[發明專利]一種多特征融合的交通視頻數據采集處理方法

在審

• 申請號: 201410387383.2
• 申請日: 2014-08-08
• 公開（公告）號: CN104952244A
• 公開（公告）日: 2015-09-30
• 發明（設計）人: 邵宗翰
• 申請（專利權）人: 昆明聯誠科技股份有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/052
• 代理公司: 北京東正專利代理事務所(普通合伙) 11312
• 代理人: 劉瑜冬

技術領域

本發明屬于道路交通視頻圖像數據采集和處理技術領域，具體來說是一種基于多特征融合的交通視頻數據采集處理方法，從而克服復雜多樣的交通場景和天氣條件對圖像數據處理的影響，提高檢測道路車輛和車速的準確度。

背景技術

在智能交通系統應用、交通管理、交通仿真和交通流理論研究中，一項非常重要的工作就是對交通信息的采集。目前絕大多數交通信息采集設備能夠提供的信息主要是單一車型的流量、速度、密度等宏觀參數，這些交通信息并不區分車輛類型。采集多車型交通信息對于交通管理和理論研究具有重要意義。傳統的交通信息采集方法主要有：地埋式感應線圈法、紅外線檢測法和超聲波檢測法等。這些傳統方法的成本高、維護困難；而且中國的道路交通環境復雜，導致這些傳統方法不能有效地分辨車型。隨著視頻處理技術的快速發展，基于視頻的交通信息采集方法得到廣泛應用。相比傳統的交通信息采集方法，視頻檢測系統具有安裝簡單、維護方便、采集參數多等優點，而且可以在復雜交通場景下有效識別車型。

視頻交通數據采集主要有兩種研究方法：車輛跟蹤法和虛擬區域法。車輛跟蹤法首先識別和分割交通視頻中的車輛，通過車輛跟蹤建立相鄰幀之間的車輛對應關系，獲取車輛運動軌跡，采集交通數據；虛擬區域法則是模擬地感線圈的工作原理，由用戶在圖像的關鍵位置上劃定虛擬區域，根據虛擬區域內的像素變化來判斷是否存在車輛，從而采集交通數據。這兩種方法各有特色。車輛跟蹤法從車輛軌跡獲得交通數據更加精確，這些信息來源于時間域也來源于空間域，其缺陷在于當交通密度較大時，車輛遮擋嚴重降低跟蹤精度，因此車輛跟蹤法通常用于高速公路的監測。與之相比，虛擬區域法不能充分利用圖像的空間域信息，因而獲得的交通數據比較有限，但其優點在于不受交通狀況的限制，全天侯工作時的魯棒性較好，更加適合實際應用。

現有的商業交通視頻檢測器主要采用虛擬區域法，但從其實用評估報告來看普遍存在以下缺陷：在車燈反光、運動陰影、惡劣天氣、攝像機晃動等條件下，交通檢測數據結果錯誤率較高，例如，由于車燈反光導致夜晚的檢測錯誤率達到74.3％；由于雨雪天氣導致的檢測錯誤率即使在白天也高達16.3％，而夜晚的檢測錯誤率高達50％。如何優化交通視頻圖像數據的檢測方法，確保檢測率對車燈反光、運動陰影、光照劇烈變化、攝像機晃動等干擾具有較強的免疫能力是交通視頻數據采集處理前沿性研究方向。

發明內容

本發明的目的是為了：(1)減少視頻圖像交通信息監測中由于車燈反光、運動陰影、光照劇烈變化、攝像機晃動等干擾導致的檢測錯誤率高的缺陷；(2)減少雙線圈測速法的錯誤匹配。

實現上述目的本發明的技術方案為，一種多特征融合的交通視頻數據采集處理方法，該方法包括步驟為：(1)在交通視頻圖像上劃分虛擬區域；(2)計算虛擬區域的前景像素比例；對所有前景像素,將中值濾波后的輸入圖像亮度與背景亮度相減得到差分圖像做Ede形態學邊緣檢測,從而確定邊緣強度的標準差SD_e；記錄虛擬區域中的前景區域的平均運動向量FMV_i，根據虛擬區域記錄的FMV_i次數n，確定車輛檢測方向∠VD；(3)根據(2)步圖像處理得到的前景像素比例、邊緣強度的標準差SD_e、車輛檢測方向∠VD計算車輛存在信心級數CL，CL∈{0,1,...,k}；CL＝0為最低信心級數，表示虛擬區域內沒有車輛；CL＝K為最高信心級數，表示虛擬區域被車輛占有；CL取中間值表示過渡狀態；K取2-4范圍的整數，與監控場景有關：車速越高，K越小；車速越低，K越大，CL始終處于0-K之間:當CL達到K時,不再增加；達到0時，不再減少；(4)統計CL的數據即可確定監測到的車輛數。

上述步驟中，劃分虛擬區域是橫向邊界小于車道線間距，縱向邊界小于普通轎車長度的四邊形區域；同時虛擬區域分別沿橫向和縱向劃分兩條特征線a₁、a₂和b₁、b₂，從而將虛擬區域橫向和縱向等分為3段，a₁，a₂，b₁和b₂上的前景像素比例依次為FR_a1，FR_a2，FR_b1和FR_b2，它們決定了4條特征線的被占有情況。這種橫向和縱向二次通過特征線的劃分方式，能夠減小“一輛車投影到兩條車道帶給算法的不利影響以及同一車道上前后車輛的間距太小，虛擬區域可能被兩輛車同時占有的問題。