一种高点视频监控拥堵事件检测方法技术

本发明专利技术属于交通拥堵事件检测领域，具体公开一种高点视频监控拥堵事件检测方法，针对架设高度在几十米的高点监控摄像头，利用人工标定监控摄像头拍摄的视频中的一帧图像的需要检测跟踪的道路ROI区域，并将ROI区域分割成若干分段ROI区域；基于传统的背景建模和前景检测技术和帧间差分方法检测ROI区域中的静止前景目标像素和运动前景目标像素，所述目标像素为车辆；计算单帧图像内的静止前景目标像素和运动前景目标像素的空间占有率；设定连续多帧图像为一个采样周期，计算采样周期内的静止车辆目标和运动车辆目标的空间占有率，并对采样周期内拥堵状态进行判断；最后进行长时域空间拥堵统计分析和判定拥堵事件。拥堵统计分析和判定拥堵事件。拥堵统计分析和判定拥堵事件。

【技术实现步骤摘要】
一种高点视频监控拥堵事件检测方法


[0001]本专利技术涉及交通拥堵事件检测领域，特别是一种高点视频监控拥堵事件检测方法。

技术介绍

[0002]随着中国城市快速发展，越来越多的人口向城市聚集，城市人口快速增长。由于人们生活水平提高，私家车保有量告诉增长，城市交通状况越来越糟糕，交通拥堵成为城市交通顽疾。这样的情况在区域中心城市更加的突出。而在交通拥堵事件背后隐含的事件，是什么原因导致的交通拥堵，如何更快的解决交通拥堵，如何采取有力措施预防交通拥堵，是目前城市发展必须要重视的问题。
[0003]导致交通拥堵的原因有很多：红绿灯信号设置不合理，车辆引流不合理高峰期大量车辆涌入，交通事故或者车辆抛锚导致道路不通畅。为了及时解决这些问题，及时快速的发现交通拥堵事件是首先要解决的问题。
[0004]目前交警部分有专人负责交通状况巡检，目的就是为了及时发现交通拥堵事件。但是碍于人力不足，难以应付众多的路段。一个区域中心城市，上千个路口，却只有不到10人在轮询监控。一天之内只能覆盖不到20％的重点路段。而现实中，天网工程的建设已经很完善，重点路段，路口都有摄像头监控。如何充分利用视频监控，利用图像技术实时的感知交通拥堵事件，及时上报是解决以上问题的关键。
[0005]在众多的监控摄像头中，假设高度在几十米的高点视频监控对拥堵事件的检测具备以下两点的明显优势：大视野(一个摄像头可以覆盖多个路段区域)，具备大全局观(一个设摄像头可以覆盖一条路的完整路段，相比于假设高度在5～8米的低点摄像头，具备更好的全局观，对一个完整路段的拥堵情况的把握更加准确)。利用好高点监控摄像头，用于交通拥堵事件检测，是更加准确(大全局观)，性价比更高(大视野)的交通拥堵事件检测解决方案。
[0006]高点视频检测场景具备：大视野和大全局观两个显著的特点。但是其缺点也很明显：目标小，难以做目标检测，基于检测跟踪技术难以满足工程化应用。
[0007]因此，如何充分利用高点视频视频监控，利用图像技术实时的感知交通拥堵事件，及时上报是解决以上问题的关键。

技术实现思路

[0008]本专利技术的目的是要解决现有技术中存在的不足，提供一种高点视频监控拥堵事件检测方法。
[0009]为达到上述目的，本专利技术是按照以下技术方案实施的：
[0010]一种高点视频监控拥堵事件检测方法，利用固定架设高度在几十米的高点监控摄像头拍摄的视频进行交通拥堵检测，包括以下步骤：
[0011]S1、人工标定监控摄像头拍摄的视频中的一帧图像的需要检测跟踪的道路ROI区
域，并将ROI区域分割成若干分段ROI区域；
[0012]S2、基于传统的背景建模和前景检测技术和帧间差分方法检测ROI区域中的静止前景目标像素和运动前景目标像素，所述目标像素为车辆；
[0013]S3、计算单帧图像内的静止前景目标像素和运动前景目标像素的空间占有率；
[0014]S4、设定连续多帧图像为一个采样周期，计算采样周期内的静止车辆目标和运动车辆目标的空间占有率，并对采样周期内拥堵状态进行判断；
[0015]S5、长时域空间拥堵统计分析和判定。
[0016]进一步地，所述S1中ROI区域分割的具体步骤包括：
[0017]S11、所述人工标注ROI区域为多个点围城的任意形状的多边形，取任意多边形ROI区域的每个边的中心点；
[0018]S12、找到距离最远的两个中心点，并以此两点连成一条线段L；
[0019]S13、将这条线段L平均拆分成N等分，并计算出N-1个点，并通过这N-1个点做垂直于线段L的N-1条直线；
[0020]S14、通过S13所述的N-1条直线，计算N-1条直线和ROI区域边缘的交点，将完整的ROI分成近乎均分的N份分段ROI区域。
[0021]进一步地，所述S3具体包括：
[0022]S31、计算单帧图像内分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率：
[0023]分别计算每个分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率，针对每个分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率设定阈值，当该分段ROI区域的区域的静止前景目标像素和运动前景目标像素的空间占有率大于设定的阈值时，认定该分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率分别为1，即得到处理后的每个分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率；
[0024]S32、通过平滑处理计算出完整ROI区域的静止前景目标像素和运动前景目标像素的空间占有率：
[0025]如果一个分段ROI区域的前后两个分段ROI区域的静止前景目标像素或运动前景目标像素的空间占有率都是1，则该分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率均为1。
[0026]进一步地，所述S4的具体步骤如下：
[0027]S41、波动异常判定
[0028]对于一个采样周期连续N帧画面计算出静止车辆目标和运动车辆目标的空间占有率组成的N维向量[spr1～sprn]，空间占有率变化梯度计算公式：
[0029][0030]设置一个梯度变化的阈值grad_thresh，当求得的空间占有率梯度grad>grad_thresh时，即判断发生异常波动；
[0031]S42、采样周期空间占有率计算
[0032]当通过异常波动判定模块，确定没有异常波动后，分别对一个采样周期连续N帧画面计算出静止车辆目标和运动车辆目标的空间占有率组成的N维向量[spr1～sprn]，通过平滑处理和向上取均值处理，计算采样周期内静止车辆目标和运动车辆目标的空间占有率，采用均值滤波的方式进行平滑处理，均值滤波公式为：
[0033][0034]经过平滑处理后的空间占有率[sprm1～sprmn]，经过向上取均值的方式求采样周期内静止车辆目标和运动车辆目标的空间占有率，向上取均值计算公式：
[0035][0036]如式(3)所示，经过平滑处理后的空间占有率[sprm1～sprmn]，求其平均值avg(sprm1～sprmn)，然后对[sprm1～sprmn]中所有大于均值的元素求均值，得到采样周期内静止车辆目标和运动车辆目标的空间占有率；
[0037]S43、采样周期拥堵判定
[0038]针对计算得到的静止车辆目标的空间占有率sprs，配置两个阈值sprs_min和sprs_max，其中sprs_max>sprs_min，针对计算得到的运动车辆目标空间占有率sprm，配置两个阈值sprm_min和sprm_max，通过公式(4)所示的判定逻辑判断采样周期内是否发生了拥堵事件；
[0039]sprs＞sprs_max||sprm＞sprm_max||(sprs＞sprs_min&&sprm＞sprm_min) (4)。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高点视频监控拥堵事件检测方法，其特征在于，利用固定架设高度在几十米的高点监控摄像头拍摄的视频进行交通拥堵检测，包括以下步骤：S1、人工标定监控摄像头拍摄的视频中的一帧图像的需要检测跟踪的道路ROI区域，并将ROI区域分割成若干分段ROI区域；S2、基于传统的背景建模和前景检测技术和帧间差分方法检测ROI区域中的静止前景目标像素和运动前景目标像素，所述目标像素为车辆；S3、计算单帧图像内的静止前景目标像素和运动前景目标像素的空间占有率；S4、设定连续多帧图像为一个采样周期，计算采样周期内的静止车辆目标和运动车辆目标的空间占有率，并对采样周期内拥堵状态进行判断；S5、长时域空间拥堵统计分析和判定。2.根据权利要求1所述的高点视频监控拥堵事件检测方法，其特征在于，所述S1中ROI区域分割的具体步骤包括：S11、所述人工标注ROI区域为多个点围城的任意形状的多边形，取任意多边形ROI区域的每个边的中心点；S12、找到距离最远的两个中心点，并以此两点连成一条线段L；S13、将这条线段L平均拆分成N等分，并计算出N-1个点，并通过这N-1个点做垂直于线段L的N-1条直线；S14、通过S13所述的N-1条直线，计算N-1条直线和ROI区域边缘的交点，将完整的ROI分成近乎均分的N份分段ROI区域。3.根据权利要求1所述的高点视频监控拥堵事件检测方法，其特征在于，所述S3具体包括：S31、计算单帧图像内分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率：分别计算每个分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率，针对每个分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率设定阈值，当该分段ROI区域的区域的静止前景目标像素和运动前景目标像素的空间占有率大于设定的阈值时，认定该分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率分别为1，即得到处理后的每个分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率；S32、通过平滑处理计算出完整ROI区域的静止前景目标像素和运动前景目标像素的空间占有率：如果一个分段ROI区域的前后两个分段ROI区域的静止前景目标像素或运动前景目标像素的空间占有率都是1，则该分段ROI区域的静止前景目标像素和运动前景目标像素的空间占有率均为1。4.根据权利要求1所述的高点视频监控拥堵事件检测方法，其特征在于，所述S4的具体步骤如下：S41、波动异常判定对于一个采样周期连续N帧画面计算出静...

【专利技术属性】
技术研发人员：韩梦江，陈杰，
申请(专利权)人：博云视觉北京科技有限公司，
类型：发明
国别省市：