專利名稱：一種平面交叉路口的車流量檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及對道路平面交叉路口進行視頻交通數(shù)據(jù)的檢測技術(shù)，具體涉及對道路平面交叉路口的車流量進行檢測的技術(shù)，屬于交通視頻檢測技術(shù)領(lǐng)域。
背景技術(shù)：
在交通視頻檢測技術(shù)領(lǐng)域，常用的車輛檢測方法主要有背景差法和相鄰幀差法。 背景差法需要有可靠的背景圖像為基礎(chǔ)，且當(dāng)環(huán)境光線突變時，漏檢、誤檢的情況比較嚴(yán)重。再則，道路交通中平面交叉路口的車輛還會隨著交通信號燈的變化時停時行，這將導(dǎo)致在對平面交叉路口進行背景建模時，容易將停在檢測區(qū)域內(nèi)的車輛誤當(dāng)作背景的一部分被處理，從而對車輛檢測結(jié)果產(chǎn)生不利影響。相鄰幀差法是將前后相連兩幀圖像對應(yīng)像素點相減檢測出運動車輛，但這種相鄰幀差法對于車速過慢或過快的車輛，檢測效果不佳。此外，利用相鄰幀差法對車輛檢測時，圖片上的陰影和噪聲也會極大地影響到檢測效果，從而導(dǎo)致誤檢情況的發(fā)生。

發(fā)明內(nèi)容
在發(fā)明內(nèi)容部分中引入了一系列簡化形式的概念，這將在具體實施方式
部分中進一步詳細說明。為克服現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明通過對平面交叉路口的運動車輛圖像進行背景建模，并采用邊緣檢測算法去除檢測到的邊緣圖像的陰影，消除噪聲干擾，從而實現(xiàn)車流量的檢測。本發(fā)明的技術(shù)方案如下一種平面交叉路口的車流量檢測方法，其包括步驟1 對平面交叉路口實時視頻幀圖像進行灰度化處理，得到該視頻幀圖像的灰度圖像；然后采用邊緣檢測算法提取該灰度圖像的邊緣圖像；步驟2 進行背景建模，綠燈亮?xí)r對步驟1中得到的運動車輛的視頻幀圖像的所述邊緣圖像進行背景學(xué)習(xí)和更新，得到平面交叉路口的背景邊緣圖像；步驟3 將步驟1中得到的當(dāng)前幀圖像的邊緣圖像與步驟2中得到的所述背景邊緣圖像作差值，從而得到運動車輛的邊緣圖像；步驟4 求取所述運動車輛的邊緣圖像的像素值之和的平均值M ；步驟5 對所述平均值M采用雙閾值法進行車輛存在與否的檢測，其中，所述雙閾值為有車閾值Tl和無車閾值T2，且Tl > T2，Tl至T2之間為噪音，所述平均值M > Tl，則判斷為該平面交叉路口有車；而當(dāng)所述平均值M下降到M < T2時，判斷該平面交叉路口無車，否則認為還有車存在；反之，當(dāng)計算出的該平均值M又由T2上升到Tl時判斷為該平面交叉路口有車，否則認為無車；步驟6 進行車流量統(tǒng)計，當(dāng)檢測出從有車到無車情況時，進行車輛數(shù)加1統(tǒng)計，從而檢測并統(tǒng)計出平面交叉路口的車流量。優(yōu)選地，根據(jù)本發(fā)明的平面交叉路口的車流量檢測方法好包括
步驟1所述邊緣檢測算法為Carmy邊緣檢測算法。步驟2中，綠燈亮?xí)r段對實時視頻幀圖像的邊緣圖像做背景學(xué)習(xí)與更新，所述背景學(xué)習(xí)與更新采用如下算法A = (1-α )*Α0+α *BA0 = A其中，Α。為初始背景圖像，初始背景圖像Α。中的所有像素值都為零，A為學(xué)習(xí)得到的背景邊緣，初始值為Atl，B為經(jīng)過步驟1處理后得到的邊緣圖像，α為調(diào)節(jié)更新速率。優(yōu)選地，α = 0. 001。將步驟3中所述當(dāng)前幀圖像的邊緣與步驟2所得到的所述背景邊緣圖像作差值如下C=IB-A其中，C為待檢測運動車輛的邊緣圖像。步驟4中求取所述待檢測運動車輛的邊緣圖像的像素值之和的平均值M算法如下
ι H-1W-1Μ = -— Σ TC(Uj)
HW/=0J=O其中M為平均值，H為圖像的高度，W為圖像的寬度，C(i，j)為對應(yīng)的像素值。步驟5 中，Tl = 20，T2 = 15。本發(fā)明的有益效果(1)交叉路口車輛會隨著信號燈的變化而行駛或等待，這樣在進行背景建模時，有時會出現(xiàn)將有車的路面也誤認為背景來處理。為此，本發(fā)明采用綠燈亮?xí)r通過路口運動車輛的邊緣圖像來進行背景建模，此外，采用背景邊緣的自動更新算法實時更新背景，從而得到運動車輛的精確背景邊緣。(2)為解決車輛存在陰影的問題，采用carmy邊緣檢測算法去除背景圖像的陰影。(3)為消除車輛檢測中的噪聲干擾，對邊緣圖像的前景邊緣圖像的求和取平均值用雙閾值法做車輛存在檢測。


本發(fā)明的下列附圖在此作為本發(fā)明的一部分用于理解本發(fā)明。附圖中示出了本發(fā)明的實施例及其描述，用來解釋本發(fā)明的原理。圖1是根據(jù)本發(fā)明的基于平面交叉口的車流量檢測方法的流程圖。
具體實施例方式在下文的描述中，給出了大量具體的細節(jié)以便提供對本發(fā)明更為徹底的理解。然而，對于本領(lǐng)域技術(shù)人員來說顯而易見的是，本發(fā)明可以無需一個或多個這些細節(jié)而得以實施。在其他的例子中，為了避免與本發(fā)明發(fā)生混淆，對于本領(lǐng)域公知的一些技術(shù)特征未進行描述。本發(fā)明揭露了一種平面交叉路口的車流量檢測方法。通常平面交通路口設(shè)置有視頻檢測設(shè)備、交通信號機等，本發(fā)明的平面交叉路口的車流量檢測方法通過在平面交叉路口的綠色信號燈(即綠燈)亮?xí)r，在車輛行駛過程中對路口進行背景建模，得到實時自動更新背景圖像。具體地，首先，交通信號機與視頻檢測設(shè)備進行通信。其次，當(dāng)交通信號機發(fā)出綠燈亮信號時，設(shè)置在平面交通路口的視頻檢測設(shè)備基于路口攝像頭采集到的圖片進行圖像邊緣背景建模；而當(dāng)交通信號機發(fā)出紅燈亮信號時，視頻檢測設(shè)備不需對采集的圖片進行背景學(xué)習(xí)與更新。然后，利用背景差方法得到運動車輛邊緣圖像。最后，對該邊緣圖像的像素值求和取平均值，然后用雙閾值方法檢測車輛存在與否。在本發(fā)明的優(yōu)選實施例中，首先通過平面交叉路口的視頻攝像頭拍攝高分辨率或標(biāo)清視頻圖像，然后針對這些平面交叉路口的視頻圖像采用本發(fā)明的方法進行檢測處理。 圖1示出了根據(jù)本發(fā)明的平面交叉路口的車流量檢測方法的流程圖。在本發(fā)明的優(yōu)選實施例中，采用對平面交叉路口視頻攝像頭拍攝到的高分辨率或標(biāo)清圖像進行檢測，具體地，如圖1所示，根據(jù)本發(fā)明的平面交叉路口的車流量檢測方法包括步驟1 對平面交叉路口運動車輛的視頻幀圖像進行灰度化處理，得到該視頻幀圖像的灰度圖像；然后采用邊緣檢測算法提取該灰度圖像的邊緣圖像。在一個優(yōu)選實施例中，采用carmy邊緣檢測算法得到平面交叉路口運動車輛的邊緣圖像。步驟2 綠燈亮?xí)r進行背景建模。綠燈亮?xí)r車輛行駛通過平面交通路口，此時通過對步驟1中得到的運動車輛的視頻幀圖像的邊緣圖像進行背景學(xué)習(xí)和更新，得到平面交叉路口的背景邊緣圖像。通常情況下，紅燈亮?xí)r車輛停在檢測區(qū)域，此時會將車輛也誤認為背景的問題。本發(fā)明采用的背景建模方式只在路口綠燈亮?xí)r進行背景學(xué)習(xí)和更新，而在紅燈亮?xí)r不進行背景學(xué)習(xí)和更新，從而避免紅燈亮?xí)r將靜止車輛誤認為運動背景。步驟3 將步驟1中得到的當(dāng)前幀圖像的邊緣圖像與步驟2中得到的所述背景邊緣圖像作差值，從而得到運動車輛的邊緣圖像。步驟4 求取所述運動車輛的邊緣圖像的像素值之和的平均值M。步驟5 對該平均值M采用雙閾值法進行車輛存在與否的檢測，去除噪音干擾。具體地，設(shè)定閾值為Tl和T2(T1 > Τ2)，其中Tl有車閾值，Τ2為無車閾值，Tl至Τ2為噪音。 在一個實施例中，采用步驟1-5計算出的該平均值M > Tl，則判斷為該平面交叉路口有車； 而當(dāng)計算出該平均值M隨著時間的推移，逐漸由Tl下降到M < Τ2時，判斷處該平面交叉路口無車，否則認為還有車存在。反之，當(dāng)計算出的該平均值M又由Τ2上升到Tl時判斷為該平面交叉路口有車，否則認為無車，優(yōu)先地Tl = 20，Τ2 = 15。步驟6 進行車流量統(tǒng)計，當(dāng)檢測出從有車到無車情況時，進行車輛數(shù)加1統(tǒng)計，從而檢測并統(tǒng)計出平面交叉路口的車流量。在步驟2中，對所有的綠燈時段的邊緣圖像連續(xù)做背景學(xué)習(xí)與更新，得到平面交叉路口的背景邊緣圖像，理想情況下，該背景邊緣圖像反應(yīng)道路上無車時的背景邊緣。所述背景學(xué)習(xí)與更新采用本領(lǐng)域普通技術(shù)人員公知公用的背景學(xué)習(xí)與更新方法實現(xiàn)。在一個優(yōu)選實施例中，令Α。為初始背景圖像，初始背景圖像Α。中的所有像素值都為零，A為學(xué)習(xí)得到的背景邊緣，初始值為Atl，B為經(jīng)過步驟1處理后得到的邊緣圖像，α為調(diào)節(jié)更新速率。優(yōu)選地，α =0.001。則根據(jù)本發(fā)明的背景學(xué)習(xí)與更新算法實現(xiàn)如下If 綠燈亮 then
A = (1-α )*Α0+α *BA0 = AElse轉(zhuǎn)步驟3隨著時間的推移，上述方程會逐步得到背景邊緣圖像A，并根據(jù)平面交叉路口不斷更新的運動車輛圖像一直進行背景學(xué)習(xí)和更新，反應(yīng)平面交叉路口運動車輛的背景邊緣圖像在不同時刻隨天氣和周圍環(huán)境變化而變化的情況。在步驟3中，利用當(dāng)前圖像的邊緣圖像B減去步驟2中的背景邊緣A得到運動車輛的邊緣圖像。
具體實施方式
可以采用以下公式的算法來實現(xiàn)C=IB-A其中C為前景車輛的邊緣圖像。步驟4中對運動車輛的邊緣圖像中的所有像素值求和后取平均值，可表示為以下公式
權(quán)利要求
1.一種平面交叉路口的車流量檢測方法，其包括步驟1 對平面交叉路口實時視頻幀圖像進行灰度化處理，得到該視頻幀圖像的灰度圖像；然后采用邊緣檢測算法提取該灰度圖像的邊緣圖像；步驟2 進行背景建模，綠燈亮?xí)r對步驟1中得到的運動車輛的視頻幀圖像的所述邊緣圖像進行背景學(xué)習(xí)和更新，得到平面交叉路口的背景邊緣圖像；步驟3 將步驟1中得到的當(dāng)前幀圖像的邊緣圖像與步驟2中得到的所述背景邊緣圖像作差值，從而得到運動車輛的邊緣圖像；步驟4 求取所述運動車輛的邊緣圖像的像素值之和的平均值M ；步驟5 對所述平均值M采用雙閾值法進行車輛存在與否的檢測，其中，所述雙閾值為有車閾值Tl和無車閾值T2，且Tl > T2, Tl至T2之間為噪音，所述平均值M > Tl，則判斷為該平面交叉路口有車；而當(dāng)所述平均值M下降到M <T2時，判斷該平面交叉路口無車，否則認為還有車存在；反之，當(dāng)計算出的該平均值M又由Τ2上升到Tl時判斷為該平面交叉路口有車，否則認為無車；步驟6 進行車流量統(tǒng)計，當(dāng)檢測出從有車到無車情況時，進行車輛數(shù)加1統(tǒng)計，從而檢測并統(tǒng)計出平面交叉路口的車流量。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟1所述邊緣檢測算法為Carmy邊緣檢測算法。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2中，綠燈亮?xí)r段對實時視頻幀圖像的邊緣圖像做背景學(xué)習(xí)與更新，所述背景學(xué)習(xí)與更新采用如下算法A = (1-α )*Α1250+α *ΒA0 = A其中，Α。為初始背景圖像，初始背景圖像Α。中的所有像素值都為零，A為學(xué)習(xí)得到的背景邊緣，初始值為Atl，B為經(jīng)過步驟1處理后得到的邊緣圖像，α為調(diào)節(jié)更新速率。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，α=0.001。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟3中所述當(dāng)前幀圖像的邊緣與步驟 2所得到的所述背景邊緣圖像作差值如下C = IB-A其中，C為待檢測運動車輛的邊緣圖像。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟4中求取所述待檢測運動車輛的邊緣圖像的像素值之和的平均值M算法如下
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟5中，Tl= 20，T2= 15。
全文摘要
本發(fā)明涉及一種平面交叉路口的車流量檢測方法。其包括步驟1，提取平面交叉路口實時視頻幀圖像的邊緣圖像；步驟2，進行背景建模，得到背景邊緣圖像；步驟3，將當(dāng)前幀圖像的邊緣圖像與背景邊緣圖像作差值，從而得到運動車輛的邊緣圖像；步驟4，求取所述運動車輛的邊緣圖像中的所有像素值之和的平均值；步驟5，對該平均值采用雙閾值法進行車輛存在與否的檢測，去除噪音干擾；步驟6，進行車流量統(tǒng)計。本發(fā)明采用綠燈亮?xí)r通過路口運動車輛的邊緣圖像來進行背景建模，并采用背景邊緣的自動更新算法實時更新背景，從而得到運動車輛的精確背景邊緣，并能有效去除背景圖像的陰影和噪聲噪聲干擾。
文檔編號G08G1/065GK102169632SQ20111012477
公開日2011年8月31日 申請日期2011年5月13日 優(yōu)先權(quán)日2011年5月13日
發(fā)明者劉小明, 張永忠, 張福生, 李正熙, 李穎宏, 熊昌鎮(zhèn), 王力 申請人:北方工業(yè)大學(xué)