本發(fā)明涉及交通領(lǐng)域，特別是涉及一種交叉路口OD調(diào)查方法。
背景技術(shù)：
在傳統(tǒng)OD調(diào)查中，一般采用人工方法，不同人跟蹤不同的交通工具及流向，經(jīng)過一段時間后匯總統(tǒng)計下數(shù)據(jù)。
技術(shù)實現(xiàn)要素：
有鑒于此，本發(fā)明的目的是提供一種交叉路口OD調(diào)查方法，利用攝影技術(shù)實現(xiàn)交叉路口OD調(diào)查。
本發(fā)明采用以下方案實現(xiàn)：一種交叉路口OD調(diào)查方法，包括以下步驟：
步驟S1：采用定焦攝像機從高空采集一張覆蓋每個路口的，沒有車流和人流的交叉路口圖像，作為背景圖像，并量化為矩陣進行表示；
步驟S2：從高空的監(jiān)控視頻流中提取每幀圖像，并與背景圖像進行對比相減，得到變化的像素；
步驟S3：對于產(chǎn)生變化的像素進行劃分，把變化且相鄰連通的像素形成最大化矩形的像素組，每個矩形化的像素組代表一種交通設(shè)備；
步驟S4：根據(jù)攝像機的包括鏡頭焦距、CCD尺寸以及像素在內(nèi)的參數(shù)計算出符合要求的像素組；
步驟S5：將獲取的像素組和視頻幀圖像運用CAMShift算法，對比連續(xù)的相鄰幀圖像，逐一把圖像中變化的像素組從產(chǎn)生到連續(xù)移動變化至消失的圖像形成一個交通設(shè)備的OD過程，然后輸出每個像素組的OD為一條記錄，包括交通設(shè)備的尺寸，運行的軌跡數(shù)據(jù)以及運行時間。
步驟S6：對一個時間段產(chǎn)生的記錄進行匯總及分類梳理后形成交叉路口的OD報表。
進一步地，所述步驟S1與步驟S2中，采用無人機或飛艇裝載攝像機從高空獲取圖像。
進一步地，所述步驟S1中，采用的矩陣為：
f(i,j)表示一幅M行N列的數(shù)字圖像，矩陣中每個元素為一個像素。
進一步地，所述步驟S2中，設(shè)定背景圖像的模型為bk，當(dāng)前視頻幀圖像為fk，將當(dāng)前視頻幀圖像與背景圖像進行差分運算，Dk(i,j)＝|fk(i,j)-bk(i,j)|其中fk(i,j)為當(dāng)前視頻幀圖像坐標(biāo)(i,j)像素灰度值，bk(i,j)為背景圖像模型對應(yīng)像素灰度值，Dk(i,j)為差分后絕對值；
進一步地，所述步驟S4中，利用計算公式：焦距＝傳感器像元尺寸*像素*物距/視場長邊距離，并導(dǎo)入常見交通設(shè)備的參考尺寸，計算出每種交通設(shè)備的像素大小的范圍，然后與獲得的矩形像素組進行比較，篩選出符合要求的像素組，過濾掉不符合要求的像素組。
進一步地，所述交通設(shè)備包括電動車、小轎車以及大客車。
與現(xiàn)有技術(shù)相比，本發(fā)明采用的方法利用攝像機等高清影像設(shè)備從高空獲取整個交叉口的交通流量影像數(shù)據(jù)(可用無人機或飛艇等)，并對影像數(shù)據(jù)流進行分析，先識別區(qū)分出交通工具的類型(按照電動車、小轎車、大客車、其他交通設(shè)備分為4類)，并對運動軌跡進行識別，然后統(tǒng)計輸出該交叉路口交通分析所需的基礎(chǔ)OD數(shù)據(jù)。該方法減少了現(xiàn)場調(diào)查人員的工作量，提升現(xiàn)狀調(diào)查內(nèi)容的質(zhì)量。
附圖說明
圖1是本發(fā)明的方法流程示意圖。
具體實施方式
下面結(jié)合附圖及實施例對本發(fā)明做進一步說明。
本實施例提供一種交叉路口OD調(diào)查方法，如圖1所示，包括以下步驟：
步驟S1：采用定焦攝像機從高空采集一張覆蓋每個路口的，沒有車流和人流的交叉路口圖像，作為背景圖像，并量化為矩陣進行表示；
步驟S2：從高空的監(jiān)控視頻流中提取每幀圖像，并與背景圖像進行對比相減，得到變化的像素；
步驟S3：對于產(chǎn)生變化的像素進行劃分，把變化且相鄰連通的像素形成最大化矩形的像素組，每個矩形化的像素組代表一種交通設(shè)備；
步驟S4：根據(jù)攝像機的包括鏡頭焦距、CCD尺寸以及像素在內(nèi)的參數(shù)計算出符合要求的像素組；
步驟S5：將獲取的像素組和視頻幀圖像運用CAMShift算法，對比連續(xù)的相鄰幀圖像，逐一把圖像中變化的像素組從產(chǎn)生到連續(xù)移動變化至消失的圖像形成一個交通設(shè)備的OD過程，然后輸出每個像素組的OD為一條記錄，包括交通設(shè)備的尺寸，運行的軌跡數(shù)據(jù)以及運行時間。
步驟S6：對一個時間段產(chǎn)生的記錄進行匯總及分類梳理后形成交叉路口的OD報表。
在本實施例中，所述步驟S1與步驟S2中，采用無人機或飛艇裝載攝像機從高空獲取圖像。
在本實施例中，所述步驟S1中，采用的矩陣為：
f(i,j)表示一幅M行N列的數(shù)字圖像，矩陣中每個元素為一個像素。
在本實施例中，所述步驟S2中，設(shè)定背景圖像的模型為bk，當(dāng)前視頻幀圖像為fk，將當(dāng)前視頻幀圖像與背景圖像進行差分運算，Dk(i,j)＝|fk(i,j)-bk(i,j)|其中fk(i,j)為當(dāng)前視頻幀圖像坐標(biāo)(i,j)像素灰度值，bk(i,j)為背景圖像模型對應(yīng)像素灰度值，Dk(i,j)為差分后絕對值；
在本實施例中，所述步驟S4中，利用計算公式：焦距＝傳感器像元尺寸*像素*物距/視場長邊距離，并導(dǎo)入常見交通設(shè)備的參考尺寸，計算出每種交通設(shè)備的像素大小的范圍，然后與獲得的矩形像素組進行比較，篩選出符合要求的像素組，過濾掉不符合要求的像素組。
在本實施例中，所述交通設(shè)備包括電動車、小轎車以及大客車。
在本實施例中，該方法利用攝像機等高清影像設(shè)備從高空獲取整個交叉口的交通流量影像數(shù)據(jù)(可用無人機或飛艇等)，并對影像數(shù)據(jù)流進行分析，先識別區(qū)分出交通工具的類型(按照電動車、小轎車、大客車、其他交通設(shè)備分為4類)，并對運動軌跡進行識別，然后統(tǒng)計輸出該交叉路口交通分析所需的基礎(chǔ)OD數(shù)據(jù)。該方法減少了現(xiàn)場調(diào)查人員的工作量，提升現(xiàn)狀調(diào)查內(nèi)容的質(zhì)量。
以上所述僅為本發(fā)明的較佳實施例，凡依本發(fā)明申請專利范圍所做的均等變化與修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。