專利名稱：：一種新型的交通路口四相位車流量檢測系統(tǒng)與方法
技術領域：
：本發(fā)明涉及新型的一種接通路口四相位車流量檢測系統(tǒng)，屬于智能交通管理
技術領域：
中的圖像處理和模式識別領域，本發(fā)明還涉及該檢測系統(tǒng)對所采集道路視頻信息進行處理以獲取車流量的方法。(二)
背景技術：
目前道路交通管理或其類似場合，往往需要對路口四相位的車流量進行統(tǒng)計和車速計算，提供給交通管理部門車流量和車速數(shù)據(jù)，以便于對交通進行統(tǒng)籌調(diào)控。目前道路四相位車道需要設置4臺攝像機進行交通狀況信息進行采集，通常一塊采集卡只能與一部攝像機相連，再考慮到與系統(tǒng)接口設備，設備成本成本比較高。2005年11月23日，國家知識產(chǎn)權局公開了一種名稱為《道路交通狀況數(shù)據(jù)采集系統(tǒng)》，申請?zhí)枮?00410027326.X，其
背景技術：
部分詳細描述了當前道路交通狀況數(shù)據(jù)采集的技術現(xiàn)狀。該發(fā)明在車道下面安裝一個或一組可以連續(xù)監(jiān)測相應車道內(nèi)的地球磁場實時變化狀態(tài)的異向性磁阻傳感器，利用車輛經(jīng)過時對地磁場的擾動進行車輛信息采集，不過利用地磁場受擾動對車輛信息進行采集實際操作起來是很困難的，雖然不同車型的車輛對地磁場的影響不同，但是如果車流量比較大，各車道間磁場擾動比較大，上述傳感器并不能準確反映出車流量的變化。并且對于車輛調(diào)控中，很少涉及到車輛分類信息，關鍵問題在于具體到每一條道路上，兒乎每天跑在其上的各種車輛比例相差不大，統(tǒng)計各型車輛流量并無多達實際價值，反而會因此要耗掉大量的系統(tǒng)資源，影響系統(tǒng)速度和檢測精度。涉及到車輛流量信息采集系統(tǒng)的處理方法，目前應用最廣泛的是使用熵值作為參考特征參數(shù)的檢測方法。實際上，攝像頭安裝在路桿或者橋頭上，車輛經(jīng)過或經(jīng)風吹動時，不可避免地要引起攝像頭的抖動，而上述檢測方法的缺點恰恰對攝像機的抖動比較敏感，從而造成所采集圖像信息當前禎不清楚，這樣容易造成車輛的誤檢，從而影響檢測的精確度。(三)
發(fā)明內(nèi)容本發(fā)明為了克服目前車流量自動采集系統(tǒng)及方法成本高，容易造成車輛誤檢，檢測精確度差的缺陷，提供了一種成本低，車輛誤檢量小，檢測精確度高的交通路口四相位車流量檢測系統(tǒng)及其方法。本發(fā)明交通路口四相位車流量檢測系統(tǒng)及其方法基于檢測方法的改進，不涉及車輛類別的判斷，主要統(tǒng)計路口四相位車流量和車速數(shù)據(jù)，精簡系統(tǒng)結(jié)構(gòu)，以節(jié)約系統(tǒng)成本和消除因系統(tǒng)復雜所帶來的多節(jié)點而可能產(chǎn)生的缺陷。為實現(xiàn)上述發(fā)明目的，本發(fā)明采用以下技術方案其包括一臺視野覆蓋一個交通路口四個方向的攝像機、一個GPRS\CDMA1X無線通訊模塊、一臺監(jiān)控計算機、一臺數(shù)據(jù)庫中心服務器，其中攝像機與GPRSM:DMA1X無線通訊模塊相連，監(jiān)控計算機則與數(shù)據(jù)庫中心服務器通過局域網(wǎng)相連。目前攝像機的分辨率完全可以滿足一臺攝像機覆蓋整個路口四相位情況下的視頻采集要求，本發(fā)明采用一臺攝像機，架設于路口保證其視野覆蓋路口四相位，該設備及其數(shù)據(jù)通訊設備為室外設備，室外設備少，受環(huán)境影響小，節(jié)約成本的同時，設備維護成本也會大量降低。GPRS\CDMA1X無線通訊模塊，是一種獨立運行的嵌入式裝置，能通過GPRS/CDMA無線網(wǎng)絡實現(xiàn)遠程視頻監(jiān)控。例如市面上可買到的TM710由臺灣TOPMON公司生產(chǎn)，可在廈門拓凱科技有限公司郵購。此外本發(fā)明設備包括安裝有車輛檢測軟件和數(shù)據(jù)庫管理系統(tǒng)的監(jiān)控PC機一臺和數(shù)據(jù)庫中心服務器一臺，以及電源設備，其設備大大少于原有車流量自動采集系統(tǒng)，成本低，且系統(tǒng)節(jié)點量少，維護成本低。本發(fā)明的核心體現(xiàn)在該交通路口四相位車流量檢測系統(tǒng)獲取車流量的方法，其主要包括以下步驟1)視頻輸入通過視頻采集卡讀取攝像機所采集視頻信息；2)設置檢測帶按照攝像頭安裝高度和傾角以及景深的影響，選取顯示車輛間距較大的圖像下部位置；3)設置初始背景設置上述檢測帶時，沒有車輛的情況下，以當前檢測線和和檢測區(qū)域上的當前幀圖像作為初始背景圖像；4)車行方向檢測；5)對圖像進行預處理采用背景差法消除因攝像頭抖動帶來的背景，然后進行形態(tài)學除噪、車輛陰影邊緣抑制、提取數(shù)據(jù)流，并對該數(shù)據(jù)流進行相關性修正和預估校正；6)判斷是否有車輛通過6.1)車輛計數(shù)、測速若判斷有車通過，則計數(shù)，并記錄車速，存儲數(shù)據(jù)庫存儲器-,6.2)背景更新若判斷無車通過，則進行背景更新。上述獲取車流量的方法，所述背景差法為對當前幀與背景幀對應像素點進行鄰域比較，優(yōu)先采用當前幀檢測帶內(nèi)的點與背景幀中的對應位置的點進行灰度比較，若差值在設定范圍內(nèi)，則是為背景，不再與鄰域點進行比較，反之再順序比較其他鄰域點。上述獲取車流量的方法，進行鄰域比較時，閥值選取范圍為2535。上述獲取車流量的方法，所述背景更新判斷無車輛通過是以連續(xù)150幀持續(xù)判斷無車輛通過檢測線時，進行背景更新。所述車行方向檢測包括依次執(zhí)行的虛擬監(jiān)測區(qū)的設置、目標車輛的定位提取和匹配活動運動矢量三個步驟。該發(fā)明所涉及步驟，其檢測帶的選取考慮到路口區(qū)域大小不同，攝像頭的安裝高度和傾角也不同，所以檢測帶選取主要考慮攝像頭的安裝高度和傾角和景深三大要素，本發(fā)明的檢測帶選取主要選取圖像下部位置區(qū)域，該處車輛之間間距比較大，包含車輛信息量多，不宜受到噪聲影響。本發(fā)明采用背景差法消除因攝像頭抖動帶來的背景，然后進行形態(tài)學除噪、車輛陰影邊緣抑制、提取數(shù)據(jù)流，并對該數(shù)據(jù)流進行預估校正和相關性修正，極大地消除了噪音影響，通過仿真試驗，在不同路段、不同時段以及不同天氣條件下的視頻圖像序列作了大量測試，車輛檢測準確率保持在80%以上，運行速度可達15幀/秒，大大高于原有車流量監(jiān)測系統(tǒng)的準確率、精確度和速度，且系統(tǒng)運行穩(wěn)定沒有出現(xiàn)異常，為城市規(guī)劃提供準確可靠的交通數(shù)據(jù)。為了防止可能出現(xiàn)漏檢的情況，本發(fā)明采用了背景動態(tài)更新的方法來適應隨時間變化的背景，如判斷無車通過時，即進行背景更新，便于及時地對背景進行更新。圖1為本發(fā)明具體實施方式系統(tǒng)結(jié)構(gòu)框圖。圖2為本發(fā)明具體實施方式系統(tǒng)流程圖。圖3為本發(fā)明具體實施方式幀差法提取運動車輛的完整步驟圖。圖4為本發(fā)明具體實施方式閥值處理效果圖。具體實施方式下面結(jié)合說明書附圖具體說明一下本發(fā)明的原理。參照說明書附圖1，本具體實施方式交通路口四相位車流量自動采集系統(tǒng)，包括一臺視野覆蓋一個交通路口四個方向的攝像機、一個GPRS\CDMA1X無線通訊模塊、一臺監(jiān)控計算機、一臺數(shù)據(jù)庫中心服務器，其中攝像機與GPRS\CDMA1X無線通訊模塊相連,監(jiān)控計算機則與數(shù)據(jù)庫中心服務器通過局域網(wǎng)相連。本具體實施方式采用計算機Pentinum4CPU3.20GHz，GPRS\CDMA1X無線通訊模塊可以在無線網(wǎng)絡覆蓋下的任意地點實現(xiàn)視頻監(jiān)控，具備很好的靈活性和可移動性。下面具體說明一下本具體實施方式的工作流程參照說明書附圖首先通過視頻采集卡讀入攝像機采集的視頻圖像，接著設置各檢測線和檢測區(qū)域的位置以及各檢測線上的參數(shù)，在設置檢測線的位置時系統(tǒng)把當前檢測線和檢測區(qū)域上的圖像作為初始的背景圖像，所以只能在檢測線(域)上沒有車輛時設定。完成上述的參數(shù)初始化后系統(tǒng)就可以進行車輛檢測了，車輛檢測時首先需要對檢測線區(qū)域的圖像進行預處理，預處理步驟包括背景差計算、形態(tài)除噪、除去車輛陰影邊緣、提取數(shù)據(jù)流、相關性修正、預估校正；圖像預處理后再進行車輛計數(shù)、測速和背景更新步驟，一下對各個步驟進行詳細的說明步驟S101,計算機通過視頻采集卡、攝像機采集車道視頻信息。步驟S102、S114、S104，對于讀取的道路視頻信息，讀取當前幀以設置背景幀，為以后步驟提供參考。步驟S103，設置檢測帶，其位置的選取應充分考慮攝像頭安裝的高度和傾角以及景深的影響。檢測帶過小，包含的車輛信息量太少，易受噪聲影響。一般，對于640X480的圖像，取平均高度為20行。步驟S105、S106，車輛行駛方向判斷，以實現(xiàn)城市十字路口車輛行駛方向四相位的實時準確判斷，主要包括虛擬檢測區(qū)的設置、目標車輛的定位提取、匹配獲得運動矢量三個步驟。其中1)設置虛擬檢測區(qū)虛擬檢測區(qū)的設置應遵循以下原則首先檢測區(qū)應盡量靠近城市十字路口的正中間位置，這樣檢測結(jié)果才能完整地包含所有相位的情況；其次檢測區(qū)面積應足夠大，有利于方向檢測時運動車輛信息的提??；再次，為了降低誤判率，應盡量避免包含人行道區(qū)域。2)幀差法提取運動車輛設置虛擬檢測區(qū)后，首先利用幀差法得到虛擬檢測區(qū)的幀差圖。設在仁和t2時刻采集到兩幅虛擬檢測區(qū)灰度圖像取值為/"M)和/^，化則二值化幀差圖滿足-其它(1)其中Td為分割閾值，可以事先給定或者用自適應的方法確定。幀差圖像中的運動區(qū)域已經(jīng)非常明顯，設置閾值進行二值化可以更有效去處那些小于閾值的幀差噪聲，同時增強目標區(qū)域分割的效果。圖像分割中自適應選取閾值的方法有很多，實驗證明，最小半采樣閾值法雖然不是最佳分割，《旦是因為該方法盡可能多的保留了車輛信息，其閾值在實際檢測中的表現(xiàn)十分理想；同時該方法耗時也比較少。因此，本算法的自適應閾值選取最終采用了最小半采樣閾值法。幀差法得到的運動車輛的目標區(qū)域，會存在著一些不需要的孤立點或"空洞"，通過形態(tài)學操作可以得到連通完整的運動對象圖像。先腐蝕后膨脹稱為開運算，具有濾除由噪聲引起的離散小區(qū)域以及圖像邊緣毛刺的作用；先膨脹后腐蝕為閉運算，用于填充一些小的空洞或小細縫。為保留更多的車輛信息，本具體實施方式對虛擬檢測區(qū)的二值化幀差圖采用閉運算操作，可以有效填充目標區(qū)域內(nèi)的細小空洞，形成內(nèi)部連通的完整區(qū)域。實驗證明，形態(tài)學結(jié)構(gòu)元素選擇以當前像素點為中心的5X5鄰域，可以有效增強目標區(qū)域的連通性。經(jīng)過形態(tài)學操作后，本方法采用了圖像分割中的基本算法區(qū)域生長法達到簡單快速尋找目標車輛區(qū)域的目的。具體做法是事先設定面積閾值Tarea，在二值化圖像中每個連通區(qū)域內(nèi)找到種子點，依次利用區(qū)域生長法計算每個連通區(qū)域面積，一旦其中存在區(qū)域面積大于閾值Tarea時，該區(qū)域即為要尋找的目標車輛。3)MAD準則匹配算法計算運動矢量為了進一步提高運算速度，直接從目標車輛區(qū)域摳取覆蓋大部分車身的方陣作為匹配內(nèi)容進行模板匹配，采用MAD匹配準則，公式為層，im=ln=1本方法采用最直接的鄰域搜索法，在目標車輛方陣的八鄰域內(nèi)做匹配(根據(jù)采樣率可適當調(diào)整領域大小)。設置匹配閾值Tmatch，當根據(jù)MAD準則計算的差別小于閾值時，即停止搜索。如此，既能保證得到最佳匹配結(jié)果，又有效的提高了搜索速度，增強了算法實時性。由于搜索范圍大大減小，算法時間復雜度低，完全能滿足實時性要求。根據(jù)匹配前后的位置計算目標車輛的運動矢量，即可判斷車輛行駛方向。由于攝像機拍攝角度的問題，真實世界的方向與圖像坐標系之間會有一定的夾角e，判斷方向時需要注意修正。步驟S107，經(jīng)上述步驟之后，即進入背景差計算階段。由于攝像頭安裝在路桿或橋頭上，車輛經(jīng)過或風吹動時，不可避免地要引起攝像頭的輕微抖動。若用當前幀與背景幀直接相減，不可能將背景完全去除。因此，本具體實施方式采用了對當前幀與背景幀對應像素點進行鄰域比較的方法，初始背景圖像取一幅檢測帶位置沒有車輛的圖像，為得到最優(yōu)的鄰域比較效果，并減少不必要的計算量，應優(yōu)先采用當前幀檢測帶內(nèi)的點與背景幀中的對應位置的點進行灰度值比較。若差值在某一范圍內(nèi)，則視為背景，不再與鄰域點進行比較；否則再順序比較其它鄰域點。下表所示為當前像素點的八鄰域。<table>tableseeoriginaldocumentpage9</column></row><table>閾值選取時，若閾值過大，對于灰度接近于路面的車，車輛信息丟失太多，易造成漏檢；若閾值過小背景去除不干凈，易造成誤檢。在實際工作中，閾值選取30左右為宜，通常為2535范圍內(nèi)。步驟S108，形態(tài)學除噪。經(jīng)鄰域比較，仍不能完全消除攝像機的抖動、背景不夠精確帶來的噪聲，另外，在視頻的攝制、傳輸、格式轉(zhuǎn)換中也會帶來附加的噪聲，除噪是必要的步驟。數(shù)學形態(tài)學是圖像處理的一個統(tǒng)一的理論，是對傳統(tǒng)圖像處理理論的延拓。本具體實施方式的除噪使用了形態(tài)學除噪算法，其運算過程如式(l):<formula>formulaseeoriginaldocumentpage9</formula>式中。表示開啟運算，，表示閉合運算，^表示腐蝕運算，④已表示腐蝕運算，偽輸入的圖像，6是結(jié)構(gòu)元素。在本文中使用6的是一個半徑為1的3"鉆石形結(jié)構(gòu)元素，結(jié)構(gòu)中的四個角上的元素均為0，其余元素為1。該算法能夠很好地抑制噪聲。步驟S109，陰影去除，其作用是陰影邊緣抑制。經(jīng)鄰域比較、形態(tài)學除噪后，車輛陰影和路面陽光光線的接觸界線仍會留有邊緣，影響檢測的精度，需要去掉。本文不涉及車輛的分類，去除陰影邊緣的主要目的是抑制陰影投射到相鄰車道引起車輛的誤檢，所以使用的結(jié)構(gòu)單元僅足橫向有效的，如下表所示。對于背景差后的圖像^("')，如果與當前像素c同一行的前兩個像素c-1、c^和后兩個像素c+l、^+2都不為0，則說明當前像素是內(nèi)部像素，使形態(tài)學除噪后圖像相應位置的像素為當前像素，相反，說明是邊界像素，取形態(tài)學除噪后圖像相應位置的像素為o。這樣就去掉了車輛陰影的邊緣，可以有效克服車輛陰影引起的誤檢。c-2c+lc+2步驟S110,提取數(shù)據(jù)流。對步驟S107、S108、S109后檢測帶內(nèi)留下的車輛信息進行量化，生成數(shù)據(jù)流。若用'r表示檢測帶內(nèi)相應位置有車輛變化的信息，用'o'表示檢測帶內(nèi)相應位置無車輛變化的信息則帶內(nèi)車輛變化的信息就完全可以用幀的數(shù)據(jù)流表示，例如(oooiiimooooooiimooooo)。以圖像寬度為640個像素點為例，為了減少數(shù)據(jù)的運算量以及所需存儲器的數(shù)目，可選取每10個像素寬的信息生成數(shù)據(jù)流的一個信息位。為此，定義1個長度為64的一維數(shù)組a，表示當前幀背景差后的數(shù)據(jù)流。若檢測帶高為20個像素，則把每個寬10個像素、高20個像素的浮動窗內(nèi)的像素點的灰度值進行累加，如果累加值大于某個設定的閾值，就將對應的數(shù)組元素賦值為'r，否則賦值為'o'，這樣就得到了當前圖像的反映車輛運動信息的數(shù)據(jù)流。步驟Slll，預估校正。經(jīng)過鄰域比較、形態(tài)學除噪、陰影去除后，可能會造成車輛的一部分信息丟失而產(chǎn)生斷帶，因此需修正數(shù)據(jù)流，得到盡可能連續(xù)的<1'。首先進行填1操作，消除斷帶；然后進行填0操作，去除不足以表示一輛車的信息位'r。這一順序不能顛倒。a)填1:修補數(shù)據(jù)流中的斷帶。算法描述對于兩個有斷帶的信息位'r，統(tǒng)計斷帶中的'o'。若小于閾值，則進行填'r操作；否則，保留原值。閾值為兩輛并行車輛的視頻圖生成數(shù)據(jù)流后的最小間距，該最小間距由鏡頭安裝高度和角度等決定。<formula>formulaseeoriginaldocumentpage10</formula>式中々"為當前斷帶第n個'0'信息位；"為斷帶長度；^為車輛最小水平間距。b)填0:抹除經(jīng)填'l，操作后，還不足以表示一輛車的信息位'r?？山鉀Q因車前燈的影響、車輛頭小尾大而造成的數(shù)據(jù)流變化始終不足以表示一輛車，從而導致的車輛漏檢問題。算法描述統(tǒng)計連續(xù)'T段，對不足以表示一輛車的信息位<r段進行填'o'操作。閾值為車輛的最小寬度。式中^"為當前連續(xù)的第"個'T信息位；A為斷帶長度；^為車輛最小寬度。步驟S112,相關性修正。經(jīng)過鄰域比較、陰影去除、形態(tài)學除噪、預估校正，已能對正常行駛、運動緩慢、走走停停的大小車輛進行正確檢測。在實際運行中，還存在車輛換道、裝載貨物復雜的大貨車等造成信息時多時少而發(fā)生誤計的情況。算法描述根據(jù)前一幀中車輛的中心位置，在當前幀中尋找與其距離最近的車輛中心位置。如果兩中心位置距離大于等于一個車道的寬度，則認為是兩輛車；否則認為是同一輛車，使用信息量多的那一幀數(shù)據(jù)流修正另一幀數(shù)據(jù)流。實際工作中，根據(jù)檢測線的位置獲取車道寬度。步驟S113、S115,車輛計數(shù)、車速測量。原理分析比較上一幀和當前幀背景差后的數(shù)據(jù)流有四種情況和三種結(jié)果a)上一幀某位置無車，當前幀對應位置也無車此位置對應數(shù)據(jù)流不變，仍為0，表示沒有車輛經(jīng)過；b)上一幀某位置有車，當前幀對應位置也有車此位置對應數(shù)據(jù)流不變，仍為0，表示有車輛經(jīng)過；C)上一幀某位置無車，當前幀對應位置有車此位置對應數(shù)據(jù)流由0變?yōu)閘，表示有新車到來；d)上一幀某位置有車，當前幀對應位置無車此位置對應數(shù)據(jù)流由1變?yōu)?，表示車已離去。方法描述根據(jù)上一幀和當前幀背景差后的比較結(jié)果進行車輛計數(shù)和車速估算，其方法如下a)若檢測帶上某位置對應數(shù)據(jù)流由0變?yōu)?，則進行車輛計數(shù)，并記錄當前幀數(shù)；b)若檢測帶上某位置對應數(shù)據(jù)流由1變?yōu)?，則記錄當前幀數(shù)，并進行車速估算。根據(jù)車輛到來與車輛離去，可知該車輛在檢測帶中停留的幀數(shù)，由攝像頭的拍攝速度、車輛的平均長度及檢測帶高度，即可測量出車速。車速測量公式-式中^為車輛的平均長度；^B為檢測帶高度；^為當前車輛停留幀數(shù)；^為攝像頭的拍攝速度。步驟S113、S114，背景更新。本具體實施方式采用了背景動態(tài)更新的方法來適應隨時間變化的背景。由于可能漏檢車輛，所以不能簡單的當檢測線上判為無車時就更新背景。系統(tǒng)只有在連續(xù)150幀持續(xù)判為無車通過檢測線時，才能更新背景。更新用的背景計算為5,(/,y)=(C,_12。(/，+C,_9。(/，力+C,—6。(/,力+C,_3。(/,+C,(/,力)/5^式中5,(z，力為更新過的背景，c,—120('"')、c,_9。(/，/)、c,—6。o.，y)、c,—3。(/，力、C力'，力分別為連續(xù)150幀中的第30、60、90、120和150幀。這樣做既保證了更新背景的質(zhì)量，又保證了動態(tài)更新的速度。步驟S116，判斷視頻禎是否結(jié)束，此過程用于檢測視頻流是否繼續(xù)輸入，若沒有則退出系統(tǒng)，如有則進入步驟S105，進行車行方向檢測，進入下一循環(huán)。權利要求1.一種四相位車流量自動采集系統(tǒng)，其特征在于包括一臺視野覆蓋一個交通路口四個方向的攝像機、一個GPRS或CDMA1X無線通訊模塊、一臺監(jiān)控計算機、一臺數(shù)據(jù)庫中心服務器，其中攝像機通過GPRS\CDMA1X無線通訊模塊與監(jiān)控計算機相連，數(shù)據(jù)庫中心服務器通過局域網(wǎng)與上述監(jiān)控計算機相連。2.—種如權利要求1所述的四相位車流量自動采集系統(tǒng)獲取車流量的方法，其特征在于包括以下步驟1)視頻輸入通過視頻采集卡讀取攝像機所采集視頻信息；2)設置檢測帶按照攝像頭安裝高度和傾角以及景深的影響，選取顯示車輛間距較大的圖像下部位置(適當選取四條檢測帶，分別用于四相位檢測)3)設置初始背景設置上述檢測帶時，沒有車輛的情況下，以當前檢測線和和檢測區(qū)域上的當前幀圖像作為初始背景圖像；4)車行方向檢測；5)對圖像進行預處理采用背景差法消除因攝像頭抖動帶來的背景，然后進行形態(tài)學除噪、車輛陰影邊緣抑制、提取數(shù)據(jù)流，并對該數(shù)據(jù)流進行預估校正和相關性修正；6)判斷是否有車輛通過1)車輛計數(shù)、測速若判斷有車通過，則計數(shù)，并記錄車速，數(shù)據(jù)實時存入數(shù)據(jù)庫；(6.2)背景更新若判斷無車通過，則進行背景更新。3.根據(jù)權利要求2所述的獲取車流量的方法，其特征在于所述背景差法為對當前幀與背景幀對應像素點進行鄰域比較，優(yōu)先采用當前幀檢測帶內(nèi)的點與背景幀中的對應位置的點進行灰度比較，若差值在設定范圍內(nèi)，則是為背景，不再與鄰域點進行比較，反之再順序比較其他鄰域點。4.根據(jù)權利要求3所述的獲取車流量的方法，其特征在于進行鄰域比較時，閥值選取范圍為2535。5.根據(jù)權利要求2所述的獲取車流量的方法，其特征在于所述背景更新判斷無車輛通過是以連續(xù)150幀持續(xù)判斷無車輛通過檢測線時，進行背景更新。6.根據(jù)權利要求2所述獲取車流量的方法，其特征在于所述車行方向檢測包括依次執(zhí)行的虛擬監(jiān)測區(qū)的設置、目標車輛的定位提取和匹配活動運動矢量三個步驟。全文摘要本發(fā)明公開了一種交通路口四相位車流量檢測系統(tǒng)，屬于智能交通管理
技術領域：
中的圖像處理和模式識別領域，本發(fā)明還涉及該檢測系統(tǒng)對所采集道路視頻信息進行處理以獲取車流量的方法。本發(fā)明交通路口四相位車流量檢測系統(tǒng)及其方法基于檢測方法的改進，不涉及車輛類別的判斷，主要統(tǒng)計路口四相位車流量和車速數(shù)據(jù)，精簡系統(tǒng)結(jié)構(gòu)，以節(jié)約系統(tǒng)成本和消除因系統(tǒng)復雜所帶來的多節(jié)點而可能產(chǎn)生的缺陷。本發(fā)明提供了一種成本低，車輛誤檢量小，檢測精確度高的四相位車流量檢測系統(tǒng)及其方法。文檔編號G06T7/00GK101329815SQ20081013815公開日2008年12月24日申請日期2008年7月7日優(yōu)先權日2008年7月7日發(fā)明者吳慧敏,偉周,娜李,趙建云,趙彥玲,鄭曉勢申請人:山東省計算中心