【技术实现步骤摘要】
本专利技术涉及图像分析，更具体地说，本专利技术涉及一种基于图像分析的高速公路监控系统。
技术介绍
1、随着城市化的不断推进，人们经常会遇到交通拥堵以及交通事故。为此，高速公路的建设已成为解决交通问题的重要手段之一。高速公路的建设能够缩短城市间的距离，促进人们之间的交流和往来，但同时也带来了一系列的安全问题。
2、为了保障高速公路的安全，一种基于图像分析的高速公路监控系统，采用摄像头采集公路图像信息，通过图像识别算法对图像进行处理，实现对车辆的监控和管理，从而提高了路面的交通安全。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于图像分析的高速公路监控系统，通过图像识别算法对图像进行处理，实现对车辆的监控和管理，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案，一种基于图像分析的高速公路监控系统，包括图像采集和处理模块、车辆检测模块、车牌识别模块、车辆位置框定模块、交通流量统计模块，以及违章检测模块；
3、图像采集和处理模块：将监控摄像头布设在高速公路各个位置，进行高速公路车流量的图像采集和图像增强处理；
4、车辆检测模块：利用图像处理技术，对图像中的车辆进行检测和跟踪，识别出车辆的位置、行驶状态信息；
5、车牌识别模块：通过图像识别技术，对车辆的车牌进行自动识别，获取车辆的牌照信息；
6、车辆位置框定模块：通过对生成的候选区域进行回归预测，对车辆位置进
7、交通流量统计模块：根据车辆检测和跟踪结果，将车道进行划分实时统计不同路段的交通流量；
8、违章检测模块：通过图像处理算法识别交通违章行为，并自动抓拍违章车辆的图像。
9、在一个优选地实施方式中，所述图像采集和处理模块，将监控摄像头布设在高速公路各个位置，负责捕捉交通场景的图像，将摄像头捕捉到的图像通过网络传输到后台处理系统，利用直方图均衡化方法对传输过来的图像进行图像增强，具体步骤如下：
10、步骤1、图像采集：将监控摄像头布设在高速公路各个位置，负责捕捉交通场景的图像，根据监控摄像头的布设位置，规划监测区域，监测区域用于对车辆的移动情况进行监测，通过对监测区域内车辆的移动情况进行监测和分析，得到目标监测集；
11、步骤2、图像预处理：完成步骤1图像采集后，对传输过来的图像进行图像增强，优化后续的分析效果，通过调整图像像素值分布来增强图像对比度，将原始图像中的像素值映射到一个新的像素值空间，在新的像素值空间中，使图像像素值的分布更加均匀，具体步骤如下：
12、步骤201、对于一幅大小为m×n的图像f(x,y)，直方图h(r)的计算公式如下：
13、
14、其中，h(r)表示直方图，m和n表示图像的大小，δ(·)表示kronecker delta函数，表示当f(x,y)＝r时，函数值为1，否则为0；
15、步骤202、在进行直方图均衡化时，输出像素值s，具体计算公式为：
16、
17、
18、其中，s表示输出像素值，l表示灰度级数目，mn表示图像的总像素数，cumulative(r)表示像素值的累积分布函数。
19、在一个优选地实施方式中，所述车辆检测模块，利用图像处理技术，对图像中的车辆进行检测和跟踪，识别出车辆的位置、行驶状态信息，通过不断地迭代预测和更新步骤，实现对车辆的连续跟踪，具体步骤如下：
20、步骤1、车辆检测：基于特征的分类器，在图像中准确定位和识别车辆，对于一幅大小为m×n的图像i(x,y)，将其分块，对于每个候选框r表示为(x,y,w,h)，其中(x,y)是左上角点的坐标，w是宽度，h是高度，提取其特征向量f，使用分类器模型进行判断，得到是否为车辆的置信度s，具体计算公式如下：
21、s＝wf+b，
22、其中，s表示车辆的置信度，w表示分类器的权重向量，b表示偏置项，f表示特征向量，当s大于设置的阈值，则认为该候选框包含车辆；
23、步骤2、车辆跟踪：完成步骤1车辆检测后，基于卡尔曼滤波器在图像序列中连续追踪车辆的位置和运动状态，通过车辆检测方法获得初始的车辆位置和大小，将其作为初始状态x，对于每个时刻t，根据当前的观测值zt和先前时刻的状态估计xt-1，使用卡尔曼滤波器进行状态预测和更新，具体步骤如下：
24、步骤201、预测步骤计算公式如下：
25、
26、
27、其中，表示时刻t预测的观测值，f是状态转移矩阵，ft表示状态转移逆矩阵，表示时刻t预测状态协方差矩阵，xt-1表示先前时刻的状态估计，pt-1表示先前时刻的状态协方差矩阵，q表示过程噪声协方差矩阵；
28、步骤202、更新步骤计算公式如下：
29、
30、
31、其中，zt表示时刻t当前的观测值，xt表示初始状态，表示时刻t预测的观测值，kt表示时刻t更新后的车辆位置，表示时刻t预测状态协方差矩阵，f是状态转移矩阵，p表示状态协方差矩阵，q表示过程噪声协方差矩阵，h表示观测矩阵，ht表示观测逆矩阵，r表示观测噪声协方差矩阵。
32、在一个优选地实施方式中，所述车牌识别模块，通过图像识别技术，对车辆的车牌进行自动识别，获取车辆的牌照信息，通过图像分割算法，定位图像中的车牌区域，将原始彩色图像转换为灰度图像，对边缘强度图像进行二值化处理，将车牌区域中的字符进行分割，得到单个字符图像，根据识别得到的字符标签按照车牌的排列规则进行拼接，得到最终的车牌号码，具体包括以下步骤：
33、步骤1、图像转换：将原始彩色图像转换为灰度图像，对rgb三个通道的像素值进行加权平均得到灰度图像，具体计算公式如下：
34、gray＝0.299×r+0.587×g+0.114×b，
35、其中，r、g、b分别表示红色、绿色、蓝色通道的像素值，0.299、0.587、0.114是对应的加权系数，gray为计算得到的灰度值；
36、步骤2、二值化处理：步骤1图像转换后，对灰度图像应用拉普拉斯算子，得到边缘强度图像，进行二值化处理，使用选定的拉普拉斯核对灰度图像进行卷积操作，通过将核与图像的每个像素点进行逐点相乘，求和得到该像素点的新值，将边缘强度高于设定的阈值t的像素设置为白色(255)，低于阈值的像素设置为黑色(0)，具体计算公式如下：
37、l(x,y)＝∑[f(x,y)×w(x,y)]，
38、其中，l(x,y)表示图像的拉普拉斯变换结果，f(x,y)表示图像的灰度值，w(x,y)表示拉普拉斯核；
39、步骤3、字符分割：完成步骤2二值化处理后，通过计算灰度图像水平方向上相邻两行的像素点和之差，确定字符间的间隔和边界，将车牌区域中的字符进行分割，得到单个字符图像，具体计算公式如本文档来自技高网...
【技术保护点】
1.一种基于图像分析的高速公路监控系统，其特征在于：包括图像采集和处理模块、车辆检测模块、车牌识别模块、车辆位置框定模块、交通流量统计模块，以及违章检测模块；
2.根据权利要求1所述的一种基于图像分析的高速公路监控系统，其特征在于：所述图像采集和处理模块，通过对监测区域内车辆的移动情况进行监测和分析，得到目标监测集，将摄像头捕捉到的图像通过网络传输到后台处理系统，利用直方图均衡化方法，对传输过来的图像进行图像增强，具体计算公式如下：
3.根据权利要求1所述的一种基于图像分析的高速公路监控系统，其特征在于：所述车辆检测模块，使用分类器模型在图像中准确定位和识别车辆，基于卡尔曼滤波器在图像序列中连续追踪车辆的位置和运动状态，通过车辆检测方法获得初始的车辆位置和大小，使用卡尔曼滤波器进行状态预测和更新，具体计算公式如下：
4.根据权利要求1所述的一种基于图像分析的高速公路监控系统，其特征在于：所述车牌识别模块，通过图像分割算法，定位图像中的车牌区域，将原始彩色图像转换为灰度图像，进行二值化处理，将车牌区域中的字符进行分割，得到单个字符图像，通过支持向
5.根据权利要求4所述的一种基于图像分析的高速公路监控系统，其特征在于：所述将车牌区域中的字符进行分割，得到单个字符图像，通过计算灰度图像水平方向上相邻两行的像素点和之差，确定字符间的间隔和边界，具体计算公式如下：
6.根据权利要求4所述的一种基于图像分析的高速公路监控系统，其特征在于：所述通过支持向量机算法对提取的特征和样本标签进行训练，利用最大化间隔来寻找最优的超平面，使得同一类字符的样本落在同一边，不同类字符的样本分隔开，具体计算公式如下：
7.根据权利要求4所述的一种基于图像分析的高速公路监控系统，其特征在于：所述车辆位置框定模块，通过卷积神经网络提取图像中的特征，将整个特征映射展开成一个向量，使用RPN模型生成候选区域，在图像上滑动窗口预测锚框与感兴趣目标区域之间的边界框偏移量，具体计算公式如下：
8.根据权利要求1所述的一种基于图像分析的高速公路监控系统，其特征在于：所述交通流量统计模块，根据车道线的端点坐标，将其划分为左侧车道线、右侧车道线和中央分隔线，通过分割车辆和背景，找到道路区域，在道路区域内，检测车道线，根据道路的几何信息，将车道分割出来，统计交通流量，包括车辆数量、车速信息，具体计算公式如下：
9.根据权利要求1所述的一种基于图像分析的高速公路监控系统，其特征在于：所述违章检测模块，使用光流法来计算运动向量，获取车辆的运动信息，判断车辆是否存在逆向行驶行为，根据车辆的位置和车道线的位置，判断车辆是否存在压线行为，计算车辆与最近的车道线之间的距离，并与预设的安全间隔进行比较，当距离小于安全间隔，判定车辆存在压线行为，具体计算公式如下：
...【技术特征摘要】
1.一种基于图像分析的高速公路监控系统，其特征在于：包括图像采集和处理模块、车辆检测模块、车牌识别模块、车辆位置框定模块、交通流量统计模块，以及违章检测模块；
2.根据权利要求1所述的一种基于图像分析的高速公路监控系统，其特征在于：所述图像采集和处理模块，通过对监测区域内车辆的移动情况进行监测和分析，得到目标监测集，将摄像头捕捉到的图像通过网络传输到后台处理系统，利用直方图均衡化方法，对传输过来的图像进行图像增强，具体计算公式如下：
3.根据权利要求1所述的一种基于图像分析的高速公路监控系统，其特征在于：所述车辆检测模块，使用分类器模型在图像中准确定位和识别车辆，基于卡尔曼滤波器在图像序列中连续追踪车辆的位置和运动状态，通过车辆检测方法获得初始的车辆位置和大小，使用卡尔曼滤波器进行状态预测和更新，具体计算公式如下：
4.根据权利要求1所述的一种基于图像分析的高速公路监控系统，其特征在于：所述车牌识别模块，通过图像分割算法，定位图像中的车牌区域，将原始彩色图像转换为灰度图像，进行二值化处理，将车牌区域中的字符进行分割，得到单个字符图像，通过支持向量机算法对提取的特征和样本标签进行训练，根据识别得到的字符标签按照车牌的排列规则进行拼接，得到最终的车牌号码，具体计算公式如下：
5.根据权利要求4所述的一种基于图像分析的高速公路监控系统，其特征在于：所述将车牌区域中的字符进行分割，得到单个字符图像，通过计算灰度图像水平方向...
【专利技术属性】
技术研发人员：苏世鹏，周军，姜建礼，黄喜，
申请(专利权)人：图为信息科技深圳有限公司，
类型：发明
国别省市：
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。