一种多车道车辆轨迹时空图的自动生成方法技术

本发明专利技术涉及一种多车道车辆轨迹时空图的自动生成方法。首先通过摄像机离线标定获取摄像机内外参数、根据实际监控需求设置感兴趣区域，并在车流上游起始位置设置三条虚拟检测带；然后基于这三级虚拟检测带进行车辆特征点的提取并按车辆分组，进行特征点跟踪与分组修正并完成车辆轨迹的高精度提取，进而为每条车道自动生成驶过车辆的纵向时空轨迹图并生成一幅含所有车道的横向时空轨迹图，最后自动判断是否处于车道线修正阶段，如果是则基于轨迹聚类法自动修正车道线位置。与现有技术相比，本发明专利技术所述方法提高了目标亮度变化的鲁棒性，提高了车辆检测与轨迹跟踪的精度，能够很好地实现车道线的在线自动修正，避免车辆轨迹点所属车道号的错误判断。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及。首先通过摄像机离线标定获取摄像机内外参数、根据实际监控需求设置感兴趣区域，并在车流上游起始位置设置三条虚拟检测带；然后基于这三级虚拟检测带进行车辆特征点的提取并按车辆分组，进行特征点跟踪与分组修正并完成车辆轨迹的高精度提取，进而为每条车道自动生成驶过车辆的纵向时空轨迹图并生成一幅含所有车道的横向时空轨迹图，最后自动判断是否处于车道线修正阶段，如果是则基于轨迹聚类法自动修正车道线位置。与现有技术相比，本专利技术所述方法提高了目标亮度变化的鲁棒性，提高了车辆检测与轨迹跟踪的精度，能够很好地实现车道线的在线自动修正，避免车辆轨迹点所属车道号的错误判断。【专利说明】
本专利技术属交通运输监控
，利用计算机视频处理技术及模式识别技术自动提取道路运动车辆轨迹，在此基础上自动判别车辆所属车道并生成各车道车辆轨迹纵向时空图和路段横向时空图。
技术介绍
车辆轨迹时空图是车辆行驶过程中的“时间-位置”坐标表示，其中通常取时间为横坐标轴，车辆在车道中的空间位置(纵向或横向)为纵坐标轴。车辆轨迹时空图在交通
中具有重要应用价值。不仅可为交通流量、交通密度、平均速度以及车辆旅行时间等多种交通参数的获取提供统一的支持平台，也能够为交通波检测及交通流特性分析提供高效支持。车辆轨迹时空图的生成以车辆的定位与跟踪技术为基础。现有的车辆轨迹定位与跟踪技术主要有GPS技术以及视频图像处理技术等。但基于GPS的车辆轨迹定位与跟踪技术需要车载装置的支持，并且其定位精度往往不能很好地精确到车道级别，因此其应用受到很大限制；基于视频的车辆检测与跟踪技术能够很好地解决这些问题，并且具有获取信息量丰富、设备成本低廉、安装维护方便等优点，因而在目前交通监控领域中应用最为广泛。传统的视频车辆检测跟踪方法主要有基于运动前景提取与跟踪的方法和基于特征点提取与跟踪的方法等。基于运动前景提取与跟踪的方法能够在车流畅通时很好地获取车辆运行轨迹，然而当出现交通拥堵、车流缓慢以及相互遮挡情况时，该方法的效果会急剧下降甚至失效。基于特征点提取与跟踪的方法能够较好地解决这一问题，但其计算量大，在没有特殊硬件支持的条件下算法实时性较差，同时来自于相邻车辆运动特征高度相似的干扰以及车辆活动阴影的干扰也在很大程度上影响了特征点所属车辆的准确判断并降低了车辆跟踪的精度。
技术实现思路
本专利技术的目的在于克服现有技术在精度和速度上的不足，提供一种适用于交通监控与分析、能够快速自动生成高精度多车道车辆轨迹时空图的方法，不但可为交通领域研究人员提供一种切实有效的基础研究工具，同时也为交通监控性能和交通分析能力的进一步提闻提供有力支持。为实现上述目的，本专利技术采取以下技术方案:以来自道路交通监控固定摄像机的视频序列为输入，所述道路交通监控固定摄像机的水平朝向与车流方向允许存在一定角度θ，0< Θ <90。首先通过摄像机离线标定获取摄像机内外参数、根据实际监控需求设置感兴趣区域(亦可为整幅图像)，并在车流上游起始位置设置三条虚拟检测带；工作过程中基于这三级虚拟检测带进行车辆特征点的提取并结合Adaboost智能分类器实现特征点的按车辆分组，然后进行特征点跟踪与分组修正并完成车辆轨迹的高精度提取，进而为每条车道自动生成驶过车辆的纵向(沿车道方向)时空轨迹图并生成一幅含所有车道的横向(垂直于车道方向)时空轨迹图，最后自动判断是否处于车道线修正阶段，如果是则基于轨迹聚类法自动修正车道线位置。—种多车道交通时空轨迹图的自动生成方法，其特征在于包括以下步骤:步骤I，设置初始参数。步骤1.1，根据实际监控需求设置感兴趣区域并手工指定各车道线的初始位置。步骤1.2，设置垂直于车道的虚拟检测带。在感兴趣区域内车辆上游位置设置三条垂直于车道的虚拟检测带，各条检测带在垂直车道线方向均贯穿路面的感兴趣区域，各条检测带的高度，即沿车道线方向的尺寸为hVDL, hVDL << hE0I, hE0I为感兴趣区域的高度，即沿车道线方向的尺寸。步骤1.3，对摄像机进行标定以获取内外参数。步骤2，在帧图像中基于三级虚拟检测带进行车辆特征点的自动提取和按车辆分组。读入道路交通监控摄像机的视频序列图像，并在帧图像中基于三级虚拟检测带进行车辆特征点的自动提取和按车辆分组。首先对三级虚拟检测带进行局部背景建模，然后以三级递增的形式提取驶入车辆的前景特征点，并在车辆驶离第三级检测带时利用Adaboost智能分类器进行车辆识别并根据识别结果对特征点进行分组。Adaboost智能分类器的施用位置由三级虚拟检测带生产的三级PVIs (Panoramic View Images,全景视图)确定。具体方法如下:步骤2.1，基于局部变更新率背景建模提取局部前景并消除活动阴影。(I)对三级虚拟检测带进行变更新率局部动态背景建模。本专利技术设计了更新率自适应的动态混合高斯背景建模方法，对各虚拟检测带内的每个像素，根据其在最近历史帧中的采样值{Χ^Χ2，...，-}采用K (通常K e {3，4，5})个高斯分布的叠加来进行建模。使用历史帧进行背景建模后，对于新像素值Xt+1按《卩/0卩降序与该点各高斯分布进行匹配。对匹配成功的高斯分布更新如下:【权利要求】1.一种多车道交通时空轨迹图的自动生成方法，其特征在于包括以下步骤: 步骤1，设置初始参数；包括设置感兴趣区域、手工指定各车道线的初始位置、在车流上游位置设置三条垂直于车道的虚拟检测带1、2、3和对摄像机进行参数标定； 步骤2，在帧图像中基于三级虚拟检测带进行车辆特征点的自动提取和按车辆分组； 步骤2.1，基于局部变更新率背景建模提取局部前景并消除活动阴影； (1)对三级虚拟检测带进行变更新率局部动态背景建模； 对各虚拟检测带内的每个像素，根据其在最近历史帧中的采样值以1，#，…，-}采用K个高斯分布的叠加进行建模；然后，对新像素值Xt+1按i t降序与该点各高斯分布进行匹配；对匹配成功的高斯分布更新如下: 【文档编号】G06K9/66GK103903019SQ201410146310【公开日】2014年7月2日 申请日期:2014年4月11日 优先权日:2014年4月11日 【专利技术者】陈阳舟, 任建强, 辛乐, 石建军, 李宝同, 刘逸男 申请人:北京工业大学本文档来自技高网...

【技术保护点】
一种多车道交通时空轨迹图的自动生成方法，其特征在于包括以下步骤：步骤1，设置初始参数；包括设置感兴趣区域、手工指定各车道线的初始位置、在车流上游位置设置三条垂直于车道的虚拟检测带1、2、3和对摄像机进行参数标定；步骤2，在帧图像中基于三级虚拟检测带进行车辆特征点的自动提取和按车辆分组；步骤2.1，基于局部变更新率背景建模提取局部前景并消除活动阴影；（1）对三级虚拟检测带进行变更新率局部动态背景建模；对各虚拟检测带内的每个像素，根据其在最近历史帧中的采样值{X1,X2,…,Xt}采用K个高斯分布的叠加进行建模；然后，对新像素值Xt+1按ωi,t/σi,t降序与该点各高斯分布进行匹配；对匹配成功的高斯分布更新如下：ωi,t+1=(1-α)ωi,t+αμi,t+1=(1-ρ)μi,t+ρXt+1σi,t+12=(1-ρ)σi,t2+ρ(Xt+1-μi,t)2ρ=αη(Xt+1|μi,t,σi,t)]]>对未匹配的高斯分布，均值和方差保持不变，权值更新为ωi,t+1＝(1‑α)ωi,t，α为Log‑Sigmoid型动态自适应更新速率，计算公式如下：α=α01+e-β(l-ξ)]]>式中，α0为交通畅通时的更新速率；β决定Log‑Sigmoid型函数的陡度；l为由步骤3跟踪程序反馈而来的车体区域特征点组位置到虚拟检测带3的最小像素距离；ξ为车辆间距估计值，取为场景中车辆平均长度统计值，基于前2级虚拟检测带中心线生成的当前时刻之前的PVIs计算得到，公式如下：ξ=1mΣi=1mΔd·liFs·(ti2-ti1)]]>式中，m为两级PVIs中成功匹配的车辆Blob（前景块）个数，li为第i个Blob长度，和分别为第i辆车在两级PVIs中的Blob中心t坐标，Δd为两级虚拟带的距离，Fs为帧频；对于与任何分布匹配均不成功的新像素值Xt+1，以Xt+1为均值、以一个较大值为方差构造一个新的高斯分布并代替ωi,t/σi,t最小的分布来完成更新；对各高斯分布按ωi,t/σi,t降序选取前B个分布作为当前点的背景模型，其中：B=argminb(Σk=1bωi,t>T)]]>式中，T为计入背景的最小阈值；（2）提取局部前景并消除活动阴影；基于背景差分法分割各虚拟检测带上的活动前景，并采用前景像素值与对应位置处的背景像素值的局部纹理特征相似性原理有效去除前景中包含的车辆活动阴影；步骤2.2，提取特征点并按车辆进行分组；（1）提取特征点；利用文献Tomasi方法，在三级虚拟检测带的局部前景图像序列中对驶过的车辆进行易跟踪特征点的逐级递增式提取，充分保障车辆前景特征点的提取效果；（2）对特征点按车辆进行分组；基于三级虚拟检测带生成三级前景PVIs并结合Adaboost智能分类器进行特征点的按车分组；具体方法如下：首先，按下式方法分别将视频序列在三级虚拟检测带中心线上的前景像素信息以时间顺序依次排列生成三级前景PVIs：Ptk=Xkt,k∈{1,2,3}Ptk=[Pt,0k,Pt,1k,···,Pt,Nk]TXkt=[X0,ykt,X1,ykt,···,XN,ykt]]]>其中，为第k级PVI的t时刻列像素向量，为第k级虚拟检测带中心线位置的t时刻像素向量，N为虚拟检测带中心线的像素级长度，yk为第k级虚拟检测带中心线y坐标；然后，在目标刚刚驶离第三级检测带时，利用Adaboost智能分类器在原始图像中进行车辆识别并根据识别结果对特征点进行分组；Adaboost智能分类器在原始图像中的施用区域由该目标在三级PVIs中的Blob（下面记为Bk,k∈{1,2,3}）及相互匹配情况来确定；施用区域左下顶点图像坐标及区域宽度wAdaboost计算如下：xLbAdaboost=xLbB3yLbAdaboost=y3wAdaboost=wB3]]>其中，为B3外接矩形的左下角顶点图像坐标，y3为第三级虚拟检测带中心线y坐标，为B3外接矩形的宽度；施用区域高度hAdaboost的计算，分为如下三种情况：第1种情况：目标在三级PVIs中形成的前景块B3、B2和B1均相互匹配成功，则：hAdaboost=lB3·|y3-y2|(t3-t2)·Fs]]>其中，为B3外接矩形的长度，y2为第二级虚拟检测带中心线y...

【技术特征摘要】

【专利技术属性】
技术研发人员：陈阳舟，任建强，辛乐，石建军，李宝同，刘逸男，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11