基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及智能交通技術(shù)領(lǐng)域,尤其設(shè)及基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法 及系統(tǒng)。
【背景技術(shù)】
[0002] 密度是交通流十分重要參數(shù)之一,也是判別交通流狀態(tài)的一個(gè)重要指標(biāo)。通過(guò)交 通流密度可W直接判定交通的擁擠程度,從而決定采用何種交通管理和控制措施。在實(shí)際 應(yīng)用中往往還采用較易測(cè)量的車輛的道路占用率來(lái)間接表征交通流密度,車輛占用率越 高,交通流密度就越大。其中,車輛占用率具體包括空間占用率和時(shí)間占用率。
[0003] 空間占用率一般通過(guò)高處攝影法進(jìn)行調(diào)查,但適用性并不高,比如高處攝影法并 不能無(wú)限制地標(biāo)高攝像機(jī)的高度,也即拍攝的道路長(zhǎng)度有限制;而時(shí)間占用率主要通過(guò)感 應(yīng)線圈等定點(diǎn)檢測(cè)器來(lái)檢測(cè)得到,是目前調(diào)查交通流密度的主流方式,時(shí)間占有率越大,貝U 表明交通流密度越大,但該方法計(jì)算過(guò)程比較復(fù)雜,且不能定量地描述時(shí)間占有率和交通 流密度之間的關(guān)系;同時(shí),當(dāng)交通流量和區(qū)間平均車速出現(xiàn)較大誤差時(shí),通過(guò)本方法所得到 的檢測(cè)結(jié)果將會(huì)存在較大誤差。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明的主要目的在于提供一種基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法及系統(tǒng), 旨在解決現(xiàn)有計(jì)算交通流密度的方式適應(yīng)性不高、計(jì)算復(fù)雜且計(jì)算誤差較大的技術(shù)問(wèn)題。
[0005] 為實(shí)現(xiàn)上述目的,本發(fā)明提供一種基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法,所述 基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法包括:
[0006] 獲取無(wú)人機(jī)在設(shè)定的檢測(cè)周期及虛擬區(qū)域內(nèi)拍攝的交通視頻圖像信息;
[0007] 對(duì)所述交通視頻圖像信息進(jìn)行運(yùn)動(dòng)分割處理,并統(tǒng)計(jì)所選定的所述交通視頻圖像 信息中多個(gè)時(shí)刻所對(duì)應(yīng)的多帖樣本圖像中進(jìn)入所述虛擬區(qū)域內(nèi)的車輛數(shù)量W及計(jì)算得到 在所述檢測(cè)周期內(nèi)進(jìn)入所述虛擬區(qū)域的平均車輛數(shù);
[000引根據(jù)所述虛擬區(qū)域所對(duì)應(yīng)的路段長(zhǎng)度與所述平均車輛數(shù),計(jì)算得到當(dāng)前所述檢測(cè) 周期內(nèi)的交通流密度。
[0009] 優(yōu)選地,所述獲取無(wú)人機(jī)在設(shè)定的檢測(cè)周期及虛擬區(qū)域內(nèi)拍攝的交通視頻圖像信 息之前包括:
[0010] 根據(jù)所述無(wú)人機(jī)所監(jiān)控的目標(biāo)道路的結(jié)構(gòu)特征,在所述無(wú)人機(jī)的監(jiān)控視野內(nèi)劃定 所述虛擬區(qū)域并標(biāo)定所述虛擬區(qū)域所對(duì)應(yīng)的路段長(zhǎng)度,其中,所述虛擬區(qū)域包括多個(gè)虛擬 線圈且所述虛擬線圈分別對(duì)應(yīng)覆蓋所述目標(biāo)道路的同向所有車道。
[0011] 優(yōu)選地,所述對(duì)所述交通視頻圖像信息進(jìn)行運(yùn)動(dòng)分割處理,并統(tǒng)計(jì)所選定的所述 交通視頻圖像信息中多個(gè)時(shí)刻所對(duì)應(yīng)的多帖樣本圖像中進(jìn)入所述虛擬區(qū)域內(nèi)的車輛數(shù)量 W及計(jì)算得到在所述檢測(cè)周期內(nèi)進(jìn)入所述虛擬區(qū)域的平均車輛數(shù)包括:
[0012] 采用背景差分法并基于動(dòng)態(tài)的分割闊值對(duì)所述交通視頻圖像信息進(jìn)行運(yùn)動(dòng)分割 處理,得到多帖樣本圖像中分別進(jìn)入所述虛擬區(qū)域內(nèi)的車輛所對(duì)應(yīng)的像素點(diǎn)集合;
[0013] 采用多目標(biāo)跟蹤算法對(duì)所述像素點(diǎn)集合進(jìn)行跟蹤,并對(duì)應(yīng)統(tǒng)計(jì)進(jìn)入所述虛擬區(qū)域 的車輛數(shù)量;
[0014] 根據(jù)統(tǒng)計(jì)得到的車輛數(shù)量,計(jì)算每帖樣本圖像中進(jìn)入所述虛擬區(qū)域內(nèi)的平均車輛 數(shù)量W得到在所述檢測(cè)周期內(nèi)進(jìn)入所述虛擬區(qū)域的平均車輛數(shù)。
[0015] 優(yōu)選地,根據(jù)所述虛擬區(qū)域所對(duì)應(yīng)的路段長(zhǎng)度與所述平均車輛數(shù)構(gòu)建交通流密度 數(shù)學(xué)模型,其中,所述交通流密度數(shù)學(xué)模型為:
[0016] K = Q/!;
[0017] 其中,K為交通流密度,L為虛擬區(qū)域的路段長(zhǎng)度,Q為虛擬區(qū)域路段內(nèi)的瞬時(shí)平均 車輛數(shù)。
[0018] 優(yōu)選地,所述根據(jù)所述虛擬區(qū)域所對(duì)應(yīng)的路段長(zhǎng)度、所述平均車輛數(shù)W及設(shè)定的 交通流密度數(shù)學(xué)模型,計(jì)算得到當(dāng)前所述檢測(cè)周期內(nèi)的交通流密度之后還包括:
[0019] 根據(jù)計(jì)算得到的所述交通流密度及預(yù)設(shè)的交通流狀態(tài)闊值,識(shí)別當(dāng)前所述檢測(cè)周 期內(nèi)所述無(wú)人機(jī)所監(jiān)控的目標(biāo)道路的交通流狀態(tài)。
[0020] 進(jìn)一步地,為實(shí)現(xiàn)上述目的,本發(fā)明還提供一種基于無(wú)人機(jī)監(jiān)控的交通流密度檢 測(cè)系統(tǒng),所述基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)系統(tǒng)包括:無(wú)人機(jī)、交通流密度檢測(cè)裝置; [0021 ]其中,所述交通流密度檢測(cè)裝置包括:
[0022] 交通圖像獲取模塊,用于獲取所述無(wú)人機(jī)在設(shè)定的檢測(cè)周期及虛擬區(qū)域內(nèi)拍攝的 交通視頻圖像信息;
[0023] 交通圖像處理模塊,用于對(duì)所述交通視頻圖像信息進(jìn)行運(yùn)動(dòng)分割處理,并統(tǒng)計(jì)所 選定的所述交通視頻圖像信息中多個(gè)時(shí)刻所對(duì)應(yīng)的多帖樣本圖像中進(jìn)入所述虛擬區(qū)域內(nèi) 的車輛數(shù)量W及計(jì)算得到在所述檢測(cè)周期內(nèi)進(jìn)入所述虛擬區(qū)域的平均車輛數(shù);
[0024] 交通流密度計(jì)算模塊,用于根據(jù)所述虛擬區(qū)域所對(duì)應(yīng)的路段長(zhǎng)度與所述平均車輛 數(shù),計(jì)算得到當(dāng)前所述檢測(cè)周期內(nèi)的交通流密度。
[0025] 優(yōu)選地,所述交通流密度檢測(cè)裝置還包括:
[0026] 虛擬區(qū)域劃定模塊,用于根據(jù)所述無(wú)人機(jī)所監(jiān)控的目標(biāo)道路的結(jié)構(gòu)特征,在所述 無(wú)人機(jī)的監(jiān)控視野內(nèi)劃定所述虛擬區(qū)域并標(biāo)定所述虛擬區(qū)域所對(duì)應(yīng)的路段長(zhǎng)度,其中,所 述虛擬區(qū)域包括多個(gè)虛擬線圈且所述虛擬線圈分別對(duì)應(yīng)覆蓋所述目標(biāo)道路的同向所有車 道。
[0027] 優(yōu)選地,所述交通圖像處理模塊包括:
[0028] 圖像分割單元,用于采用背景差分法并基于動(dòng)態(tài)的分割闊值對(duì)所述交通視頻圖像 信息進(jìn)行運(yùn)動(dòng)分割處理,得到多帖樣本圖像中分別進(jìn)入所述虛擬區(qū)域內(nèi)的車輛所對(duì)應(yīng)的像 素點(diǎn)集合;
[0029] 車輛跟蹤統(tǒng)計(jì)單元,用于采用多目標(biāo)跟蹤算法對(duì)所述像素點(diǎn)集合進(jìn)行跟蹤,并對(duì) 應(yīng)統(tǒng)計(jì)進(jìn)入所述虛擬區(qū)域的車輛數(shù)量;
[0030] 平均車輛數(shù)計(jì)算單元,用于根據(jù)統(tǒng)計(jì)得到的車輛數(shù)量,計(jì)算每帖樣本圖像中進(jìn)入 所述虛擬區(qū)域內(nèi)的平均車輛數(shù)量W得到在所述檢測(cè)周期內(nèi)進(jìn)入所述虛擬區(qū)域的平均車輛 數(shù)。
[0031] 優(yōu)選地,根據(jù)所述虛擬區(qū)域所對(duì)應(yīng)的路段長(zhǎng)度與所述平均車輛數(shù)構(gòu)建交通流密度 數(shù)學(xué)模型,其中,所述交通流密度數(shù)學(xué)模型為:
[0032] K = Q/!;
[0033] 其中,K為交通流密度,L為虛擬區(qū)域的路段長(zhǎng)度,Q為虛擬區(qū)域路段內(nèi)的瞬時(shí)平均 車輛數(shù)。
[0034] 優(yōu)選地,所述交通流密度檢測(cè)裝置還包括:
[0035] 交通流狀態(tài)識(shí)別模塊,用于根據(jù)計(jì)算得到的所述交通流密度及預(yù)設(shè)的交通流狀態(tài) 闊值,識(shí)別當(dāng)前所述檢測(cè)周期內(nèi)所述無(wú)人機(jī)所監(jiān)控的目標(biāo)道路的交通流狀態(tài)。
[0036] 本發(fā)明采用無(wú)人機(jī)拍攝交通視頻圖像,不僅降低了拍攝設(shè)備的成本,同時(shí)通過(guò)無(wú) 人機(jī)可實(shí)現(xiàn)對(duì)重點(diǎn)路段的實(shí)時(shí)監(jiān)控W及進(jìn)行多個(gè)區(qū)域的巡回監(jiān)控檢測(cè),并進(jìn)一步可根據(jù)實(shí) 際需要調(diào)整拍攝的高度、角度及拍攝區(qū)域等,從而可保證交通數(shù)據(jù)信息的實(shí)時(shí)性W及準(zhǔn)確 性,進(jìn)而可相應(yīng)提高交通流密度計(jì)算的精確性。此外,本發(fā)明中僅統(tǒng)計(jì)在檢測(cè)周期內(nèi)進(jìn)入設(shè) 定的虛擬區(qū)域的車輛數(shù)量,因而通過(guò)虛擬區(qū)域限定了圖像處理的像素區(qū)域范圍,進(jìn)而可簡(jiǎn) 化對(duì)圖像的處理效率W及提高了車輛識(shí)別的精度。進(jìn)一步地,本發(fā)明中僅需根據(jù)虛擬區(qū)域 所對(duì)應(yīng)的路段長(zhǎng)度W及進(jìn)入該虛擬區(qū)域的平均車輛數(shù)即可計(jì)算得到當(dāng)前檢測(cè)周期內(nèi)的交 通流密度,也即直接根據(jù)交通流密度的定義計(jì)算交通流密度,從而簡(jiǎn)化了交通流密度計(jì)算 過(guò)程,同時(shí)也保證計(jì)算結(jié)果的精確性。
【附圖說(shuō)明】
[0037] 圖1為本發(fā)明基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法第一實(shí)施例的流程示意圖;
[0038] 圖2為本發(fā)明基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法一實(shí)施例中不同檢測(cè)周期所 對(duì)應(yīng)的平均誤差變化趨勢(shì)示意圖;
[0039] 圖3為本發(fā)明基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法另一實(shí)施例中不同檢測(cè)周期 所對(duì)應(yīng)的最大誤差變化趨勢(shì)示意圖;
[0040] 圖4為本發(fā)明基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法第二實(shí)施例的流程示意圖;
[0041] 圖5為本發(fā)明基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法一實(shí)施例中虛擬區(qū)域的示意 圖;
[0042] 圖6為圖1中步驟S20的細(xì)化流程示意圖;
[0043] 圖7為本發(fā)明基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法中運(yùn)動(dòng)分割處理一實(shí)施例中 像素點(diǎn)(X,y)及其八鄰域C8示意圖;
[0044] 圖8為本發(fā)明基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法中運(yùn)動(dòng)分割處理一實(shí)施例中 計(jì)算照明因子的圖像分塊示意圖;
[0045] 圖9為本發(fā)明基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法第=實(shí)施例的流程示意圖;
[0046] 圖10為本發(fā)明基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)系統(tǒng)一實(shí)施例的功能模塊示意 圖;
[0047] 圖11為圖10中交通流密度檢測(cè)裝置第一實(shí)施例的細(xì)化功能模塊示意圖;
[0048] 圖12為圖10中交通流密度檢測(cè)裝置第二實(shí)施例的細(xì)化功能模塊示意圖;
[0049] 圖13為圖11中交通圖像處理模塊的細(xì)化功能模塊示意圖;
[0050] 圖14為圖10中交通流密度檢測(cè)裝置第=實(shí)施例的細(xì)化功能模塊示意圖。
[0051 ]本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例,參照附圖做進(jìn)一步說(shuō)明。
【具體實(shí)施方式】
[0052] 應(yīng)當(dāng)理解,此處所描述的具體實(shí)施例僅用W解釋本發(fā)明,并不用于限定本發(fā)明。
[0053] 參照?qǐng)D1,圖1為本發(fā)明基于無(wú)人機(jī)監(jiān)控的交通流密度檢測(cè)方法第一實(shí)