一種基于人工標(biāo)定的智能交通算法評(píng)估方法
【專利摘要】本發(fā)明涉及一種基于人工標(biāo)定的智能交通算法評(píng)估方法，包括：建立交通視頻數(shù)據(jù)庫(kù)；利用ViPER軟件對(duì)交通視頻進(jìn)行人工標(biāo)定；將標(biāo)定的參數(shù)保存為XML格式的文件，并將其導(dǎo)出；對(duì)XML文件進(jìn)行數(shù)據(jù)分析，獲取所需交通參數(shù)；完善交通視頻數(shù)據(jù)庫(kù)；對(duì)待驗(yàn)證算法進(jìn)行評(píng)估。本發(fā)明通過(guò)人工識(shí)別和標(biāo)定交通視頻中車輛/行人/交通標(biāo)志的時(shí)間—位置信息，由計(jì)算機(jī)自動(dòng)獲取交通參數(shù)，與基于計(jì)算機(jī)視覺(jué)的交通參數(shù)智能算法相比，大大提高了交通參數(shù)的精度。建立了多種交通參數(shù)智能算法的評(píng)估平臺(tái)，可以對(duì)待驗(yàn)證算法進(jìn)行多場(chǎng)景、多參數(shù)、全方面的驗(yàn)證評(píng)估。評(píng)估方法準(zhǔn)確可靠，對(duì)被評(píng)估算法的改進(jìn)和完善具有一定的指導(dǎo)作用。
【專利說(shuō)明】一種基于人工標(biāo)定的智能交通算法評(píng)估方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬機(jī)器視覺(jué)與智能控制領(lǐng)域，是一種利用計(jì)算機(jī)技術(shù)、圖像處理技術(shù)、數(shù)據(jù)庫(kù)技術(shù)等對(duì)智能交通算法進(jìn)行評(píng)估的方法。
【背景技術(shù)】
[0002]隨著公路交通基礎(chǔ)設(shè)施的逐漸完善和私人汽車數(shù)量的增加，道路交通問(wèn)題日益嚴(yán)重。近年來(lái)，交通事故頻繁，道路交通事故造成的生命和財(cái)產(chǎn)損失越來(lái)越引起人們的關(guān)注。據(jù)統(tǒng)計(jì):2008年，全國(guó)共發(fā)生道路交通事故265204起，造成73484人死亡，304919人受傷，直接財(cái)產(chǎn)損失10.1億元；2009年，全國(guó)共發(fā)生道路交通事故238351起，造成67759人死亡，275125人受傷，直接財(cái)產(chǎn)損失9.1億元；2010年，全國(guó)共發(fā)生道路交通事故3906164起，造成65225人死亡，254075人受傷，直接財(cái)產(chǎn)損失9.3億元。為了最大限度地減少道路交通事故造成的生命和財(cái)產(chǎn)損失，在過(guò)去的幾十年中，國(guó)內(nèi)外專家和學(xué)者都在積極開(kāi)展有關(guān)智能交通系統(tǒng)(ITS)的研究工作。
[0003]近年來(lái)，眾多基于計(jì)算機(jī)視覺(jué)的智能交通算法應(yīng)運(yùn)而生，它們運(yùn)用計(jì)算機(jī)和圖像處理等技術(shù)，完成對(duì)包括車輛數(shù)、車速、車型等交通參數(shù)的自動(dòng)檢測(cè)。算法不同，精度也不同。盡管各種智能算法公布的準(zhǔn)確率大多在90%以上，但由于迄今為止還沒(méi)有一個(gè)統(tǒng)一、準(zhǔn)確、可靠的驗(yàn)證平臺(tái)和評(píng)估方法，無(wú)法驗(yàn)證各種算法公布的準(zhǔn)確度是否可信，也就很難對(duì)各種算法的優(yōu)劣進(jìn)行比較評(píng)判。

【發(fā)明內(nèi)容】

[0004]針對(duì)上述問(wèn)題，本發(fā)明提出一種基于人工標(biāo)定的智能交通算法評(píng)估方法，基于人工標(biāo)定的數(shù)據(jù)，獲取準(zhǔn)確的交通參數(shù)，并將其與待評(píng)估的智能算法得到的交通參數(shù)進(jìn)行對(duì)t匕，得到該算法的準(zhǔn)確度，從而評(píng)價(jià)該算法性能的優(yōu)劣。
[0005]本發(fā)明所涉及的硬件設(shè)備包括PC機(jī)、攝像機(jī)及相對(duì)應(yīng)的采集卡。攝像機(jī)拍攝的視頻導(dǎo)入PC機(jī)，并轉(zhuǎn)化為通用格式的視頻文件，如MPG格式。人工標(biāo)定部分需應(yīng)用開(kāi)源軟件ViPER，該軟件可以人工手動(dòng)地逐幀標(biāo)注目標(biāo)單位在視頻中所處的位置，本發(fā)明應(yīng)用該軟件進(jìn)行交通單位(車輛/行人/交通標(biāo)志)的時(shí)間一位置數(shù)據(jù)標(biāo)定。
[0006]一種基于人工標(biāo)定的智能交通算法評(píng)估方法，包括以下步驟:
[0007]步驟I，建立交通視頻數(shù)據(jù)庫(kù)。
[0008]收集多場(chǎng)景、不同環(huán)境下的交通視頻，視頻分類如下:
[0009]不同地點(diǎn):快速路，交叉路口，高速路口匝道等；
[0010]不同時(shí)段:早高峰，晚高峰，白天，傍晚等；
[0011]不同環(huán)境:無(wú)陰影，光照陰影明顯，霧，雨雪天氣等；
[0012]不同目標(biāo):車輛，行人，交通標(biāo)志等；
[0013]每段時(shí)長(zhǎng)10?60分鐘不等，可以滿足多種算法的驗(yàn)證需求。
[0014]步驟2，利用ViPER軟件對(duì)交通視頻進(jìn)行人工標(biāo)定。[0015]步驟2.1，載入待標(biāo)定的交通視頻。
[0016]步驟2.2，設(shè)定要標(biāo)定的參數(shù)，包括名稱、標(biāo)注框種類等。
[0017]步驟2.3，人工標(biāo)定交通視頻中的各個(gè)單位的時(shí)間一位置信息。
[0018]人工標(biāo)定的信息包括:單位編號(hào)；類別:I—車輛，2—行人，3—交通標(biāo)志；單位在視頻中持續(xù)的幀數(shù)；單位區(qū)域的左上角點(diǎn)坐標(biāo)(X，Y);單位區(qū)域的橫向?qū)挾萕idth、縱向高度 Height。
[0019]步驟3，導(dǎo)出人工標(biāo)定的數(shù)據(jù)。
[0020]將在ViPER軟件中標(biāo)定的數(shù)據(jù)保存為XML格式的文件，并將其導(dǎo)出。
[0021]步驟4，對(duì)步驟3所述XML文件進(jìn)行數(shù)據(jù)分析，獲取所需的交通參數(shù)。
[0022]步驟4.1，形成車輛行進(jìn)軌跡。
[0023]讀取標(biāo)定信息，將由X、Y、Width、Height所構(gòu)成的矩形框中心(X+Width/2,Y+Height/2 )視為車輛所在位置，連結(jié)各個(gè)時(shí)間點(diǎn)的車輛位置，形成車輛行進(jìn)軌跡。
[0024]步驟4.2，計(jì)算車輛數(shù)。
[0025]( I)根據(jù)視頻設(shè)定 車道數(shù)和虛擬線圈，線圈寬度與車道同寬，長(zhǎng)度不小于一個(gè)車身長(zhǎng)度。
[0026](2)根據(jù)車輛與虛擬線圈的幾何關(guān)系，進(jìn)行分車道車輛計(jì)數(shù)。
[0027]如圖1所示，四邊形AB⑶為設(shè)定的虛擬線圈，車輛V由AB邊駛?cè)擘沁咇偝?。車輛位置與虛擬線圈四個(gè)頂點(diǎn)存在幾何關(guān)系VA+VB-AB≥O, VC+VD-CD≥O。VA+VB-AB的最小值點(diǎn)對(duì)應(yīng)車輛進(jìn)入該虛擬線圈的時(shí)刻，VC+VD-CD的最小值點(diǎn)對(duì)應(yīng)車輛駛出虛擬線圈的時(shí)亥IJ，據(jù)此可以判斷車輛駛?cè)牖蝰偝鼍€圈的行為及進(jìn)入和駛出的時(shí)刻。
[0028]若某車對(duì)同一虛擬線圈完成駛?cè)腭偝鲂袨椋M(jìn)行一次對(duì)該車道的車輛計(jì)數(shù)。該車道車輛數(shù)+1。
[0029]若某車輛駛?cè)肽程摂M線圈，但未駛出任何虛擬線圈，則認(rèn)為該車行駛異常，不計(jì)數(shù)。
[0030]若某車輛駛?cè)肽程摂M線圈，但從另一虛擬線圈駛出，則認(rèn)為該車進(jìn)行換道行為，其駛出的虛擬線圈計(jì)數(shù)+1。
[0031]步驟4.3，計(jì)算車間距、平均車間距。
[0032]根據(jù)攝像機(jī)標(biāo)定，獲得視頻中道路所對(duì)應(yīng)的實(shí)際長(zhǎng)度。由相鄰矩形框坐標(biāo)位置相減得到車間距，平均車間距為統(tǒng)計(jì)一段時(shí)間內(nèi)的車間距均值。
[0033]步驟4.4，計(jì)算車速、平均車速。
[0034]根據(jù)攝像機(jī)標(biāo)定，獲得所畫虛擬線圈所對(duì)應(yīng)的實(shí)際距離，按照步驟4.2所述方法得到每輛車進(jìn)入及駛出虛擬線圈的時(shí)刻，由距離/時(shí)間得到車輛行駛速度。統(tǒng)計(jì)一段時(shí)間內(nèi)，所有經(jīng)過(guò)虛擬線圈的車輛的速度，獲取其平均速度。
[0035]步驟4.5，計(jì)算車輛排隊(duì)長(zhǎng)度。
[0036]車輛排隊(duì)是一種交通波，因此排隊(duì)長(zhǎng)度不同于車輛的存在性判斷，不僅與場(chǎng)景中的每輛車的當(dāng)前位置、速度信息相關(guān)，也與其歷史信息相關(guān)，僅從單幅圖像或視頻中的某一幀中并不能獲取準(zhǔn)確的排隊(duì)長(zhǎng)度。本發(fā)明基于多幀、長(zhǎng)時(shí)間段的人工標(biāo)定計(jì)算車輛排隊(duì)長(zhǎng)度，具體方法如下:
[0037]設(shè)定停車線位置，利用步驟I所獲得的每輛車的時(shí)間一位置信息繪制其距停車線距離與時(shí)間的關(guān)系曲線，如圖2所示，每條線對(duì)應(yīng)一輛車。到達(dá)交叉路口的排隊(duì)車輛經(jīng)過(guò)行駛一停車等待一繼續(xù)行駛3個(gè)階段，停車與啟動(dòng)的分界點(diǎn)稱為拐點(diǎn)。擬合車道內(nèi)的每輛車的拐點(diǎn)得到整個(gè)車道的停車波A(t)與啟動(dòng)波B(t)，即交通波，如圖3所示，原點(diǎn)對(duì)應(yīng)停車線位置。根據(jù)交通波與排隊(duì)長(zhǎng)度的關(guān)系計(jì)算排隊(duì)長(zhǎng)度和停車延誤:
[0038]QL (t) =TL (t) -HL (t)
[0039]式中，t為時(shí)間，QL(t)為排隊(duì)長(zhǎng)度，TL(t)為隊(duì)尾與停車線距離，HL(t)為對(duì)頭與
停車線距離。
[0040]步驟4.6，獲取交通標(biāo)志位置信息。
[0041]讀取車載視頻標(biāo)注的交通標(biāo)志信息，獲取交通標(biāo)志在每一時(shí)刻的位置，通過(guò)攝像機(jī)標(biāo)定，擬合出實(shí)際距離對(duì)應(yīng)圖像中的長(zhǎng)度關(guān)系，由交通標(biāo)志的位置信息轉(zhuǎn)化為實(shí)際距離信息，實(shí)時(shí)顯示該交通標(biāo)志與行駛車輛之間的距離。
[0042]步驟4.7，按照步驟4.1的方法形成行人軌跡。
[0043]步驟5，完善交通視頻數(shù)據(jù)庫(kù)。
[0044]將步驟I中的每段交通視頻按照步驟2和步驟3所述方法進(jìn)行人工標(biāo)定，然后按照步驟4所述方法計(jì)算每段視頻中的交通參數(shù)，原始視頻及其對(duì)應(yīng)的人工標(biāo)定數(shù)據(jù)和交通參數(shù)共同組成用于算法評(píng)估的交通視頻數(shù)據(jù)庫(kù)。
[0045]步驟6，對(duì)待驗(yàn)證算法進(jìn)行評(píng)估。
[0046]選取視頻數(shù)據(jù)庫(kù)中的同一段多或段視頻，應(yīng)用待驗(yàn)證算法測(cè)量上述交通參數(shù)，將測(cè)量結(jié)果與數(shù)據(jù)庫(kù)中的交通參數(shù)進(jìn)行比對(duì)，計(jì)算測(cè)量的準(zhǔn)確度，由此判斷待驗(yàn)證算法的準(zhǔn)確性。
[0047]與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn):
[0048]1.本發(fā)明通過(guò)人工識(shí)別和標(biāo)定交通視頻中的車輛/行人/交通標(biāo)志的時(shí)間一位置信息，由計(jì)算機(jī)自動(dòng)獲取交通參數(shù)，與基于計(jì)算機(jī)視覺(jué)的交通參數(shù)智能算法相比，大大提高了交通參數(shù)計(jì)算的精度；與純?nèi)斯び涗浀姆椒ㄏ啾?，效率更高，且易于存?chǔ)，還可避免一些人工操作容易出現(xiàn)的誤差。
[0049]2.本發(fā)明應(yīng)用包含交通視頻以及人工標(biāo)定數(shù)據(jù)和交通參數(shù)的數(shù)據(jù)庫(kù)，可以對(duì)待驗(yàn)證交通參數(shù)智能算法進(jìn)行多場(chǎng)景、多參數(shù)、全方面的驗(yàn)證評(píng)估。由于使用了高精度交通參數(shù)，保證了驗(yàn)證評(píng)估的準(zhǔn)確性和可靠性。本發(fā)明所述的評(píng)估方法對(duì)被評(píng)估算法的改進(jìn)和完善具有一定的指導(dǎo)作用。
【專利附圖】

【附圖說(shuō)明】
[0050]圖1為虛擬線圈計(jì)數(shù)方法示意圖；
[0051]圖2為排隊(duì)車輛距停車線距離與時(shí)間的關(guān)系曲線；
[0052]圖3為交通波與排隊(duì)長(zhǎng)度關(guān)系示意圖；
[0053]圖4為本發(fā)明所涉及方法的流程圖；
[0054]圖5為視頻中人工標(biāo)注的車輛時(shí)間一位置信息示意圖；
[0055]圖6帶有標(biāo)注信息和虛擬線圈的視頻示意圖。
【具體實(shí)施方式】[0056]下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。
[0057]應(yīng)用本發(fā)明對(duì)一種分車道計(jì)數(shù)的圖像處理算法進(jìn)行評(píng)估。實(shí)施例在安裝VC2008和0penCV2.3.1的PC機(jī)上實(shí)現(xiàn)。
[0058]本發(fā)明所述評(píng)估方法的流程圖如圖4所示，包括以下步驟:
[0059]步驟I，建立交通視頻數(shù)據(jù)庫(kù)。
[0060]數(shù)據(jù)庫(kù)至少包含4種不同環(huán)境的交通視頻，文件格式為MPG。
[0061]步驟2，利用ViPER軟件對(duì)交通視頻進(jìn)行人工標(biāo)定。
[0062]步驟2.1，載入一段車輛被陽(yáng)光照射產(chǎn)生陰影的交通視頻yinying.mpg。
[0063]步驟2.2，設(shè)定要標(biāo)定的參數(shù)，標(biāo)注的車輛名稱設(shè)定為Vehicle，標(biāo)注框種類為Bbox (矩形框)。
[0064]步驟2.3，人工標(biāo)注出車輛每個(gè)時(shí)刻所處的位置。如圖5所示。
[0065]步驟3，導(dǎo)出人工標(biāo)定的數(shù)據(jù)。
[0066]在ViPER軟件中標(biāo)定的參數(shù)保存為XML格式的文件，將其保存并導(dǎo)出。導(dǎo)出文件名稱為yinying-mpg.xml。文件中保存了所有人工標(biāo)定的單位的時(shí)間一位置信息
[0067]以某一輛車為例，XML數(shù)據(jù)文件包括以下參數(shù):
[0068]車輛編號(hào)ID=O ；
[0069]類別KIND=I (車輛)；
[0070]車輛在視頻中持續(xù)的巾貞數(shù)framespan=l:45 ；
[0071]詳細(xì)數(shù)據(jù)Data:包括每一幀圖像車輛區(qū)域的左上角點(diǎn)坐標(biāo)、單位區(qū)域的寬度和高度。
[0072]步驟4，將存有視頻中單位的時(shí)間一位置信息的XML文件進(jìn)行數(shù)據(jù)分析，以獲取所需的交通參數(shù)——車輛數(shù)(分車道)。
[0073]步驟4.1，根據(jù)視頻設(shè)定車道數(shù)為4，并設(shè)定虛擬線圈，線圈寬度與車道同寬，長(zhǎng)度不小于一個(gè)車身長(zhǎng)度。如圖6所示。
[0074]步驟4.2，讀取XML文件獲得分車道計(jì)數(shù)結(jié)果。
[0075]四個(gè)車道計(jì)數(shù)結(jié)果分別為3，16，27，7。
[0076]步驟5，載入其它視頻段，按照步驟2?5所述方法分別進(jìn)行人工標(biāo)定和參數(shù)計(jì)算，完善原始視頻數(shù)據(jù)庫(kù)。其中，一段雪天的交通視頻xue.mpg的分車道計(jì)數(shù)為10，22，26，9，一段清晰的基本無(wú)任何環(huán)境干擾的交通視頻normal, mpg的分車道計(jì)數(shù)為18, 30, 39, 32。
[0077]步驟6，在上述3段相同的視頻上運(yùn)行待驗(yàn)證算法，并獲取四個(gè)車道計(jì)數(shù)結(jié)果。視頻 yinying.mpg 為 3, 15, 27, 6 ;視頻 xue.mpg 為 3,11,10, 3 ;視頻 normal, mpg 為 18, 30,40,32。將每段視頻的真實(shí)交通參數(shù)與待驗(yàn)證算法測(cè)得的交通參數(shù)進(jìn)行對(duì)比，評(píng)估待驗(yàn)證算法準(zhǔn)確性。
[0078]對(duì)于視頻yinying.mpg,待驗(yàn)證算法的處理準(zhǔn)確性評(píng)估結(jié)果為94.87%,基本滿足準(zhǔn)確性要求。
[0079]對(duì)于視頻xue.mpg,待驗(yàn)證算法的處理準(zhǔn)確性評(píng)估結(jié)果為37.95%,無(wú)法滿足準(zhǔn)確性要求。
[0080]對(duì)于視頻normal, mpg,待驗(yàn)證算法的處理準(zhǔn)確性評(píng)估結(jié)果為99.38%,滿足準(zhǔn)確性要求。[0081]根據(jù)評(píng)估結(jié)果可以得出如下結(jié)論:待驗(yàn)證算法受光照和陰影等影響不大，在雨雪等其它惡劣的天氣環(huán)境下，算法的精度大大下降，無(wú)法滿足準(zhǔn)確性要求。
【權(quán)利要求】
1.一種基于人工標(biāo)定的智能交通算法評(píng)估方法，其特征在于，包括以下步驟: 步驟I，建立交通視頻數(shù)據(jù)庫(kù)； 收集多場(chǎng)景、不同環(huán)境下的交通視頻，視頻分類如下: 不同地點(diǎn):快速路，交叉路口，高速路口匝道； 不同時(shí)段:早高峰，晚高峰，白天，傍晚； 不同環(huán)境:無(wú)陰影，光照陰影明顯，霧，雨雪天氣； 不同目標(biāo):車輛，行人，交通標(biāo)志； 每段時(shí)長(zhǎng)10~60分鐘不等，可以滿足多種算法的驗(yàn)證需求； 步驟2，利用ViPER軟件對(duì)交通視頻進(jìn)行人工標(biāo)定； 步驟2.1，載入待標(biāo)定的交通視頻； 步驟2.2，設(shè)定要標(biāo)定的數(shù)據(jù)，包括名稱、標(biāo)注框種類； 步驟2.3，人工標(biāo)定交通視頻中的各個(gè)單位即車輛/行人/交通標(biāo)志的時(shí)間一位置信息； 步驟3，導(dǎo)出人工標(biāo)定的數(shù)據(jù)； 將在ViPER軟件中標(biāo)定的數(shù)據(jù)保存為XML格式的文件，并將其導(dǎo)出； 步驟4，對(duì)步驟3所述XML文件進(jìn)行數(shù)據(jù)分析，獲取所需的交通參數(shù)； 步驟4.1，形成車輛行進(jìn)軌跡； 讀取標(biāo)定信息，將由X、Y、Width、Height所構(gòu)成的矩形框中心(X+Width/2，Y+Height/2)視為車輛所在位置，連結(jié)各個(gè)時(shí)間點(diǎn)的車輛位置，形成車輛行進(jìn)軌跡； 步驟4.2，計(jì)算車輛數(shù)； 步驟4.3，計(jì)算車間距、平均車間距； 根據(jù)攝像機(jī)標(biāo)定，獲得視頻中道路所對(duì)應(yīng)的實(shí)際長(zhǎng)度；由相鄰矩形框坐標(biāo)位置相減得到車間距，平均車間距為統(tǒng)計(jì)一段時(shí)間內(nèi)的車間距均值； 步驟4.4，計(jì)算車速、平均車速； 根據(jù)攝像機(jī)標(biāo)定，獲得所畫虛擬線圈所對(duì)應(yīng)的實(shí)際距離，按照步驟4.2所述方法得到每輛車進(jìn)入及駛出虛擬線圈的時(shí)刻，由距離/時(shí)間得到車輛行駛速度；統(tǒng)計(jì)一段時(shí)間內(nèi)，所有經(jīng)過(guò)虛擬線圈的車輛的速度，獲取其平均速度； 步驟4.5，計(jì)算車輛排隊(duì)長(zhǎng)度； 步驟4.6,獲取交通標(biāo)志位置信息； 讀取車載視頻標(biāo)注的交通標(biāo)志信息，獲取交通標(biāo)志在每一時(shí)刻的位置，通過(guò)攝像機(jī)標(biāo)定，擬合出實(shí)際距離對(duì)應(yīng)圖像中的長(zhǎng)度關(guān)系，由交通標(biāo)志的位置信息轉(zhuǎn)化為實(shí)際距離信息； 步驟4.7，按照步驟4.1的方法形成行人軌跡； 步驟5，完善交通視頻數(shù)據(jù)庫(kù)； 將步驟I中所述的每段交通視頻按照步驟2和步驟3所述方法進(jìn)行人工標(biāo)定，然后按照步驟4所述方法計(jì)算每段視頻中的交通參數(shù)，原始視頻及其對(duì)應(yīng)的人工標(biāo)定數(shù)據(jù)和交通參數(shù)共同組成用于算法評(píng)估的交通視頻數(shù)據(jù)庫(kù)； 步驟6，對(duì)待驗(yàn)證算法進(jìn)行評(píng)估； 選取視頻數(shù)據(jù)庫(kù)中的同一段多或段視頻，應(yīng)用待驗(yàn)證算法測(cè)量上述交通參數(shù)，將測(cè)量結(jié)果與數(shù)據(jù)庫(kù)中的交通參數(shù)進(jìn)行比對(duì)，計(jì)算測(cè)量的準(zhǔn)確度，由此判斷待驗(yàn)證算法的準(zhǔn)確性。
2.根據(jù)權(quán)利要求1所述的一種基于人工標(biāo)定的智能交通算法評(píng)估方法，其特征在于，所述步驟2.3人工標(biāo)定的信息包括:單位編號(hào)；類別:I一車輛，2—行人，3—交通標(biāo)志；單位在視頻中持續(xù)的幀數(shù)；單位區(qū)域的左上角點(diǎn)坐標(biāo)(X，Y);單位區(qū)域的橫向?qū)挾萕idth、縱向高度Height。
3.根據(jù)權(quán)利要求1所述的一種基于人工標(biāo)定的智能交通算法評(píng)估方法，其特征在于，所述步驟4.2計(jì)算車輛數(shù)的方法還包括以下步驟:(1)根據(jù)視頻設(shè)定車道數(shù)和虛擬線圈，線圈寬度與車道同寬，長(zhǎng)度不小于一個(gè)車身長(zhǎng)度； (2)根據(jù)車輛與虛擬線圈的幾何關(guān)系，進(jìn)行分車道車輛計(jì)數(shù)； 假設(shè)四邊形ABCD為設(shè)定的虛擬線圈，車輛V由AB邊駛?cè)隒D邊駛出；車輛位置與虛擬線圈四個(gè)頂點(diǎn)存在幾何關(guān)系VA+VB-AB≥O，VC+VD-CD≥O ；VA+VB-AB的最小值點(diǎn)對(duì)應(yīng)車輛進(jìn)入該虛擬線圈的時(shí)刻，VC+VD-CD的最小值點(diǎn)對(duì)應(yīng)車輛駛出虛擬線圈的時(shí)刻，據(jù)此可以判斷車輛駛?cè)牖蝰偝鼍€圈的行為及進(jìn)入和駛出的時(shí)刻； 若某車對(duì)同一虛擬線圈完成駛?cè)腭偝鲂袨?，進(jìn)行一次對(duì)該車道的車輛計(jì)數(shù)；該車道車輛數(shù)+1 ; 若某車輛駛?cè)肽程摂M線圈，但未駛出任何虛擬線圈，則認(rèn)為該車行駛異常，不計(jì)數(shù)；若某車輛駛?cè)肽程摂M線圈，但從另一虛擬線圈駛出，則認(rèn)為該車進(jìn)行換道行為，其駛出的虛擬線圈計(jì)數(shù)+1。
4.根據(jù)權(quán)利要求1所述的一種基于人工標(biāo)定的智能交通算法評(píng)估方法，其特征在于，所述步驟4.5基于多幀、長(zhǎng)時(shí)間段的人工標(biāo)定計(jì)算車輛排隊(duì)長(zhǎng)度，具體方法如下: 設(shè)定停車線位置，利用步驟I所獲得的每輛車的時(shí)間一位置信息繪制其距停車線距離與時(shí)間的關(guān)系曲線，每條線代表一輛車；到達(dá)交叉路口的排隊(duì)車輛經(jīng)過(guò)行駛一停車等待一繼續(xù)行駛3個(gè)階段，停車與啟動(dòng)的分界點(diǎn)稱為拐點(diǎn)；擬合車道內(nèi)的每輛車的拐點(diǎn)得到整個(gè)車道的停車波與啟動(dòng)波，即交通波；根據(jù)交通波與排隊(duì)長(zhǎng)度的關(guān)系計(jì)算排隊(duì)長(zhǎng)度和停車延誤:
QL (t) =TL (t) -HL (t) 式中，t為時(shí)間，QL(t)為排隊(duì)長(zhǎng)度，TL(t)為隊(duì)尾與停車線距離，HL(t)為對(duì)頭與停車線距離。
【文檔編號(hào)】G08G1/01GK103810854SQ201410074978
【公開(kāi)日】2014年5月21日 申請(qǐng)日期:2014年3月3日 優(yōu)先權(quán)日:2014年3月3日
【發(fā)明者】辛樂(lè), 高江杰, 房圣超, 陳陽(yáng)舟 申請(qǐng)人:北京工業(yè)大學(xué)