[發明專利]基于視頻的交通信息實時采集系統

在審

• 申請號: 201710409655.8
• 申請日: 2017-06-02
• 公開（公告）號: CN106997670A
• 公開（公告）日: 2017-08-01
• 發明（設計）人: 羅山
• 申請（專利權）人: 攀枝花學院
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06K9/32;G06K9/46;G06T7/246
• 代理公司: 成都虹橋專利事務所(普通合伙)51124
• 代理人: 李凌峰

技術領域

本發明涉及視頻檢測技術，特別涉及交通信息實時采集的技術。

背景技術

視頻檢測具有提供更直接的交通場景；檢測范圍大，可提供的交通信息多；安裝、維護方便，對路面地基無損壞等優點。并且隨著計算機技術、圖像處理、計算機視覺、模式識別等技術的不斷發展，視頻檢測的實時性和正確率已達到了較滿意的程度，正受到交通經營、管理部門和研究人員的關注，并被應用到實際的交通管理中。

發明內容

本發明的目的是提出一種基于視頻的交通信息實時采集系統，解決如何有效獲取車流量、車速、道路占有率、車牌號等交通信息的問題。

本發明解決其技術問題，采用的技術方案是，基于視頻的交通信息實時采集系統，其特征在于，包括視頻采集模塊、視頻處理模塊、交通信息分析與處理模塊和智能交通系統監控平臺模塊，所述視頻采集模塊通過視頻處理模塊與交通信息分析和處理模塊連接，智能交通系統管理監控平臺模塊和交通信息分析與處理模塊連接；

所述視頻采集模塊用于拍攝交通現場的視頻，并采用圖像處理技術對拍攝的交通現場的視頻圖像進行預處理，然后傳輸給視頻處理模塊；

所述視頻處理模塊用于對預處理的交通視頻圖像進行處理，通過對交通場景中運動車輛的檢測來獲取車輛的運動區域，同時通過運動車輛的跟蹤來獲取車輛的運動軌跡；

所述交通信息分析與處理模塊用于從車輛的檢測與跟蹤的結果中進行分析與處理后得到交通信息；

所述智能交通系統監控平臺模塊用于對獲取的交通信息監控。

進一步的是，所述交通信息包括車流量、車速、車道占有率和車輛違章。

進一步的是，所述對拍攝的交通現場的視頻圖像進行預處理是指：視頻圖像的去噪和增強，用于為后續的分析和處理提供更好的視頻圖像。

運動車輛的檢測方法，包括以下步驟：

步驟101、初始化混合高斯背景模型中的各個參數；

步驟102、讀取任意一個視頻幀，對當前視頻幀進行邊緣檢測；

步驟103、對當前視頻幀中N個像素的每一個像素建立基于邊緣的混合高斯背景模型；

步驟104、判斷像素值是否與混合高斯背景模型中N個高斯背景模型之一匹配，若像素值與混合高斯背景模型中N個高斯背景模型中任意一高斯背景模型匹配，則將該像素點歸為背景點，若像素值與混合高斯背景模型中N個高斯背景模型中所有高斯背景模型均不匹配，則將該像素點歸為前景點；

步驟105、實時更新混合高斯背景模型及其各個參數；

步驟106、對當前視頻幀進行陰影檢測與去除；

步驟107、讀取下一幀，同時進入步驟102；

步驟108、直至掃描全部視頻幀，提取出前景目標。

進一步的是，步驟102中，所述對當前視頻幀進行邊緣檢測采用Canny算子對視頻幀進行邊緣檢測，具體包括以下步驟：

步驟1021、用高斯濾波器模板對圖像進行濾波處理，以減小或消除噪聲；

步驟1022、由微分算子計算出圖像灰度沿兩個方向的偏導數P(i,j)和Q(i,j)，并求出梯度的大小和方向；

步驟1023、把邊緣的梯度方向分為四種，包括水平方向、垂直方向、45°方向和135°方向，水平方向和垂直方向分別用其臨近的像素進行比較，45°方向和135°方向分別用其對角臨近像素進行比較，以決定局部極大值；

步驟1024、雙閾值檢測和邊緣連接。

進一步的是，步驟101及步驟105中，所述參數包括混合高斯模型的均值、協方差矩陣、加權值和學習因子。

運動車輛的跟蹤方法，包括以下步驟：

步驟201、確定初始目標及其區域；

步驟202、計算運動目標的色度分量直方圖；

步驟203、利用直方圖計算輸入圖像的反向投影圖；

步驟204、利用均值漂移算法在反向投影圖中迭代搜索，直到收斂或達到最大迭代次數，并保存零階矩；

步驟205、從步驟204中獲得搜索窗口的中心位置和計算出新的窗口大小，以此為參數，跳轉到步驟202；

步驟206、直至掃描全部視頻幀，定位出前景目標位置。

進一步的是，步驟204中，所述均值漂移算法具體包括以下步驟：

步驟2041、前景目標檢測，提取待跟蹤的目標；

步驟2042、根據同一幀圖像中團塊個數及其長寬，建立團塊列表；

步驟2043、對上一幀獲得的團塊依次進行匹配跟蹤；

步驟2044、更新跟蹤目標中心及窗口大小。