【技术实现步骤摘要】
本专利技术属于交通状态识别领域,具体涉及。技术背景交通状态识别系统的目的是监视并理解场景中交通状况,为交通参与者提供可靠的交通状况信息,使得交通参与者可以选择更好的交通路线。到目前为止,已形成了以利用地面感应线圈、超声波、微波多普勒效应、红外检测等为手段的一系列交通状况识别方法。这些方法原理简单,物理概念清晰明确,实现起来比较容易,但是存在硬件系统复杂,安装工程量大,系统的环境适应能力较差,维修不便等缺陷,在实际使用中不能够广泛使用。目前基于视频的方法手段得到道路交通状况需要交通流量、速度测试、车辆排队长度等多个交通参数,计算量大,并且实时性不强。BP神经网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。
技术实现思路
针对现有技术的不足和缺陷,本专利技术的目的在于,提供,该方法建立于不同焦距视频图像的基础上,检测出车辆的速度以及道路灰度参数,通过BP神经网络训练,达到识别交通状态的目的,从而为预测未来某个时刻的交通状态起到良好的参考作用。`本专利技术的技术方案是这样实现的:—种基于不同焦距视频图像融合的交通状态识别方法,包括以下步骤:步骤一,安装摄像机S10,在道路旁不同位置安装第一摄像机和第二摄像机,调整两个摄像的镜头对准道路同一个位置,且两个摄像机的焦距不同;步骤二,灰度特征参数的获取步骤S20,对第一摄像机采集的视频图像序列 ...
【技术保护点】
一种基于不同焦距视频图像融合的交通状态识别方法,其特征在于,包括以下步骤:步骤一,安装摄像机S10,在道路旁不同位置安装第一摄像机和第二摄像机,调整两个摄像的镜头对准道路同一个位置,且两个摄像机的焦距不同;步骤二,灰度特征参数的获取步骤S20,对第一摄像机采集的视频图像序列进行灰度化处理;步骤S21,对灰度化处理后的视频图像序列进行多帧平均法提取背景,背景提取公式为:B(x,y)=1NΣk=1NFk(x,y)式中,B(x,y)表示背景图像的灰度值,Fk(x,y)表示第k帧视频图像的灰度值,N为第一摄像机初始化后采集的视频图像的帧数,N的取值为90~110;步骤S22,通过帧差法实现背景更新,具体步骤如下:获取第一摄像机采集的第i帧与第i?1帧视频图像,i>N+1,按照以下公式分别进行处理:Di(x,y)=|Fi(x,y)?Fi?1(x,y)|Ti(x,y)=1,Di(x,y)≥Thi-10,Di(x,y)<Thi-1上式中,Fi(x,y)、Fi?1(x,y)分别表示第i帧、i?1帧视频图像的灰度值,Thi?1为背景更新阈值,该阈值利用自适应阈 ...
【技术特征摘要】
1.一种基于不同焦距视频图像融合的交通状态识别方法,其特征在于,包括以下步骤: 步骤一,安装摄像机 S10,在道路旁不同位置安装第一摄像机和第二摄像机,调整两个摄像的镜头对准道路同一个位置,且两个摄像机的焦距不同; 步骤二,灰度特征参数的获取 步骤S20,对第一摄像机采集的视频图像序列进行灰度化处理; 步骤S21,对灰度化处理后的视频图像...
【专利技术属性】
技术研发人员:赵祥模,徐志刚,李娜,尚旭明,孟凡林,赵佳乐,刘慧琪,闵海根,
申请(专利权)人:长安大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。