基于视频的城市道路交通拥堵检测系统技术方案

基于视频的城市道路交通拥堵检测系统，本发明专利技术涉及图像识别领域，其旨在解决现有用于交通拥堵检测的视频图像系统，存在易受环境影响，不易维护，安装时破坏原有交通设备，实时性差，数据准确度低且图像识别误差较大等技术问题。该发明专利技术主要包括读取视频以及预处理视频，以获取视频帧；对获取的视频帧进行背景建模，获得背景帧序列和前景帧序列；对与背景帧序列同帧的前景帧序列进行检测并提取运动目标，并在平滑滤波处理后按前景帧序列保存单帧前景图片；按前景帧序列顺序播放单帧前景图片并对运动目标进行滤波跟踪，以获得道路中车辆情况；根据车辆情况和/或运动目标的前景帧序列，计算并得出交通参数。本发明专利技术用于搭建精度较高的交通拥堵视频检测系统。

【技术实现步骤摘要】

本专利技术涉及图像识别领域，具体涉及一种基于视频的城市道路交通拥堵检测系统。
技术介绍
当今，城市中的车辆数目与日俱增，与此同时，城市道路上的负载也加重，城市道路规划的速度明显低于车辆增加的速度，车路矛盾日渐突出。交通拥堵现象已经存在于大中城市内，不仅给城市道路危害，而且给社会带来巨大损失。通常情况下，交通参数包括：路面空间占有率指在某一时间段内，一段道路上所有交通车辆的面积之和和观测路面的比值；车速是指在单位时间内车辆在道路上行驶的距离，在讨论道路上的交通问题的时候一般采用许多车辆的平均速度，而不是一辆车的瞬时速度或者是一辆车的平均速度,而在讨论城市道路中的交通车辆的车速时，由于车辆的速度都是很均匀统一的，所以用一辆车的车速可以代替道路的平均车速；车流量在单位时间内通过某个横截面的车辆的数目；排队长度是指在道路上的某一个断点开始，车辆在道路上的排队长度。一般情况下，道路交通拥堵程度和车辆在道路上的排队长度呈正相关性，但是也不能排除车辆在等待交通红绿灯时的排长队的特殊情况；交通密度是指在某一时刻道路上的车辆数目与所观测的道路长度的比值。所以，能够实时、有效地检测道路拥堵问题是顺应社会发展的需要。若要对交通拥堵进行预警和避免，必须要对交通拥堵进行正确的检测。现有的交通拥堵检测方法主要利用超声波传感器进行检测、利用GPS定位技术进行拥堵检测，此外还有地感线圈检测、环形线圈检测、微波检测等手段，但是这些传统的检测方法中都存在着一些不足之处，例如进行检测的投资成本高、容易损坏、难于维护等缺点。利用视频图像技术检测交通拥堵，相比传统的检测方法，其检测范围广、破坏性小、易于维护、能克服环境背景的变化、行人及天气的影响的特点更适合当今社会对城市道路交通拥堵检测的需要。但是，目前视频图像处理在智能交通中的应用，主要集中在对交通参数的提取，而对视频流中的交通拥挤状态的检测很少涉及。然而，本系统则是利用视频图像处理技术，对获取到的交通运行状况视频进行处理，得到能够判断交通是否拥堵的参数信息，进而对拥堵等级进行检测。
技术实现思路
针对上述现有技术，本专利技术目的在于提供一种基于视频的城市道路交通拥堵检测系统，其旨在解决现有用于交通拥堵检测的视频图像系统，存在易受环境影响，不易维护，安装时破坏原有交通设备，实时性差，数据准确度低且图像识别误差较大等技术问题。为达到上述目的，基于视频的城市道路交通拥堵检测系统，其方法步骤如下：读取视频以及预处理视频，以获取视频帧；将获取的视频帧进行背景建模，获得背景帧序列和前景帧序列；对与背景帧序列同帧的前景帧序列进行检测并提取运动目标，并在平滑滤波处理后按前景帧序列保存单帧前景图片；按前景帧序列顺序播放单帧前景图片并对运动目标进行卡尔曼滤波跟踪以获得道路中车速，以及根据运动目标的前景帧序列计算并得出路面占有率以及路面占有率离差平方值和/或车流量；利用模糊C均值聚类算法对路面占有率以及路面占有率离差平方值和/或车流量进行聚类，分别计算并得出与对应聚类中心的欧式距离；所获得的欧式距离再结合车速,进行交通拥堵等级检测和划分。上述方案中，优选地，所述的进行平滑滤波处理，包括进行中值滤波处理和/或进行均值滤波处理和/或进行高斯滤波处理和/或进行形态学滤波处理。在得到的初步运动前景中会有很多噪声，在城市道路两旁的树叶因为风吹而运动的原因，有时也会当做是运动的目标检测出来，但是检测到的树叶在前景中只是很小像素点的前景，分布比较稀疏，可以通过去噪算法将这些对系统检测结果形成干扰的噪声去掉。另外，检测到的运动目标的前景轮廓的周围会有一些噪声，影响整个轮廓的提取，也需要去噪方法将这些噪声去掉。上述方案中，还包括根据得出的交通参数，进行交通拥堵等级检测。国家划定的拥堵等级的依据是道路中车辆的速度，本系统在设计时除了运动车速作为限定条件之外，同时还利用聚类C均值算法，将路面占有率和路面占有率的离差平方值进行聚类；利用这两个条件对交通拥堵状况进行划分，增加了检测的准确性和可信性。上述方案中，优选地，所述的预处理视频，包括检测视频的格式并获取视频的帧率、播放长度、帧高度和宽度属性。根据系统的特点，在读取交通视频的时候需要读取.avi格式的视频；如用户在读取视频的时候不符合格式要求，则提醒用户读取合适格式的视频；预处理操作主要获帧率、播放长度、帧高度与宽度等基本属性，以方便后边步骤对视频帧图像的处理。上述方案中，所述的对获取的视频帧进行背景建模，包括对获取的视频帧录制背景和/或前景视频帧，获取已录制的背景和/或前景帧数，获取已录取的背景和/或前景时间，并进行混合高斯背景建模和/或平均建模。选择正确合适的背景模型，能够使检测到的前景目标更加接近目标真实的轮廓形状和参数信息，而且也使检测的结果更加可靠；混合高斯背景建模方法是根据像素点符合的高斯分布来叠加的，对光照和天气等噪声的影响不是很大。上述方案中，优选地，所述的混合高斯背景建模，背景的来源是对较长一段时间内背景像素点的密度统计进行分析得出的，该方法是基于统计的一种方法，计算的复杂度较大；因为现实环境中，道路交通的背景是很复杂的，所以背景像素的呈现规律大多出现多峰的情况；对于多峰的情况，每个像素点的颜色变化规律并不是有单个的高斯分布来确定的，而是由多个高斯分布在不同权重的情况下叠加决定的；在处理彩色图像时，一般采用R，G,B的形式来描述像素点颜色信息，像素点X(x1,x2,x3...xn)是由在n个不同高斯分布情况下的信息叠加而成的，xn＝(rn,gn,bn)，p(xn)=Σi=1kωi,n×η(xn,μi,n,τi,n)---(E1)]]>η(xn,μi,n,τi,n)=1|τi,n|1/2e-12(xn-μi,n)Tτ-1i,n(xn-τi,n)---(E2)]]>τi,n＝δi,n2I(E3)式中每个像素点有K个高斯分布函数叠加而成，η(xn,μi,n,τi,n)为第n时刻第i个高斯分布，ωi,n是其权重，μi,n为均值，δi,n为方差，τi,n为协方差矩阵，I为三维单位矩阵。上述方案中，优选地，所述的平均建模该方法是将所需要的检测帧的相同位置的像素点值和背景中相同位置的像素点值相减，得到要检测的前景；此方法对光照的变化比较敏感；背景中像素点u(x,y)，待检测的像素点为T(x,y)，前景本文档来自技高网...

【技术保护点】
基于视频的城市道路交通拥堵检测系统，其特征在于，采用如下步骤：读取视频以及预处理视频，以获取视频帧；将获取的视频帧进行背景建模，获得背景帧序列和前景帧序列；对与背景帧序列同帧的前景帧序列进行检测并提取运动目标，并在平滑滤波处理后按前景帧序列保存单帧前景图片；按前景帧序列顺序播放单帧前景图片并对运动目标进行卡尔曼滤波跟踪以获得道路中车速，以及根据运动目标的前景帧序列计算并得出路面占有率以及路面占有率离差平方值；利用模糊C均值聚类算法对路面占有率以及路面占有率离差平方值进行聚类，分别计算并得出与对应聚类中心的欧式距离；所获得的欧式距离再结合车速,进行交通拥堵等级检测和划分。

【技术特征摘要】
1.基于视频的城市道路交通拥堵检测系统，其特征在于，采用如下步骤：
读取视频以及预处理视频，以获取视频帧；
将获取的视频帧进行背景建模，获得背景帧序列和前景帧序列；
对与背景帧序列同帧的前景帧序列进行检测并提取运动目标，并在平滑滤波处理后按前景帧序列保存单帧前景图片；
按前景帧序列顺序播放单帧前景图片并对运动目标进行卡尔曼滤波跟踪以获得道路中车速，以及根据运动目标的前景帧序列计算并得出路面占有率以及路面占有率离差平方值；
利用模糊C均值聚类算法对路面占有率以及路面占有率离差平方值进行聚类，分别计算并得出与对应聚类中心的欧式距离；
所获得的欧式距离再结合车速,进行交通拥堵等级检测和划分。
2.根据权利要求1所述的基于视频的城市道路交通拥堵检测系统，其特征在于，所述的预处理视频，包括检测视频的格式并获取视频的帧率、播放长度、帧高度和宽度属性。
3...

【专利技术属性】
技术研发人员：李云霞，康波，杨红宇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51