本發(fā)明創(chuàng)造涉及城市交通
技術領域:
,具體涉及一種高效的路段交通狀況監(jiān)控系統(tǒng)。
背景技術:
:隨著社會的進步,經(jīng)濟的發(fā)展,人民的生活水平得到了極大的提高,汽車成為家家戶戶必不可少的出行工具。然而,隨著汽車數(shù)量的極具增加,城市道路交通面臨著巨大的壓力,尤其是城市的快速道路、立交橋等城市快速通道,每日上下班高峰時期幾乎都存在著嚴重的交通堵塞現(xiàn)象。為了緩解交通堵塞,方便人們出行,一種能夠?qū)崟r監(jiān)控路段交通狀況的系統(tǒng)有著重要的研究價值,根據(jù)監(jiān)控系統(tǒng)可以及時了解到路段的交通狀況,交通部門可以根據(jù)路段交通狀況實時通知駕駛員各路段的交通狀況,讓駕駛員根據(jù)情況自主選擇道路,在很大程度上緩解了道路的交通壓力。技術實現(xiàn)要素:針對上述問題,本發(fā)明旨在提供一種高效的路段交通狀況監(jiān)控系統(tǒng)。本發(fā)明創(chuàng)造的目的通過以下技術方案實現(xiàn):一種高效的路段交通狀況監(jiān)控系統(tǒng),包括圖像采集模塊、圖像處理模塊、圖像傳輸模塊和路面監(jiān)控模塊;所述圖像采集模塊設置于無人飛機上,用于拍攝原始路段圖像,圖像處理模塊與圖像采集模塊連接,用于對所述原始路段圖像進行后續(xù)處理,處理后的圖像由圖像傳輸模塊發(fā)送給路面監(jiān)控模塊,由路面監(jiān)控模塊提取圖像中的路段交通狀況信息,并將路面交通狀況信息通過廣播實時反映給駕駛員。優(yōu)選地,所述圖像采集模塊采用攝像機收集原始路段圖像。優(yōu)選地,還設置有GPS模塊,所述GPS模塊設置在無人機上,用于向路面監(jiān)控模塊實時發(fā)送無人機的位置信息。優(yōu)選地,所述圖像處理模塊包括圖像預處理單元、目標檢測單元和圖像加密單元。優(yōu)選地,所述圖像預處理單元用于對所述的原始路段圖像中差異性過小的圖像進行剔除并對原始路段圖像進行裁剪,具體包括:(1)對差異性過小的圖像進行剔除,圖像的差異性采用如下方式判斷:a、對于兩幅圖像C(x,y)和K(m,n),對于圖像上相同位置的像素點,定義相似性公式,式中,ρ表示兩幅圖像的差異性,R(x,y)、G(x,y)、B(x,y)分別表示C圖像中的紅色、綠色和藍色色彩分量值,R(m,n)、G(m,n)、B(m,n)分別表示K圖像中的紅色、綠色和藍色色彩分量值;b、若圖像的差異性小于10%,則隨機選取其中一幅圖像作為冗余圖像剔除。(2)對剔除后的圖像進行裁剪,具體包括:設原始路段圖像的面積為X,對圖像的邊緣進行裁剪,保留圖像中心區(qū)域,中心區(qū)域所占圖像面積比例采用如下公式確定:式中,表示裁剪后的圖像占原圖像面積比,hmin為攝像機最短焦距,h為采集圖像時所用的實際焦距。優(yōu)選地,所述目標檢測單元用于從裁剪后的原始路段圖像中進行目標的有效檢測,具體包括:(1)從裁剪后的原始路段圖像中提取目標區(qū)間的直方圖并去除其中的陰影,具體包括:a.獲取每個像素所對應的ri、gi、bi分量,建立裁剪后的原始路段圖像的RGB色彩空間b.利用下列方法將進行降維處理,具體為:式中,f為原始路段圖像的總像素總數(shù);c.將得到的進行投影處理,獲得投影后的灰度值pi,具體為:d.將獲得的本征灰度值pi進行歸一化處理,處理公式如下;e.建立灰度值p′i的直方圖,規(guī)定其分組數(shù)為v,分組數(shù)v滿足最小分組數(shù);f.計算直方圖概率sj,以求得本征圖在每個角度θ的熵,其計算公式為:式中,tj為直方圖組j中的像素點總數(shù),qθ為直方圖在角度θ的熵,v為直方圖分組數(shù);g.采用從0到180°進行投影,獲取每個角度投影得到的本征圖,按照上述方法計算本征圖在每個角度θ的熵,從而求得最小熵qθ′,具體為:qθ′=minqθθ∈(0,180°)h.最小熵qθ′所對應的角度就是本征角θ′,其對應灰度圖像即為目標的光照無關圖Mo;i.對上述獲得的光照無關圖Mo進行計算,具體為:式中,tj為直方圖組j中的像素總數(shù),v為直方圖分組數(shù),sj為直方圖組j中的像素點概率;(2)在利用背景減除獲取的含有陰影的目標M的基礎上分割出目標區(qū)間的直方圖和陰影區(qū)間的直方圖,具體包括:e.建立目標M的灰度直方圖,確定其分組數(shù)為u,其分割點即為u個;f.每個分割點設為初始閾值,對每個閾值左右兩邊的直方圖進行計算,計算公式如下:其中,n為初始閾值,n=1,2……u,u為直方圖分組數(shù),wi為直方圖組i中的像素數(shù);g.上述計算得到的tn′所對應的初始閾值n即為最終閾值F;h.根據(jù)獲得的閾值F即可將目標M的直方圖分割得到目標區(qū)間的直方圖和陰影區(qū)間的直方圖,分別利用直方圖統(tǒng)計目標區(qū)間和陰影區(qū)間中物體的面積:其中,wi為直方圖組i中的像素數(shù),pi為直方圖組i的像素點的概率,M1、M2分別為直方圖中物體的面積;(3)檢驗裁剪后的原始路段圖像的直方圖,從而得到目標區(qū)間,具體為:定義目標區(qū)間Mi的檢驗公式如下:Mi=|Mi-M0|-Z(i=1、2)Mi<0時,Mi即為目標區(qū)間,Mi>0時,Mi即為陰影區(qū)間,Z為檢測閾值,這里定為0.052。本發(fā)明的有益效果為:設置圖像采集模塊、圖像處理模塊、圖像傳輸模塊和路面監(jiān)控模塊,結(jié)構簡單,靈活方便;通過各模塊之間的相互配合,能夠及時有效的采集原始路段圖像并進行圖像的多層處理,保證了目標檢測的準確性,處理后的圖像由圖像傳輸模塊發(fā)送給路面監(jiān)控模塊,由路面監(jiān)控模塊提取路段圖像中反映的路段交通狀況,并將路面交通狀況通過廣播實時反映給駕駛員,駕駛員可以根據(jù)各路段的交通狀況選擇自己所要行駛的道路,在很大程度上減緩了道路的擁堵情況。附圖說明利用附圖對發(fā)明創(chuàng)造作進一步說明,但附圖中的實施例不構成對本發(fā)明創(chuàng)造的任何限制,對于本領域的普通技術人員,在不付出創(chuàng)造性勞動的前提下,還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明結(jié)構示意圖;圖2是圖像處理模塊的結(jié)構示意圖;附圖標記:圖像采集模塊1、圖像處理模塊2、圖像傳輸模塊3、路面監(jiān)控模塊4、圖像預處理單元21、目標檢測單元22、圖像加密單元23。具體實施方式結(jié)合以下實施例對本發(fā)明作進一步描述。參見圖1,本實施例的一種高效的路段交通狀況監(jiān)控系統(tǒng),包括圖像采集模塊1、圖像處理模塊2、圖像傳輸模塊3和路面監(jiān)控模塊4;所述圖像采集模塊1設置于無人飛機上,用于拍攝原始路段圖像,圖像處理模塊2與圖像采集模塊1連接,用于對所述原始路段圖像進行后續(xù)處理,處理后的圖像由圖像傳輸模塊3發(fā)送給路面監(jiān)控模塊4,由路面監(jiān)控模塊4提取圖像中的路段交通狀況信息,并將路面交通狀況信息通過廣播實時反映給駕駛員。優(yōu)選地,所述圖像采集模塊1采用攝像頭采集原始路段圖像。優(yōu)選地,還設置有GPS模塊,所述GPS模塊設置在無人機上,用于向路面監(jiān)控模塊實時發(fā)送無人機的位置信息。本發(fā)明上述實施例設置圖像采集模塊1、圖像處理模塊2、圖像傳輸模塊3和路面監(jiān)控模塊4,結(jié)構簡單,靈活方便;通過各模塊之間的相互配合,能夠及時有效的采集原始路段圖像并進行圖像的多層處理,保證了目標檢測的準確性,處理后的圖像由圖像傳輸模塊3發(fā)送給路面監(jiān)控模塊4,由路面監(jiān)控模塊4提取圖像中的路段交通狀況信息,并將路面交通狀況信息通過廣播實時反映給駕駛員,駕駛員可以根據(jù)各路段的交通指數(shù)選擇自己所要行駛的道路,在很大程度上減緩了道路的擁堵情況。優(yōu)選地,所述圖像處理模塊2包括圖像預處理單元21、目標檢測單元22和圖像加密單元23。優(yōu)選地,所述圖像預處理單元21用于對所述的原始路段圖像中差異性過小的圖像進行剔除并對原始路段圖像進行裁剪,具體包括:(1)對差異性過小的圖像進行剔除,圖像的差異性采用如下方式判斷:a、對于兩幅圖像C(x,y)和K(m,n),對于圖像上相同位置的像素點,定義相似性公式,式中,ρ表示兩幅圖像的差異性,R(x,y)、G(x,y)、B(x,y)分別表示C圖像中的紅色、綠色和藍色色彩分量值,R(m,n)、G(m,n)、B(m,n)分別表示K圖像中的紅色、綠色和藍色色彩分量值;b、若圖像的差異性小于10%,則隨機選取其中一幅圖像作為冗余圖像剔除。(2)對剔除后的圖像進行裁剪,具體包括:設原始路段圖像的面積為X,對圖像的邊緣進行裁剪,保留圖像中心區(qū)域,中心區(qū)域所占圖像面積比例采用如下公式確定:式中,表示裁剪后的圖像占原圖像面積比,hmin為攝像機最短焦距,h為采集圖像時所用的實際焦距。本優(yōu)選實施例實現(xiàn)了對原始路段圖像中差異性較小圖像的剔除,大大縮減了計算量,提高了圖像處理效率;對剔除后剩余圖像的有效裁剪,解決了鏡頭所帶來的圖像畸變問題。優(yōu)選地,所述目標檢測單元22用于從裁剪后的原始路段圖像中進行目標的有效檢測,具體包括:(1)從裁剪后的原始路段圖像中提取目標區(qū)間的直方圖并去除其中的陰影,具體包括:a.獲取每個像素所對應的ri、gi、bi分量,建立裁剪后的原始路段圖像的RGB色彩空間b.利用下列方法將進行降維處理,具體為:式中,f為原始路段圖像的總像素總數(shù);c.將得到的進行投影處理,獲得投影后的灰度值pi,具體為:d.將獲得的本征灰度值pi進行歸一化處理,處理公式如下;e.建立灰度值p′i的直方圖,規(guī)定其分組數(shù)為v,分組數(shù)v滿足最小分組數(shù);f.計算直方圖概率sj,以求得本征圖在每個角度θ的熵,其計算公式為:式中,tj為直方圖組j中的像素點總數(shù),qθ為直方圖在角度θ的熵,v為直方圖分組數(shù);g.采用從0到180°進行投影,獲取每個角度投影得到的本征圖,按照上述方法計算本征圖在每個角度θ的熵,從而求得最小熵qθ′,具體為:qθ′=minqθθ∈(0,180°)h.最小熵qθ′所對應的角度就是本征角θ′,其對應灰度圖像即為目標的光照無關圖Mo;i.對上述獲得的光照無關圖Mo進行計算,具體為:式中,tj為直方圖組j中的像素總數(shù),v為直方圖分組數(shù),sj為直方圖組j中的像素點概率;(2)在利用背景減除獲取的含有陰影的目標M的基礎上分割出目標區(qū)間的直方圖和陰影區(qū)間的直方圖,具體包括:i.建立目標M的灰度直方圖,確定其分組數(shù)為u,其分割點即為u個;j.每個分割點設為初始閾值,對每個閾值左右兩邊的直方圖進行計算,計算公式如下;其中,n為初始閾值,n=1,2……u,u為直方圖分組數(shù),wi為直方圖組i中的像素數(shù);k.上述計算得到的tn′所對應的初始閾值n即為最終閾值F;l.根據(jù)獲得的閾值F即可將目標M的直方圖分割得到目標區(qū)間的直方圖和陰影區(qū)間的直方圖,分別利用直方圖統(tǒng)計目標區(qū)間和陰影區(qū)間中物體的面積:其中,wi為直方圖組i中的像素數(shù),pi為直方圖組i的像素的概率,M1、M2分別為直方圖中物體的面積;(3)檢驗裁剪后的原始路段圖像的直方圖,從而得到目標區(qū)間,具體為:定義目標區(qū)間Mi的檢驗公式如下:Mi=|Mi-M0|-Z(i=1、2)Mi<0時,Mi即為目標區(qū)間,Mi>0時,Mi即為陰影區(qū)間,Z為檢測閾值,這里定為0.052。發(fā)明人針對本實施例進行了一系列測試,測試結(jié)果如下表所示:待檢測目標檢測精確率靜止物體100%靜止人體100%移動人體99%移動物體100%通過上述表格中的測試數(shù)據(jù)可以看出,本實施例對于檢測圖像中的目標具較高的精確率,完全可以滿足路段交通狀況監(jiān)控系統(tǒng)的需求。本優(yōu)選實施例設置的目標檢測單元22,與現(xiàn)有技術相比,在直方圖建立時規(guī)定分組數(shù),克服了直方圖組距和數(shù)量變化給信息熵計算帶來的不穩(wěn)定問題;根據(jù)光照無關圖進行目標檢測,保證了目標的檢測率;在陰影和目標之間過渡不明顯時,較好的分割出目標區(qū)間的直方圖和陰影區(qū)間的直方圖,提高了目標區(qū)間的檢測率;優(yōu)選地,所述圖像加密單元23用于對處理后的路段圖像進行加密,包括:a、提取處理后的路段圖像的RGB色彩分量;b、將所述路段圖像分成多個大小相同的格子,然后利用離散余弦變化對每一個格子進行變換,得到各色彩分量系數(shù)矩陣;c、對各個色彩分量系數(shù)采用DES加密算法加密后進行傳輸。本優(yōu)選實施例保證了路段圖像在傳輸過程中的可靠性和安全性,克服了傳統(tǒng)加密算法傳輸負載大等不足。最后應當說明的是,以上實施例僅用以說明本發(fā)明的技術方案,而非對本發(fā)明保護范圍的限制,盡管參照較佳實施例對本發(fā)明作了詳細地說明,本領域的普通技術人員應當理解,可以對本發(fā)明的技術方案進行修改或者等同替換,而不脫離本發(fā)明技術方案的實質(zhì)和范圍。當前第1頁1 2 3