本发明专利技术提供一种基于车辆数目与车流速度的高速公路拥堵检测方法，包括：统计出车辆数目；计算车流速度；根据车辆数目和车流速度，判断高速公路上的拥堵状况。本发明专利技术不会带来非车辆特征点，可以避免大部分误差，只是选取一定的车辆（小于等于阈值N）区域，所以计算量大大减少，基于TIDM8127相机平台，发明专利技术测试352×288 cif格式的视频达到15fps（帧每秒），实现实时准确检测。
【技术实现步骤摘要】
本专利技术涉及视频监控的智能应用领域。
技术介绍
到2014年底,高速公路通车总里程达到11.2万公里，已超过美国跃居世界第一，2015年高速公路还需2.33万公里(含地方高速)。由于里程如此之大，实时发现高速公路因塌陷、滑坡、车辆事故等原因造成的拥堵，已成为高速公路管理部门及交通部门急切想要解决的难题。现有技术中，有一些对高速公路的车辆拥堵进行判断的方法，例如，采用前景与背景分离的方法，提取高速公路上的车辆，判断拥堵，或者直接采用两帧相减的方式；也有先采用GMM背景建模，再每帧视频与背景模型相减的方式提取检测区域车辆信息。不管哪一种，对环境的变化都很敏感，而暴露在室外的高速公路环境非常恶劣。比如：下雨、下雪、太阳照射、雾天都会对上述算法造成影响，结果出现大的偏差。又或者，直接对视频图像的检测区域进行光流特征点跟踪分析，检测出车流的运行速度，通过车流速度判断道路拥堵状况，但是，该方法基于整个视频光流不变性，存在以下缺点，首先，算法复杂，又需要对整个检测区域全检测，所以速度难以做到实时，其次，因为光照变化等影响，会检测到大量非车辆的特征点，而且难以排除，造成算法结果出现偏离，所以，该算法整体速度慢，存在误差。高速公路上单一的车辆数据不能信任拥堵判断，需要增加车流速度检测。通过视频检测车流速度的一般处理方式是采用轨迹分析，但是由于轨迹跟踪只能描述目标的运动趋势，用来描述车辆速度准确度不够。另外一种处理方式是采用整幅图的光流场来求取，整个算法需要计算的图像面积大，导致计算量大、速度慢，并且容易受到非车辆部分光流场干扰，比如公路路基、隔离带等等。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于车辆数目与车流速度的高速公路拥堵检测方法，能够克服
技术介绍
中的问题，解决高速公路拥堵的检测问题。本专利技术解决技术问题所采用的技术方案是：一种基于车辆数目与车流速度的高速公路拥堵检测方法，包括以下步骤：1）对高速公路的图像中的车辆进行精确检测，统计出车辆数目；2）从统计结果中选择一定量的车辆区域，并计算车流速度；3）根据步骤1）和步骤2）的车辆数目和车流速度，判断高速公路上的拥堵状况。在采用上述技术方案的同时，本专利技术还可以采用或者组合采用以下进一步的技术方案：所述车辆数目的检测首先包括离线训练阶段，所述离线训练阶段具体包括以下步骤：1.1）手动标记海量数据的正负样本；1.2）在标记好的正负样本中挑选能进行区分的特征；1.3）将能区分的特征形成特征平面。所述车辆数目的检测还包括在线检测阶段，所述在线检测阶段具体包括：计算测试样本位于所述特征平面的哪一侧，区分样本是否是车辆，从而检测出车辆。所述车辆检测步骤中采用基于Haar-like特征的Adaboost分类检测器。所述车流速度的计算步骤包括：2.1）根据车辆数目的检测结果，获取部分车辆区域；2.2）计算该部分车辆区域的角点；2.3）在相邻帧对上述角点进行跟踪；2.4）统计上述角点的平均速度，得到平均车流速度。所述高速公路上拥堵状况的判断具体包括：根据步骤1）中检测的车辆数目设定阈值一，根据步骤2）中计算的车流速度设定阈值二，将阈值一和阈值二与设定值比较，判断高速公路的拥堵状况。本专利技术的有益效果是：本专利技术主要基于高速公路视频，利用分类检测器，在视频检测区域检测出车辆个数。在这些检测到的车辆中随机抽取一定数量的车辆，对车辆对应抽取区域进行特征点（车辆的角点特征）光流跟踪,计算出车辆区域光流平均速度，之所以提取一定数量车辆，是因为光流计算复杂，这样可以减少计算量。当车辆特征点光流跟踪计算出的平均速度（即车流速度）小于预设值，且第一步检测的车辆数大于预设值时，判断高速公路进入拥堵状态。当车辆特征点光流跟踪计算出的平均速度小于预设值，而第一步检测的车辆数小于预设值时，判断为疑似高速拥堵。本专利技术通过采集大量不同环境样本，训练出车辆Adaboost检测器，都是对单帧图像里检测区域的车辆直接进行检测。经测试，该专利技术可以克服上述问题，偏差小，鲁棒性优，具体性能详细方案中列出。并且，本专利技术在检测之前已提取的车辆区域，不会带来非车辆特征点，可以避免大部分误差，同时只是选取一定的车辆（小于等于阈值N）区域，所以计算量大大减少。基于TIDM8127相机平台，专利技术测试352×288cif格式的视频达到15fps（帧每秒），实现实时准确检测。附图说明图1是本专利技术的整体流程图。图2是本专利技术的车辆数目检测的框架图。图3是本专利技术的车流速度计算的框架图。具体实施方式参照附图。本专利技术的一种基于车辆数目与车流速度的高速公路拥堵检测方法，包括以下步骤：1）对高速公路的图像中的车辆进行精确检测，统计出车辆数目；2）从统计结果中选择一定量的车辆区域，并计算车流速度；3）根据步骤1）和步骤2）的车辆数目和车流速度，判断高速公路上的拥堵状况。本专利技术的整体流程如图1所示，首先，从高速公路的监控摄像中提取相应的视频，对视频中的图像通过车辆检测器对车辆数目进行检测，结合车辆数目检测结果对图像中车辆区域的光流场进行跟踪，再根据车辆数目检测结果和车流平均速度统计，进行结果判断，得到高速公路拥堵的判断结果。步骤1）中的所述车辆数目的检测首先包括离线训练阶段，所述离线训练阶段具体包括以下步骤：1.1）手动标记海量数据的正负样本；1.2）在标记好的正负样本中挑选能进行区分的特征；1.3）将能区分的特征形成特征平面。所述车辆数目的检测还包括在线检测阶段，所述在线检测阶段具体包括：计算测试样本位于所述特征平面的哪一侧，区分样本是否是车辆，从而检测出车辆。所述车辆检测步骤中采用基于Haar-like特征的Adaboost分类检测器，高速公路环境相对简单，训练好的车辆检测器能达到96%以上的准确率。高速公路车辆检测部分，用局部特征，组成分类器来检测车辆。过程分为：分类器离线训练和在线检测两部分，如图2所示。离线训练先手动标记巨量的正负样本，再在这些标记好的正负样本中，挑选出能区分这两类样本的特征。这些被挑选的特征形成最终特征平面。在线检测就是利用先前形成的特征平面，计算输入测试样本位于平面的哪一侧，即可以区分输入样本是否是车辆，从而检测出车辆。先将从监控视频的图像中采集到的样本（包括车辆样本和非车辆样本）利用积分图计算其矩形特征，得到矩形特征集，在矩形特征集中扫描分类错误率最低时对应的阈值，生成对应特征的弱分类器，并得到弱分类器集，调用Adaboost算法迭代，每次迭代选择错误率最低的弱分类器作为最优分类器，结果加权生成强分类器，并得到强分类器集，根据强分类器集对错误识别的非车辆图片进行归类得到非车辆图片集，将非车辆图片集加入到非车辆样本中便于以后的分类。对图像样本进行整体积分，通过强分类器形成的级联分类器计算自创口中对应级联分类器的所有特征，计算对应分类器每本文档来自技高网...
【技术保护点】
一种基于车辆数目与车流速度的高速公路拥堵检测方法，其特征在于：包括以下步骤：1）对高速公路的图像中的车辆进行精确检测，统计出车辆数目；2）从统计结果中选择一定量的车辆区域，并计算车流速度；3）根据步骤1）和步骤2）的车辆数目和车流速度，判断高速公路上的拥堵状况。
【技术特征摘要】
1.一种基于车辆数目与车流速度的高速公路拥堵检测方法，其特征在于：包括以下步骤：
1）对高速公路的图像中的车辆进行精确检测，统计出车辆数目；
2）从统计结果中选择一定量的车辆区域，并计算车流速度；
3）根据步骤1）和步骤2）的车辆数目和车流速度，判断高速公路上的拥堵状况。
2.如权利要求1所述的一种基于车辆数目与车流速度的高速公路拥堵检测方法，其特征在于：所述车辆数目的检测首先包括离线训练阶段，所述离线训练阶段具体包括以下步骤：
1.1）手动标记海量数据的正负样本；
1.2）在标记好的正负样本中挑选能进行区分的特征；
1.3）将能区分的特征形成特征平面。
3.如权利要求2所述的一种基于车辆数目与车流速度的高速公路拥堵检测方法，其特征在于：所述车辆数目的检测还包括在线检测阶段，所述在线检测阶段具体包括：计算测试样本位于所述特征平面的哪一侧，区分样...
【专利技术属性】
技术研发人员：石旭刚，欧阳忠清，刘嘉，
申请(专利权)人：杭州中威电子股份有限公司，
类型：发明
国别省市：浙江;33
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。