一种平面交叉路口的车流量检测方法技术

本发明专利技术涉及一种平面交叉路口的车流量检测方法。其包括：步骤1，提取平面交叉路口实时视频帧图像的边缘图像；步骤2，进行背景建模，得到背景边缘图像；步骤3，将当前帧图像的边缘图像与背景边缘图像作差值，从而得到运动车辆的边缘图像；步骤4，求取所述运动车辆的边缘图像中的所有像素值之和的平均值；步骤5，对该平均值采用双阈值法进行车辆存在与否的检测，去除噪音干扰；步骤6，进行车流量统计。本发明专利技术采用绿灯亮时通过路口运动车辆的边缘图像来进行背景建模，并采用背景边缘的自动更新算法实时更新背景，从而得到运动车辆的精确背景边缘，并能有效去除背景图像的阴影和噪声噪声干扰。

【技术实现步骤摘要】

本专利技术涉及对道路平面交叉路口进行视频交通数据的检测技术，具体涉及对道路平面交叉路口的车流量进行检测的技术，属于交通视频检测

技术介绍
在交通视频检测
，常用的车辆检测方法主要有背景差法和相邻帧差法。 背景差法需要有可靠的背景图像为基础，且当环境光线突变时，漏检、误检的情况比较严重。再则，道路交通中平面交叉路口的车辆还会随着交通信号灯的变化时停时行，这将导致在对平面交叉路口进行背景建模时，容易将停在检测区域内的车辆误当作背景的一部分被处理，从而对车辆检测结果产生不利影响。相邻帧差法是将前后相连两帧图像对应像素点相减检测出运动车辆，但这种相邻帧差法对于车速过慢或过快的车辆，检测效果不佳。此外，利用相邻帧差法对车辆检测时，图片上的阴影和噪声也会极大地影响到检测效果，从而导致误检情况的发生。
技术实现思路
在
技术实现思路
部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。为克服现有技术中存在的上述问题，本专利技术通过对平面交叉路口的运动车辆图像进行背景建模，并采用边缘检测算法去除检测到的边缘图像的阴影，消除噪声干扰，从而实现车流量的检测。本专利技术的技术方案如下，其包括步骤1 对平面交叉路口实时视频帧图像进行灰度化处理，得到该视频帧图像的灰度图像；然后采用边缘检测算法提取该灰度图像的边缘图像；步骤2 进行背景建模，绿灯亮时对步骤1中得到的运动车辆的视频帧图像的所述边缘图像进行背景学习和更新，得到平面交叉路口的背景边缘图像；步骤3 将步骤1中得到的当前帧图像的边缘图像与步骤2中得到的所述背景边缘图像作差值，从而得到运动车辆的边缘图像；步骤4 求取所述运动车辆的边缘图像的像素值之和的平均值M ；步骤5 对所述平均值M采用双阈值法进行车辆存在与否的检测，其中，所述双阈值为有车阈值Tl和无车阈值T2，且Tl > T2，Tl至T2之间为噪音，所述平均值M > Tl，则判断为该平面交叉路口有车；而当所述平均值M下降到M < T2时，判断该平面交叉路口无车，否则认为还有车存在；反之，当计算出的该平均值M又由T2上升到Tl时判断为该平面交叉路口有车，否则认为无车；步骤6 进行车流量统计，当检测出从有车到无车情况时，进行车辆数加1统计，从而检测并统计出平面交叉路口的车流量。优选地，根据本专利技术的平面交叉路口的车流量检测方法好包括步骤1所述边缘检测算法为Carmy边缘检测算法。步骤2中，绿灯亮时段对实时视频帧图像的边缘图像做背景学习与更新，所述背景学习与更新采用如下算法A = (1-α )*Α0+α *BA0 = A其中，Α。为初始背景图像，初始背景图像Α。中的所有像素值都为零，A为学习得到的背景边缘，初始值为Atl，B为经过步骤1处理后得到的边缘图像，α为调节更新速率。优选地，α = 0. 001。将步骤3中所述当前帧图像的边缘与步骤2所得到的所述背景边缘图像作差值如下C=IB-A其中，C为待检测运动车辆的边缘图像。步骤4中求取所述待检测运动车辆的边缘图像的像素值之和的平均值M算法如下ι H-1W-1Μ = -— Σ TC(Uj)HW/=0J=O其中M为平均值，H为图像的高度，W为图像的宽度，C(i，j)为对应的像素值。步骤5 中，Tl = 20，T2 = 15。本专利技术的有益效果(1)交叉路口车辆会随着信号灯的变化而行驶或等待，这样在进行背景建模时，有时会出现将有车的路面也误认为背景来处理。为此，本专利技术采用绿灯亮时通过路口运动车辆的边缘图像来进行背景建模，此外，采用背景边缘的自动更新算法实时更新背景，从而得到运动车辆的精确背景边缘。(2)为解决车辆存在阴影的问题，采用carmy边缘检测算法去除背景图像的阴影。(3)为消除车辆检测中的噪声干扰，对边缘图像的前景边缘图像的求和取平均值用双阈值法做车辆存在检测。附图说明本专利技术的下列附图在此作为本专利技术的一部分用于理解本专利技术。附图中示出了本专利技术的实施例及其描述，用来解释本专利技术的原理。图1是根据本专利技术的基于平面交叉口的车流量检测方法的流程图。 具体实施例方式在下文的描述中，给出了大量具体的细节以便提供对本专利技术更为彻底的理解。然而，对于本领域技术人员来说显而易见的是，本专利技术可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本专利技术发生混淆，对于本领域公知的一些技术特征未进行描述。本专利技术揭露了。通常平面交通路口设置有视频检测设备、交通信号机等，本专利技术的平面交叉路口的车流量检测方法通过在平面交叉路口的绿色信号灯(即绿灯)亮时，在车辆行驶过程中对路口进行背景建模，得到实时自动更新背景图像。具体地，首先，交通信号机与视频检测设备进行通信。其次，当交通信号机发出绿灯亮信号时，设置在平面交通路口的视频检测设备基于路口摄像头采集到的图片进行图像边缘背景建模；而当交通信号机发出红灯亮信号时，视频检测设备不需对采集的图片进行背景学习与更新。然后，利用背景差方法得到运动车辆边缘图像。最后，对该边缘图像的像素值求和取平均值，然后用双阈值方法检测车辆存在与否。在本专利技术的优选实施例中，首先通过平面交叉路口的视频摄像头拍摄高分辨率或标清视频图像，然后针对这些平面交叉路口的视频图像采用本专利技术的方法进行检测处理。 图1示出了根据本专利技术的平面交叉路口的车流量检测方法的流程图。在本专利技术的优选实施例中，采用对平面交叉路口视频摄像头拍摄到的高分辨率或标清图像进行检测，具体地，如图1所示，根据本专利技术的平面交叉路口的车流量检测方法包括步骤1 对平面交叉路口运动车辆的视频帧图像进行灰度化处理，得到该视频帧图像的灰度图像；然后采用边缘检测算法提取该灰度图像的边缘图像。在一个优选实施例中，采用carmy边缘检测算法得到平面交叉路口运动车辆的边缘图像。步骤2 绿灯亮时进行背景建模。绿灯亮时车辆行驶通过平面交通路口，此时通过对步骤1中得到的运动车辆的视频帧图像的边缘图像进行背景学习和更新，得到平面交叉路口的背景边缘图像。通常情况下，红灯亮时车辆停在检测区域，此时会将车辆也误认为背景的问题。本专利技术采用的背景建模方式只在路口绿灯亮时进行背景学习和更新，而在红灯亮时不进行背景学习和更新，从而避免红灯亮时将静止车辆误认为运动背景。步骤3 将步骤1中得到的当前帧图像的边缘图像与步骤2中得到的所述背景边缘图像作差值，从而得到运动车辆的边缘图像。步骤4 求取所述运动车辆的边缘图像的像素值之和的平均值M。步骤5 对该平均值M采用双阈值法进行车辆存在与否的检测，去除噪音干扰。具体地，设定阈值为Tl和T2(T1 > Τ2)，其中Tl有车阈值，Τ2为无车阈值，Tl至Τ2为噪音。 在一个实施例中，采用步骤1-5计算出的该平均值M > Tl，则判断为该平面交叉路口有车； 而当计算出该平均值M随着时间的推移，逐渐由Tl下降到M < Τ2时，判断处该平面交叉路口无车，否则认为还有车存在。反之，当计算出的该平均值M又由Τ2上升到Tl时判断为该平面交叉路口有车，否则认为无车，优先地Tl = 20，Τ2 = 15。步骤6 进行车流量统计，当检测出从有车到无车情况时，进行车辆数加1统计，从而检测并统计出平面交叉路口的车流量。在步骤2中，对所有的绿灯时段的边缘图像连续做背景学习与更新，得到平面交叉路口本文档来自技高网...

【技术保护点】
１．一种平面交叉路口的车流量检测方法，其包括：步骤１：对平面交叉路口实时视频帧图像进行灰度化处理，得到该视频帧图像的灰度图像；然后采用边缘检测算法提取该灰度图像的边缘图像；步骤２：进行背景建模，绿灯亮时对步骤１中得到的运动车辆的视频帧图像的所述边缘图像进行背景学习和更新，得到平面交叉路口的背景边缘图像；步骤３：将步骤１中得到的当前帧图像的边缘图像与步骤２中得到的所述背景边缘图像作差值，从而得到运动车辆的边缘图像；步骤４：求取所述运动车辆的边缘图像的像素值之和的平均值Ｍ；步骤５：对所述平均值Ｍ采用双阈值法进行车辆存在与否的检测，其中，所述双阈值为有车阈值Ｔ１和无车阈值Ｔ２，且Ｔ１＞Ｔ２，Ｔ１至Ｔ２之间为噪音，所述平均值Ｍ＞Ｔ１，则判断为该平面交叉路口有车；而当所述平均值Ｍ下降到Ｍ＜Ｔ２时，判断该平面交叉路口无车，否则认为还有车存在；反之，当计算出的该平均值Ｍ又由Ｔ２上升到Ｔ１时判断为该平面交叉路口有车，否则认为无车；步骤６：进行车流量统计，当检测出从有车到无车情况时，进行车辆数加１统计，从而检测并统计出平面交叉路口的车流量。

【技术特征摘要】

【专利技术属性】
技术研发人员：张永忠，熊昌镇，张福生，李正熙，刘小明，李颖宏，王力，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：11