专利名称：基于视频识别技术的车流量检测方法及系统的制作方法
技术领域：
本发明涉及一种车流量检测方法与系统，特别是涉及一种基于视频识别技 术的车流量4企测方法与系统。
背景技术：
随着城市经济的快速发展，道路交通的需求迅速增长，交通拥挤、堵塞现 象曰益严重。直接影响着城市交通运输的效益与安全，加重了城市的环境污染， 成为了城市经济建设的制约因素。为此，如何对现有的道路交通网络实施现代 化的控制与诱导已显得尤为重要。
而交通控制与诱导必须以实时、准确的交通流量统计信息为基础，过去采 用人工统计的方式已远远不能满足需求。于是，各种交通参数检测方式应运而 生，主要有超声波检测、红外检测、环形感应圈检测等。而各种方式均有其需
要克服的弊端，例如超声波检测精度不高，容易受车辆遮挡和行人的影响， 检测的距离短；红外检测受车辆本身热源的影响，抗噪声的能力低，检测精度 低；环形感应圈检测精度高，但需要设于路面土木结构中，对路面有损坏，施 工和安装不便。
近年来，随着计算机图像处理、人工智能、模式识别等技术的发展，视频 检测技术的优势与发展潜力凸显于各种检测技术之中，为此如何提供一种有效 的基于视频识别技术的交通检测方法与系统，已变得尤为重要。
发明内容
本发明的目的在于一种基于视频识别技术的车流量检测方法，以有效的利 用视频识别技术来提高车流量检测的准确性。
本发明的另一目的在于提供一种基于视频识别技术的车流量检测系统，以 有效的利用视频识别技术来提高车流量检测的准确性。为此，本发明提供一种基于视频识别技术的车流量检测方法，其包括实 时采集一道路图像信息并对其进行预处理；获取该道路的一参考背景图像；通 过该道路图像信息的 一 当前帧图像与上述参考背景图像之间的差分运算，检测 出当前帧图像中的运动目标信息，其中该运动目标包括运动车辆或者该车辆的 运动阴影；区分上述运动目标信息中的运动车辆与运动阴影，得到车流量信息。
进一步的，上述实时采集一道路图像信息并对其进行预处理的过程包括 实时获取该道路的模拟图像信息；将上述模拟图像信息进行数字化处理，得到 多帧数字图像信息；对上述数字图像信息进行灰度化、噪声滤除以及灰度增强 处理。
进一步的，上述道路的参考背景图像是采用区间分布的自适应背景估计技 术获得。
进一 步的，上述通过该道路图像信息的 一 当前帧图像与上述参考背景图像 之间的差分运算，检测出当前帧图像中的运动目标的过程包括从上述经预处 理的道路图像信息中获取一当前帧图像；对该当前帧图像与上述参考背景图像 做差分运算，得到一差分图像；对该差分图像进行二值化、形态学处理以及区 域填充处理；分析得到上述运动目标信息。
进一步的，上述区分当前帧图像运动目标中的运动车辆与运动阴影是根据 其对应像素灰度上的差别进行区分。
本发明另提供一种基于视频识别技术的车流量检测系统，其包括 一图像 采集模块，实时采集一道路模拟图像信息； 一图像预处理模块，预处理上述模 拟图像信息，将其转换为多帧数字图像信息； 一背景估计模块，对上述道路背 景进行实时估计，得到该道路的一参考背景图像； 一车流量检测模块，连接于 上述图像预处理模块与背景估计模块并利用上述数字图像信息与参考背景图 像，得到车流量信息，其包括运动目标检测模块，对上述多帧数字图像信息 的一当前帧图像与上述参考背景图像做差分运算，得到一差分图像，分析该差 分图像，得到当前帧图像中的运动目标信息，其中该运动目标包括运动车辆或 者该车辆的运动阴影；运动车辆与阴影区分模块，区分上述运动目标信息中的 运动车辆与运动阴影，以得到车流量信息。
进一步的，上述图像采集模块为一摄像装置。进一步的，上述图像预处理模块包括 一数字化器，数字化上述模拟图像
信息，得到上述多帧数字图像信息； 一后处理器，对上述数字图像信息进行灰 度化、噪声滤除以及灰度增强处理。
进一步的，上述背景估计模块采用区间分布的背景估计算法进行自适应背 景估计，得到上述参考背景图像。
进一步的，上述运动目标检测模块还包括 一差分图像处理模块，对上述 差分图像进行二值化、形态学处理以及区域填充处理。
综上所述，本发明提供的基于视频识别技术的车流量检测方法与系统采用 区间分布的背景估计技术来获取参考背景图像，而后通过分析获取的当前帧图 像来与参考背景图像做差分运算的结杲来得到该帧中的运动目标信息，并考虑
到运动目标信息中可能包括的运动车辆阴影的影响，来进一步去区分运动阴影 与运动车辆信息，得到较为准确的车流量信息。
图1为本发明一实施例所提供的基于视频识别技术的车流量检测方法的流 程图2为图1中步骤Sl的具体实现流程图3为为本发明一实施例所提供的基于视频识别技术的车流量检测系统的 系统框图。
具体实施例方式
为使本发明的目的、特征更明显易懂，下面结合附图对本发明的具体实施 方式作进一步的说明。
请参考图1,其为本发明一实施例所提供的基于视频识别技术的车流量检测 方法的流程图。如图所示，该方法包括如下步骤
Sl:实时采集某道路图像信息并对其进行预处理；
S2:获取该道路的参考背景图像；
S3:通过该道路图像信息的某当前帧图像与参考背景图像之间的差分运算， 检测出当前帧图像中的运动目标信息；
6其中该运动目标包括运动车辆或者该车辆的运动阴影； S4:区分运动目标信息中的运动车辆与运动阴影，得到车流量信息。 其中道路图像实时信息的采集是通过视频采集设备来实现的，但由于天气 与系统非线性等因素的影响，采集到的图像是降质的图像，因此需对其进行预 处理。同时，数字图像的分析处理速率相对于模拟图像具有极大的速度优势， 故需对采集到的道路图像进行数字化处理。故步骤Sl具体包括如图2所示的以 下步骤
Sll:实时获取该道路的模拟图像信息；
S12:将上述模拟图像信息进行数字化处理，得到多帧数字图像信息； S13:对上述数字图像信息进行灰度化、噪声滤除以及灰度增强处理。 另外，步骤S2中参考背景图像的获取是步骤S3中进行差分运算的基础， 而区间分布的自适应背景估计技术具有快速、有效，能够自适应环境光线的变 化，快速跟踪背景的变化，满足实时性要求等优点，故针对城市道路交通的复 杂状况，选用此技术进行背景估计，获取参考背景图像。此外，对于步骤S3中 进行差分运算之后，可得到一差分图像，而后对该差分图像进行二值化、形态 学处理以及区域填充处理，分析处理后的差分图像，便可得到上述运动目标信 自、
另外，在实际应用中，由于光照的影响，运动目标中往往含有车辆的阴影，
而车辆的阴影与车辆具有相似的运动特征，导致其被误判为车辆；另外，车辆 的阴影可能会把多辆车连在一起，造成车辆的漏检。而运动阴影与运动目标与 其参考背景区域在像素灰度上存在显著的差别，故在步骤S4中利用对应像素灰 度上的差别对运动车辆与运动阴影进行区分。
相应地，本发明一实施例还提供一种基于视频识别技术的车流量检测系统， 其系统框图如图3所示。该系统包括图像采集模块100、图像预处理模块200、 背景估计模块300以及车流量检测模块400。其中图像采集模块100实时采集某 道路的模拟图像信息，并传输给图像预处理模块200;该图像预处理模块200接 收到模拟图像后将其转换为多帧数字图像并输出给车流量检测模块400;而背景 估计模块300实时估计该道路的背景，得到参考背景图像并输出给车流量检测 模块400;车流量检测模块400接收图像预处理模块200与背景估计模块300的输出信息，分析得到车流量信息。另外，车流量检测模块400包括运动目标检 测模块410，其对多帧数字图像信息的当前帧图像与参考背景图像做差分运算， 得到一差分图像，分析该差分图像，得到当前帧图像中的运动目标信息。在实 际应用中，由于光照的影响，运动目标中往往含有车辆的阴影，而车辆的阴影 与车辆具有相似的运动特征，导致其被误判为车辆；另外，车辆的阴影可能会 把多辆车连在一起，造成车辆的漏检。故车流量4企测才莫块400还包括运动车辆 与阴影区分^^莫块430，以去除阴影的影响，其区分运动目标信息中的运动车辆与 运动阴影，以得到车流量信息。
另外，图像釆集模块100可为各种摄像装置。而图像预处理模块200还包 括数字化器210和后处理器220。其中数字化器210数字化模拟图像信息，以得 到数字图像信息；后处理器220对数字图像信息进行灰度化、噪声滤除以及灰 度增强处理，以便于后期处理。
而背景估计模块300采用区间分布的背景估计算法进行自适应背景估计， 得到参考背景图像。运动目标检测模块410还包括差分图像处理模块420对差 分图像进行二值化、形态学处理以及区域填充处理，以便于后续处理。
本发明实施例采用区间分布的背景估计技术来获取参考背景图像，而后通 过分析获取的当前帧图像来与参考背景图像做差分运算的结果来得到该帧中的 运动目标信息，并考虑到运动目标信息中可能包括的运动车辆阴影的影响，来
进一步去区分运动阴影与运动车辆信息，得到较为准确的车流量信息。
权利要求
1.一种基于视频识别技术的车流量检测方法，其特征是，包括实时采集一道路图像信息并对其进行预处理；获取该道路的一参考背景图像；通过该道路图像信息的一当前帧图像与上述参考背景图像之间的差分运算，检测出当前帧图像中的运动目标信息，其中该运动目标包括运动车辆或者该车辆的运动阴影；区分上述运动目标信息中的运动车辆与运动阴影，得到车流量信息。
2. 根据权利要求1所述的基于视频识别技术的车流量检测方法，其特征是， 其中上述实时采集一道路图像信息并对其进行预处理的过程包括实时获取该道路的模拟图像信息；将上述模拟图像信息进行数字化处理，得到多帧数字图像信息； 对上述数字图像信息进行灰度化、噪声滤除以及灰度增强处理。
3. 根据权利要求1所述的基于视频识别技术的车流量检测方法，其特征是， 其中上述道路的参考背景图像是采用区间分布的自适应背景估计技术获得。
4. 根据权利要求1所述的基于视频识别技术的车流量检测方法，其特征是， 其中上述通过该道路图像信息的一当前帧图像与上述参考背景图像之间的差分 运算，检测出当前帧图像中的运动目标的过程包括从上述经预处理的道路图像信息中荻取一 当前帧图像； 对该当前帧图像与上述参考背景图像做差分运算，得到一差分图像； 对该差分图像进行二值化、形态学处理以及区域填充处理； 分析得到上述运动目标信息。
5. 根据权利要求1所述的基于视频识别技术的车流量检测方法，其特征是， 其中上述区分当前帧图像运动目标中的运动车辆与运动阴彰是根据其对应像素 灰度上的差别进行区分。
6. —种基于视频识别技术的车流量检测系统，其特征是，包括 一图像采集模块，实时采集一道路模拟图像信息；一图像预处理^t块，预处理上述模拟图像信息，将其转换为多帧数字图像信息；一背景估计模块，对上述道路背景进行实时估计，得到该道路的一参考背景图像；一车流量检测模块，连接于上述图像预处理模块与背景估计模块并利用上 述数字图像信息与参考背景图像，得到车流量信息，其包括运动目标检测模块，对上述多帧数字图像信息的一当前帧图像与上述参 考背景图像做差分运算，得到一差分图像，分析该差分图像，得到当前帧 图像中的运动目标信息，其中该运动目标包括运动车辆或者该车辆的运动 阴影；运动车辆与阴影区分模块，区分上述运动目标信息中的运动车辆与运动 阴影，以得到车流量信息。
7. 根据权利要求6所述的基于视频识别技术的车流量检测系统，其特征是， 其中上述图像采集模块为 一摄像装置。
8. 根据权利要求6所述的基于视频识别技术的车流量检测系统，其特征是， 上述图像预处理模块包括一数字化器，数字化上述模拟图像信息，得到上述多帧数字图像信息； 一后处理器，对上述数字图像信息进行灰度化、噪声滤除以及灰度增强处理。
9. 根据权利要求6所述的基于视频识别技术的车流量检测系统，其特征是， 上述背景估计模块采用区间分布的背景估计算法进行自适应背景估计，得到上 述参考背景图像。
10. 根据权利要求6所述的基于视频识别技术的车流量检测系统，其特征 是，上述运动目标检测模块还包括一差分图像处理模块，对上述差分图像进行二值化、形态学处理以及区域 填充处理。
全文摘要
本发明揭露了一种基于视频识别技术的车流量检测方法及系统，其采用区间分布的背景估计技术来获取参考背景图像，而后通过分析获取的当前帧图像来与参考背景图像做差分运算的结果来得到该帧中的运动目标信息，并考虑到运动目标信息中可能包括的运动车辆阴影的影响，来进一步去区分运动阴影与运动车辆信息，得到较为准确的车流量信息。该方法包括实时采集一道路图像信息并对其进行预处理；获取该道路的一参考背景图像；通过该道路图像信息的一当前帧图像与上述参考背景图像之间的差分运算，检测出当前帧图像中的运动目标信息，其中该运动目标包括运动车辆或者该车辆的运动阴影；区分上述运动目标信息中的运动车辆与运动阴影，得到车流量信息。
文档编号G08G1/017GK101587646SQ20081003779
公开日2009年11月25日 申请日期2008年5月21日 优先权日2008年5月21日
发明者晓 任, 倪兴华, 应丽华, 林卫慈, 许冬青, 贺凌云, 韩吉来 申请人:上海新联纬讯科技发展有限公司