[發明專利]一種道路擁堵檢測方法

有效

• 申請號: 201510058449.8
• 申請日: 2015-02-04
• 公開（公告）號: CN104680787B
• 公開（公告）日: 2017-08-01
• 發明（設計）人: 朱瓏;陳遠浩
• 申請（專利權）人: 上海依圖網絡科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06K9/62;G06T7/194
• 代理公司: 上海科盛知識產權代理有限公司31225
• 代理人: 趙繼明

技術領域

本發明涉及交通檢測領域，尤其是涉及一種道路擁堵檢測方法。

背景技術

在城市中，隨著機動車擁有數量的迅速增長，道路的擁堵情況日益嚴重，尤其是在上、下班等高峰時期，擁堵現象更為普遍。目前，對道路交通擁堵的判別方法主要是通過各種交通檢測技術獲得所需要的交通狀態參數，并通過對這些交通狀態參數進行分析、處理，進而判斷道路的擁堵情況。

現有的交通擁堵檢測方法主要包括：

1)線圈檢測方法：車輛通過埋設在路面下的導線線圈，干擾了通過線圈的地磁磁通線并在線圈里產生一個電壓，這個電壓被高增益放大器放大，使檢測器的繼電器工作，從而實現檢測目的。但線圈檢測方法沒有方向性、檢測區域不明確，修理或安裝需中斷交通，影響路面壽命，易損壞。

2)應線圈檢測方法：與單感應線圈檢測器的工作方式一樣，但可以提供更為準確的速度參數。應線圈檢測方法在修理或安裝時需中斷交通，且易影響路面壽命，易損壞，而且比單感應線圈貴。

3)視頻檢測方法：攝像機攝取檢測點附近區域的圖像，由計算機程序對圖像進行處理、識別、從而檢測車輛。視頻檢測方法的費用較高且檢測精度受天氣、檢測區域周圍亮度影響。

4)微波檢測方法：通過發射微波信號，車輛反射雷達微波(多普勒效應)，返回天線使檢測繼電器動作從而達到檢測目的。微波檢測方法不能檢測靜止或低速行駛的車輛，易受外界環境影響，當發射波的域值選擇不恰當時容易受到人或物的影響，造成誤識。

在上述方法中，視頻檢測技術由于具有安裝不損壞路面、不會造成交通的暫時中斷、獲取的信息多等優點，在近幾年的時間里，得到了飛速的發展和普遍的應用。如中國專利CN102867415A公開一種基于視頻檢測技術的道路擁堵判別方法，對獲取的當前道路的視頻圖像進行處理，得到當前道路的背景圖像和前景目標；根據所述前景目標，計算所述當前道路的平均道路占有率和時間占有率；根據所述平均道路占有率和時間占有率，按照建立的道路交通擁堵判別準則判斷所述當前道路的擁堵情況。但現有技術無法處理低分辨率/復雜場景/天氣情況的視頻。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種速度快、魯棒強的道路擁堵檢測方法。

本發明的目的可以通過以下技術方案來實現：

一種道路擁堵檢測方法，包括以下步驟：

1)對獲取的當前道路的視頻圖像進行處理，得到當前道路的背景和前景，具體為：

a)對視頻圖像的當前幀，采用混合高斯模型對當前幀的每個像素進行建模，判斷每個像素是否屬于前景，若是，則執行步驟b)，若否，則執行步驟f)；

b)提取圖像的紋理特性和顏色特性，采用RBF Kernel的支持向量機分類器對車輛和路面進行分類；

c)計算前景的連通區域，判斷各連通區域的大小是否小于設定值，若是，則將對應的像素歸入背景，若否，則執行步驟d)；

d)對單一像素，根據其鄰域內像素的變化抽取特征來判斷是光照變化還是前景變化；

e)判斷前景是否處于非車輛出現區域，若是，則將對應的像素歸入背景，執行步驟f)，若否，直接執行步驟f)；

f)采用判斷成背景的像素重新訓練混合高斯模型，并更新RBF Kernel的支持向量機分類器；

2)根據得到的前景像素計算當前道路的道路占有率和車輛平均速度。

所述混合高斯模型中高斯模型個數為5個。

所述步驟a)中，對于每個像素，根據其顏色值判斷屬于混合高斯模型中的第K個高斯模型，判斷該高斯模型是否是混合高斯模型中能量最強的，若是，則將對應像素歸入背景，若否則將對應像素歸入前景。

所述步驟f)中，采用Online-SVM算法中的更新算法更新RBF Kernel的支持向量機分類器。

所述步驟f)中，重新訓練混合高斯模型的頻率為15分鐘一次。

與現有技術相比，本發明具有以下優點：

1、可靠性高，本發明采用混合高斯模型對當前幀的每個像素進行建模，在判斷時有效剔除光照變化的影響，從而獲得較高的檢測準確率；

2、本發明的RBF Kernel的支持向量機分類器和訓練混合高斯模型是變化更新的，實時性好；

3、速度快，滿足實時性的需求；

4、魯棒性強，可以在不同場景下使用，可處理復雜場景變化。

附圖說明

圖1為本發明的流程示意圖。

具體實施方式