[發明專利]基于視頻的交叉口區域交通參數統計方法

有效

• 申請號: 201911343078.2
• 申請日: 2019-12-24
• 公開（公告）號: CN111161545B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 陳陽舟;師澤宇;辛樂;盧佳程
• 申請（專利權）人: 北京工業大學
• 主分類號: G08G1/017
• 分類號: G08G1/017;G08G1/065
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

1.一種基于視頻的交叉口區域交通參數統計方法，其特征在于：

包括如下步驟：

步驟1：輸入視頻，進行車輛檢測；

步驟2：判斷用戶需求類型，如果用戶存在在線交通參數需求，執行步驟3，否則執行步驟4；

步驟3：在線交通參數統計；

步驟4：離線交通參數統計；

步驟5：發送統計結果，刪除冗余的交通參數數據，如果統計結果已經滿足用戶的交通參數統計需求，結束程序，否則返回步驟1；

其中，步驟1中所述輸入視頻為高點拍攝的鳥瞰視頻，視頻區域應涵蓋交叉口的各進口道和交叉口區域；

所述車輛檢測包括以下步驟：

步驟1.1：接收視頻數據，判斷接收的視頻場景是否為首次輸入，如果是首次輸入，從視頻中選取的若干幀早上、中午、下午及晚上的無車圖像，根據時間段分別取同一時間段內各張無車圖片的各像素點灰度平均值，構建圖像的灰度值矩陣B_m，B_n，B_a，B_e分別作為早上、中午、下午及晚上背景圖像的灰度值數據矩陣，同時設定各進出口道的車道數α，否則，進行步驟1.2；

步驟1.2：取當前幀圖像與背景圖像作灰度減運算，并取絕對值，數學表達為：

g(x,y)＝|t(x,y)-b_u(x,y)|,u∈{m,n,a,e} (1)

式中，t(x,y)表示當前第t幀圖片灰度值矩陣T中像素坐標(x,y)處元素的灰度值，b_u(x,y)表示背景圖片的灰度值矩陣中(x,y)處元素的灰度值，g(x,y)表示當前第t幀圖片與背景圖片中像素坐標(x,y)處元素的灰度值差值；

步驟1.3：設置步驟1.2中所述灰度值差值的閾值I，如果g(x,y)＞I，將(x,y)處元素的灰度值改為κ，并且κ＞0，否則，將(x,y)處元素的灰度值改為0；

步驟1.4：對圖像進行一次形態學開運算，設定圖像中的每一個連續的灰度值為κ的區域為一輛車，根據拍攝角度和道路坡度定義該場景中的車輛坐標，如果圖像為第1幀圖片，按照由上到下，由左至右的順序對圖中所有車輛進行編號，編號記為n，n的取值為正整數，記錄位置(x,y)，否則，對新出現的輪廓區域進行編號，并記錄位置，對原有的車輛更新位置；

步驟1.5：對已經檢驗的每幀的圖像進行編號，形成的序列為[p₁,…,p_t,…,p_n]，其中，處理圖像p_t時，利用卡爾曼濾波法計算圖像p_t-1中車輛n的位置估計值，卡爾曼濾波法的狀態轉移方程和觀測方程為：

式中表示圖像p_t中車輛n的預測的觀測位置向量，表示圖像p_t中車輛n的預測位置向量，表示圖像p_t中車輛n的預測x軸坐標，表示圖像p_t中車輛n的預測y軸坐標，A為系統矩陣，B為輸入矩陣，圖像p_t-1中車輛n的位置向量，x_t-1n表示圖像p_t-1中車輛n的x軸坐標，y_t-1n表示圖像p_t-1中車輛n的y軸坐標，表示圖像p_t-1中影響車輛n位置的相關因素向量，其物理意義根據場景選取速度、加速度，u_xt-1n表示圖像p_t-1中影響車輛nx軸坐標的相關因素，u_yt-1n表示圖像p_t-1中影響車輛n y軸坐標的相關因素；

步驟1.6：融合先驗位置信息和當前的觀測信息，如果圖像p_t中車輛n的觀測向量Z_tn對應多個預測的觀測位置向量依照預測的觀測位置向量對觀測向量Z_tn進行平均，產生多個新的最終觀測位置向量，根據預測的觀測位置向量確定多個新的最終觀測位置向量所對應的車輛編號，如果一個預測的觀測位置向量對應多個觀測向量Z_tn，則根據預測的觀測位置向量與多個觀測向量Z_tn進行平均，獲得唯一的最終觀測位置向量，根據預測的觀測位置向量確定最終觀測位置向量對應的車輛編號；

步驟1.7：將車輛編號，拍攝時間，位置數據x軸方向像素坐標，位置數據y軸方向像素坐標匯總為結構化數據，根據時間依次進行存儲，進行步驟2；

步驟2中所述用戶需求為用戶對交叉口區域交通流參數的需求，需求類型分為在線交通參數和離線交通參數；

所述在線交通參數統計包括以下步驟：

步驟3.1：利用存儲的背景圖片，根據交叉口結構、交通參數的類型、元胞傳輸模型的基本假設和攝像機拍攝角度對交叉口的各進出口區域，連接處和交叉口區域進行區域劃分，并對進出口區域和交叉口區域編號，記為i區域，計算進口道和出口道數量之和為λ；

步驟3.2：依照區域i的形狀依次設計覆蓋區域i的覆蓋圖形，所有覆蓋圖形區域內的灰度值為ω，并且ω＞0，同時，進行儲存；

步驟3.3：如果算法在初始時接收到信息中心或用戶發送的檢測周期設置指令，按照設置指令設置在線檢測周期Δt_s和在線起止時間t_s0、t_se，并調用步驟1.7中、周期j對應的結構化數據，否則按照默認設置對短周期交通參數的檢測周期Δt_s和起止時間t_s0、t_se進行初始化，并調用步驟1.7中獲得的、周期j對應的結構化數據；

步驟3.4：用覆蓋圖形依次覆蓋對應區域i，從存儲裝置中調用已經經過步驟1車輛檢測后的結構化數據，篩選出結構化數據中的最終觀測位置向量如果最終觀測位置向量所對應的像素灰度值為ω，則認為位置向量對應的車輛位于區域i，統計周期j各幀中i區域的車輛數，將第t幀中i區域的車輛數記為N^t_si；

步驟3.5：判斷N^t_si＝0是否成立，如果其成立，根據周期中每幀圖像的間隔時間、車輛在第t幀和第t-1幀間的行駛距離d_nt及i區域的像素道路長度d_i，獲取第t幀中車輛n通過區域i的時間Δt_nti，Δt_nti的數學表達為：

則在周期j通過區域i的平均時間Δt_ij表示為：

其中，n_l表示在第t幀中最小的車輛編號，n_l+N^t_si-1表示在第t幀中最大的車輛編號，N^t_sm指周期j中每幀中的平均車輛數，否則，令v_lim為以像素為單位的道路限速，ε為每周期對應的幀數；

步驟3.6：根據Δt_s、第j周期的起始時間t_j，對步驟3.4中i區域的第j周期的N^t_si進行求和獲得i區域第j周期的累計交通量Q_sij；

步驟3.7：選擇j周期對應的起始時間t_j，采用步驟3.4中獲得的周期起始時間t_j對應的i區域的車輛數將與i區域的實際道路長度l_i相除獲得t_j對應i區域的占有率O_sij，其數學表述為：

其中，l_i的數學表述為：

l_i＝d_i×θ (6)

其中d_i為第i區域的像素距離，θ為比例尺系數；

步驟3.8：中央處理器通過數值計算將步驟3.7獲得的i區域的占有率O_sij轉化成i區域的密度ρ_sij，其數值計算過程為：

其中，α為車道數；

步驟3.9：如果i≥λ，執行步驟3.10，否則i+1執行步驟3.2；

步驟3.10：將交通參數的統計結果N^t_si、Δt_ij、Q_sij、O_sij和ρ_sij進行儲存，執行步驟5；

所述離線交通參數統計包括以下步驟：

步驟4.1：如果收到信息中心或用戶發送的檢測周期設置指令，中央處理器就按照設置指令設置離線統計周期Δt_l和離線起止時間t_l0、t_le，并調用步驟1.7中的、周期j對應的結構化數據，否則按照默認設置離線統計周期Δt_l和線起止時間t_l0、t_le進行初始化，并調用步驟1.7中獲取的、周期j對應的結構化數據；

步驟4.2：根據交叉口結構、交通參數的類型、元胞傳輸模型的基本假設和攝像機拍攝角度對交叉口的各進出口區域，并對進出口區域和交叉口區域編號，記為i區域，計算進口道和出口道數量之和為λ；

步驟4.3：從區域i提取邊界點的位置坐標，將取其中一點β，尋找距離β最近的兩個點χ和δ，將β和χ連線，將β和δ連線，如此遍歷所有邊界點，將區域i擬合成一個m邊形；

步驟4.4：根據m邊形的m條邊，設置由m個不等式方程構成的不等式組來篩選j周期i區域的車輛位置信息，其中不等式的表現形式為：

其中，a_ik表示第i區域的第k條邊的斜率，b_ik表示第i區域的第k條邊的截距，x_j表示第j周期中對應車輛的x軸方向的像素坐標，y_j表示第j周期中對應車輛的y軸方向的像素坐標，如果x_j和y_j滿足不等式的關系就認為其所對應的車輛n在第j周期時位于區域i，否則認為車輛n不在第j周期時位于區域i；

步驟4.5：采用步驟4.4遍歷所有車輛，判斷區域i在離線起止時間t_l0、t_le之間是否存在車輛，如果存在，在離線起止時間t_l0、t_le之間所有出現在區域i的車輛記錄其第一次在區域i出現的起始位置為(x_ni0,y_ni0)，最后一次出現的消失位置為(x_nie,y_nie)，定義兩點之間的行駛時間為Δt_ne，定義起始和消失兩個點的歐式距離為d_n，d_n的數學表達為：

定義車輛n在區域i的通行時間為Δt_ni，Δt_ni的數學表達為：

步驟4.6：根據Δt_l、第j周期的起始時間t_j，統計t_j和t_j+Δt_l周期內t幀圖像中區域i的車輛數N^t_li；

步驟4.7：對i區域第j周期的每幀中i區域的車輛數N^t_li進行求和獲得i區域第j周期的累積交通量Q_lij；

步驟4.8：選擇j周期對應的起始時間t_j，采用步驟4.4中獲得的周期起始時間t_j對應的i區域的車輛數將與i區域的實際道路長度l_i相除獲得t_j和t_j+Δt_l對應i區域的占有率i區域的占有率O_lij，其數學表述為：

其中，l_i的數學表述為：

l_i＝d_i×θ (12)

其中d_i為第i區域的像素距離，θ為比例尺系數；

步驟4.9：通過數值計算將i區域的占有率O_lij轉化成i區域的密度ρ_lij，其數值計算過程為：

其中，α為車道數；

步驟4.10：對起止時間t_l0、t_le內的Q_lij進行匯總求和獲得i區域總交通量Q_li，對ρ_lij求其期望獲得i區域平均密度ρ_mi；

步驟4.11：根據Q_li，獲得i區域的平均通行時間，數學表述為：

步驟4.12：如果i≥λ，執行步驟4.13，否則i+1執行步驟4.3；

步驟4.13：將交通參數的統計結果N^t_li，O_lij，Q_lij、Q_li、ρ_lij、ρ_mi和Δt_im進行儲存，執行步驟5。

2.如權利要求1所述的一種基于視頻的交叉口區域交通參數統計方法，其特征在于：用于交通參數動態統計的系統包括：視頻采集裝置、圖形處理器、數據存儲裝置、中央處理器和通信裝置；

各裝置之間的連接方式為：視頻采集裝置與圖形處理器間為雙向連接，視頻采集裝置與數據存儲裝置間為雙向連接，圖形處理器與視頻采集裝置間為雙向連接，圖形處理器與數據存儲裝置間為雙向連接，圖形處理器與中央處理器之間為單向連接，圖像處理器與中央處理器的連接方式為中央處理器的輸出端連接圖形處理器的輸入端，中央處理器與數據存儲裝置間為雙向連接，中央處理器與通信裝置間為雙向連接，中央處理器與圖形處理器間為單向連接，圖像處理器與中央處理器的連接方式為中央處理器的輸出端連接圖形處理器的輸入端，通信裝置與中央處理器間為雙向連接，通信裝置與數據存儲裝置間為雙向連接，數據存儲裝置與視頻采集裝置間為雙向連接，數據存儲裝置與圖形處理器間為雙向連接，數據存儲裝置與通信裝置間為雙向連接，數據存儲裝與中央處理器間為雙向連接，裝置間的雙向連接指信息在兩個裝置間傳輸，發送方和接收方可以是兩設備中的任意一個設備，裝置間的單向連接指信息在兩個設備間傳輸，發送方當且僅當為兩設備中指定的一個設備，接收方為非發送方的另一個設備。