專利名稱：模塊化設(shè)計(jì)的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法
模塊化設(shè)計(jì)的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法技術(shù)領(lǐng)域
本發(fā)明屬于交通信息視頻采集教學(xué)領(lǐng)域，基于交通信息與控制實(shí)驗(yàn)平臺(tái)，以模塊化設(shè)計(jì)為核心，包括視頻采集的基礎(chǔ)理論、交通參數(shù)檢測(cè)、典型交通違章判別等功能的教學(xué)實(shí)驗(yàn)方法，并搭建教學(xué)實(shí)驗(yàn)系統(tǒng)。
背景技術(shù)：
交通設(shè)施是國(guó)民經(jīng)濟(jì)重要的基礎(chǔ)，是國(guó)民經(jīng)濟(jì)的先導(dǎo)性產(chǎn)業(yè)。伴隨著信息化、智能化、人性化時(shí)代的到來(lái)，ITS技術(shù)在交通運(yùn)輸領(lǐng)域愈發(fā)重要。
智能交通系統(tǒng)是諸多學(xué)科的融合與交叉，它的應(yīng)用推動(dòng)了交通科技水平的提高， 起到了提高運(yùn)輸效率、減少對(duì)環(huán)境的影響、改進(jìn)安全性與可靠性等作用。因此，以信息技術(shù)為核心的智能交通系統(tǒng)的發(fā)展和應(yīng)用將全方位地提高交通運(yùn)輸?shù)馁|(zhì)量。可以說(shuō)，交通信息控制技術(shù)是ITS發(fā)展的基礎(chǔ)。在交通信息與控制技術(shù)中，視頻處理技術(shù)占有重要地位，目前該技術(shù)已經(jīng)廣泛應(yīng)用于交通監(jiān)控、交通量檢測(cè)、交通安全以及交通違章檢測(cè)等諸多領(lǐng)域，為交通秩序的改善以及交通數(shù)據(jù)的全面獲取提供了有效的技術(shù)手段。由于該技術(shù)具有多學(xué)科交叉的特點(diǎn)，近年來(lái)對(duì)于人才培養(yǎng)模式提出了新的挑戰(zhàn)。如何使即將從事交通工程領(lǐng)域相關(guān)工作的學(xué)生能夠掌握交通信息處理的關(guān)鍵技術(shù)？如何在掌握信息處理技術(shù)基本原理的基礎(chǔ)上，面向應(yīng)用層面，提高學(xué)生綜合應(yīng)用知識(shí)的能力，就成為課堂教學(xué)、實(shí)踐教學(xué)、學(xué)生素質(zhì)培養(yǎng)的難點(diǎn)。
目前，關(guān)于從交通信息與控制的相關(guān)課程，特別是針對(duì)圖像采集、視頻處理等相關(guān)教學(xué)內(nèi)容的課堂教學(xué)過(guò)程發(fā)現(xiàn)，由于其學(xué)科交叉的特征，教師在課堂上講授的難度、深度以及學(xué)生實(shí)踐環(huán)節(jié)的具體構(gòu)建等方面存在一定的問(wèn)題，主要包括
(1)、課堂教學(xué)主要采用PPT課件的靜態(tài)演示方式，盡管針對(duì)圖像采集及處理有很多的教學(xué)軟件，但基本上是為圖像處理專業(yè)的學(xué)生開(kāi)設(shè)的，難度、深度均不滿足交通工程專業(yè)的學(xué)生需求。
O)、實(shí)踐環(huán)節(jié)主要采取參觀學(xué)習(xí)的方式，學(xué)生對(duì)于課堂知識(shí)的應(yīng)用處于了解層面，數(shù)據(jù)采集和處理的核心技術(shù)對(duì)學(xué)生基本上是“黑匣子”，很難達(dá)到靈活應(yīng)用的水平。
(3)、盡管圖像處理技術(shù)已經(jīng)成功應(yīng)用于交通信息的采集、交通違章檢測(cè)等交通管理和應(yīng)用領(lǐng)域，但針對(duì)城市交通的道路條件，該項(xiàng)技術(shù)的準(zhǔn)確性以及高效性仍然存在一些關(guān)鍵問(wèn)題亟待解決，因此需要針對(duì)各種圖像處理方法開(kāi)展較深入的研究。
針對(duì)以上三點(diǎn)，學(xué)生需要一套高參與性、高開(kāi)放性的教學(xué)平臺(tái)，以應(yīng)對(duì)交通工程專業(yè)對(duì)于學(xué)生的培養(yǎng)需求。為此，本發(fā)明圍繞視頻圖像采集處理技術(shù)，依托北京工業(yè)大學(xué)交通信息與控制實(shí)驗(yàn)室平臺(tái)，開(kāi)發(fā)了一套高參與性、高開(kāi)放性、動(dòng)手實(shí)踐空間大的教學(xué)實(shí)驗(yàn)方法和實(shí)驗(yàn)系統(tǒng)。發(fā)明內(nèi)容
本發(fā)明的目的在于，通過(guò)提供一種模塊化的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法，開(kāi)3發(fā)模塊化、積木式的交通信息采集教學(xué)實(shí)驗(yàn)系統(tǒng)為學(xué)生提供關(guān)于交通視頻采集技術(shù)基礎(chǔ)理論的實(shí)踐平臺(tái)，推動(dòng)傳統(tǒng)的演示性教學(xué)模式向參與性、體驗(yàn)性教學(xué)模式的轉(zhuǎn)變。
本發(fā)明是采用以下技術(shù)手段實(shí)現(xiàn)的
一種模塊化設(shè)計(jì)的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法，包括視頻采集的基礎(chǔ)理論、 交通參數(shù)檢測(cè)、典型違章判別的教學(xué)實(shí)驗(yàn)系統(tǒng)，包括以下步驟
以采集的基礎(chǔ)理論部分、交通參數(shù)檢測(cè)部分、典型交通違章判別部分為基礎(chǔ)，將視頻處理的步驟通過(guò)編程，制作成多個(gè)獨(dú)立的模塊；每個(gè)模塊具有獨(dú)立的視頻處理功能，具有獨(dú)立的輸入、輸出連接端子，通過(guò)端子之間的銜接實(shí)現(xiàn)數(shù)據(jù)流的傳遞；模塊設(shè)有實(shí)現(xiàn)視頻處理參數(shù)的滾動(dòng)條、復(fù)選框；模塊包括灰度化模塊、圖像預(yù)處理模塊組、背景提取模塊、虛擬線圈模塊；基礎(chǔ)理論部分包括實(shí)現(xiàn)圖像灰度化、圖像二值化、圖像基本形態(tài)學(xué)運(yùn)算、圖像高級(jí)形態(tài)學(xué)運(yùn)算、圖像平滑和濾波運(yùn)算；交通參數(shù)檢測(cè)部分實(shí)現(xiàn)包括交通量檢測(cè)、車速檢測(cè)、平均車速檢測(cè)；典型交通違章判別部分包括實(shí)現(xiàn)逆行違章檢測(cè)、闖紅燈違章檢測(cè)、違章停車檢測(cè)三種交通違章行為的判別。
通過(guò)灰度化模塊、圖像預(yù)處理模塊組、背景提取模塊、虛擬線圈模塊的組合搭建和參數(shù)設(shè)置，完成交通量的采集；應(yīng)用雙線圈或者單線圈方法，分別搭建車速檢測(cè)系統(tǒng)，完成定點(diǎn)車速的采集以及平均車速的計(jì)算。
通過(guò)灰度化模塊、圖像預(yù)處理模塊組，背景提取模塊、虛擬線圈模塊和信號(hào)燈模塊的組合銜接完成闖紅燈違章識(shí)別系統(tǒng)的搭建；應(yīng)用逆行判斷模塊以及違章停車判斷模塊的分別搭建和銜接，實(shí)現(xiàn)車輛逆行以及違章停車實(shí)驗(yàn)系統(tǒng)的搭建。
前述的教學(xué)實(shí)驗(yàn)系統(tǒng)，構(gòu)建有基于視頻處理的交通信息采集硬件，通過(guò)攝像頭、視頻采集卡捕獲平臺(tái)上的交通狀態(tài)，作為視頻處理的信息源。
前述的視頻處理包括視頻流解碼、背景初始化、車輛特征提取、車輛跟蹤和背景更新。
前述的視頻流解碼為基于視頻文件的視頻播放模塊，或基于實(shí)驗(yàn)平臺(tái)使用FFmpeg 解編碼器的在線視頻接入模塊。
前述的背景初始化為，道路環(huán)境中除了車輛信息以外的圖像背景；背景圖像可由一幅無(wú)車輛圖像得到，也可以通過(guò)對(duì)圖像序列的運(yùn)算得到。
前述的背景更新為用背景幀像素值與當(dāng)前幀像素值通過(guò)加權(quán)求和，獲得新背景幀的像素值；更新時(shí)只需將背景區(qū)域的像素點(diǎn)更新，而運(yùn)動(dòng)區(qū)域的像素點(diǎn)值則保持不變。
本發(fā)明與現(xiàn)有技術(shù)相比，具有以下明顯的優(yōu)勢(shì)和有益效果
(1)、將教學(xué)現(xiàn)場(chǎng)移至實(shí)驗(yàn)室，使學(xué)生能夠參與到學(xué)習(xí)過(guò)程中。改變教師主導(dǎo)地位、 學(xué)生被動(dòng)的接受的傳統(tǒng)教學(xué)方式，使學(xué)生在實(shí)際操作和實(shí)驗(yàn)參與中完成課堂學(xué)習(xí)和課程創(chuàng)新實(shí)踐。
O)、本發(fā)明的實(shí)驗(yàn)系統(tǒng)采用積木式、模塊化設(shè)計(jì)方式，每個(gè)圖像處理的功能均通過(guò)不同模塊的合理銜接和搭建來(lái)實(shí)現(xiàn)，使交通工程的學(xué)生系統(tǒng)地掌握?qǐng)D像處理的中間過(guò)程以及具體功能。值得一提的是，不同的交通信息采集以及違章檢測(cè)等功能，可以通過(guò)各個(gè)模塊的不同組合來(lái)實(shí)現(xiàn)。這從根本上避免了傳統(tǒng)教學(xué)方法導(dǎo)致產(chǎn)生思維定勢(shì)的現(xiàn)象，并充分激發(fā)學(xué)生的創(chuàng)新意識(shí)。
(3)、由于實(shí)驗(yàn)系統(tǒng)采用模塊化、積木式的構(gòu)建形式，使得系統(tǒng)本身也成為一個(gè)基4于視頻采集的實(shí)驗(yàn)平臺(tái)，它具有很強(qiáng)的開(kāi)發(fā)拓展能力，為學(xué)生提供了自主研發(fā)的空間。學(xué)生可以根據(jù)自己的實(shí)驗(yàn)設(shè)計(jì)需求，通過(guò)應(yīng)用簡(jiǎn)單的接口函數(shù)，完成功能模塊設(shè)計(jì)與開(kāi)發(fā)，具備自主實(shí)驗(yàn)的特征。提高了學(xué)生自主研究能力，系統(tǒng)本身具有良好的推廣價(jià)值和應(yīng)用前景。


圖1為交通量檢測(cè)流程圖2為逆行違章檢測(cè)流程圖3為闖紅燈違章檢測(cè)流程圖4為違章停車檢測(cè)流程圖。
具體實(shí)施方式
以下結(jié)合說(shuō)明書(shū)附圖對(duì)本發(fā)明的具體實(shí)施方式
加以說(shuō)明
1、進(jìn)行模塊化設(shè)計(jì)模塊化設(shè)計(jì)是指將視頻處理的各個(gè)步驟通過(guò)編程制作成獨(dú)立的模塊，每個(gè)模塊具有獨(dú)立的視頻處理功能，具有輸入、輸出連接端子，通過(guò)端子之間的合理的銜接實(shí)現(xiàn)數(shù)據(jù)流的傳遞。模塊具有參數(shù)修改功能，可通過(guò)改動(dòng)模塊上的滾動(dòng)條、復(fù)選框等操作單位，實(shí)現(xiàn)視頻處理過(guò)程中參數(shù)的修訂。
通過(guò)灰度化模塊、背景提取模塊、虛擬線圈模塊和紅燈信號(hào)模塊的合理組合和銜接可以完成闖紅燈違章識(shí)別系統(tǒng)的搭建。
整個(gè)實(shí)驗(yàn)系統(tǒng)的開(kāi)發(fā)過(guò)程中，均體現(xiàn)了這種設(shè)計(jì)理念。將視頻圖像處理的基本步驟、基于視頻圖像處理的交通量采集、基于視頻處理的違章檢測(cè)等過(guò)程中涉及的視頻處理過(guò)程，均開(kāi)發(fā)設(shè)計(jì)成處理單元，構(gòu)成“積木模塊”，這些模塊的參數(shù)可以通過(guò)模塊上的操作單元進(jìn)行適當(dāng)?shù)恼{(diào)整以改變圖像處理過(guò)程中的控制參數(shù)。在實(shí)驗(yàn)過(guò)程中，學(xué)生可根據(jù)實(shí)驗(yàn)需求自行搭建不同的“積木模塊”，實(shí)現(xiàn)自己的實(shí)驗(yàn)設(shè)計(jì)需要，進(jìn)而通過(guò)輸入、輸出模塊直觀的進(jìn)行效果演示和評(píng)價(jià)。
2、基于視頻圖像處理的交通信息采集教學(xué)實(shí)驗(yàn)系統(tǒng)功能設(shè)計(jì)
從交通信息采集技術(shù)的教學(xué)需求出發(fā)，本發(fā)明主要包括視頻圖像處理基礎(chǔ)理論、 交通參數(shù)檢測(cè)、典型交通違章事件檢測(cè)三類功能。這三類功能的實(shí)現(xiàn)難度以及復(fù)雜程度由淺入深，符合學(xué)生的認(rèn)知過(guò)程。
(1)、視頻圖像處理的基礎(chǔ)理論
視頻圖像處理的基礎(chǔ)理論部分主要包括
灰度化圖像的灰度化計(jì)算公式如下式所示
Y = O. 212671*R+0. 715160*G+0. 072169*B
通過(guò)將圖像RGB三個(gè)分量代入上式便可得到圖像每點(diǎn)的灰度值。此操作可以通過(guò)調(diào)用OpenCV中的cvCvtColor函數(shù)實(shí)現(xiàn)。
二值化圖像的二值化通過(guò)對(duì)圖像的閾值操作實(shí)現(xiàn)，對(duì)應(yīng)OpencV中的 cvThreshold函數(shù)。為了體現(xiàn)閾值對(duì)圖像二值化處理的重要性，系統(tǒng)中將二值化處理模塊中的閾值以滑動(dòng)條的形式作為用戶自定義參數(shù)輸入，以體現(xiàn)閾值對(duì)二值化處理結(jié)果的影響。
圖像基本形態(tài)學(xué)運(yùn)算圖像的形態(tài)學(xué)操作包括對(duì)圖像的腐蝕運(yùn)算以及膨脹運(yùn)算， 圖像的腐蝕運(yùn)算由cvErode函數(shù)計(jì)算完成，圖像的膨脹運(yùn)算由cvDilate函數(shù)計(jì)算完成。5
圖像高級(jí)形態(tài)學(xué)運(yùn)算圖像高級(jí)形態(tài)學(xué)操作包塊對(duì)圖像的開(kāi)運(yùn)算、閉運(yùn)算。在 OpenCV中，圖像高級(jí)形態(tài)運(yùn)算由cvMorphologyEx實(shí)現(xiàn)，通過(guò)對(duì)此函數(shù)參數(shù)的不同設(shè)置，可實(shí)現(xiàn)高級(jí)形態(tài)學(xué)運(yùn)算。
圖像平滑和圖像平滑和濾波運(yùn)算包括中值濾波、均值濾波、直方圖均衡等運(yùn)算。
濾波運(yùn)算在OpenCV中，圖像平滑運(yùn)算由cvSmoth實(shí)現(xiàn)，圖像直方圖均衡運(yùn)算由 cvEqualizeHist 實(shí)現(xiàn)。
O)、交通參數(shù)檢測(cè)
交通量檢測(cè)交通量是指單位時(shí)間內(nèi)通過(guò)道路某一斷面的車輛數(shù)，又稱為交通流量或流量。交通量有很多種類，其中以小時(shí)交通量和高峰小時(shí)交通量最具實(shí)驗(yàn)意義。實(shí)驗(yàn)系統(tǒng)在實(shí)驗(yàn)平臺(tái)上完成對(duì)兩種交通量的檢測(cè)。
小時(shí)交通量是指一小時(shí)內(nèi)通過(guò)道路某一斷面的車輛數(shù)。對(duì)于小時(shí)交通量，由于實(shí)測(cè)一小時(shí)時(shí)間過(guò)長(zhǎng)，故在實(shí)驗(yàn)時(shí)進(jìn)行15分鐘檢測(cè)，即測(cè)15min交通量。檢測(cè)思路為計(jì)數(shù)法， 在視頻中加入虛擬線圈，每當(dāng)車輛駛過(guò)虛擬線圈時(shí)即計(jì)數(shù)，以此記錄15分鐘內(nèi)通過(guò)線圈的車輛數(shù)，即15分鐘交通量。
高峰小時(shí)交通量是指一天M小時(shí)內(nèi)交通量最高的某一小時(shí)的交通量。在實(shí)驗(yàn)系統(tǒng)中將時(shí)間縮短為20分鐘，并檢測(cè)其中交通量最高的2分鐘。檢測(cè)思路為在道路上鋪設(shè)虛擬線圈并記錄20分鐘內(nèi)每輛車通過(guò)虛擬線圈時(shí)刻，在20分鐘檢測(cè)結(jié)束后統(tǒng)計(jì)每個(gè)連續(xù)兩分鐘內(nèi)的交通量并選出最高值，則最高值所在的時(shí)段即為高峰“小時(shí)”，最高值即為高峰“小時(shí)”交通量。交通量檢測(cè)流程圖如圖1所示。
車速檢測(cè)地點(diǎn)車速(瞬時(shí)車速)是交通視頻檢測(cè)中的主要檢測(cè)對(duì)象。地點(diǎn)車速是指車輛通過(guò)道路某一地點(diǎn)(道路某斷面)時(shí)的車速，亦稱瞬時(shí)車速，它是描述道路某地點(diǎn)交通狀況的重要參數(shù)。
在進(jìn)行地點(diǎn)車速檢測(cè)時(shí)，實(shí)驗(yàn)系統(tǒng)將記錄車輛通過(guò)一段很短距離的時(shí)間，這段距離與時(shí)間的比值則為地點(diǎn)車速。系統(tǒng)將在這段路徑的兩端設(shè)置兩個(gè)虛擬線圈以確定車輛駛?cè)霑r(shí)間和駛出時(shí)間，從而計(jì)算在路徑上行駛速度。
值得一提的是，由于系統(tǒng)采用模塊化設(shè)計(jì)，以上兩種交通參數(shù)的檢測(cè)方法并不固定，學(xué)生可以通過(guò)不同的模塊搭配建立不同的檢測(cè)流程以達(dá)到目的；軟件可以檢測(cè)的交通參數(shù)也不限于以上兩種，通過(guò)模塊的選擇和模塊的搭配亦可以實(shí)現(xiàn)其他交通參數(shù)的檢測(cè)， 比如車頭時(shí)距、占有率等。
(3)、典型交通事件檢測(cè)
逆行違章檢測(cè)通過(guò)不同模塊的搭配有兩種逆行違章檢測(cè)方式。
采用雙線圈實(shí)現(xiàn)逆行檢測(cè)
在道路上設(shè)置一組兩個(gè)距離較近的虛擬線圈，通過(guò)確定車輛經(jīng)過(guò)兩個(gè)線圈的先后順序判斷車輛是否逆行。
采用車輛跟蹤實(shí)現(xiàn)逆行檢測(cè)
跟蹤檢測(cè)的思路是首先確定是否有車輛駛?cè)霗z測(cè)區(qū)，若有車輛駛?cè)雱t跟蹤這輛車并確定車輛的行駛軌跡，再通過(guò)軌跡判斷車輛是否逆行。實(shí)現(xiàn)方法是在道路上設(shè)置虛擬線圈判斷是否有車輛駛?cè)霗z測(cè)區(qū)，運(yùn)用車輛識(shí)別算法識(shí)別車輛，然后運(yùn)用跟蹤算法跟蹤車輛， 判斷車輛軌跡方向是否逆行違章，檢測(cè)判別過(guò)程如圖2所示。
闖紅燈違章檢測(cè)闖紅燈違章檢測(cè)的思路是首先判斷是否為紅燈狀態(tài)，若為紅燈狀態(tài)則檢測(cè)是否有車輛駛出停車線，若有則判斷為闖紅燈違章。具體實(shí)現(xiàn)方法為首先通過(guò)實(shí)驗(yàn)平臺(tái)的信號(hào)機(jī)信號(hào)燈狀態(tài)信號(hào)判斷是否為紅燈狀態(tài)，在視頻圖像的停車線前設(shè)置虛擬線圈以判斷是否有車輛駛出，從而實(shí)現(xiàn)闖紅燈違章判斷。檢測(cè)判別過(guò)程如圖3所示。
違章停車檢測(cè)基于實(shí)驗(yàn)平臺(tái)的硬件條件，實(shí)驗(yàn)系統(tǒng)中把路口綠燈狀態(tài)時(shí)，不穿越路口的車輛均判斷為違章停車。違章停車檢測(cè)的思路是首先跟蹤車輛，然后判斷車輛是否運(yùn)動(dòng)，在根據(jù)路口是否為綠燈狀態(tài)，判斷車輛是否違章停車。檢測(cè)判別過(guò)程如圖4所示。
本系統(tǒng)的圖像處理功能是借助OPENCV實(shí)現(xiàn)的，而OPENCV又是基于VC++平臺(tái)開(kāi)發(fā)的。鑒于功能要求，本發(fā)明選擇使用了 Visual C++下的MFC工程。工程中所有的模塊是屬于由CDialog類派生出的CProcessing ModuleBase類，模塊中用到的函數(shù)、變量等被封裝在這個(gè)類中。通過(guò)這個(gè)類，可以很容易地切割出模塊的樣子以及為模塊添加滾動(dòng)條、復(fù)選框等操作單元。由于所有的模塊都屬于相同的基類，這樣就做到了模塊的平等性，同時(shí)很多模塊間的共有設(shè)置可以統(tǒng)一在基類中完成設(shè)置。
生成后的分立模塊無(wú)法獨(dú)立運(yùn)行，大部分模塊的工作都依賴于上級(jí)模塊的輸出信號(hào)。為實(shí)現(xiàn)將上級(jí)模塊的輸出信號(hào)作為本模塊輸入信號(hào)，并將本模塊的處理結(jié)果輸出給下級(jí)模塊，每個(gè)模塊的兩側(cè)都至少有一個(gè)輸入端子和一個(gè)輸出端子，此功能在程序中通過(guò)Pin 實(shí)現(xiàn)。通過(guò)Pin_0ut與PinJn銜接可以將兩個(gè)模塊連接起來(lái)。通過(guò)這個(gè)虛擬端子，圖像、 字符串等數(shù)據(jù)即可以在模塊間傳遞。因此，只要源模塊持續(xù)進(jìn)行數(shù)據(jù)輸出，相互連接的模塊間就會(huì)產(chǎn)生持續(xù)的數(shù)據(jù)流，經(jīng)過(guò)各級(jí)模塊對(duì)此數(shù)據(jù)流的處理，最后便可以得到對(duì)原始視頻的處理結(jié)果。
軟件采用如下的數(shù)據(jù)匹配校驗(yàn)機(jī)制程序在每個(gè)連接動(dòng)作發(fā)生時(shí)都會(huì)對(duì)觸發(fā)端子數(shù)據(jù)類型進(jìn)行判斷，確認(rèn)連接雙方端子數(shù)據(jù)是否同為三通道圖像、單通道圖像或是字符串?dāng)?shù)據(jù)等，若兩方類型吻合，則連接成功，否則彈出對(duì)話框報(bào)錯(cuò)，連接失敗。
系統(tǒng)設(shè)計(jì)了兩種視頻信息的接入方法，一種是基于視頻文件的視頻播放模塊，可以接入任何視頻文件進(jìn)行后續(xù)的視頻圖像處理。另外一種是基于實(shí)驗(yàn)平臺(tái)的在線視頻接入模塊。對(duì)于在線視頻，系統(tǒng)使用了 FFmpeg解編碼器，它提供了錄制、轉(zhuǎn)換以及流化音視頻的完整解決方案。針對(duì)交通信息與控制實(shí)驗(yàn)平臺(tái)的在線視頻，系統(tǒng)將來(lái)自攝像頭的在線視頻信號(hào)轉(zhuǎn)化成圖像序列作為視頻源。
背景初始化道路背景是指道路環(huán)境中除了車輛信息以外的圖像背景。背景圖像可由人工拍攝一幅無(wú)車輛圖像得到，也可以通過(guò)對(duì)圖像序列的運(yùn)算得到。背景提取的方法有很多種，例如圖像時(shí)間平均、按照?qǐng)D像序列中出現(xiàn)頻率判別、按照單圖像中出現(xiàn)頻率判別等。結(jié)合本發(fā)明實(shí)驗(yàn)平臺(tái)交通背景相對(duì)比較簡(jiǎn)單的特點(diǎn)，系統(tǒng)中主要采用圖像時(shí)間平均法獲得背景圖像。
圖像時(shí)間平均方法的提出主要依據(jù)車輛的多樣性，車輛上的像素點(diǎn)的亮度值有的比路面的值高，有的比路面的值低，車輛有各種色彩，交叉口的車輛大部分都處于運(yùn)動(dòng)狀態(tài)，偶有短暫停車候燈的車輛。因此，背景像素點(diǎn)出現(xiàn)的時(shí)間“比重”要大于車輛和其他運(yùn)動(dòng)對(duì)象出現(xiàn)的時(shí)間，車輛狀態(tài)近似隨機(jī)狀態(tài)。因此，視頻圖像的像素點(diǎn)值的變化接近高斯正態(tài)分布。所以，從統(tǒng)計(jì)學(xué)的角度，圖像中因?yàn)楦鱾€(gè)車輛的經(jīng)過(guò)而引起的變化在長(zhǎng)時(shí)間平均后可以忽略。從而可以利用有車輛運(yùn)行的一段圖像序列進(jìn)行時(shí)間平均來(lái)得到道路的背景圖。7
高斯正態(tài)分布的均值(這里認(rèn)為是連續(xù)多幀圖像求平均的均值)在理論上接近背景像素的真實(shí)值。當(dāng)對(duì)交通場(chǎng)景的連續(xù)數(shù)百幀圖像進(jìn)行累計(jì)求平均值后，得到的圖像近似于真實(shí)背景。如下式所示，
權(quán)利要求
1. 一種模塊化設(shè)計(jì)的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法，包括視頻采集的基礎(chǔ)理論、交通參數(shù)檢測(cè)、典型違章判別的教學(xué)實(shí)驗(yàn)系統(tǒng)，其特征在于，包括以下步驟1.1.以采集的基礎(chǔ)理論部分、交通參數(shù)檢測(cè)部分、典型交通違章判別部分為基礎(chǔ)，將視頻處理的步驟通過(guò)編程，制作成多個(gè)獨(dú)立的模塊；每個(gè)模塊具有獨(dú)立的視頻處理功能，具有獨(dú)立的輸入、輸出連接端子，通過(guò)端子之間的銜接實(shí)現(xiàn)數(shù)據(jù)流的傳遞；模塊設(shè)有實(shí)現(xiàn)視頻處理參數(shù)的滾動(dòng)條、復(fù)選框；所述的模塊包括灰度化模塊、圖像預(yù)處理模塊組、背景提取模塊、虛擬線圈模塊； 所述的基礎(chǔ)理論部分包括實(shí)現(xiàn)圖像灰度化、圖像二值化、圖像基本形態(tài)學(xué)運(yùn)算、圖像高級(jí)形態(tài)學(xué)運(yùn)算、圖像平滑和濾波運(yùn)算；所述的交通參數(shù)檢測(cè)部分實(shí)現(xiàn)包括交通量檢測(cè)、車速檢測(cè)、平均車速檢測(cè)； 所述的典型交通違章判別部分包括實(shí)現(xiàn)逆行違章檢測(cè)、闖紅燈違章檢測(cè)、違章停車檢測(cè)三種交通違章行為的判別；1. 2.通過(guò)灰度化模塊、圖像預(yù)處理模塊組、背景提取模塊、虛擬線圈模塊的組合搭建和參數(shù)設(shè)置，完成交通量的采集；應(yīng)用雙線圈或者單線圈方法，分別搭建車速檢測(cè)系統(tǒng)，完成定點(diǎn)車速的采集以及平均車速的計(jì)算；1.3.通過(guò)灰度化模塊、圖像預(yù)處理模塊組，背景提取模塊、虛擬線圈模塊和信號(hào)燈模塊的組合銜接完成闖紅燈違章識(shí)別系統(tǒng)的搭建；應(yīng)用逆行判斷模塊以及違章停車判斷模塊的分別搭建和銜接，實(shí)現(xiàn)車輛逆行以及違章停車實(shí)驗(yàn)系統(tǒng)的搭建。
2.根據(jù)權(quán)利要求1所述的模塊化設(shè)計(jì)的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法，其特征在于所述的教學(xué)實(shí)驗(yàn)系統(tǒng)，構(gòu)建有基于視頻處理的交通信息采集硬件，通過(guò)攝像頭、視頻采集卡捕獲平臺(tái)上的交通狀態(tài)，作為視頻處理的信息源。
3.根據(jù)權(quán)利要求1所述的模塊化設(shè)計(jì)的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法，其特征在于所述的視頻處理包括視頻流解碼、背景初始化、車輛特征提取、車輛跟蹤和背景更新。
4.根據(jù)權(quán)利要求3所述的模塊化設(shè)計(jì)的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法，其特征在于所述的視頻流解碼為基于視頻文件的視頻播放模塊，或基于實(shí)驗(yàn)平臺(tái)使用FFmpeg解編碼器的在線視頻接入模塊。
5.根據(jù)權(quán)利要求3所述的模塊化設(shè)計(jì)的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法，其特征在于所述的背景初始化為，道路環(huán)境中除了車輛信息以外的圖像背景；背景圖像可由一幅無(wú)車輛圖像得到，也可以通過(guò)對(duì)圖像序列的運(yùn)算得到。
6.根據(jù)權(quán)利要求3所述的模塊化設(shè)計(jì)的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法，其特征在于所述的背景更新為用背景幀像素值與當(dāng)前幀像素值通過(guò)加權(quán)求和，獲得新背景幀的像素值；更新時(shí)只需將背景區(qū)域的像素點(diǎn)更新，而運(yùn)動(dòng)區(qū)域的像素點(diǎn)值則保持不變。
全文摘要
本發(fā)明一種模塊化設(shè)計(jì)的交通信息視頻采集實(shí)驗(yàn)教學(xué)方法，以采集的基礎(chǔ)理論部分、交通參數(shù)檢測(cè)部分、典型交通違章判別部分為基礎(chǔ)，將視頻處理的步驟通過(guò)編程，制作成多個(gè)獨(dú)立的模塊；通過(guò)灰度化模塊、圖像預(yù)處理模塊組、背景提取模塊、虛擬線圈模塊的組合搭建和參數(shù)設(shè)置，完成交通量的采集；應(yīng)用雙線圈或者單線圈方法，分別搭建車速檢測(cè)系統(tǒng)，完成定點(diǎn)車速的采集以及平均車速的計(jì)算。應(yīng)用逆行判斷模塊以及違章停車判斷模塊的分別搭建和銜接，實(shí)現(xiàn)車輛逆行以及違章停車實(shí)驗(yàn)系統(tǒng)的搭建。本發(fā)明將視頻處理的各個(gè)步驟制作成獨(dú)立的模塊，完成獨(dú)立的功能。學(xué)生通過(guò)模塊間的合理的搭配、銜接實(shí)現(xiàn)各種視頻處理及其應(yīng)用功能。
文檔編號(hào)G09B19/14GK102509490SQ201110309259
公開(kāi)日2012年6月20日 申請(qǐng)日期2011年10月13日 優(yōu)先權(quán)日2011年10月13日
發(fā)明者關(guān)偉, 張興儉, 張金喜, 蘇麟甲, 榮建, 趙曉華 申請(qǐng)人:北京工業(yè)大學(xué)