主权项 |
1.一种交叉口的视频交通参数检测方法,其特征在于:该检测方法包括如下步骤:A.ROI区域设置:将用于采集视频数据的视频检测器安装在交叉口的进车口后方,将用于车流量检测的虚拟线圈放置在交叉口处的每个车道前端;B.选择性背景建模:a.将步骤A中视频检测器采集的视频数据发送至图像处理计算机,图像处理计算机将视频数据处理成图片序列;b.将获得的图片采用Canny算子检测边缘信息,获得边缘信息图B<sub>edge</sub>,采用LBP算子检测纹理特征获得纹理特征图B<sub>LBP</sub>;通过计算机结合边缘信息图B<sub>edge</sub>和纹理特征图B<sub>LBP</sub>数据,完成图片中车辆的存在性检测,将存在车辆的图片剔除,筛选出无车存在的图片;c.通过如下的均值背景建模公式对筛选得到的无车存在的图片进行背景建模,建立初始背景图片B<sup>RGB</sup>;<maths num="0001"><![CDATA[<math><mrow><msup><mi>B</mi><mi>RGB</mi></msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mi>N</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msubsup><mi>I</mi><mi>k</mi><mi>RGB</mi></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></math>]]></maths>公式中:N为筛选得到图片总数;<img file="FDA00003466717100012.GIF" wi="102" he="79" />为通过筛选得到图片,<img file="FDA00003466717100013.GIF" wi="91" he="79" />(x,y)为筛选图片在点(x,y)处的像素值,B<sup>RGB</sup>(x,y)为背景图片在点(x,y)的像素值,该像素值是一个三维向量,分别代表RGB颜色空间中各颜色分量的值;后续的背景图片<img file="FDA00003466717100014.GIF" wi="105" he="80" />在更新环节中使用的如下所示的自适应背景更新算法获得背景图片:<maths num="0002"><![CDATA[<math><mrow><msubsup><mi>B</mi><mi>t</mi><mi>RGB</mi></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mi>α</mi><msubsup><mi>B</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow><mi>RGB</mi></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>+</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>α</mi><mo>)</mo></mrow><msubsup><mi>I</mi><mi>t</mi><mi>RGB</mi></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></math>]]></maths>公式中:<img file="FDA00003466717100021.GIF" wi="108" he="67" />为上一状态的背景图片,<img file="FDA00003466717100022.GIF" wi="95" he="85" />为通过筛选得到的图片,α为更新因子,α取值为0.95;C.精确车辆检测:采用颜色空间计算模型的分析方法来计算颜色距离量,以获取完整的运动目标,计算步骤如下Ⅰ.将<img file="FDA00003466717100023.GIF" wi="101" he="79" />(x,y)与<img file="FDA00003466717100024.GIF" wi="85" he="85" />(x,y)的差分定义为两个分量,一个是亮度分量BD(x,y),另一个是色度分量CD(x,y);亮度分量BD(x,y)定义为<img file="FDA00003466717100025.GIF" wi="93" he="84" />(x,y)在向量<img file="FDA00003466717100026.GIF" wi="97" he="78" />(x,y)上的投影与<img file="FDA00003466717100027.GIF" wi="96" he="71" />(x,y)的比值;色度分量CD(x,y)定义为向量<img file="FDA00003466717100028.GIF" wi="91" he="79" />(x,y)与向量<img file="FDA00003466717100029.GIF" wi="103" he="79" />(x,y)的正交距离;亮度分量BD(x,y)、色度分量CD(x,y)和颜色距离图D<sub>t</sub>的计算方法如下:<maths num="0003"><![CDATA[<math><mrow><mi>BD</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msubsup><mi>I</mi><mi>t</mi><mi>RGB</mi></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>·</mo><msubsup><mi>B</mi><mi>t</mi><mi>RGB</mi></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow><mrow><mo>|</mo><msubsup><mi>B</mi><mi>t</mi><mi>RGB</mi></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><msup><mo>|</mo><mn>2</mn></msup></mrow></mfrac></mrow></math>]]></maths><maths num="0004"><![CDATA[<math><mrow><mi>CD</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mo>|</mo><mo>|</mo><msubsup><mi>I</mi><mi>t</mi><mi>RGB</mi></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><mi>BD</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>·</mo><msubsup><mi>B</mi><mi>t</mi><mi>RGB</mi></msubsup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow></math>]]></maths><maths num="0005"><![CDATA[<math><mrow><msub><mi>D</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mn>1</mn></mtd><mtd><mi>if</mi></mtd><mtd><mo>|</mo><mn>1</mn><mo>-</mo><mi>BD</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>|</mo><mo>></mo><msub><mi>T</mi><mi>bd</mi></msub></mtd></mtr><mtr><mtd></mtd><mtd><mi>or</mi></mtd><mtd><mi>CD</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>></mo><msub><mi>T</mi><mi>cd</mi></msub></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd></mtd><mtd><mi>otherwise</mi></mtd></mtr></mtable></mfenced></mrow></math>]]></maths>在上式中,<img file="FDA000034667171000213.GIF" wi="108" he="83" />(x,y)代表t时刻在位置(x,y)处的背景像素值,该数值是一个三维向量代表该点在RGB空间中的位置;<img file="FDA000034667171000214.GIF" wi="92" he="79" />(x,y)表示当前帧在位置(x,y)处的像素值,T<sub>bd</sub>与T<sub>cd</sub>均为阈值,T<sub>bd</sub>取值为0.25,T<sub>cd</sub>取值为60;Ⅱ.将所述颜色距离图D<sub>t</sub>、边缘信息图B<sub>edge</sub>和纹理特征图B<sub>LBP</sub>通过下述公式运算,得到运动目标图像M;M(x,y)=B<sub>edge</sub>(x,y)∪B<sub>LBP</sub>(x,y)∪D<sub>t</sub>(x,y)Ⅲ.再通过如下公式来判断车辆通过虚拟检测线圈的压线状态;<maths num="0006"><![CDATA[<math><mrow><mi>f</mi><mrow><mo>(</mo><mi>M</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mn>1</mn></mtd><mtd><mi>Sum</mi><mrow><mo>(</mo><mi>M</mi><mo>)</mo></mrow><mo>≥</mo><msub><mi>T</mi><mi>m</mi></msub></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><mi>otherwise</mi></mtd></mtr></mtable></mfenced></mrow></math>]]></maths>其中Sum(M)为统计M图像中非零像素点的总数,T<sub>m</sub>为阈值,T<sub>m</sub>取值为图像M的像素点总数的15%,f(M)为1代表车辆压线,f(M)为0代表车辆没有压线;D.优化车流量统计:对步骤C中车辆通过虚拟检测线圈的压线结果使用动态阈值法来统计标准车流量;E.错误检测:依据现行的交通通行规则作为约束条件来判断各车道每次检测的准确度以及系统中误差累计程度;当累计误差变大后,出现冲突车道同时存在通行车辆时,系统自动复位,重新开始步骤B选择性背景建模,以消除系统累积误差。 |