專利名稱：基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種車(chē)流量檢測(cè)方法與系統(tǒng)，特別是涉及一種基于視頻識(shí)別技 術(shù)的車(chē)流量4企測(cè)方法與系統(tǒng)。
背景技術(shù)：
隨著城市經(jīng)濟(jì)的快速發(fā)展，道路交通的需求迅速增長(zhǎng)，交通擁擠、堵塞現(xiàn) 象曰益嚴(yán)重。直接影響著城市交通運(yùn)輸?shù)男б媾c安全，加重了城市的環(huán)境污染， 成為了城市經(jīng)濟(jì)建設(shè)的制約因素。為此，如何對(duì)現(xiàn)有的道路交通網(wǎng)絡(luò)實(shí)施現(xiàn)代 化的控制與誘導(dǎo)已顯得尤為重要。
而交通控制與誘導(dǎo)必須以實(shí)時(shí)、準(zhǔn)確的交通流量統(tǒng)計(jì)信息為基礎(chǔ)，過(guò)去采 用人工統(tǒng)計(jì)的方式已遠(yuǎn)遠(yuǎn)不能滿足需求。于是，各種交通參數(shù)檢測(cè)方式應(yīng)運(yùn)而 生，主要有超聲波檢測(cè)、紅外檢測(cè)、環(huán)形感應(yīng)圈檢測(cè)等。而各種方式均有其需
要克服的弊端，例如超聲波檢測(cè)精度不高，容易受車(chē)輛遮擋和行人的影響， 檢測(cè)的距離短；紅外檢測(cè)受車(chē)輛本身熱源的影響，抗噪聲的能力低，檢測(cè)精度 低；環(huán)形感應(yīng)圈檢測(cè)精度高，但需要設(shè)于路面土木結(jié)構(gòu)中，對(duì)路面有損壞，施 工和安裝不便。
近年來(lái)，隨著計(jì)算機(jī)圖像處理、人工智能、模式識(shí)別等技術(shù)的發(fā)展，視頻 檢測(cè)技術(shù)的優(yōu)勢(shì)與發(fā)展?jié)摿ν癸@于各種檢測(cè)技術(shù)之中，為此如何提供一種有效 的基于視頻識(shí)別技術(shù)的交通檢測(cè)方法與系統(tǒng)，已變得尤為重要。

發(fā)明內(nèi)容
本發(fā)明的目的在于一種基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法，以有效的利 用視頻識(shí)別技術(shù)來(lái)提高車(chē)流量檢測(cè)的準(zhǔn)確性。
本發(fā)明的另一目的在于提供一種基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)系統(tǒng)，以 有效的利用視頻識(shí)別技術(shù)來(lái)提高車(chē)流量檢測(cè)的準(zhǔn)確性。為此，本發(fā)明提供一種基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法，其包括實(shí) 時(shí)采集一道路圖像信息并對(duì)其進(jìn)行預(yù)處理；獲取該道路的一參考背景圖像；通 過(guò)該道路圖像信息的 一 當(dāng)前幀圖像與上述參考背景圖像之間的差分運(yùn)算，檢測(cè) 出當(dāng)前幀圖像中的運(yùn)動(dòng)目標(biāo)信息，其中該運(yùn)動(dòng)目標(biāo)包括運(yùn)動(dòng)車(chē)輛或者該車(chē)輛的 運(yùn)動(dòng)陰影；區(qū)分上述運(yùn)動(dòng)目標(biāo)信息中的運(yùn)動(dòng)車(chē)輛與運(yùn)動(dòng)陰影，得到車(chē)流量信息。
進(jìn)一步的，上述實(shí)時(shí)采集一道路圖像信息并對(duì)其進(jìn)行預(yù)處理的過(guò)程包括 實(shí)時(shí)獲取該道路的模擬圖像信息；將上述模擬圖像信息進(jìn)行數(shù)字化處理，得到 多幀數(shù)字圖像信息；對(duì)上述數(shù)字圖像信息進(jìn)行灰度化、噪聲濾除以及灰度增強(qiáng) 處理。
進(jìn)一步的，上述道路的參考背景圖像是采用區(qū)間分布的自適應(yīng)背景估計(jì)技 術(shù)獲得。
進(jìn)一 步的，上述通過(guò)該道路圖像信息的 一 當(dāng)前幀圖像與上述參考背景圖像 之間的差分運(yùn)算，檢測(cè)出當(dāng)前幀圖像中的運(yùn)動(dòng)目標(biāo)的過(guò)程包括從上述經(jīng)預(yù)處 理的道路圖像信息中獲取一當(dāng)前幀圖像；對(duì)該當(dāng)前幀圖像與上述參考背景圖像 做差分運(yùn)算，得到一差分圖像；對(duì)該差分圖像進(jìn)行二值化、形態(tài)學(xué)處理以及區(qū) 域填充處理；分析得到上述運(yùn)動(dòng)目標(biāo)信息。
進(jìn)一步的，上述區(qū)分當(dāng)前幀圖像運(yùn)動(dòng)目標(biāo)中的運(yùn)動(dòng)車(chē)輛與運(yùn)動(dòng)陰影是根據(jù) 其對(duì)應(yīng)像素灰度上的差別進(jìn)行區(qū)分。
本發(fā)明另提供一種基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)系統(tǒng)，其包括 一圖像 采集模塊，實(shí)時(shí)采集一道路模擬圖像信息； 一圖像預(yù)處理模塊，預(yù)處理上述模 擬圖像信息，將其轉(zhuǎn)換為多幀數(shù)字圖像信息； 一背景估計(jì)模塊，對(duì)上述道路背 景進(jìn)行實(shí)時(shí)估計(jì)，得到該道路的一參考背景圖像； 一車(chē)流量檢測(cè)模塊，連接于 上述圖像預(yù)處理模塊與背景估計(jì)模塊并利用上述數(shù)字圖像信息與參考背景圖 像，得到車(chē)流量信息，其包括運(yùn)動(dòng)目標(biāo)檢測(cè)模塊，對(duì)上述多幀數(shù)字圖像信息 的一當(dāng)前幀圖像與上述參考背景圖像做差分運(yùn)算，得到一差分圖像，分析該差 分圖像，得到當(dāng)前幀圖像中的運(yùn)動(dòng)目標(biāo)信息，其中該運(yùn)動(dòng)目標(biāo)包括運(yùn)動(dòng)車(chē)輛或 者該車(chē)輛的運(yùn)動(dòng)陰影；運(yùn)動(dòng)車(chē)輛與陰影區(qū)分模塊，區(qū)分上述運(yùn)動(dòng)目標(biāo)信息中的 運(yùn)動(dòng)車(chē)輛與運(yùn)動(dòng)陰影，以得到車(chē)流量信息。
進(jìn)一步的，上述圖像采集模塊為一攝像裝置。進(jìn)一步的，上述圖像預(yù)處理模塊包括 一數(shù)字化器，數(shù)字化上述模擬圖像
信息，得到上述多幀數(shù)字圖像信息； 一后處理器，對(duì)上述數(shù)字圖像信息進(jìn)行灰 度化、噪聲濾除以及灰度增強(qiáng)處理。
進(jìn)一步的，上述背景估計(jì)模塊采用區(qū)間分布的背景估計(jì)算法進(jìn)行自適應(yīng)背 景估計(jì)，得到上述參考背景圖像。
進(jìn)一步的，上述運(yùn)動(dòng)目標(biāo)檢測(cè)模塊還包括 一差分圖像處理模塊，對(duì)上述 差分圖像進(jìn)行二值化、形態(tài)學(xué)處理以及區(qū)域填充處理。
綜上所述，本發(fā)明提供的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法與系統(tǒng)采用 區(qū)間分布的背景估計(jì)技術(shù)來(lái)獲取參考背景圖像，而后通過(guò)分析獲取的當(dāng)前幀圖 像來(lái)與參考背景圖像做差分運(yùn)算的結(jié)杲來(lái)得到該幀中的運(yùn)動(dòng)目標(biāo)信息，并考慮
到運(yùn)動(dòng)目標(biāo)信息中可能包括的運(yùn)動(dòng)車(chē)輛陰影的影響，來(lái)進(jìn)一步去區(qū)分運(yùn)動(dòng)陰影 與運(yùn)動(dòng)車(chē)輛信息，得到較為準(zhǔn)確的車(chē)流量信息。


圖1為本發(fā)明一實(shí)施例所提供的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法的流 程圖2為圖1中步驟Sl的具體實(shí)現(xiàn)流程圖3為為本發(fā)明一實(shí)施例所提供的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)系統(tǒng)的 系統(tǒng)框圖。
具體實(shí)施例方式
為使本發(fā)明的目的、特征更明顯易懂，下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施 方式作進(jìn)一步的說(shuō)明。
請(qǐng)參考圖1,其為本發(fā)明一實(shí)施例所提供的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè) 方法的流程圖。如圖所示，該方法包括如下步驟
Sl:實(shí)時(shí)采集某道路圖像信息并對(duì)其進(jìn)行預(yù)處理；
S2:獲取該道路的參考背景圖像；
S3:通過(guò)該道路圖像信息的某當(dāng)前幀圖像與參考背景圖像之間的差分運(yùn)算， 檢測(cè)出當(dāng)前幀圖像中的運(yùn)動(dòng)目標(biāo)信息；
6其中該運(yùn)動(dòng)目標(biāo)包括運(yùn)動(dòng)車(chē)輛或者該車(chē)輛的運(yùn)動(dòng)陰影； S4:區(qū)分運(yùn)動(dòng)目標(biāo)信息中的運(yùn)動(dòng)車(chē)輛與運(yùn)動(dòng)陰影，得到車(chē)流量信息。 其中道路圖像實(shí)時(shí)信息的采集是通過(guò)視頻采集設(shè)備來(lái)實(shí)現(xiàn)的，但由于天氣 與系統(tǒng)非線性等因素的影響，采集到的圖像是降質(zhì)的圖像，因此需對(duì)其進(jìn)行預(yù) 處理。同時(shí)，數(shù)字圖像的分析處理速率相對(duì)于模擬圖像具有極大的速度優(yōu)勢(shì)， 故需對(duì)采集到的道路圖像進(jìn)行數(shù)字化處理。故步驟Sl具體包括如圖2所示的以 下步驟
Sll:實(shí)時(shí)獲取該道路的模擬圖像信息；
S12:將上述模擬圖像信息進(jìn)行數(shù)字化處理，得到多幀數(shù)字圖像信息； S13:對(duì)上述數(shù)字圖像信息進(jìn)行灰度化、噪聲濾除以及灰度增強(qiáng)處理。 另外，步驟S2中參考背景圖像的獲取是步驟S3中進(jìn)行差分運(yùn)算的基礎(chǔ)， 而區(qū)間分布的自適應(yīng)背景估計(jì)技術(shù)具有快速、有效，能夠自適應(yīng)環(huán)境光線的變 化，快速跟蹤背景的變化，滿足實(shí)時(shí)性要求等優(yōu)點(diǎn)，故針對(duì)城市道路交通的復(fù) 雜狀況，選用此技術(shù)進(jìn)行背景估計(jì)，獲取參考背景圖像。此外，對(duì)于步驟S3中 進(jìn)行差分運(yùn)算之后，可得到一差分圖像，而后對(duì)該差分圖像進(jìn)行二值化、形態(tài) 學(xué)處理以及區(qū)域填充處理，分析處理后的差分圖像，便可得到上述運(yùn)動(dòng)目標(biāo)信 自、
另外，在實(shí)際應(yīng)用中，由于光照的影響，運(yùn)動(dòng)目標(biāo)中往往含有車(chē)輛的陰影，
而車(chē)輛的陰影與車(chē)輛具有相似的運(yùn)動(dòng)特征，導(dǎo)致其被誤判為車(chē)輛；另外，車(chē)輛 的陰影可能會(huì)把多輛車(chē)連在一起，造成車(chē)輛的漏檢。而運(yùn)動(dòng)陰影與運(yùn)動(dòng)目標(biāo)與 其參考背景區(qū)域在像素灰度上存在顯著的差別，故在步驟S4中利用對(duì)應(yīng)像素灰 度上的差別對(duì)運(yùn)動(dòng)車(chē)輛與運(yùn)動(dòng)陰影進(jìn)行區(qū)分。
相應(yīng)地，本發(fā)明一實(shí)施例還提供一種基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)系統(tǒng)， 其系統(tǒng)框圖如圖3所示。該系統(tǒng)包括圖像采集模塊100、圖像預(yù)處理模塊200、 背景估計(jì)模塊300以及車(chē)流量檢測(cè)模塊400。其中圖像采集模塊100實(shí)時(shí)采集某 道路的模擬圖像信息，并傳輸給圖像預(yù)處理模塊200;該圖像預(yù)處理模塊200接 收到模擬圖像后將其轉(zhuǎn)換為多幀數(shù)字圖像并輸出給車(chē)流量檢測(cè)模塊400;而背景 估計(jì)模塊300實(shí)時(shí)估計(jì)該道路的背景，得到參考背景圖像并輸出給車(chē)流量檢測(cè) 模塊400;車(chē)流量檢測(cè)模塊400接收?qǐng)D像預(yù)處理模塊200與背景估計(jì)模塊300的輸出信息，分析得到車(chē)流量信息。另外，車(chē)流量檢測(cè)模塊400包括運(yùn)動(dòng)目標(biāo)檢 測(cè)模塊410，其對(duì)多幀數(shù)字圖像信息的當(dāng)前幀圖像與參考背景圖像做差分運(yùn)算， 得到一差分圖像，分析該差分圖像，得到當(dāng)前幀圖像中的運(yùn)動(dòng)目標(biāo)信息。在實(shí) 際應(yīng)用中，由于光照的影響，運(yùn)動(dòng)目標(biāo)中往往含有車(chē)輛的陰影，而車(chē)輛的陰影 與車(chē)輛具有相似的運(yùn)動(dòng)特征，導(dǎo)致其被誤判為車(chē)輛；另外，車(chē)輛的陰影可能會(huì) 把多輛車(chē)連在一起，造成車(chē)輛的漏檢。故車(chē)流量4企測(cè)才莫塊400還包括運(yùn)動(dòng)車(chē)輛 與陰影區(qū)分^^莫塊430，以去除陰影的影響，其區(qū)分運(yùn)動(dòng)目標(biāo)信息中的運(yùn)動(dòng)車(chē)輛與 運(yùn)動(dòng)陰影，以得到車(chē)流量信息。
另外，圖像釆集模塊100可為各種攝像裝置。而圖像預(yù)處理模塊200還包 括數(shù)字化器210和后處理器220。其中數(shù)字化器210數(shù)字化模擬圖像信息，以得 到數(shù)字圖像信息；后處理器220對(duì)數(shù)字圖像信息進(jìn)行灰度化、噪聲濾除以及灰 度增強(qiáng)處理，以便于后期處理。
而背景估計(jì)模塊300采用區(qū)間分布的背景估計(jì)算法進(jìn)行自適應(yīng)背景估計(jì)， 得到參考背景圖像。運(yùn)動(dòng)目標(biāo)檢測(cè)模塊410還包括差分圖像處理模塊420對(duì)差 分圖像進(jìn)行二值化、形態(tài)學(xué)處理以及區(qū)域填充處理，以便于后續(xù)處理。
本發(fā)明實(shí)施例采用區(qū)間分布的背景估計(jì)技術(shù)來(lái)獲取參考背景圖像，而后通 過(guò)分析獲取的當(dāng)前幀圖像來(lái)與參考背景圖像做差分運(yùn)算的結(jié)果來(lái)得到該幀中的 運(yùn)動(dòng)目標(biāo)信息，并考慮到運(yùn)動(dòng)目標(biāo)信息中可能包括的運(yùn)動(dòng)車(chē)輛陰影的影響，來(lái)
進(jìn)一步去區(qū)分運(yùn)動(dòng)陰影與運(yùn)動(dòng)車(chē)輛信息，得到較為準(zhǔn)確的車(chē)流量信息。
權(quán)利要求
1.一種基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法，其特征是，包括實(shí)時(shí)采集一道路圖像信息并對(duì)其進(jìn)行預(yù)處理；獲取該道路的一參考背景圖像；通過(guò)該道路圖像信息的一當(dāng)前幀圖像與上述參考背景圖像之間的差分運(yùn)算，檢測(cè)出當(dāng)前幀圖像中的運(yùn)動(dòng)目標(biāo)信息，其中該運(yùn)動(dòng)目標(biāo)包括運(yùn)動(dòng)車(chē)輛或者該車(chē)輛的運(yùn)動(dòng)陰影；區(qū)分上述運(yùn)動(dòng)目標(biāo)信息中的運(yùn)動(dòng)車(chē)輛與運(yùn)動(dòng)陰影，得到車(chē)流量信息。
2. 根據(jù)權(quán)利要求1所述的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法，其特征是， 其中上述實(shí)時(shí)采集一道路圖像信息并對(duì)其進(jìn)行預(yù)處理的過(guò)程包括實(shí)時(shí)獲取該道路的模擬圖像信息；將上述模擬圖像信息進(jìn)行數(shù)字化處理，得到多幀數(shù)字圖像信息； 對(duì)上述數(shù)字圖像信息進(jìn)行灰度化、噪聲濾除以及灰度增強(qiáng)處理。
3. 根據(jù)權(quán)利要求1所述的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法，其特征是， 其中上述道路的參考背景圖像是采用區(qū)間分布的自適應(yīng)背景估計(jì)技術(shù)獲得。
4. 根據(jù)權(quán)利要求1所述的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法，其特征是， 其中上述通過(guò)該道路圖像信息的一當(dāng)前幀圖像與上述參考背景圖像之間的差分 運(yùn)算，檢測(cè)出當(dāng)前幀圖像中的運(yùn)動(dòng)目標(biāo)的過(guò)程包括從上述經(jīng)預(yù)處理的道路圖像信息中荻取一 當(dāng)前幀圖像； 對(duì)該當(dāng)前幀圖像與上述參考背景圖像做差分運(yùn)算，得到一差分圖像； 對(duì)該差分圖像進(jìn)行二值化、形態(tài)學(xué)處理以及區(qū)域填充處理； 分析得到上述運(yùn)動(dòng)目標(biāo)信息。
5. 根據(jù)權(quán)利要求1所述的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法，其特征是， 其中上述區(qū)分當(dāng)前幀圖像運(yùn)動(dòng)目標(biāo)中的運(yùn)動(dòng)車(chē)輛與運(yùn)動(dòng)陰彰是根據(jù)其對(duì)應(yīng)像素 灰度上的差別進(jìn)行區(qū)分。
6. —種基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)系統(tǒng)，其特征是，包括 一圖像采集模塊，實(shí)時(shí)采集一道路模擬圖像信息；一圖像預(yù)處理^t塊，預(yù)處理上述模擬圖像信息，將其轉(zhuǎn)換為多幀數(shù)字圖像信息；一背景估計(jì)模塊，對(duì)上述道路背景進(jìn)行實(shí)時(shí)估計(jì)，得到該道路的一參考背景圖像；一車(chē)流量檢測(cè)模塊，連接于上述圖像預(yù)處理模塊與背景估計(jì)模塊并利用上 述數(shù)字圖像信息與參考背景圖像，得到車(chē)流量信息，其包括運(yùn)動(dòng)目標(biāo)檢測(cè)模塊，對(duì)上述多幀數(shù)字圖像信息的一當(dāng)前幀圖像與上述參 考背景圖像做差分運(yùn)算，得到一差分圖像，分析該差分圖像，得到當(dāng)前幀 圖像中的運(yùn)動(dòng)目標(biāo)信息，其中該運(yùn)動(dòng)目標(biāo)包括運(yùn)動(dòng)車(chē)輛或者該車(chē)輛的運(yùn)動(dòng) 陰影；運(yùn)動(dòng)車(chē)輛與陰影區(qū)分模塊，區(qū)分上述運(yùn)動(dòng)目標(biāo)信息中的運(yùn)動(dòng)車(chē)輛與運(yùn)動(dòng) 陰影，以得到車(chē)流量信息。
7. 根據(jù)權(quán)利要求6所述的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)系統(tǒng)，其特征是， 其中上述圖像采集模塊為 一攝像裝置。
8. 根據(jù)權(quán)利要求6所述的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)系統(tǒng)，其特征是， 上述圖像預(yù)處理模塊包括一數(shù)字化器，數(shù)字化上述模擬圖像信息，得到上述多幀數(shù)字圖像信息； 一后處理器，對(duì)上述數(shù)字圖像信息進(jìn)行灰度化、噪聲濾除以及灰度增強(qiáng)處理。
9. 根據(jù)權(quán)利要求6所述的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)系統(tǒng)，其特征是， 上述背景估計(jì)模塊采用區(qū)間分布的背景估計(jì)算法進(jìn)行自適應(yīng)背景估計(jì)，得到上 述參考背景圖像。
10. 根據(jù)權(quán)利要求6所述的基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)系統(tǒng)，其特征 是，上述運(yùn)動(dòng)目標(biāo)檢測(cè)模塊還包括一差分圖像處理模塊，對(duì)上述差分圖像進(jìn)行二值化、形態(tài)學(xué)處理以及區(qū)域 填充處理。
全文摘要
本發(fā)明揭露了一種基于視頻識(shí)別技術(shù)的車(chē)流量檢測(cè)方法及系統(tǒng)，其采用區(qū)間分布的背景估計(jì)技術(shù)來(lái)獲取參考背景圖像，而后通過(guò)分析獲取的當(dāng)前幀圖像來(lái)與參考背景圖像做差分運(yùn)算的結(jié)果來(lái)得到該幀中的運(yùn)動(dòng)目標(biāo)信息，并考慮到運(yùn)動(dòng)目標(biāo)信息中可能包括的運(yùn)動(dòng)車(chē)輛陰影的影響，來(lái)進(jìn)一步去區(qū)分運(yùn)動(dòng)陰影與運(yùn)動(dòng)車(chē)輛信息，得到較為準(zhǔn)確的車(chē)流量信息。該方法包括實(shí)時(shí)采集一道路圖像信息并對(duì)其進(jìn)行預(yù)處理；獲取該道路的一參考背景圖像；通過(guò)該道路圖像信息的一當(dāng)前幀圖像與上述參考背景圖像之間的差分運(yùn)算，檢測(cè)出當(dāng)前幀圖像中的運(yùn)動(dòng)目標(biāo)信息，其中該運(yùn)動(dòng)目標(biāo)包括運(yùn)動(dòng)車(chē)輛或者該車(chē)輛的運(yùn)動(dòng)陰影；區(qū)分上述運(yùn)動(dòng)目標(biāo)信息中的運(yùn)動(dòng)車(chē)輛與運(yùn)動(dòng)陰影，得到車(chē)流量信息。
文檔編號(hào)G08G1/017GK101587646SQ20081003779
公開(kāi)日2009年11月25日 申請(qǐng)日期2008年5月21日 優(yōu)先權(quán)日2008年5月21日
發(fā)明者曉 任, 倪興華, 應(yīng)麗華, 林衛(wèi)慈, 許冬青, 賀凌云, 韓吉來(lái) 申請(qǐng)人:上海新聯(lián)緯訊科技發(fā)展有限公司