本发明专利技术的目的在于提供一种基于道路路面图像特征识别的交通流量和占有率的信息获取方法，该方法是使用低照度DSP相机（标清或高清）做为采集、运算装置，逐帧采集图片，相机架设在路面上方，实时采集监测区域道路路面特征变化信息，利用相机自带的高速处理器对采集的图像进行处理；针对道路路面图像特征，设计了BP神经网络识别法来进行实时识别，通过识别道路路面图像特征被车辆遮挡、覆盖情况来获取交通车流量、车辆平均速度和车辆时间占有率等主要参数。本方法用于实时、准确获取道路中车辆行驶信息，做为交通信号控制、交通诱导控制系统的输入，可以降低交通整体延误，提高交通服务水平。
【技术实现步骤摘要】
【专利摘要】本专利技术的目的在于提供一种基于道路路面图像特征识别的交通流量和占有率的信息获取方法，该方法是使用低照度DSP相机（标清或高清）做为采集、运算装置，逐帧采集图片，相机架设在路面上方，实时采集监测区域道路路面特征变化信息，利用相机自带的高速处理器对采集的图像进行处理；针对道路路面图像特征，设计了BP神经网络识别法来进行实时识别，通过识别道路路面图像特征被车辆遮挡、覆盖情况来获取交通车流量、车辆平均速度和车辆时间占有率等主要参数。本方法用于实时、准确获取道路中车辆行驶信息，做为交通信号控制、交通诱导控制系统的输入，可以降低交通整体延误，提高交通服务水平。【专利说明】蔓性。采用地感线圈检测磁通量变化有相当暮要破坏路面，相对容易损坏且维护起来非:方便。采用传统的视频检测识别车辆主要、夜间灯光影响，从而在一些时候检测精度參数使用。微波雷达检测低速目标时精度较络面图像特征识别的交通流量和占有率的行驶信息，做为交通信号控制、交通诱导控I服务水平。做为采集、运算装置，逐帧采集图片，相机？征变化信息，利用相机自带的高速处理器:，设计了 8？神经网络识别法来进行实时识盒情况来获取交通车流量、车辆平均速度和由路边的标线组成，包括分隔标线、导向箭带、新旧路面交界纹理、路面色差形成的图的直线和箭头组成，相对于灰黑色的柏油路可以利用路面标线的清晰的轮廓特征，来进机采集的路面标线是呈直线和箭头的组合諸一般是汽车的特征，和标线的箭头轮廓特获覆盖来检测当前车道是否有车辆，具有良-个高速的II处理器，当相机实时采集路I化，图像增强，然后再求图像的轮廓特征，I表法，查表法是将两个介于0?255之间的口相减的值，如果大于255的取255，小于0多成了快算运算的可以查找的表。求得路面3路面特征图片轮廓图进行二值化，得到具I化图。中按误差逆传播算法训练的多层前馈网络，本专利技术的优点如下: 本专利技术具有对传统视频检测方法的干扰源进行有效过滤的优点，既可单独使用获得良好的检测效果，也可与传统的虚拟线圈或基于模型的视频检测方法复用，在任何气象条件下极高提升视频检测准确度。本方法具有不用破坏道路路面、成本低、维护方便、可实时视频监视、检测的准确率高等优点。此外，本产品升级容易，可在使用过程中可以不断优化采集算法。本方法可用于城市、高速等路口、路段交通数据采集，特别是可以解决长期困扰交通信号控制线圈易损坏的缺点，对于畅通城市、智慧城市建设有重要意义。【专利附图】【附图说明】 图1系统装置工作示意图； 图2本专利技术的总体流程图； 图3图像处理流图； 图4 8？网络的训练流程； 图5 8？网络的识别过程； 图6道路路面特征。【具体实施方式】下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。参见图1，为某路口实施本专利技术的工作示意，图中以标准的3车道为例，将低照度03？相机架设道路路面上方6.5米左右高的横杆上，输入12？电源，通过网线连接路口的电源控制柜里的以太网交换机，以太网交换机可以连接有线传输的光纤，或者是3(}无线路由器。通过嵌入了本专利技术涉及算法的相机获取的实时车流量，时间占有率和车辆平均速度信息先通过网线传输到以太网交换机及目标机。根据实际情况，可以选择有线光纤传输，或者是36无线传输。此外，相机1/0 口数据、1？8485数据可按相应接口协议传输到信号控制机或其它应用设备。在夜间，或者白天光线相对比较暗时，低照度03？相机会根据需要，打开补光灯，给路面补光，以此来提高识别路面特征的准确率，智能相机可以控制补光灯的打开和关闭。结合图2显示的本专利技术方法的总流程，当某个车道，低照度03？相机实时采集图片，然后03？处理器开始进行图像灰度化，图像增强，图像快速求轮廓，将轮廓图进行二值化，将二值化图送到8？神经网络进行识别，得出当前是路面标识是否被汽车遮挡或覆盖，递推判定当前路面是否有车辆存在。统计一段时间内通过的车辆数，计算车辆行驶时间占有率；通过计算车辆通过的时间，得到车辆瞬时行驶速度，或计算得到一段时间的平均速度。具体实施步骤如下: 步骤1:采用低照度高清或标清03？相机在车道路面上方6.0--9.0米左右，实时采集路面特征图片。步骤2:当相机实时采集路面图片以后，01648处理器获取图像的原始数据，然流程，得到路面特征的二值图。丨勺二值图。训练完成后是一组权值，保存在,通过和上一步得到的权值进行运算，传到蔓据输出层，计算、判断输出的结果。过程如，计算车辆行驶时间占有率；通过计数车辆沿一段时间的平均速度。结果变化到有覆盖或有遮挡的结果时记下汗寺续到识别结果变化为无覆盖或遮挡的时産挡或覆盖到有遮挡或覆盖时，汽车的流量红有时间厶I = 12 -11。将一分钟内的每I勺60秒，就计算时间占有率1(6印按如下公 也意图包含这些改动和变形。【权利要求】1.一种基于道路路面特征识别的交通流量和占有率的信息获取方法， 步骤1:采用低照度高清或标清03？相机在车道路面上方6.0--9.0米左右朝实时采集路面特征图片； 步骤2:通过相机的处理器获取图像的原始数据，然后进行图像处理后，得到代表路面特征的二值图； 步骤3:将步骤2得到代表路面特征的二值图作为8？神经网络识别的输入，采用8？神经网络识别法计算，得出已设定区域路面特征是否被车辆遮挡，递推判定当前路面是否有车辆存在； 步骤4:统计一段时间内通过设定区域的车辆数，计算车辆行驶时间占有率；通过计数车辆通过设定区域的时间，得到车辆区间行驶速度，或计算得到一段时间的平均速度，具体步骤如下: 4.1根据当前路面特征从无覆盖或遮挡的结果变化到有覆盖或有遮挡的结果时记下时间为II，然后路面特征有覆盖或有遮挡的状态持续到识别结果变化为无覆盖或遮挡的时候记下此时时间为丁2 ； 4.2当有一次识别路面特征从无遮挡或覆盖到有遮挡或覆盖时，汽车的流量如！11进行加1，而这辆车在经过这个路段断面的占有时间厶I = 12 -11 ； 4.3将一分钟内的每辆车的八X相加得到1(单位秒)，除以60秒，计算得到时间占有率 1(661): 1(661) = 1/60 ； 4.4在测速时，假定两目标识别区域距离为3，通过两目标区域的时差为八I'，则车辆行驶速度为 得到每分钟的车流量如II1、时间占有率1(661)和车辆行驶速度。2.根据权利要求1所述的基于道路路面特征识别的交通流量和占有率的信息获取方法，所述步骤2具体过程如下: 首先，将三通道的彩色图转为单通道的灰度图像，进行图像增强； 然后，快速求图像的轮廓特征:使用查表法，将两个介于犷255之间的整数，相加和相减的值，如果大于255的取255，小于0的取0，把这个值存到一个事先申请的数组中，形成快算运算的可查找表； 最后，求得路面轮廓特征后，统计灰度图像的像素平均值，作为二值化的阈值，对轮廓图进行二值化，得到代表路面特征的二值图。3.根据权利要求1所述的基于道路路面特征识别的交通流量和占有率的信息获取方法，所述步骤3的8？神经网络识别法计算过程如下: 3.1提取训练样本，得到识别路面特征的权值:样本分为正样本和负样本，正样本是没有车辆遮挡的路面特征图，负样本是有汽车遮挡的路面特征图；对正、负样本进行图像处理，得到本文档来自技高网...
【技术保护点】
一种基于道路路面特征识别的交通流量和占有率的信息获取方法，步骤1：采用低照度高清或标清DSP相机在车道路面上方6.0‑‑9.0米左右朝实时采集路面特征图片；步骤2：通过相机的处理器获取图像的原始数据，然后进行图像处理后，得到代表路面特征的二值图；步骤3：将步骤2得到代表路面特征的二值图作为BP神经网络识别的输入，采用BP神经网络识别法计算，得出已设定区域路面特征是否被车辆遮挡，递推判定当前路面是否有车辆存在；步骤4：统计一段时间内通过设定区域的车辆数，计算车辆行驶时间占有率；通过计数车辆通过设定区域的时间，得到车辆区间行驶速度，或计算得到一段时间的平均速度，具体步骤如下：4.1根据当前路面特征从无覆盖或遮挡的结果变化到有覆盖或有遮挡的结果时记下时间为T1，然后路面特征有覆盖或有遮挡的状态持续到识别结果变化为无覆盖或遮挡的时候记下此时时间为T2；4.2当有一次识别路面特征从无遮挡或覆盖到有遮挡或覆盖时，汽车的流量Num 进行加1，而这辆车在经过这个路段断面的占有时间△T = T2 ‑T1；4.3将一分钟内的每辆车的△T相加得到T(单位秒),除以60秒，计算得到时间占有率Keep：Keep = T/60 ;4.4在测速时，假定两目标识别区域距离为S，通过两目标区域的时差为△T，则车辆行驶速度为 V=S/△T 得到每分钟的车流量Num 、时间占有率Keep和车辆行驶速度。...
【技术特征摘要】
【专利技术属性】
技术研发人员：戴高，汪然，藏道东，
申请(专利权)人：重庆攸亮科技有限公司，
类型：发明
国别省市：重庆;85
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。