[發(fā)明專利]一種用于大場景交通監(jiān)視的多視點(diǎn)視頻融合及交通參數(shù)采集方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410231807.6
• 申請(qǐng)日: 2014-05-29
• 公開（公告）號(hào): CN103985254A
• 公開（公告）日: 2014-08-13
• 發(fā)明（設(shè)計(jì)）人: 蘭時(shí)勇;吳岳洲;吳佳;黃飛虎
• 申請(qǐng)（專利權(quán)）人: 四川川大智勝軟件股份有限公司;四川大學(xué)
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01;G08G1/065;G08G1/08;G06T5/50;G06T7/00
• 代理公司: 成都信博專利代理有限責(zé)任公司 51200
• 代理人: 鄧金濤

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)和交通管理領(lǐng)域，具體涉及一種用于大場景交通監(jiān)視的多視點(diǎn)視頻融合及交通參數(shù)采集方法。

背景技術(shù)

道路交通高點(diǎn)監(jiān)控有助于交通管理者遠(yuǎn)程監(jiān)視道路交通的實(shí)時(shí)狀況，進(jìn)而輔助交管部門有效管理指揮交通。但是，現(xiàn)有道路交通高點(diǎn)監(jiān)控大多是通過在某場景高點(diǎn)架設(shè)一球機(jī)，通過人工遠(yuǎn)程控制驅(qū)動(dòng)查看某局部區(qū)域交通情況，而難于同時(shí)整體監(jiān)視大場景區(qū)域的交通狀況，比如十字交叉口各個(gè)方向的交通態(tài)勢(shì)。

現(xiàn)有城市交通時(shí)常出現(xiàn)交叉口信號(hào)燈控制常有出現(xiàn)一個(gè)方向處于綠燈相位而無車通行，對(duì)應(yīng)的另一方向處于紅燈相位卻是有較長排隊(duì)長度的車輛排隊(duì)等待通行，這樣導(dǎo)致城市道路交通資源浪費(fèi)，整個(gè)區(qū)域的交通通行能力低下，違背了城市交通緩堵保暢的公眾意愿。究其根源，現(xiàn)有機(jī)非混合相對(duì)突出的中國式城市交通，各類交通參數(shù)(尤其是道路交通中非機(jī)動(dòng)的相關(guān)參數(shù))，交通信號(hào)燈自適應(yīng)控制缺失一種有效實(shí)時(shí)自動(dòng)分析評(píng)估的手段，為信號(hào)燈控制策略優(yōu)化提供有效支撐的科學(xué)依據(jù)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種用于大場景交通監(jiān)視的多視點(diǎn)視頻融合及交通參數(shù)采集方法，解決現(xiàn)有技術(shù)中無法對(duì)大場景交通狀況進(jìn)行準(zhǔn)確的監(jiān)視，不能準(zhǔn)確的對(duì)實(shí)時(shí)大場景交通狀況進(jìn)行評(píng)估的問題。

為解決上述的技術(shù)問題，本發(fā)明采用以下技術(shù)方案：

一種用于大場景交通監(jiān)視的多視點(diǎn)視頻融合方法，包括以下步驟：

步驟一，各視點(diǎn)視頻源視頻采集及解碼：連接網(wǎng)絡(luò)攝像機(jī)，獲取攝像機(jī)監(jiān)視場景內(nèi)的視頻數(shù)據(jù)，然后對(duì)每一個(gè)攝像機(jī)發(fā)送過來的數(shù)據(jù)包進(jìn)行解碼得到每一幀的視頻圖像；

步驟二，相鄰視點(diǎn)幀圖像變換及拼接融合：采集任意相鄰網(wǎng)絡(luò)攝像機(jī)的圖像，設(shè)定相鄰圖像中重疊區(qū)域?yàn)镽OI，然后對(duì)兩個(gè)圖像的ROI區(qū)域進(jìn)行圖像特征點(diǎn)檢測與配準(zhǔn)，根據(jù)匹配的特征點(diǎn)組計(jì)算得到兩幅圖像間的投影變換矩陣，根據(jù)部署的某一個(gè)攝像機(jī)的朝向設(shè)定一個(gè)世界坐標(biāo)系，各個(gè)攝像采集的圖像在這個(gè)坐標(biāo)系的基礎(chǔ)上進(jìn)行圖像拼接前的圖像變換均對(duì)應(yīng)一個(gè)不同的投影變化矩陣；將投影變換矩陣作為參數(shù)，把其中一臺(tái)攝像機(jī)的圖像設(shè)為基準(zhǔn)圖像，利用雙線性插值算法根據(jù)投影變換矩陣完成另一臺(tái)攝像機(jī)圖像的投影變換，將兩幅圖像映射到同一坐標(biāo)系下，然后對(duì)重疊區(qū)域各圖像的對(duì)應(yīng)的像素點(diǎn)做加權(quán)求和，得到全景圖像的重疊區(qū)域像素，非重疊區(qū)域的各圖像，像素亮度保持不變；

步驟三，多視點(diǎn)視頻融合后幀圖像渲染：根據(jù)拼接場景的具體情況對(duì)圖像進(jìn)行裁剪，并把裁剪結(jié)果貼在場景模型之中，根據(jù)示范中交通監(jiān)視場景，對(duì)拼接融合后的視頻圖像進(jìn)行裁剪，結(jié)合靜態(tài)場景3D建模，再將其作為紋理通過3D引擎渲染后，便得到區(qū)域交通包含四個(gè)方向的大場景超高分辨率實(shí)時(shí)視頻，實(shí)現(xiàn)視點(diǎn)漫游，用于交通管理人員兼顧全局或局部便捷監(jiān)視。

根據(jù)上述方法，對(duì)交通參數(shù)采集方法為：

1)依據(jù)大場景視頻中的車道線，人工標(biāo)定大場景視頻的每一幀圖像中車道區(qū)域，確定待檢測圖像區(qū)域，分為各斷面i的機(jī)動(dòng)車道區(qū)域Vi和非機(jī)動(dòng)車道區(qū)域Fi；

2)在車道區(qū)域內(nèi)各斷面i從停車線開始每隔20個(gè)像素設(shè)置為一個(gè)小區(qū)域塊j，再依據(jù)標(biāo)定的攝像機(jī)參數(shù)確定各小區(qū)域?qū)?yīng)物理道路距離L_j，計(jì)算每個(gè)小區(qū)域無車時(shí)的梯度幅值G_th-ij作為參考閾值，實(shí)時(shí)計(jì)算每幀中各小區(qū)域圖像梯度幅值G_ij,并與閾值G_th-ij比較，如果從停車線開始連續(xù)多個(gè)小區(qū)域內(nèi)G_ij-G_th-ij>20，則認(rèn)為該小區(qū)域有車排隊(duì)，從而判斷出該斷面方向車輛排隊(duì)長度值d_i；

3)在大場景道路區(qū)域每個(gè)斷面方向i每個(gè)車道k設(shè)置檢測線圈LOOP_ik，線圈LOOP_ik的位于距離對(duì)應(yīng)停車線150米位置的車道中間，LOOP_ik寬度取道路寬度的2/3，長度取40個(gè)像素，通過混合高斯背景模型獲得待檢測圖像區(qū)域?qū)崟r(shí)背景，采用實(shí)時(shí)當(dāng)前幀圖像與背景做差值，依據(jù)差值是否大于20，得到該線圈有無車輛，并給有車賦ID號(hào)c_k，若該線圈上從有車變?yōu)闊o車，則計(jì)算出該車道通過一輛車，每分鐘統(tǒng)計(jì)通過數(shù)量，從而檢測到該斷面該車道分鐘車流量Q_Vik；