[發(fā)明專利]一種基于視覺特征的交通狀態(tài)量化識別方法

有效

• 申請?zhí)枺?/td>: 201310141817.6
• 申請日: 2013-04-22
• 公開（公告）號: CN103208010A
• 公開（公告）日: 2013-07-17
• 發(fā)明（設(shè)計）人: 賈克斌;張媛
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京思海天達知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 張慧

技術(shù)領(lǐng)域

本發(fā)明屬于智能交通與機器視覺領(lǐng)域，涉及一種利用特征提取、支持向量機等技術(shù)實現(xiàn)對城市快速路交通狀態(tài)量化識別的方法。

背景技術(shù)

近年來，科技的發(fā)展與交通設(shè)施的現(xiàn)代化引發(fā)了普遍性的道路擁堵以及事故增加現(xiàn)象，交通環(huán)境的惡化成為亟待解決的問題。智能交通系統(tǒng)(Intelligent?Transportation?System,簡稱ITS)便在這樣的需求下產(chǎn)生并成為該領(lǐng)域的研究趨勢與熱點。在ITS的各項功能中，交通狀態(tài)的識別結(jié)果為后期的管理和控制等工作提供基本的信息保障，因此對整個系統(tǒng)的有效性和精確度有至關(guān)重要的影響。

目前，國內(nèi)外的交通狀態(tài)識別主要是基于對速度、車流量和時間空間占有率等交通參數(shù)的采集，常用的采集器有測速雷達、紅外線線圈、超聲波和視頻檢測等。其中，基于視頻的交通參數(shù)檢測具有無可比擬的優(yōu)勢，如安裝成本低，易于實現(xiàn)自動化控制，借助圖像處理技術(shù)可以提取更加高效準(zhǔn)確的信息，從而在ITS中得到了廣泛的應(yīng)用。但是很多實驗表明，擁堵狀態(tài)下交通參數(shù)的提取準(zhǔn)確率急劇下降，從而影響對整體交通狀態(tài)的識別分類以及后續(xù)的預(yù)測工作。最近，國內(nèi)外學(xué)者將研究重點放在了利用機器視覺與模式識別技術(shù)對交通狀態(tài)進行分類上，包括傳統(tǒng)的交通參數(shù)提取法以及在視頻幀中直接提取特征進行交通狀態(tài)的檢測方法。但是在已建立的經(jīng)典模型中，仍然存在復(fù)雜度過高難以實現(xiàn)或提取的信息不足以有效分類等缺陷。

發(fā)明內(nèi)容

針對交通狀態(tài)識別中存在的上述問題，提出一種基于支持向量機(Support?Vector?Machine,簡稱SVM)的交通狀態(tài)分類方法，并在此基礎(chǔ)上實現(xiàn)對交通狀態(tài)的量化識別，從而完成對道路整體交通狀態(tài)的宏觀把握，為智能交通管理提供有效準(zhǔn)確的決策支持。

本發(fā)明采用的技術(shù)方案是：從視頻序列中提取時空描述序列符并對其進行兩層處理，分別通過雙向二維主成分分析(Principal?Component?Analysis,PCA)對圖像矩陣進行維度壓縮去除冗余信息，以及通過Fisher線性判別分析(Fisher?Linear?Discriminant?Analysis,Fisher?LDA)進一步進行特征提取，將提取出的特征向量作為SVM輸入，構(gòu)造多類分類器將樣本分為4類。在數(shù)據(jù)識別階段，通過計算并加權(quán)當(dāng)前特征向量距離相鄰分類超平面的距離得到最終的交通狀態(tài)量化值。

一種基于視覺特征的交通狀態(tài)量化識別方法，其特征在于包括以下步驟：

步驟一，從視頻采集卡中讀取視頻，對原始視頻中各幀圖像進行預(yù)處理，將數(shù)字圖像轉(zhuǎn)換成灰度圖像。

步驟二，在灰度化后的視頻圖像幀中提取時空相關(guān)信息，即時空線序列符S，方法如下：

（1）在灰度圖像中設(shè)置一條虛擬時空線，如附圖2上半部分視頻幀中的實線所示，將每幀中虛擬時空線上的像素值記為行向量L_t＝[p_t1,p_t2,...,p_tw]^T，其中p為線段上的點。

（2）將t-N+1～t幀視頻序列中的該行向量進行疊加，得到當(dāng)前時刻的時空線序列符S_t＝[L_t-N+1,L_t-N+2,...,L_t]^T。每個時空線序列符都是一個W×N的矩陣，其中W為所設(shè)定的時空線序列符的寬度，N為所選取的進行疊加的視頻幀數(shù)，為事先定義好的參數(shù)。

（3）定義附圖3所示的延遲線結(jié)構(gòu)，采集并提取包含所有交通狀態(tài)的足夠長時間內(nèi)的時空線序列符，從而得到全部的時空線序列符組合U＝[S₁,S₂,...,S_t,...,S_M]^T，M為獲取的時空線序列符的樣本。

步驟三，采取客觀估計與主觀判別相結(jié)合的方式，為已獲取的時空線序列符添加交通狀態(tài)分類標(biāo)簽。具體包括以下內(nèi)容：

（1）根據(jù)我國公安部2002年公布的《城市交通管理評價指標(biāo)體系》，根據(jù)車行速度v將交通狀態(tài)分為暢通(30km/h以上)、輕度擁擠(20-30km/h)、擁擠(10-20km/h)以及嚴(yán)重擁擠(10km/h以下)四類。

（2）按下式計算不同車速下車輛在時空線序列符中所占的“時間塊”比例：

(c_l·f)/(v·N)