一种基于视频图像处理的车流检测算法
【专利摘要】本发明涉及一种基于视频图像处理的车流检测算法，具体算法如下：a.输入连续帧序列图像；b.进行图像灰度化平滑处理；c.进行统计图像帧序列各像素点的灰度直方图及灰度平均值；d.建立背景模型和建立阈值平面；e.进行输入帧与背景差分提取运行目标区域和对建立阈值平面后进行OTSU计算差分图像阈值T；f.进行基于颜色和梯度的阴影检测和对计算阈值T后进行二值化及形态学滤波处理；g.阴影去除的运动车辆信息；h.基于线圈的车流量检测。本发明的一种基于视频图像处理的车流检测算法，原理简单，计算便捷，且对于车流量数据的提取更为精确，通过大量实验仿真，能很好的实现系统预定的车流量统计功能。
【专利说明】一种基于视频图像处理的车流检测算法
【技术领域】
[0001]本发明涉及视频图像的领域，尤其是一种基于视频图像处理的车流检测算法。
【背景技术】
[0002]当今社会，高速的经济发展使得人们对物质的需求不断提高，机动车尤其是私家车的数量迅速增长。虽然道路建设也在日益改进，包括拓宽道路，修建高架立交桥等有效措施，但终究无法解决根本问题，越来越多的交通车流造成的拥堵、事故等一系列问题给人们日常生活造成了越来越严重的影响。因此对交通流的合理疏散控制成为该领域研究的重点。在信息技术日益发展并逐渐完善更新的年代，智能交通系统逐渐成为交通控制的主流，与图像处理等相关技术的结合应用使得ITS成为解决现代交通问题的利器。
[0003]有效的解决交通问题，单纯依靠拓宽马路，修建立交桥等硬件更新是不够的，还需要采用高效的交通检测盒控制方法，在我国传统的交通车辆检测技术包括线圈检测法和波频检测法。
[0004]线圈检测方法是在地面埋设线圈作为传感器件，线圈由专用电缆绕几匝及其馈线构成，在源环形线圈在周围的空间会产生电磁场。当含有钨铁金属的车体进入线圈磁场范围，车辆铁构件内产生自成闭合回路的感应电涡流；此涡流又产生与原有磁场方向相反的新磁场，导致线圈的总电感变小，引起调谐频率偏离原有数值；偏离的频率被送到相位比较器，与压控振荡器频率相比较，确认其偏离值，从而发出车辆通过或存在的信号。该方法技术成熟，价格合理，但是由于其检测精度受环境问题以及线圈的作用范围影响，故只在高速公路、桥梁和隧道灯环境下被广泛应用，不适于复杂的城市交通环境。此外该方法在埋设线圈时对地面造成破坏，安装维护队交通造成阻碍，后期的维护成本较高。
[0005]波频车辆检测方法是通过波频信号如红外线、微波、超声波等向车辆发射电磁波并接受车辆反射回来的信号，从而计算出对应的车流量和平均速度等交通参数的检测方法，该方法多为吊挂式的，在检测时检测器要求离最近的车辆有3m的空间，而且要达到一定的安装高度要求，因此在桥梁、立交和高架桥的安装会受到限制，且该系统价格较为昂贵。此外，车辆遮挡以及复杂的车流环境都会影响检测的精度，一般在车流量稳定、车速均匀的简单交通环境下有较高的准确率。
[0006]鉴于以上两种检测方式在城市交通应用上的不足以及弊端，更为有效的车流检测方式有待进一步开发，基于视频的车流检测成为一种趋势。
【发明内容】
[0007]本发明要解决的技术问题是:提供一种基于视频图像处理的车流检测算法。
[0008]本发明解决其技术问题所采用的技术方案是:一种基于视频图像处理的车流检测算法，具体算法如下:
[0009]a.输入连续帧序列图像；
[0010]b.对输入后的图像进行图像灰度化平滑处理；[0011]c.对平滑处理后的图像进行统计图像帧序列各像素点的灰度直方图及灰度平均值；
[0012]d.建立背景模型和建立阈值平面；
[0013]e.对建立背景模型后进行输入帧与背景差分提取运行目标区域和对建立阈值平面后进行OTSU计算差分图像阈值T ；
[0014]f.对提取运动目标区域后的图像进行基于颜色和梯度的阴影检测和对计算阈值T后进行二值化及形态学滤波处理；
[0015]g.阴影去除的运动车辆信息；
[0016]h.基于线圈的车流量检测。
[0017]所述的e中对建立背景模型后进行输入帧与背景差分提取运行目标区域中背景差分的具体方法如下:确定一个合适的背景图像，利用当前帧的图像序列与背景图像求出差分图像，对差分图像进行二值化图像处理，处理后的图像进行后续处理
[0018]本发明的有益效果是，本发明的一种基于视频图像处理的车流检测算法，原理简单，计算便捷，且对于车流量数据的提取更为精确，通过大量实验仿真，能很好的实现系统预定的车流量统计功能。
【专利附图】
【附图说明】
[0019]下面结合附图和实施例对本发明进一步说明。
[0020]图1是本发明的结构框图。
【具体实施方式】
[0021]现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
[0022]一种基于视频图像处理的车流检测算法，具体算法如下:
[0023]a.输入连续帧序列图像；
[0024]b.对输入后的图像进行图像灰度化平滑处理；
[0025]c.对平滑处理后的图像进行统计图像帧序列各像素点的灰度直方图及灰度平均值；
[0026]d.建立背景模型和建立阈值平面；
[0027]e.对建立背景模型后进行输入帧与背景差分提取运行目标区域和对建立阈值平面后进行OTSU计算差分图像阈值T，其中背景差分的具体方法如下:
[0028]( I)确定一个合适的背景图像；
[0029](2)利用当前帧的图像序列与背景图像求出差分图像；
[0030](3)对差分图像进行二值化图像处理，；
[0031](4)处理后的图像进行后续处理；
[0032]f.对提取运动目标区域后的图像进行基于颜色和梯度的阴影检测和对计算阈值T后进行二值化及形态学滤波处理；
[0033]g.阴影去除的运动车辆信息，采用目标区域特征提取方法如下:
[0034](I)提取单个连通区域面积特征，取一定的阈值，面积大于阈值的才为运动车辆，否则判定为干扰，按照公式:
[0035]Rect = (Ri, Rr, Rt, Rb) {min (regx), max (regx), min (regy), max (regy)}
[0036]可以知道最小矩形各条边线，R1、Rr、Rt、Rb分别表示矩形的左右上下的边线坐标，通过矩形边线四个角的坐标，可以画出区域的最小矩形线框；
[0037]h.基于线圈的车流量检测，进行对车辆计算判定法:以运动目标外界矩形的中心点为判断依据，中心点进入虚拟线圈，即计数加1，例如:单一车道的检测方法，如下所示:
[0038]
【权利要求】
1.一种基于视频图像处理的车流检测算法，其特征是具体算法如下: a.输入连续帧序列图像； b.对输入后的图像进行图像灰度化平滑处理； c.对平滑处理后的图像进行统计图像帧序列各像素点的灰度直方图及灰度平均值； d.建立背景模型和建立阈值平面； e.对建立背景模型后进行输入帧与背景差分提取运行目标区域和对建立阈值平面后进行OTSU计算差分图像阈值T ； f.对提取运动目标区域后的图像进行基于颜色和梯度的阴影检测和对计算阈值T后进行二值化及形态学滤波处理； g.阴影去除的运动车辆信息； h.基于线圈的车流量检测。
2.根据权利要求1所述的一种基于视频图像处理的车流检测算法，其特征是:所述的e中对建立背景模型后进行输入帧与背景差分提取运行目标区域中背景差分的具体方法如下: (1)确定一个合适的背景图像； (2)利用当前帧的图像序列与背景图像求出差分图像； (3)对差分图像进行二值化图像处理，； (4)处理后的图像进行后续处理。
【文档编号】G06K9/54GK103714703SQ201310692590
【公开日】2014年4月9日 申请日期:2013年12月17日 优先权日:2013年12月17日
【发明者】吴军, 屈景春 申请人:重庆凯泽科技有限公司