一種基于視頻的交通流量獲取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于交通管理技術(shù)領(lǐng)域，更為具體地講，涉及一種基于視頻的交通流量獲 取方法。
【背景技術(shù)】
[0002] 隨著我國(guó)經(jīng)濟(jì)持續(xù)快速的發(fā)展，城市現(xiàn)代化建設(shè)的步伐進(jìn)一步加快，市民物質(zhì)文 化生活質(zhì)量有了較大提高，城市汽車數(shù)量快速增加，交通堵塞已經(jīng)成了城市交通領(lǐng)域的難 題。特別是近幾年，由于城市基礎(chǔ)設(shè)施建設(shè)和道路交通管理沒有相應(yīng)匹配發(fā)展，使得道路交 通擁堵成為中國(guó)大中型城市最受詬病的"城市病"之一。道路擁擠、交通阻塞、乘車難、行車 難、行路難等問題給市民的出行帶來了諸多不便，影響了日常工作和生活，并嚴(yán)重制約了城 市的發(fā)展。如何增強(qiáng)交通調(diào)度、規(guī)范交通行為、保障交通安全已經(jīng)是我們急需解決的問題。
[0003] 交通流量狀況對(duì)于交通管理的決策起著重要的作用。傳統(tǒng)的交通流量獲取方法， 例如，感應(yīng)線圈檢測(cè)器、聲波定位儀、微波檢測(cè)器等，有諸多弊處。
[0004] 感應(yīng)線圈檢測(cè)器是地埋型檢測(cè)器，其傳感器為一組通有一定工作電流的環(huán)形感應(yīng) 線圈。當(dāng)車輛進(jìn)入環(huán)形感應(yīng)線圈所形成的磁場(chǎng)時(shí)，引起電路中調(diào)諧電流的頻率或相位變化， 檢測(cè)處理單元通過對(duì)頻率或相位變化的響應(yīng)，得出一個(gè)檢測(cè)到車輛的輸出信號(hào)。感應(yīng)線圈 檢測(cè)器可直接提供車輛出現(xiàn)、車輛通過、車輛計(jì)數(shù)及車道占有率等交通流信息。調(diào)查表明， 用2mX2m的標(biāo)準(zhǔn)感應(yīng)線圈對(duì)交通流量進(jìn)行檢測(cè)，其精度可達(dá)到98 %~99%。感應(yīng)線圈檢 測(cè)器應(yīng)用廣泛，一般道路均可設(shè)置，主要應(yīng)用在收費(fèi)站、互通式立交前后、隧道區(qū)段、城市道 路、停車場(chǎng)等場(chǎng)合。感應(yīng)線圈檢測(cè)器前期投入較少、可靠性高，但維護(hù)、重新安裝困難，需封 閉車道、破壞路面，從長(zhǎng)期來看運(yùn)營(yíng)成本較高。
[0005] 聲波定位儀也是利用反射回波原理制成的非地埋式檢測(cè)裝置，其通過接收由超聲 波發(fā)生器發(fā)射后經(jīng)車輛反射的超聲回波而檢測(cè)車輛信息，工作方式為主動(dòng)型。聲波檢測(cè)方 法可分為2種：傳播時(shí)間差法和多普勒法。檢測(cè)裝置懸掛在車道上方，向車道下方發(fā)射超聲 波脈沖，當(dāng)有車輛從下方通過時(shí)，回波從車頂反射縮短了回波路程，從而通過檢測(cè)時(shí)間差來 達(dá)到檢測(cè)車輛的目的，這種方法被稱為傳播時(shí)間差法。另外，超聲波檢測(cè)器發(fā)射超聲波束射 向駛近的車輛，接受的反射波信號(hào)就會(huì)呈現(xiàn)多普勒效應(yīng)，也能檢測(cè)出車輛的存在，這種方法 被稱為多普勒法。
[0006] 微波檢測(cè)器是一種工作在微波頻段的雷達(dá)探測(cè)器，其向行駛的車輛發(fā)射調(diào)頻微 波，波束被行駛的車輛阻擋而發(fā)生反射，反射波通過多普勒效應(yīng)使頻率發(fā)生偏移，根據(jù)這種 頻率的偏移可檢測(cè)出有車輛通過，經(jīng)過接收、處理、鑒頻放大后輸出一個(gè)檢測(cè)信號(hào)，從而達(dá) 到檢測(cè)道路交通參數(shù)的目的。微波檢測(cè)器主要應(yīng)用于高速公路、城市快速路或T型路口和 橋梁的交通參數(shù)采集，特別適合車流量大、車輛行駛速度均勻的道路。
[0007] 傳統(tǒng)的交通流量獲取方法都需要安裝專門的設(shè)備，成本較高。
[0008] 基于視頻的交通流量獲取方法是將視頻圖像處理和計(jì)算機(jī)圖形識(shí)別技術(shù)相結(jié)合 的新型數(shù)據(jù)采集技術(shù)，近年來發(fā)展迅速，代表了未來交通流信息檢測(cè)領(lǐng)域的發(fā)展方向。它是 用廣泛使用的視頻攝像機(jī)作為傳感器，在視頻范圍內(nèi)設(shè)置虛擬線圈，即檢測(cè)區(qū)，車輛進(jìn)入檢 測(cè)區(qū)時(shí)使背景灰度值發(fā)生變化，而產(chǎn)生檢測(cè)信號(hào)，通過軟件的分析和處理，得到交通（車） 流量，為智能交通系統(tǒng)提供后續(xù)處理的基本數(shù)據(jù)，實(shí)現(xiàn)道路智能化調(diào)度，減少擁塞，提高路 面資源的利用率。由于其不需要專門的設(shè)備，并進(jìn)行安裝，成本較低。
[0009] 現(xiàn)有技術(shù)的基于視頻的交通流量獲取方法根據(jù)檢測(cè)區(qū)域背景灰度值變化來檢測(cè) 車輛，可能存在漏檢，檢測(cè)準(zhǔn)確度有待提高。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于視頻的交通流量獲取方 法，以提高交通流量的獲取準(zhǔn)確度。
[0011] 為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明基于視頻的交通流量獲取方法，其特征在于，包括以 下步驟：
[0012] (1)、繪制虛擬線框
[0013] 在視頻中車輛通過的道路上繪制一個(gè)橫跨道路的線框作為檢測(cè)用的虛擬線框；并 能保證車輛在設(shè)置的最高速度限值下，能至少有一幀視頻圖像中的車輛落入繪制的虛擬線 框；
[0014] 所述的線框?yàn)榫匦慰?，并與道路垂直，其長(zhǎng)度應(yīng)覆蓋道路的寬度，矩形框的寬度應(yīng) 適中，根據(jù)不同視頻分辨率進(jìn)行取不同的值，以保證車輛在設(shè)置的最高速度限值下，能至少 有一幀視頻圖像中的車輛落入繪制的虛擬線框；
[0015] (2)、獲取檢測(cè)區(qū)域
[0016] 首先，取虛擬線框的最小外接標(biāo)準(zhǔn)矩形（標(biāo)準(zhǔn)矩形為與視頻窗體四邊平行的矩 形）：根據(jù)虛擬線框四個(gè)頂點(diǎn)的坐標(biāo)，找到X軸方向的最大值Xmax和最小值Xmin、y軸方向的 最大值y_和最小值ymin，則最小外接標(biāo)準(zhǔn)矩形的左上角的坐標(biāo)為：(xmin,ymin)，右上角的坐 標(biāo)為（x_,ynax)，左下角的坐標(biāo)為（x_,y_)，右下角的坐標(biāo)為（x_,ynax);
[0017] 然后，把最小外接標(biāo)準(zhǔn)矩形左上角的橫坐標(biāo)向上移動(dòng)d個(gè)像素，縱坐標(biāo)向左移動(dòng)d 個(gè)像素，即坐標(biāo)變?yōu)椋▁_-d，y_-d)，把最小外接標(biāo)準(zhǔn)矩形右下角的橫坐標(biāo)向下移動(dòng)d個(gè)像 素，縱坐標(biāo)向右移動(dòng)d個(gè)像素，即坐標(biāo)變?yōu)椋▁_+d，y_+d);相應(yīng)地，把最小外接標(biāo)準(zhǔn)矩形的 右上角坐標(biāo)變?yōu)椋▁_-dn，y_+d)，把最小外接標(biāo)準(zhǔn)矩形的左下角坐標(biāo)變?yōu)椋▁_+d，y_-d)， 這樣得到的四個(gè)頂點(diǎn)坐標(biāo)構(gòu)成的矩形區(qū)域?yàn)闄z測(cè)區(qū)域；d的取值保證至少一個(gè)車輛經(jīng)過虛 擬線框后，能獲得一幀圖像；
[0018] (3)、對(duì)視頻中每一幀位于檢測(cè)區(qū)域的圖像，使用混合高斯模型（GMM)提取運(yùn)動(dòng)前 景；
[0019](4)、對(duì)提取到的運(yùn)動(dòng)前景做形態(tài)學(xué)中的腐蝕和膨脹操作，去除部分噪音影響；
[0020] (5)、對(duì)運(yùn)動(dòng)前景做連通區(qū)域分析，并提取出連通區(qū)域；
[0021] (6)、計(jì)算每一塊連通區(qū)域的面積，設(shè)定面積閾值Sth，若連通區(qū)域的面積小于該閾 值，則認(rèn)為是噪聲，予以過濾（去除）；
[0022] (7)、提取過濾后的每一塊連通區(qū)域中的SURF(Speededuprobustfeatures)特 征點(diǎn)；
[0023] (8)、提取每一塊連通區(qū)域的最小外接矩形，判斷其最小外接矩形與虛擬線框是否 相交，并記錄；
[0024] (9)、判斷條件：當(dāng)且僅當(dāng)當(dāng)前幀的某一連通區(qū)域的最小外接矩形不在虛擬線框 內(nèi)，且該塊通區(qū)域的最小外接矩形中的SURF特征點(diǎn)與上一幀中某個(gè)與虛擬線框相交的連 通區(qū)域的最小外接矩形中的SURF特征點(diǎn)匹配達(dá)到90%以上，則認(rèn)為有一車輛通過虛擬線 框，計(jì)數(shù)器計(jì)數(shù)值加1 ;
[0025] 如果有n塊連通區(qū)域滿足本步驟前述判斷條件，則計(jì)數(shù)器相應(yīng)地增加n，計(jì)數(shù)器的 計(jì)數(shù)值即為交通流量。
[0026] 本發(fā)明的目的是這樣實(shí)現(xiàn)的。
[0027] 本發(fā)明基于視頻的交通流量獲取方法，首先通過繪制虛擬線框，并獲取一個(gè)檢測(cè) 區(qū)域；然后對(duì)每一幀檢測(cè)區(qū)域圖像提取運(yùn)動(dòng)前景并通過腐蝕和膨脹、連通區(qū)域過濾后，提取 每一塊連通區(qū)域中的SURF(Speededuprobustfeatures)特征點(diǎn)；最后，提取每一塊連通 區(qū)域的最小外接矩形，當(dāng)且僅當(dāng)當(dāng)前幀的某一連通區(qū)域不在虛擬線框內(nèi)，且該塊通區(qū)域塊 與上一幀中某個(gè)與虛擬線框相交的連通區(qū)域塊的SURF特征點(diǎn)匹配達(dá)到90%以上，則認(rèn)為 有一車輛通過虛擬線框，從而完成交通流量的獲取。與現(xiàn)有技術(shù)相比，并不是籠統(tǒng)地判斷檢 測(cè)區(qū)域的背景灰度值變化，而是更為精確地提取運(yùn)動(dòng)前景并處理得到連通區(qū)域最小外接矩 形，并設(shè)定一個(gè)虛擬線框，并判斷連通區(qū)域最小外接矩形是否與之相交，在隨后一幀中的連 通區(qū)域的SURF特征的匹配度，如果達(dá)到90%才認(rèn)為有車輛通過，避免了噪聲的干擾，同時(shí) 對(duì)車輛進(jìn)行了更為準(zhǔn)確的描述，這樣有效地提高的交通流量獲取的準(zhǔn)確度。
【附圖說明】
[0028] 圖1是本發(fā)明基于視頻的交通流量獲取方法一種【具體實(shí)施方式】流程圖；
[0029] 圖2是繪制虛擬線框的示意圖；
[0030] 圖3是最小外接矩形與虛擬線框相交的兩種情形示意圖；
[0031 ] 圖4是SURF特征點(diǎn)匹配過程及計(jì)數(shù)示意圖。
【具體實(shí)施方式】
[0032] 下面結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地 理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當(dāng)已知功能和設(shè)計(jì)的詳細(xì)描述也許 會(huì)淡化本發(fā)明的主要內(nèi)容時(shí)，這些描述在這里將被忽略。
[0033] 圖1是本發(fā)明基于視頻的交通流量獲取方法一種【具體實(shí)施方式】流程圖。
[0034] 在本實(shí)施例中，如圖1所示，本發(fā)明基于視頻的交通流量獲取方法包括以下步驟：
[0035] STl、繪制虛擬線框
[0036] 如圖2所示，在視頻中車輛通過的道路上繪制一個(gè)橫跨道路的矩形框作為檢測(cè)用 的虛擬線框。所述的矩形框與道路垂直，其長(zhǎng)度覆蓋道路的寬度；所述的矩形框的寬度應(yīng)適 中，根據(jù)不同視頻分辨率進(jìn)行取不同的值，并能保證車輛在設(shè)置的最高速度限值下，能至少 有一幀視頻圖像中的車輛落入繪制的虛擬線框，過小會(huì)可能會(huì)造成檢測(cè)不到運(yùn)動(dòng)車輛，過 大會(huì)造成不必要的計(jì)算，一般不超過視頻中車輛的長(zhǎng)度，在本實(shí)施例中，虛擬線框的寬度取 20個(gè)像素。
[0037] 在本實(shí)施例中，虛擬線框的具體繪制方法為在視頻幀中拖動(dòng)鼠標(biāo)拉出一條與道路 垂直的線段，根據(jù)這條線段以及設(shè)定虛擬線框，求虛擬線框的四個(gè)頂點(diǎn)的坐標(biāo)。
[0038]ST2、獲取檢測(cè)區(qū)域
[0039] 由于虛擬線框不一定是標(biāo)準(zhǔn)的矩形即與窗體四邊平行的矩形，故先取虛擬線框的 最小外接標(biāo)準(zhǔn)矩形R。首先，取虛擬線框的最小外接標(biāo)準(zhǔn)矩形R(標(biāo)準(zhǔn)矩形為與視頻窗體四 邊平行的矩形）：根據(jù)虛擬線框四個(gè)頂點(diǎn)的坐標(biāo)，找到X軸方向的最大值x_和最小值X_、 y軸方向的最大值ymax和最小值ymin，則最小外接標(biāo)準(zhǔn)矩形的左上角的坐標(biāo)為：(xmin,ymin)，右 上角的坐標(biāo)為（x_,ynax)，左下角的坐標(biāo)為（x_，y_)，右下角的坐標(biāo)為（x_，ynax)。
[0040]則虛擬線框的最小外接標(biāo)準(zhǔn)矩形R的左上角坐標(biāo)（x。，y。)、寬度Wr和高度h rS:
[0041]X0=xnin；
[0042] y〇= ynin;
[0043]wR=Xnax-Xnin;
[0044] hR=ynax-y_。
[0045] 然后，把最小外接標(biāo)準(zhǔn)矩形左上角的橫坐標(biāo)向上移動(dòng)d個(gè)像素，縱坐標(biāo)向左移動(dòng)d 個(gè)像素，即坐標(biāo)變?yōu)?