一种基于图像信息熵的交通参数自动提取方法

摘要

本发明公开了一种基于图像信息熵的交通参数自动提取方法。首先，从彩色视频序列中提取图像帧，并利用混合高斯背景建模方法获得背景图像。其次，利用图像纹理信息对检测区域图像进行预处理。然后，利用图像信息熵与自适应阈值相结合的方法，进行车辆存在检测。最后，计算车辆数、交通流、车道占有率和空间平均速率三个交通参数。实施结果表明，本发明提出的方法解决了运动车辆阴影以及环境光线变化对交通参数提取造成干扰的问题，有效地提高了交通参数提取的准确性。

主权项

1.一种基于图像信息熵的交通参数自动提取方法，其特征在于，所述方法包括：1)从彩色视频序列中读取一帧原始图像F_n，并采用混合高斯背景建模算法提取背景图像B_n；2)分别从当前图像帧F_n与背景图像B_n中提取相应检测区域图像FR_n和BR_n；3)将图像FR_n和BR_n由RGB色彩空间转换为YC_rC_b色彩空间，并提取亮度空间图像FRY_n和BRY_n；4)将图像FRY_n和BRY_n做纹理均方差运算，并将该结果进行二值化处理，从而得到二值图DB_n；纹理均方差运算的方法为：$d_T(x,y)=\frac{1}{(2M+1)(2N+1)}\underset{u=0}{\overset{2M}{\Sigma }}\underset{v=0}{\overset{2N}{\Sigma }}[R_{(x,y),\mathrm{FRY}}(u,v)$$-R_{(x,y),\mathrm{BRY}}(u,v){]}^2,\begin{array}{c}M\le x\le X-M-1\\ N\le y\le Y-N-1\end{array}$其中，X，Y为图像尺寸，R_(x，y)(u，v)的计算方法为：$R(u,v)=\frac{(2M+1)(2N+1)}{(2M+1-u)(2N+1-v)}$$\times \frac{{\Sigma }_{m=0}^{2M-u}{\Sigma }_{n=0}^{2N-v}I(m,n)I(m+u,n+v)}{{\Sigma }_{m=0}^{2M}{\Sigma }_{n=0}^{2N}{I}^2(m,n)},\begin{array}{c}0\le u\le 2M\\ 0\le v\le 2N\end{array}$其中，u，v分别为m，n方向上的坐标，2M+1，2N+1为图像块的尺寸，I(m，n)为坐标点(m，n)处像素点的像素值；二值图DB_n的计算方法为：${\mathrm{DB}}_n(x,y)=\left\{\begin{array}{cc}1& d_T(x,y)>{\tau }_T\\ 0& d_T(x,y)\le {\tau }_T\end{array}\right.,\begin{array}{c}M\le x\le X-M-1\\ N\le y\le Y-N-1\end{array}$其中，τ_T是设定阀值；5)计算检测区域内的车辆呈现度W_n以及自适应阈值τ_n；车辆呈现度W_n的计算方法为：W_n＝P_V×H其中，P_v的计算方法为：$P_v=\frac{K_{\mathrm{ab}}}{K}$其中，K_ab为动态图块的个数，动态图块为含有动态点的图块，动态点定义为二值图DB_n中像素值为1的像素点，K为检测区域所分成的图块个数；H的计算方法为：$H=\underset{i=1}{\overset{k}{\Sigma }}{p}_i\exp (1-p_i)$其中，N_i为每个图块中动态点的数目；自适应阈值τ_n的计算方法为：${\tau }_n=\frac{1}{K_{\mathrm{ab}}}{\Sigma }_{i=1}^{K_{\mathrm{ab}}}{p}_i+\sqrt{{\Sigma }_{i=1}^{K_{\mathrm{ab}}}{(p_i-\frac{1}{K_{\mathrm{ab}}}{\Sigma }_{i=1}^{K_{\mathrm{ab}}}{p}_i)}^2}i=1,...,K_{\mathrm{ab}}$6)比较数值W_n与τ_n，进行判断，检测区域内若存在车辆，则将当前帧标识符I_n置为1；若检测区域内不存在车辆，则将当前帧标识符I_n置为0；W_n与τ_n的比较方法为：$I_n=\left\{\begin{array}{cc}1& W_n\ge {\tau }_n\\ 0& W_n<{\tau }_n\end{array}\right.$7)从视频序列中新读入一帧原始图像F_n+1，重复执行步骤2至步骤6，最终得到标识符结果为I_n+1；8)通过比较I_n+1与I_n，判定车辆数Q_car是否进行累加，并相继计算交通流q，车道占有率O，空间平均速率v_s三项交通参数；9)车辆数Q_car的计算方法为：其中I_n-1为前一帧标识符，I_n为当前帧标识符；10)交通流q的计算方法为：$q=\frac{Q_{\mathrm{car}}}{T_d}$其中，T_d为观测时间；11)车道占有率O的计算方法为：$O=\frac{T_p}{T_d};$$T_p=\frac{N_f}{\mathrm{Fr}}$其中，T_p为车辆通过检测区域的时间累计值，N_f为在观测时间T_d内标识符I_n＝1的帧数目，Fr为帧率；12)空间平均速率v_s的计算方法为：$v_s=\frac{Q_{\mathrm{car}}(L+d)}{T_p}$其中，L为检测区域的长度，d为通过车辆的平均长度。