域纹理分析为1的值与空域纹理分析为1的值进行比值分析；当该像 素个数占目标车道总像素个数百分比及对应实际距离不满足上述条件时，判断目标车道所 分割的所有路段是否处理完毕，如果没有处理完毕，则对下一路段进行上述处理；如果所有 路段均已处理完毕，则判断此时道路处于畅通状态；
(3)当该像素个数占目标车道总像素个数百分比大于50%—80%且对应实际距离大于 60—120米时，则对时域纹理分析为1的值与空域纹理分析为1的值的百分比进行判断，如 果时域纹理分析为1的值与空域纹理分析为1的值的百分比小于10%时，标记此帧满足饱 或和拥堵条件，如果连续一定帧数满足拥堵条件且已进入饱和状态时，则判断该道路交通 状况为拥堵状态，否则该道路交通状况为饱和状态；如果时域纹理分析为1的值与空域纹 理分析为1的值的百分比大于或等于10%时，标记此帧满足饱和条件，如果连续一定帧数满 足饱和条件时，则判断该道路交通状况为饱和状态，否则该道路交通状况为畅通状态。本发明的基于纹理检测道路交通状况的方法是逐行逐帧进行，其处理时间小于数 据的采集时间，因此能够保证检测的实时性，并且基于图像纹理的计算能够准确的判断车 辆的时间占有率及空间占有率，为交通参数统计提供依据。本发明通过道路安装的摄像头 可获取实时路况视频，实验设备简单；对实验结果进行分析处理时，能够较快判断出路况信 息，延迟较小。
图1是视频图像空域纹理分析流程图。图2是视频图像时域纹理分析流程图。图3是道路交通状况判断流程图。
图4是道路饱和状态的效果图，其中图4a为道路饱和实时视频图像，图4b为对道 路饱和视频图像经过处理后的空域与时域纹理变化波形图。图5是道路饱和状态的效果图，其中图5a为道路饱和实时视频图像，图5b为对道 路饱和视频图像经过处理后的空域与时域纹理变化波形图。图6是道路饱和状态的效果图，其中图6a为道路饱和实时视频图像，图6b为对道 路饱和视频图像经过处理后的空域与时域纹理变化波形图。图7是道路畅通状态的效果图，其中，图7a为道路畅通实时视频图像，图7b为对 道路畅通视频图像经过处理后的空域及时域纹理变化波形图。下面结合附图对本发明的内容作进一步详细说明。
具体实施例方式空域纹理分析通过计算每帧图像中沿车道方向相邻行对应像素的图像纹理变化， 判断路面车辆的空间占有率，其中主要困难是区分车辆形成的纹理与树影及路面本身纹理 的区别。为避免车道边缘树影及路面的干扰，本发明在进行空域纹理分析时，根据车道的走 势将车道进行分段分析，对两车道线间的中间区域进行处理。时域纹理分析主要检测视频 图像相隔一定帧的纹理变化，由此判断车辆的时间占有率。由于映射表关系及同一车道不 同位置对结果判断的影响，对于同一车道同样将其进行分段分析，不同位置的车道采取不 同的帧间隔进行处理。对于时域纹理分析结果如果变化较多，则说明车辆处于较快的运动 状态，如果变化较少，则说明此刻车辆运动速度较慢。本发明结合对视频图像的空域和时域纹理分析来判断道路的交通状况。空域纹理 分析用来判断车辆的空间占有率，时域纹理分析用来判断车辆的时间占有率，如果时域纹 理变化较少且空域纹理显示车辆空间占有率较大，则表明当前交通状况处于饱和和拥堵的 置信度较高，反之，则处于畅通的置信度较高。参见图1-图3，本发明的基于纹理检测道路交通状况的方法，该方法包括以下步 骤
步骤一对视频图像进行空域纹理分析
(1)在视频图像中确定目标车道，将目标车道沿车辆行驶方向分割成若干路段，再沿车 道线方向将所分割的各路段划分为若干区域，分段对所划分的视频图像区域进行空域纹理 处理，求出各区域分界线上相邻行之间像素灰度值差的绝对值，即为空域纹理的变化值；
(2)求出各车道每一行空域纹理变化的最大值；
(3)对整幅视频图像空域纹理变化的最大值进行平滑处理；
(4)对平滑处理后的最大值进行二值化，若该值大于二值化阈值，则将其设为1，否则为
0 ；
(5)对二值化后的数据进行处理，将像素个数小于10且实际距离小于5米且二值化状 态结果不一致的数据赋为相同的状态。对于进行二值化处理后的数据，由于路面环境的复 杂性，会出现较多的纹理变化，对处理结果分析带来一定的难度，为了方便后期的判断，对 于二值化变化较频繁的区域我们进行选择性填充，填充要求的选择条件，我们根据大量的 实验数据分析获得，如果对应的像素个数较小如10个像素，且实际距离小于一个车长，我 们将其填充，此时对实际结果的分析不会造成影响。
步骤二 对视频图像进行时域纹理分析
(1)在视频图像中确定目标车道，将目标车道沿车辆行驶方向分割成若干路段，分段对 所划分的视频图像区域进行时域纹理处理，求出各段车道中线上相隔一定帧数对应位置像 素差的绝对值，即为时域纹理的变化值。由于对于车道较远处其对应的实际距离较大，对实 际分析结果影响不大，且为了节省运算时间，在具体实现时可将每条车道划分为三段处理， 从图像底端到1/3车道长度、1/3车道长度到2/3车道长度、2/3车道长度到图像顶端分别 采用相邻帧、隔1帧、隔两帧进行时域纹理处理；
(2)对整幅视频图像时域纹理的变化值进行平滑处理；
(3)对平滑处理后的时域纹理的变化值进行二值化，若该值大于二值化阈值，则将其设 为1，否则为0;
(4)对二值化后的数据进行处理，将像素个数小于10且实际距离小于5米(此值依据最 小车长设定，最小为4米)且二值化状态结果不一致的数据赋为相同的状态。对于进行二值 化处理后的数据，由于路面环境的复杂性，会出现较多的纹理变化，对处理结果分析带来一 定的难度，为了方便后期的判断，对于二值化变化较频繁的区域我们进行选择性填充，填充 要求的选择条件，我们根据大量的实验数据分析获得，如果对应的像素个数较小如10个像 素，且实际距离小于一个车身长，我们将其填充，此时对实际结果的分析不会造成影响。步骤三道路交通状况分析判断
(1)分段处理空域纹理分析过程中数据为1时所对应的像素个数；
(2)当该像素个数占目标车道总像素个数百分比大于50%—80%(此值表示车道长度上 至少有一半的长度被车占用)且对应实际距离大于60—120米时，则对时域纹理分析为1的 值与空域纹理分析为1的值进行比值分析；当该像素个数占目标车道总像素个数百分比及 对应实际距离不满足上述条件时，判断目标车道所分割的所有路段是否处理完毕，如果没 有处理完毕，则对下一路段进行上述处理；如果所有路段均以处理完毕，则判断此时道路处 于畅通状态。本发明通过观察大量的视频数据，对不同要求判断准确率的路况进行了区别研 究研究发现如果目标路段是关键路段，其需要对路况实时状况进行较高精确判断时，该路 段进入饱和拥堵的条件可以采用空域为1的像素个数占目标车道总像素个数百分比大于 80%且对应实际距离大于120米作为判断条件进行判断。如果目标路段为一般道路街道，该 路段进入饱和拥堵条件可以设置为空域为1的车道长度占目标车道总长度百分比大于50% 且对应实际距离大于60米作为判断条件进行判断。(3)当该像素个数占目标车道总像素个数百分比大于50%—80%，且对应实际距离 大于60—120米时，则对时域纹理分析为1的值与空域纹理分析为1的值的百分比进行判 断，如果时域纹理分析为1的值与空域纹理分析为1的值的百分比小于10%时，标记此帧满 足饱和和拥堵条件，如果连续一定帧数满足拥堵条件且已进入饱和状态时，则判断该道路 交通状况为拥堵状态，否则该道路交通状况为饱和状态；如果时域纹理分析为1的值与空 域纹理分析为1的值的百分比大于或等于10%时，标记此帧满足饱和条件，如果连续一定帧 数满足饱和条件时，则判断该道路交通状况为饱和状态，否则该道路交通状况为畅通状态。为保证路况信息报告的准确性，减少误报情况的发生，在进行最后时域与空域纹 理分析时我们采取较严格的判断条件。只有当缓慢运行的车辆占有率到整个车道的长度的一半以上并且对应实际的距离很大我们才进行饱和拥堵的判断。根据大量实际数据的观 察，当车辆处于拥堵状态时，车辆基本处于停止运动状态，因此时域与空域百分比很小，本 发明通过大量的数据分析及不断的调整，最终对路面信息较好，外界干扰不明显的路段，其 值取10%进行处理。以下是发明人给出的具体实施例，需要说明的是本发明并不限于以下实施例，凡 是在以下实施例基础上的等同变换或者替换均属于本发明的保护范围。实施例1
参照图4所示，遵循上述技术步骤，对西安科技大学门前立交上拍摄的实际实时路况 视频图像进行分析处理，此视频数据路况平整，树影及其他干扰较少，观测结果较为理想， 对此段视频分析判断过程中所用到的具体参数如下 二值化阈值20 ；
空域与时域二值化后处理可进行填充的像素个数10，实际距离5米； 饱和状态持续帧数50 ； 拥堵状态持续帧数100 ；
进入饱和拥堵条件空域为1的像素个数占车道总像素个数百分比大于50%且对应实 际距离大于60米；
时域纹理分析为1的值与空域纹理分析为1的值的百分比10% ； 遵循上述步骤，通过对实时采集到的道路交通视频图像(图4a)进行分析，白色条纹 表示此时道路已处于饱和状态，即已经有连续数帧满足交通饱和条件，经过分析该图在第 1813帧时报出饱和事件，图4b为对应各车道的空域及时域纹理变化波形图，可以发现当道 路处于饱和状态时，时域与空域纹理变化与分析相符且百分比小于一定的比例，可见本发 明可以在实际中进行广泛应用。实施例2
参照图5所示，对西安科技大学门前立交上拍摄的实际实时路况视频图像进行分析处 理，此段视频分析判断所用到的具体参数如下 二值化阈值20 ；
空域与时域二值化后处理可进行填充的像素个数10，实际距离5米； 饱和状态持续帧数50 ； 拥堵状态持续帧数100 ；
进入饱和拥堵条件空域为1的像素个数占车道总像素个数百分比大于65%且对应实 际距离大于90米；
时域纹理分析为1的值与空域纹理分析为1的值的百分比10%。遵循上述步骤，通过对实时采集到的道路交通视频图像(图5a)进行分析，白色条 纹表示此时道路已处于饱和状态，即已经有连续数帧满足交通饱和条件，该图在第3205帧 时报出饱和事件，图5b为对应各车道的空域及时域纹理变化波形图，通过对比，可以发现 此时报出事件时对应的车道空间占有率较高，对比上例报出事件的时间有所延长，准确率 有有所提高。实施例3
参照图6所示，对西安科技大学门前立交上拍摄的实际实时路况视频图像进行分析处理，此段视频分析判断过程所用到的具体参数如下 二值化阈值20 ；
空域与时域二值化后处理可进行填充的像素个数10，实际距离5米； 饱和状态持续帧数50 ； 拥堵状态持续帧数100 ；
进入饱和拥堵条件空域为1的像素个数占车道总像素个数百分比大于80%且对应实 际距离大于120米；
时域纹理分析为1的值与空域纹理分析为1的值的百分比10% ； 遵循上述步骤，通过对实时采集到的道路交通视频图像(图6a)进行分析，白色条纹表 示此时道路已处于饱和状态，即已经有连续数帧满足交通饱和条件，该图在第5078帧时报 出饱和事件，图6b为对应各车道的空域及时域纹理变化波形图，通过对比可以发现报出事 件时对应的车道空间占有率较高，此时进入饱和和拥堵的条件较高，延迟较长，但准确率有 所提高，误差减小。
实施例4
参照图7所示，对上海浦东国际机场入口的实时路况视频图像进行分析处理，判断过 程所用到的具体参数如下 二值化阈值20 ；
空域与时域二值化后处理可进行填充的像素个数10，实际距离5米； 饱和状态持续帧数50 ； 拥堵状态持续帧数100 ；
进入饱和拥堵条件空域为1的像素个数占车道总像素个数百分比大于50%且对应实 际距离大于60米；
时域纹理分析为1的值与空域纹理分析为1的值的百分比10% ； 图7a为实时采集到的道路畅通视频，图7b为对应各车道的空域及时域纹理变化波形 图，该图在第2015帧时报出畅通事件，可以发现当道路处于畅通状态时，时域具有较大的 变化，此时时域与空域百分比大于所设定的阈值，可见本发明可以在实际中进行广泛应用。
权利要求
1.一种基于图像纹理检测道路交通状况的方法，其特征在于包括以下步骤 步骤一对视频图像进行空域纹理分析(1)在视频图像中确定目标车道，将目标车道沿车辆行驶方向分割成若干路段，再 沿车道线方向将所分割的各路段划分为若干区域，分段对所划分的视频图像区域进行空域 纹理处理，求出各区域分界线上相邻行之间像素灰度值差的绝对值，即为空域纹理的变化 值；(2)求出各目标车道每一行空域纹理变化的最大值；(3)对整幅视频图像空域纹理变化的最大值进行平滑处理；(4)对平滑处理后的最大值进行二值化，若该值大于二值化阈值，则将其设为1，否则为0 ；(5)对二值化后的数据进行处理，将像素个数小于10且实际距离小于5米且二值化状 态结果不一致的数据赋为相同的状态；步骤二 对视频图像进行时域纹理分析(1)在视频图像中确定目标车道，将目标车道沿车辆行驶方向分割成若干路段，分段对 所划分的视频图像区域进行时域纹理处理，求出各段车道中线上相隔一定帧数对应位置像 素差的绝对值，即为时域纹理的变化值；(2)对整幅视频图像时域纹理的变化值进行平滑处理；(3)对平滑处理后的时域纹理的变化值进行二值化，若该值大于二值化阈值，则将其设 为1，否则为0;(4)对二值化后的数据进行处理，将像素个数小于10且实际距离小于5米且二值化状 态结果不一致的数据赋为相同的状态；步骤三道路交通状况分析判断(1)分段处理空域纹理分析过程中数据为1时所对应的像素个数；(2)当该像素个数占目标车道总像素个数百分比大于50%—80%，且对应实际距离大于 60—120米时，则对时域纹理分析为1的值与空域纹理分析为1的值进行比值分析；当该像 素个数占目标车道总像素个数百分比及对应实际距离不满足上述条件时，判断目标车道所 分割的所有路段是否处理完毕，如果没有处理完毕，则对下一路段进行上述处理；如果所有 路段均以处理完毕，则判读此时道路处于畅通状态；(3)当该像素个数占目标车道总像素个数百分比大于50%—80%，且对应实际距离大于 60—120米时，则对时域纹理分析为1的值与空域纹理分析为1的值的百分比进行判断，如 果时域纹理分析为1的值与空域纹理分析为1的值的百分比小于10%时，标记此帧满足饱 或和拥堵条件，如果连续一定帧数满足拥堵条件且已进入饱和状态时，则判断该道路交通 状况为拥堵状态，否则该道路交通状况为饱和状态；如果时域纹理分析为1的值与空域纹 理分析为1的值的百分比大于或等于10%时，标记此帧满足饱和条件，如果连续一定帧数满 足饱和条件时，则判断该道路交通状况为饱和状态，否则该道路交通状况为畅通状态。
2.如权利要求1所述的基于图像纹理检测道路交通状况的方法，其特征在于对视频 图像进行时域纹理分析时，将每条目标车道划分为三段，从视频图像底端到1/3车道长度、 1/3车道长度到2/3车道长度、2/3车道长度到图像顶端分别采用相邻帧、相隔1帧、相隔两 帧进行图像处理。
全文摘要
本发明公开了一种基于纹理检测道路交通状况的方法，该方法结合对视频图像的空域和时域纹理分析来判断道路的交通状况。其中空域纹理分析用来判断车辆的空间占有率，时域纹理分析用来判断车辆的时间占有率，如果时域纹理变化较小且空域纹理显示车辆空间占有率较大，则表明当前交通状况处于饱和和拥堵的置信度较高，反之，则处于畅通的置信度较高。本发明采用逐行逐帧进行处理，其处理时间小于数据的采集时间，因此能够保证检测的实时性，并且基于图像纹理的计算能够准确的确定出车辆的空间占有率及时间占有率，为交通参数统计提供依据。
文档编号G06T7/20GK102136195SQ20111007508
公开日2011年7月27日 申请日期2011年3月28日 优先权日2011年3月28日
发明者严玍伻, 刘童, 周婷洁, 夏波, 宋焕生, 张静, 施春宁, 朱小平, 李洁, 杨孟拓, 袁彬, 郭玲玲, 陈艳, 马锐安 申请人:长安大学