一种高效的路段交通状况监控系统的制作方法

本发明创造涉及城市交通
技术领域：
，具体涉及一种高效的路段交通状况监控系统。
背景技术：
：随着社会的进步，经济的发展，人民的生活水平得到了极大的提高，汽车成为家家户户必不可少的出行工具。然而，随着汽车数量的极具增加，城市道路交通面临着巨大的压力，尤其是城市的快速道路、立交桥等城市快速通道，每日上下班高峰时期几乎都存在着严重的交通堵塞现象。为了缓解交通堵塞，方便人们出行，一种能够实时监控路段交通状况的系统有着重要的研究价值，根据监控系统可以及时了解到路段的交通状况，交通部门可以根据路段交通状况实时通知驾驶员各路段的交通状况，让驾驶员根据情况自主选择道路，在很大程度上缓解了道路的交通压力。技术实现要素：针对上述问题，本发明旨在提供一种高效的路段交通状况监控系统。本发明创造的目的通过以下技术方案实现：一种高效的路段交通状况监控系统，包括图像采集模块、图像处理模块、图像传输模块和路面监控模块；所述图像采集模块设置于无人飞机上，用于拍摄原始路段图像，图像处理模块与图像采集模块连接，用于对所述原始路段图像进行后续处理，处理后的图像由图像传输模块发送给路面监控模块，由路面监控模块提取图像中的路段交通状况信息，并将路面交通状况信息通过广播实时反映给驾驶员。优选地，所述图像采集模块采用摄像机收集原始路段图像。优选地，还设置有GPS模块，所述GPS模块设置在无人机上，用于向路面监控模块实时发送无人机的位置信息。优选地，所述图像处理模块包括图像预处理单元、目标检测单元和图像加密单元。优选地，所述图像预处理单元用于对所述的原始路段图像中差异性过小的图像进行剔除并对原始路段图像进行裁剪，具体包括：(1)对差异性过小的图像进行剔除，图像的差异性采用如下方式判断：a、对于两幅图像C(x,y)和K(m,n)，对于图像上相同位置的像素点，定义相似性公式，式中，ρ表示两幅图像的差异性，R(x,y)、G(x,y)、B(x,y)分别表示C图像中的红色、绿色和蓝色色彩分量值，R(m,n)、G(m,n)、B(m,n)分别表示K图像中的红色、绿色和蓝色色彩分量值；b、若图像的差异性小于10％，则随机选取其中一幅图像作为冗余图像剔除。(2)对剔除后的图像进行裁剪，具体包括：设原始路段图像的面积为X，对图像的边缘进行裁剪，保留图像中心区域，中心区域所占图像面积比例采用如下公式确定：式中，表示裁剪后的图像占原图像面积比，hmin为摄像机最短焦距，h为采集图像时所用的实际焦距。优选地，所述目标检测单元用于从裁剪后的原始路段图像中进行目标的有效检测，具体包括：(1)从裁剪后的原始路段图像中提取目标区间的直方图并去除其中的阴影，具体包括：a.获取每个像素所对应的ri、gi、bi分量，建立裁剪后的原始路段图像的RGB色彩空间b.利用下列方法将进行降维处理，具体为：式中，f为原始路段图像的总像素总数；c.将得到的进行投影处理，获得投影后的灰度值pi，具体为：d.将获得的本征灰度值pi进行归一化处理，处理公式如下；e.建立灰度值p′i的直方图，规定其分组数为v，分组数v满足最小分组数；f.计算直方图概率sj，以求得本征图在每个角度θ的熵，其计算公式为：式中，tj为直方图组j中的像素点总数，qθ为直方图在角度θ的熵，v为直方图分组数；g.采用从0到180°进行投影，获取每个角度投影得到的本征图，按照上述方法计算本征图在每个角度θ的熵，从而求得最小熵qθ′，具体为：qθ′＝minqθθ∈(0，180°)h.最小熵qθ′所对应的角度就是本征角θ′,其对应灰度图像即为目标的光照无关图Mo；i.对上述获得的光照无关图Mo进行计算，具体为：式中，tj为直方图组j中的像素总数，v为直方图分组数，sj为直方图组j中的像素点概率；(2)在利用背景减除获取的含有阴影的目标M的基础上分割出目标区间的直方图和阴影区间的直方图，具体包括：e.建立目标M的灰度直方图，确定其分组数为u，其分割点即为u个；f.每个分割点设为初始阈值,对每个阈值左右两边的直方图进行计算,计算公式如下：其中，n为初始阈值，n＝1，2……u，u为直方图分组数，wi为直方图组i中的像素数；g.上述计算得到的tn′所对应的初始阈值n即为最终阈值F；h.根据获得的阈值F即可将目标M的直方图分割得到目标区间的直方图和阴影区间的直方图，分别利用直方图统计目标区间和阴影区间中物体的面积：其中，wi为直方图组i中的像素数，pi为直方图组i的像素点的概率，M1、M2分别为直方图中物体的面积；(3)检验裁剪后的原始路段图像的直方图，从而得到目标区间，具体为：定义目标区间Mi的检验公式如下：Mi＝|Mi-M0|-Z(i＝1、2)Mi<0时，Mi即为目标区间，Mi>0时，Mi即为阴影区间，Z为检测阈值，这里定为0.052。本发明的有益效果为：设置图像采集模块、图像处理模块、图像传输模块和路面监控模块，结构简单，灵活方便；通过各模块之间的相互配合，能够及时有效的采集原始路段图像并进行图像的多层处理，保证了目标检测的准确性，处理后的图像由图像传输模块发送给路面监控模块，由路面监控模块提取路段图像中反映的路段交通状况，并将路面交通状况通过广播实时反映给驾驶员，驾驶员可以根据各路段的交通状况选择自己所要行驶的道路，在很大程度上减缓了道路的拥堵情况。附图说明利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明结构示意图；图2是图像处理模块的结构示意图；附图标记：图像采集模块1、图像处理模块2、图像传输模块3、路面监控模块4、图像预处理单元21、目标检测单元22、图像加密单元23。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种高效的路段交通状况监控系统，包括图像采集模块1、图像处理模块2、图像传输模块3和路面监控模块4；所述图像采集模块1设置于无人飞机上，用于拍摄原始路段图像，图像处理模块2与图像采集模块1连接，用于对所述原始路段图像进行后续处理，处理后的图像由图像传输模块3发送给路面监控模块4，由路面监控模块4提取图像中的路段交通状况信息，并将路面交通状况信息通过广播实时反映给驾驶员。优选地，所述图像采集模块1采用摄像头采集原始路段图像。优选地，还设置有GPS模块，所述GPS模块设置在无人机上，用于向路面监控模块实时发送无人机的位置信息。本发明上述实施例设置图像采集模块1、图像处理模块2、图像传输模块3和路面监控模块4，结构简单，灵活方便；通过各模块之间的相互配合，能够及时有效的采集原始路段图像并进行图像的多层处理，保证了目标检测的准确性，处理后的图像由图像传输模块3发送给路面监控模块4，由路面监控模块4提取图像中的路段交通状况信息，并将路面交通状况信息通过广播实时反映给驾驶员，驾驶员可以根据各路段的交通指数选择自己所要行驶的道路，在很大程度上减缓了道路的拥堵情况。优选地，所述图像处理模块2包括图像预处理单元21、目标检测单元22和图像加密单元23。优选地，所述图像预处理单元21用于对所述的原始路段图像中差异性过小的图像进行剔除并对原始路段图像进行裁剪，具体包括：(1)对差异性过小的图像进行剔除，图像的差异性采用如下方式判断：a、对于两幅图像C(x,y)和K(m,n)，对于图像上相同位置的像素点，定义相似性公式，式中，ρ表示两幅图像的差异性，R(x,y)、G(x,y)、B(x,y)分别表示C图像中的红色、绿色和蓝色色彩分量值，R(m,n)、G(m,n)、B(m,n)分别表示K图像中的红色、绿色和蓝色色彩分量值；b、若图像的差异性小于10％，则随机选取其中一幅图像作为冗余图像剔除。(2)对剔除后的图像进行裁剪，具体包括：设原始路段图像的面积为X，对图像的边缘进行裁剪，保留图像中心区域，中心区域所占图像面积比例采用如下公式确定：式中，表示裁剪后的图像占原图像面积比，hmin为摄像机最短焦距，h为采集图像时所用的实际焦距。本优选实施例实现了对原始路段图像中差异性较小图像的剔除，大大缩减了计算量，提高了图像处理效率；对剔除后剩余图像的有效裁剪，解决了镜头所带来的图像畸变问题。优选地，所述目标检测单元22用于从裁剪后的原始路段图像中进行目标的有效检测，具体包括：(1)从裁剪后的原始路段图像中提取目标区间的直方图并去除其中的阴影，具体包括：a.获取每个像素所对应的ri、gi、bi分量，建立裁剪后的原始路段图像的RGB色彩空间b.利用下列方法将进行降维处理，具体为：式中，f为原始路段图像的总像素总数；c.将得到的进行投影处理，获得投影后的灰度值pi，具体为：d.将获得的本征灰度值pi进行归一化处理，处理公式如下；e.建立灰度值p′i的直方图，规定其分组数为v，分组数v满足最小分组数；f.计算直方图概率sj，以求得本征图在每个角度θ的熵，其计算公式为：式中，tj为直方图组j中的像素点总数，qθ为直方图在角度θ的熵，v为直方图分组数；g.采用从0到180°进行投影，获取每个角度投影得到的本征图，按照上述方法计算本征图在每个角度θ的熵，从而求得最小熵qθ′，具体为：qθ′＝minqθθ∈(0，180°)h.最小熵qθ′所对应的角度就是本征角θ′,其对应灰度图像即为目标的光照无关图Mo；i.对上述获得的光照无关图Mo进行计算，具体为：式中，tj为直方图组j中的像素总数，v为直方图分组数，sj为直方图组j中的像素点概率；(2)在利用背景减除获取的含有阴影的目标M的基础上分割出目标区间的直方图和阴影区间的直方图，具体包括：i.建立目标M的灰度直方图，确定其分组数为u，其分割点即为u个；j.每个分割点设为初始阈值,对每个阈值左右两边的直方图进行计算,计算公式如下；其中，n为初始阈值，n＝1，2……u，u为直方图分组数，wi为直方图组i中的像素数；k.上述计算得到的tn′所对应的初始阈值n即为最终阈值F；l.根据获得的阈值F即可将目标M的直方图分割得到目标区间的直方图和阴影区间的直方图，分别利用直方图统计目标区间和阴影区间中物体的面积：其中，wi为直方图组i中的像素数，pi为直方图组i的像素的概率，M1、M2分别为直方图中物体的面积；(3)检验裁剪后的原始路段图像的直方图，从而得到目标区间，具体为：定义目标区间Mi的检验公式如下：Mi＝|Mi-M0|-Z(i＝1、2)Mi<0时，Mi即为目标区间，Mi>0时，Mi即为阴影区间，Z为检测阈值，这里定为0.052。发明人针对本实施例进行了一系列测试，测试结果如下表所示：待检测目标检测精确率静止物体100％静止人体100％移动人体99％移动物体100％通过上述表格中的测试数据可以看出，本实施例对于检测图像中的目标具较高的精确率，完全可以满足路段交通状况监控系统的需求。本优选实施例设置的目标检测单元22，与现有技术相比，在直方图建立时规定分组数，克服了直方图组距和数量变化给信息熵计算带来的不稳定问题；根据光照无关图进行目标检测，保证了目标的检测率；在阴影和目标之间过渡不明显时，较好的分割出目标区间的直方图和阴影区间的直方图，提高了目标区间的检测率；优选地，所述图像加密单元23用于对处理后的路段图像进行加密，包括：a、提取处理后的路段图像的RGB色彩分量；b、将所述路段图像分成多个大小相同的格子，然后利用离散余弦变化对每一个格子进行变换，得到各色彩分量系数矩阵；c、对各个色彩分量系数采用DES加密算法加密后进行传输。本优选实施例保证了路段图像在传输过程中的可靠性和安全性，克服了传统加密算法传输负载大等不足。最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页1 2 3