一种基于图像信息熵的多车道车流量检测方法技术

一种基于图像信息熵的多车道车流量检测方法，利用图像信息熵来统计多车道车流数量，其步骤为：（１）视频采集，获取多车道的交通状况图像信息；（２）自动获取检测框，图像预处理后，通过图像分割和Ｈｏｕｇｈ变换，并结合消失点，获得符合透视关系的检测框；（３）实时地统计每个梯形车道检测框的图像信息熵值；（４）通过对车道检测框的图像信息熵值与该车道的自适应阈值大小的比较，确定该车道是否有车辆通过；（５）统计所有车道的车辆通过信息从而得到整条道路的车流量。本发明专利技术方法具有良好的实时性和准确性，同时可以有效地排除光照和天气对检测结果的不利影响，即在光照及天气环境变化的情况下具有良好的鲁棒性。

【技术实现步骤摘要】

本专利技术涉及智能交通中利用视频的车流量检测，特别涉及基于图像信息熵的多车道车流 量检测方法。
技术介绍
基于视频技术的交通信息采集与检测作为智能交通系统中重要组成部分，己经成为计算 机视觉技术应用的一项重要课题。基于视频的道路交通监测系统具备直接与现有交通监控系 统结合、检测范围大、安装使用灵活、维护费用低等特点，具有广阔的应用前景。目前常用的基于视频的车流检测方法主要有1. 背景差检测法背景差检测法是最常用的运动目标检测的方法之一。检测时，用实时采集的现场图像与 预先准备的背景图像进行差分运算。在理想背景情况下，若无车辆进入检测区域，则差分值 为0;若有车辆进入，则车辆所在处的图像差分值将不为0。由于实际的背景图像存在干扰和 光照变化，通常设置一个阈值以减少噪声和光线的影响。将差分值低于阈值的看作背景，差 分值高于阈值时，认为有车辆通过。背景差分法要求运动物体的灰度值和背景像素的灰度值 存在一定的差别，算法的准确性在很大程度上依赖于背景图像的可靠性。若在光照或天气发 生变化时，会造成严重的误检现象。2. 帧差法车辆运动会使前后两帧图像发生变化，如能检测这种变化，就可以分析其运动特性。根 据这个原理将时间连续的两帧图像(帧间图像)作差分，即用当前图像的像素灰度值减去前 一帧图像对应像素的灰度值，可以判断是否有运动车辆出现。理想情况下，图像的背景(即路 面等静止景物)和运动车辆重叠的区域差分值为零，若图像差分后的灰度值不为零则表明该处 图像的像素发生了变化，即图像像素变化的所处区域有运动车辆通过。由于运动车辆的纹理 比较复杂，且路面光照不断变化或天气因素变化，实际所采集的交通图像差分值将不为0， 为此，实际应用中也需要设置一个阈值。目前的帧差法存在几个缺陷1) 当运动车辆纹理复杂时，帧间图像的差分结果很复杂，由于一个运动目标可能形成很 多细小的区域，给识别带来很大困难。2) 检测效果受车辆速度的影响。速度很慢的车辆无法检测到，而当车辆运动速度很大时， 容易产生虚影，即检测到的运动车辆比实际要大，甚至会出现一辆车变成两辆的情况。3) 帧差法仅适合于运动车辆的检测，静止车辆则无法检测。4) 在实际的检测系统中，由于摄像机安装在室外，所处环境比较恶劣，这种直接差分的算法，无法有效地将背景去除，从而影响车辆检测的准确性。 3.光流场法其基本原理是对图像中的每一个像素点赋予一个速度矢量，从而形成一个图像运动场， 在每一特定时刻，由投影关系得到所采集图像上的像素点与三维物体上的像素点之间的一一 对应关系，根据各个像素点的速度矢量特征，对所采集的图像进行动态分析。光流法的优点 是能够检测独立运动的目标，但由于其需要进行迭代运算，运算量较大，无法满足实时性的 要求，成为制约光流场法在实际应用中的瓶颈。综合以上的各种方法可知，现有的车流检测方法仅利用图像中的细节信息判断车辆的通 过，这使得这些方法对细节的变化比较敏感，特别是3光照或天气条件变化时，容易造成车 流量的误检测。
技术实现思路
本专利技术提供一种车流量检测算法用于解决现有方法对光照或天气条件变化敏感的缺陷， 并实现了多车道车流量检测。为实现上述目的，本专利技术提供了，其主要 包括以下几个步骤(1) 自动生成检测框首先，获取交通图像后，通过灰度变换将彩色图像变成灰度图像。然后利用Sobel算子 求取边缘并二值化，再通过Iough变换求得图像中所有的直线，其中包括车道线以及无关直 线。将所有得到的直线的斜率和截距看作斜率-截距空间中的一个点集，再利用Hough变化求 得图像中的消失点，通过消失点以及斜率的约束去除第一次Hough变换求得的无关直线，从 而得到图像中的车道线。再根据消失点到图像底边的距离确定检测框的高度进而绘制出各个 车道检测框。(2) 图像信息熵检测首先，对图像进行高斯滤波，然后统计每个车道检测框内图像信息熵，图像信息熵五按 下式计算W A1 TV=-!>>g2 ( a ) - S a log2 (p》- S & log2 (a )r=0 g=0 A=0其中￡——图像信息熵，图像信息熵作为某种特定信息(这里为图像灰度)的出现概率，表示方法如下￡ = -|>,l0g2(p;),其中p,:为第Z个灰度的出现概率；《，A， &一分别为红色分量的信息熵，绿色分量的信息熵，蓝色分量的信息熵； A， &， A——分别为红色分量值为的像素点出现的概率，绿色分量值为g的像素点 出现的概率，蓝色分量值为6的像素点出现的概率；——图像分量的最大值，对于24位图像，iV取255。(3)车流检测利用(2)中得到图像信息熵，根据以下两种对应情况获得检测车道的车流量。1、 当车辆较完整地从相应车道的检测框经过(即运动车辆遵守交通规则，沿各自车行道 行驶)时，检测框内的图像纹理改变，图像信息熵值会发生较大的变化，并考虑环境等客观 因素，提高所提方法的泛化能力(普遍适应性)，设置该检测框的自适应阈值，通过图像信息 熵与相应检测框的自适应阈值进行比较，判断是否有车辆通过。2、 当运动车辆行驶至检测框时发生从第《条车道向第+ 1条车道并线(即调换车道)情 况时，也就是说，当车辆从相邻两个检测框(第w和+ l个检测框)经过时，相邻两检测框 内的图像信息熵均发生较小的改变，此时，若相邻两检测框内的图像信息熵均小于其各自阈 值，则将两个信息熵相加，并将其和与两个检测框的信息熵阈值的均值进行比较，若两信息 熵之和大于该均值则认定有车辆通过，且第w条车道的车流量加1。综合以上两种情况，车流量分配的具体判断方法如下式所示^ = f +1 (五 > m )或(A s顶 ， s u +五 +| > m+2m, 1 F 其他其屮为车道的序号，W + 1为第W条车道的相邻车道的序号； &——第/2条车道的车流量；A ， ——第条车道检测框内的图像信息熵值以及第+1条车道检测框内的图像信息熵值；JT^ ， 77/。+1 ~~—第w条车道的自适应阈值以及第w + 1条车道的自适应阈值。 最后更新自适应阈值用于下一帧图像的车流检测。 本方法的主要优点在于(1) 图像信息熵对光照、天气环境变化不敏感，故光照发生变化或天气条件变化时对车流 检测的影响很小；(2) 由于图像信息熵是统计信息，受噪声的干扰小，故车流检测的鲁棒性强，准确性高；(3) 考虑到车辆并线时通过检测框的情况，杜绝了当车辆部分通过检测框时发生的车辆漏 检现象；(4) 使用符合透视关系的检测框，可以获得完整车道内的图像信息。附图说明图1是本专利技术示例的结构示意图2是基于图像信息熵的多车道车流量检测方法流程图3是基于图像信息熵的多车道车流量检测示例软件中自适应阈值算法流程图； 图4是基于图像信息熵的多车道车流量检测示例软件中车辆通过判定算法流程图； 图5是由于车辆通过反映出的彩色图像信息熵值的变化曲线； 图6是车流检测框的示意图； 图7是算法实际应用实现图。 具体实施例方式基于图像信息熵的多车道车流量检测示例系统如图1所示，该系统包括摄像机，图像采 集卡，检测算法处理器和车流量结果显示等。将摄像机架设在需要进行车流量统计的道路区 域上方，并调整摄像机使摄像机视野能覆盖整个检测本文档来自技高网...

【技术保护点】
一种基于图像信息熵的多车道车流量检测方法，其包括以下几个步骤：　从视频采集获取的交通图像中自动获取符合透视关系的检测框；　实时统计每个检测框内图像信息熵；　车道车流检测判断：若车辆完整地从检测框内通过，利用本车道检测框内图像信息熵与本车道对应的自适应图像信息熵阈值相比较来确定该车道是否有车辆通过，若车辆从相邻两检测框中间通过（即行驶车辆在检测框对应的路面区域进行并线行驶），则通过对本车道检测框的图像信息熵、相邻车道检测框的图像信息熵与两检测框自适应图像信息熵阈值的均值的比较，以确定该车道是否有车辆通过；　最后统计所有车道的车辆通过信息得到整条道路的车流量。

【技术特征摘要】
1.一种基于图像信息熵的多车道车流量检测方法，其包括以下几个步骤从视频采集获取的交通图像中自动获取符合透视关系的检测框；实时统计每个检测框内图像信息熵；车道车流检测判断若车辆完整地从检测框内通过，利用本车道检测框内图像信息熵与本车道对应的自适应图像信息熵阈值相比较来确定该车道是否有车辆通过，若车辆从相邻两检测框中间通过(即行驶车辆在检测框对应的路面区域进行并线行驶)，则通过对本车道检测框的图像信息熵、相邻车道检测框的图像信息熵与两检测框自适应图像信息熵阈值的均值的比较，以确定该车道是否有车辆通过；最后统计所有车道的车辆通过信息得到整条道路的车流量。2. 对于权利要求l所述的基于图像信息熵的多车道车辆检测方法，其特征在于对于检测 框的自动生成，采用如下方法首先通过灰度变换将彩色图像变成灰度图像，然后通过Sobel算子求取边缘并二值化， 再通过Hough变换求得图像中所有的直线，其中包括车道线以及无关直线。将所有得到的直 线的斜率和截距看作斜率-截距空间中的一个点集，再次利用Hough变化求得图像中的消失 点，通过消失点和斜率的约束去除第一次Hough变换求得的无关直线，得到图像中的车道线。 这时再根据消失点到图像底边的距离确定检测框的高度，绘制出车道检测框。设检测出的第w 条车道在图像坐标系中的车道线方程为<formula>formula see original document page 2</formula>'其中&A，&A分别表示第n条车道的两条车道线的斜率和截距。在图像坐标中设定检测框上下底边所在的直线为y-i^ 7 = ^A，其中/j为消失点到图2 4像下边沿的距离。将;^丄A，少=^^分别代入到所述车道线方程可得出梯形的4个顶点。检2 4测框可表示为<formula>formula see original document page 2</formula>3.对于权利要求1所述的基于图像信息熵的多车道车辆检测方法，其特征在于图像信息熵E按下式计算<formula>formula see original document page 2</formula>其中￡——图像信息熵；《，A， &——分别为红色分量的信息熵，绿色分量的信息熵，蓝色分量的信息熵； A， A， A一分别为红色分量值为的像素点出现...

【专利技术属性】
技术研发人员：任雪梅，王武宏，黄鸿，罗阳，张兴华，黄堉，
申请(专利权)人：任雪梅，王武宏，黄鸿，罗阳，张兴华，黄堉，
类型：发明
国别省市：11[中国|北京]