排队长度检测方法、装置及服务器制造方法及图纸

本发明专利技术提供一种排队长度检测方法、装置及服务器。所述方法包括：将监控图像初步划分为上、下两个检测区域，并对上、下两个检测区域之间的分界线进行自动调整；对下检测区域图像进行车辆定位，得到对应车辆所处车道，并判断该车辆是否静止；若静止，对上检测区域内所述车道在各分段的图像进行处理，得到车辆排队时队尾位置坐标；根据队尾位置坐标及该车道的起始坐标，得到两坐标间的车道线长度，并根据坐标映射关系转换得到对应的排队长度。所述车辆误判率低、检测时间短、人力资源消耗小、排队误检率低、排队长度准确度高、鲁棒性好，能够自动地对两个检测区域的分界线进行调整，能够改善临边车道干扰问题，实现良好的排队长度检测。

Queue Length Detection Method, Device and Server

The invention provides a queue length detection method, a device and a server. The method includes: dividing the monitoring image into upper and lower detection areas initially, and automatically adjusting the demarcation line between the upper and lower detection areas; locating the vehicle image in the lower detection area, getting the lane of the corresponding vehicle, and judging whether the vehicle is still; if still, processing the image of the lane in the upper detection area in each segment, then the method can be used to determine whether the vehicle is still or not. The coordinates of the tail of the queue are obtained when the vehicle is in queue. According to the coordinates of the tail of the queue and the starting coordinates of the lane, the length of the lane line between the two coordinates is obtained, and the corresponding length of the queue is obtained according to the coordinate mapping relationship. The vehicle has low false alarm rate, short detection time, low human resource consumption, low queue false alarm rate, high accuracy of queue length and good robustness. It can automatically adjust the demarcation line of two detection areas, improve the interference problem of side lanes and achieve good queue length detection.

【技术实现步骤摘要】
排队长度检测方法、装置及服务器
本专利技术涉及智能交通领域，具体而言，涉及一种排队长度检测方法、装置及服务器。
技术介绍
随着交通运输业的迅速发展，交通拥堵现象已经愈发严重，尤其以高速公路收费站和城市交通信号灯前的拥堵现象尤为突出。因此对能够合理分流城市道路车辆，控制疏导交通，缓解城市交通阻塞等问题的智能交通系统(IntelligentTransportationSystem，ITS)来说，如何实时获取到准确度高的交通路口车辆排队长度，便是一个极为重要的技术问题。就目前而言，现有的车辆排队长度检测方案是直接通过对监控图像进行帧差值计算处理，并对帧差值变化状况进行分析，从而判断监控图像中车辆的启停信息及对应的排队长度。但这种方案车辆误判率高，检测时间长，人力资源消耗大，未考虑到临边车道车辆对当前车道车辆的影响，排队误检率高，整体的排队判断准确性低，鲁棒性不高。
技术实现思路
为了克服现有技术中的上述不足，本专利技术的目的在于提供一种排队长度检测方法、装置及服务器。所述排队长度检测方法车辆误判率低、检测时间短、人力资源消耗小、排队误检率低、排队长度准确度高、鲁棒性好，能够自动地对监控图像的上、下检测区域的分界线进行调整，并通过对监控图像进行车道标定、分段标定及机器学习算法检测的方式，改善现有技术中临边车道干扰问题，实现良好地排队长度检测。就排队长度检测方法而言，本专利技术较佳的实施例提供一种排队长度检测方法，用于测量卡口监控中车辆的排队长度。所述方法包括：根据监控图像的能量分布将监控图像初步划分为上、下两个检测区域，并根据对下检测区域图像进行机器学习算法检测时的检测时长，对上、下两个检测区域之间的分界线进行自动调整；基于机器学习算法对下检测区域图像内的车辆进行定位，得到所述车辆所处车道的车道信息，并判断所述车辆是否处于静止状态；若所述车辆处于静止状态，对上检测区域内所述车道在各分段的图像进行处理，得到对应分段图像中车辆排队时的队尾位置坐标；根据所述队尾位置坐标及监控图像中所述车道的起始坐标，得到队尾位置坐标与起始坐标之间的车道线长度，并根据图像坐标与实际世界坐标之间的映射关系对所述车道线长度进行转换，得到对应的排队长度。就排队长度检测装置而言，本专利技术较佳的实施例提供一种排队长度检测装置，用于测量卡口监控中车辆的排队长度。所述装置包括：检测区域划分模块，用于根据监控图像的能量分布将监控图像初步划分为上、下两个检测区域，并根据对下检测区域图像进行机器学习算法检测时的检测时长，对上、下两个检测区域之间的分界线进行调整；运动状态判断模块，用于基于机器学习算法对下检测区域图像内的车辆进行定位，得到所述车辆所处车道的车道信息，并判断所述车辆是否处于静止状态；队尾坐标获取模块，用于若所述车辆处于静止状态，对上检测区域内所述车道在各分段的图像进行处理，得到对应分段图像中车辆排队时的队尾位置坐标；排队长度获取模块，用于根据所述队尾位置坐标及监控图像中所述车道的起始坐标，得到队尾位置坐标与起始坐标之间的车道线长度，并根据图像坐标与实际世界坐标之间的映射关系对所述车道线长度进行转换，得到对应的排队长度。就服务器而言，本专利技术较佳的实施例提供一种服务器，所述服务器包括处理器及存储有若干计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述服务器执行上述的排队长度检测方法的步骤。相对于现有技术而言，本专利技术较佳的实施例提供的排队长度检测方法、装置及服务器具有以下有益效果：所述排队长度检测方法车辆误判率低、检测时间短、人力资源消耗小、排队误检率低、排队长度准确度高、鲁棒性好，能够自动地对图像的上、下检测区域的分界线进行调整，并通过对监控图像进行车道标定、分段标定及机器学习算法检测的方式，改善现有技术中临边车道干扰问题，实现良好地排队长度检测。具体地，所述方法根据监控图像的能量分布将监控图像初步划分为上、下两个检测区域，并根据对下检测区域图像进行机器学习算法检测时的检测时长，对上、下两个检测区域之间的分界线进行自动调整的方式，对监控图像的两个图像处理区域进行划分，使划分出的两个检测区域符合当前监控图像中车辆排队情况；所述方法基于机器学习算法对下检测区域图像内的车辆进行定位，得到所述车辆所处车道的车道信息，并判断所述车辆是否处于静止状态；所述方法在所述车辆处于静止状态时，通过对上检测区域内所述车道在各分段的图像进行处理，得到车辆排队时形成的队列中队尾位置所处的分段图像，并从所述分段图像中提取出车辆排队时的队尾位置坐标；所述方法在得到对应的队尾位置坐标后，将根据所述队尾位置坐标及监控图像中所述车道的起始坐标，得到队尾位置坐标与起始坐标之间的车道线长度，从而根据图像坐标与实际世界坐标之间的映射关系对所述车道线长度进行转换，得到准确度高的车辆排队长度。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举本专利技术较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对本专利技术权利要求保护范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术较佳的实施例提供的服务器与至少一个监控设备的交互示意图。图2为图1中所示的服务器的一种方框示意图。图3为本专利技术较佳的实施例提供的排队长度检测方法的一种流程示意图。图4为本专利技术较佳的实施例提供的上、下两个检测区域的划分示意图。图5为图3中步骤S310包括的一部分子步骤的流程示意图。图6为图3中步骤S310包括的另一部分子步骤的流程示意图。图7为图3中步骤S330包括的子步骤的一种流程示意图。图8为图7中子步骤S331包括的子步骤的一种流程示意图。图9为图7中子步骤S333包括的子步骤的一种流程示意图。图10为本专利技术较佳的实施例提供的排队长度检测方法的另一种流程示意图。图11为图10中步骤S309包括的子步骤的一种流程示意图。图12为本专利技术较佳的实施例提供的图2中所示的排队长度检测装置的一种方框示意图。图13为本专利技术较佳的实施例提供的图2中所示的排队长度检测装置的另一种方框示意图。图标：10-服务器；20-监控设备；11-数据库；12-处理器；13-通信单元；100-排队长度检测装置；110-检测区域划分模块；120-运动状态判断模块；130-队尾坐标获取模块；140-排队长度获取模块；150-映射关系建立模块；160-车道分段标定模块。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦本文档来自技高网...

【技术保护点】
1.一种排队长度检测方法，用于测量卡口监控中车辆的排队长度，其特征在于，所述方法包括：根据监控图像的能量分布将监控图像初步划分为上、下两个检测区域，并根据对下检测区域图像进行机器学习算法检测时的检测时长，对上、下两个检测区域之间的分界线进行自动调整；基于机器学习算法对下检测区域图像内的车辆进行定位，得到所述车辆所处车道的车道信息，并判断所述车辆是否处于静止状态；若所述车辆处于静止状态，对上检测区域内所述车道在各分段的图像进行处理，得到对应分段图像中车辆排队时的队尾位置坐标；根据所述队尾位置坐标及监控图像中所述车道的起始坐标，得到队尾位置坐标与起始坐标之间的车道线长度，并根据图像坐标与实际世界坐标之间的映射关系对所述车道线长度进行转换，得到对应的排队长度。

【技术特征摘要】
1.一种排队长度检测方法，用于测量卡口监控中车辆的排队长度，其特征在于，所述方法包括：根据监控图像的能量分布将监控图像初步划分为上、下两个检测区域，并根据对下检测区域图像进行机器学习算法检测时的检测时长，对上、下两个检测区域之间的分界线进行自动调整；基于机器学习算法对下检测区域图像内的车辆进行定位，得到所述车辆所处车道的车道信息，并判断所述车辆是否处于静止状态；若所述车辆处于静止状态，对上检测区域内所述车道在各分段的图像进行处理，得到对应分段图像中车辆排队时的队尾位置坐标；根据所述队尾位置坐标及监控图像中所述车道的起始坐标，得到队尾位置坐标与起始坐标之间的车道线长度，并根据图像坐标与实际世界坐标之间的映射关系对所述车道线长度进行转换，得到对应的排队长度。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：建立图像坐标与实际世界坐标之间的映射关系；基于图像坐标对监控图像中各车道及各分段进行标定。3.根据权利要求2所述的方法，其特征在于，所述基于图像坐标对监控图像中各车道及各分段进行标定的步骤包括：根据监控图像中各车道对应的车道线的起始坐标及终止坐标，对各车道线进行定位，以完成对各车道的标定；根据监控图像中各车道线的位置信息及车辆在对应车道内排满时靠近图像下边缘的车辆宽度信息，计算得到各车辆的长度信息，并按照各车辆的长度信息从下往上地对所述监控图像进行分段处理，以完成对各分段的标定。4.根据权利要求1所述的方法，其特征在于，所述根据监控图像的能量分布将监控图像初步划分为上、下两个检测区域的步骤包括：对监控图像进行采样，并利用滑动窗口对采样后得到的图像进行滑动处理；对滑动窗口内的图像进行二次采样和多个任意方向的梯度处理，得到所述滑动窗口内的图像对应的能量比值信息；将能量比值大于第一能量比例阈值的区域转换为对应的连通域，选取图像中最上方连通域的上边缘的纵坐标对应的直线，作为初步划分上、下两个检测区域的分界线。5.根据权利要求4所述的方法，其特征在于，所述根据对下检测区域图像进行机器学习算法检测的检测时长，对上、下两个检测区域之间的分界线进行自动调整的步骤包括：对下检测区域内的图像进行基于机器学习算法的检测，并将对应的检测时长与预设检测时长进行比较；若对应的检测时长大于预设检测时长，则将分界线向下移动对应分段的距离，并返回上述对下检测区域内的图像进行检测的步骤继续执行，直至对应的检测时长小于预设检测时长，以完成对上、下两个检测区域之间的分界线进行自动调整。6.根据权利要求1所述的方法，其特征在于，所述基于机器学习算法对下检测区域图像内的车辆进行定位，得到所述车辆所处车道的车道...

【专利技术属性】
技术研发人员：周敏敏，
申请(专利权)人：浙江宇视科技有限公司，
类型：发明
国别省市：浙江,33