專(zhuān)利名稱(chēng)：車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能交通領(lǐng)域，尤其涉及一種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法及裝置。
背景技術(shù)：
在智能交通系統(tǒng)中，通過(guò)車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)可以檢測(cè)出某個(gè)車(chē)道是否存在車(chē)輛排 隊(duì)現(xiàn)象，當(dāng)存在車(chē)輛排隊(duì)時(shí)，可以計(jì)算出排隊(duì)車(chē)輛形成的隊(duì)列長(zhǎng)度。現(xiàn)有技術(shù)提供一種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)方法在實(shí)現(xiàn)車(chē)輛排隊(duì)檢測(cè)時(shí)，采用移動(dòng)窗口 機(jī)制，對(duì)每個(gè)子窗口的檢測(cè)又分為車(chē)輛運(yùn)動(dòng)檢測(cè)和車(chē)輛存在檢測(cè)兩步進(jìn)行。如，通過(guò)提取檢 測(cè)窗口內(nèi)圖像的邊緣信息判斷是否有車(chē)輛存在，或者通過(guò)提取車(chē)輛垂直于路軸方向上的邊 緣實(shí)現(xiàn)車(chē)輛存在檢測(cè)?，F(xiàn)有技術(shù)還提供一種采用形態(tài)學(xué)方法提取邊緣，并利用一個(gè)伸縮窗 實(shí)現(xiàn)了車(chē)輛排隊(duì)檢測(cè)。然而，發(fā)明人發(fā)現(xiàn)白天車(chē)輛的邊緣信息通常比較明顯，現(xiàn)有的方法可以取得很好 的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)效果，當(dāng)夜晚來(lái)臨時(shí)，光線(xiàn)變得較暗，車(chē)輛邊緣信息銳減，采用邊緣信 息進(jìn)行車(chē)輛存在檢測(cè)時(shí)，容易造成檢測(cè)到的車(chē)輛排隊(duì)長(zhǎng)度結(jié)果不準(zhǔn)確。尤其發(fā)生雨雪天氣 后，由于潮濕路面反光或路面的不平整，當(dāng)車(chē)燈照在路面上時(shí)會(huì)檢測(cè)出大量的邊緣信息，造 成車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)結(jié)果的不準(zhǔn)確。

發(fā)明內(nèi)容
本發(fā)明的實(shí)施例提供一種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法及裝置，提高車(chē)輛排隊(duì)長(zhǎng)度檢 測(cè)的準(zhǔn)確性。為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案—種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法，包括獲取一幀交通道路圖像；識(shí)別并判斷所述交通道路圖像的拍攝場(chǎng)景；當(dāng)判斷出所述交通道路圖像的拍攝場(chǎng)景為白天時(shí)，采用結(jié)合三幀差法和形態(tài)學(xué)的 第一檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列，并計(jì)算所述排隊(duì)車(chē)輛隊(duì)列的長(zhǎng)度；當(dāng)判斷出所述交通道路圖像的拍攝場(chǎng)景為夜晚時(shí)，采用基于車(chē)燈的第二檢測(cè)方法 檢測(cè)出排隊(duì)車(chē)輛隊(duì)列，并計(jì)算所述排隊(duì)車(chē)輛隊(duì)列的長(zhǎng)度。一種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的裝置，包括獲取單元，用于獲取一幀交通道路圖像；識(shí)別單元，識(shí)別并判斷所述交通道路圖像的拍攝場(chǎng)景；第一檢測(cè)單元，用于當(dāng)所述識(shí)別單元判斷出所述交通道路圖像的拍攝場(chǎng)景為白天 時(shí)，采用結(jié)合三幀差法和形態(tài)學(xué)的第一檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列；第二檢測(cè)單元，用于當(dāng)所述識(shí)別單元判斷出所述交通道路圖像的拍攝場(chǎng)景為夜晚 時(shí)，采用基于車(chē)燈的第二檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列；計(jì)算單元，用于計(jì)算所述第一檢測(cè)單元或第二檢測(cè)單元檢測(cè)出的排隊(duì)車(chē)輛隊(duì)列的長(zhǎng)度。本發(fā)明實(shí)施例所提供的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法，可以判斷出當(dāng)前處理的交通道 路圖像所屬的拍攝場(chǎng)景為白天還是夜晚，針對(duì)白天和夜晚分別采取不同的車(chē)輛排隊(duì)長(zhǎng)度檢 測(cè)方法。在白天光照條件下，利用清晰的車(chē)輛邊緣信息，結(jié)合三幀差法和形態(tài)學(xué)邊緣檢測(cè)來(lái) 進(jìn)行車(chē)輛排隊(duì)檢測(cè)；在夜晚場(chǎng)景下，采用車(chē)燈這一顯著特征進(jìn)行車(chē)輛排隊(duì)檢測(cè)，在白天和夜 晚都可以準(zhǔn)確地檢測(cè)出車(chē)輛排隊(duì)情況。與現(xiàn)有技術(shù)在白天和夜晚采用相同的車(chē)輛長(zhǎng)度檢測(cè) 方法，容易導(dǎo)致夜晚檢測(cè)車(chē)輛排隊(duì)長(zhǎng)度時(shí)產(chǎn)生誤差相比，本發(fā)明實(shí)施例提高了車(chē)輛排隊(duì)長(zhǎng) 度檢測(cè)的準(zhǔn)確性。


為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實(shí)施例提供的一種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法的流程圖；圖2為本發(fā)明實(shí)施例提供的另一種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法的流程圖；圖3為本發(fā)明實(shí)施例提供的結(jié)合三幀差法和形態(tài)學(xué)的第一檢測(cè)方法的流程圖；圖4為本發(fā)明實(shí)施例采取圖3所示的方法進(jìn)行車(chē)輛排隊(duì)檢測(cè)示意圖；圖5為本發(fā)明實(shí)施例提供的基于車(chē)燈的第二檢測(cè)方法的流程圖；圖6為本發(fā)明實(shí)施例采取圖5所示的方法進(jìn)行車(chē)輛排隊(duì)檢測(cè)示意圖；圖7為本發(fā)明實(shí)施例中建立的攝像機(jī)模型的示意圖；圖8為本發(fā)明實(shí)施例中進(jìn)行攝像機(jī)標(biāo)定的示意圖；圖9為本發(fā)明實(shí)施例提供第一種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的裝置的結(jié)構(gòu)圖；圖10為本發(fā)明實(shí)施例提供第二種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的裝置的結(jié)構(gòu)圖；圖11為本發(fā)明實(shí)施例提供第三種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的裝置的結(jié)構(gòu)圖；圖12為采用本發(fā)明實(shí)施例提供的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)方法進(jìn)行車(chē)輛檢測(cè)實(shí)驗(yàn)的結(jié) 果示意圖。
具體實(shí)施例方式本發(fā)明實(shí)施例中車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法，可以針對(duì)白天和夜晚分別采用不同的 車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)方法，在白天和夜晚都可以準(zhǔn)確地檢測(cè)到車(chē)輛排隊(duì)長(zhǎng)度。如圖1所示，該 方法包括如下步驟101、獲取一幀交通道路圖像。該交通道路圖像可以為全天中任何一個(gè)時(shí)間檢測(cè)到的交通道路圖像。102、識(shí)別并判斷所述交通道路圖像的拍攝場(chǎng)景。本發(fā)明實(shí)施例中，將交通道路圖像的拍攝場(chǎng)景劃分為兩種白天和夜晚。當(dāng)然也可 以根據(jù)不同光照條件對(duì)全天各個(gè)不同時(shí)間獲取的交通道路圖像進(jìn)行更為詳細(xì)的劃分，在這 里不做限制。103、當(dāng)判斷出所述交通道路圖像的拍攝場(chǎng)景為白天時(shí)，采用結(jié)合三幀差法和形態(tài)學(xué)的第一檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列，并計(jì)算所述排隊(duì)車(chē)輛隊(duì)列的長(zhǎng)度。由于白天光線(xiàn)通常較為充足，采用三幀差法可以減小噪聲干擾，較快地檢測(cè)出是 否存在車(chē)輛運(yùn)動(dòng)的情況，基于形態(tài)學(xué)的邊緣檢測(cè)算法受噪聲干擾小，可以較準(zhǔn)確地檢測(cè)出 是否存在車(chē)輛。104、當(dāng)判斷出所述交通道路圖像的拍攝場(chǎng)景為夜晚時(shí)，采用基于車(chē)燈的第二檢測(cè) 方法出排隊(duì)車(chē)輛隊(duì)列，并計(jì)算所述排隊(duì)車(chē)輛隊(duì)列的長(zhǎng)度。由于晚上車(chē)輛的邊緣信息不太清晰，采用現(xiàn)有的方法檢測(cè)車(chē)輛邊緣信息常常導(dǎo)致 檢測(cè)結(jié)果出現(xiàn)誤差，因而，本發(fā)明實(shí)施例中在夜晚的交通道路圖像中采用車(chē)燈這一顯著的 技術(shù)特征進(jìn)行車(chē)輛排隊(duì)檢測(cè)，可以取得較好的檢測(cè)效果。由于本發(fā)明實(shí)施例根據(jù)白天和夜晚各自的特點(diǎn)，在白天光照條件下，采用三幀差 法和形態(tài)學(xué)邊緣檢測(cè)通過(guò)檢測(cè)清晰的車(chē)輛邊緣信息可以得到準(zhǔn)確的車(chē)輛排隊(duì)檢測(cè)結(jié)果；在 夜晚場(chǎng)景下，采用車(chē)燈這一顯著特征進(jìn)行車(chē)輛排隊(duì)檢測(cè)的準(zhǔn)確度要高于利用車(chē)輛邊緣信息 進(jìn)行檢測(cè)得出的結(jié)果，因而，本發(fā)明實(shí)施例在白天和夜晚都可以準(zhǔn)確地檢測(cè)出車(chē)輛排隊(duì)情 況，而現(xiàn)有方法在白天和夜晚采用相同的車(chē)輛長(zhǎng)度檢測(cè)方法，雖然在白天利用車(chē)輛邊緣信 息可以準(zhǔn)確地檢測(cè)出車(chē)輛排隊(duì)長(zhǎng)度，然而在夜晚仍然利用車(chē)輛邊緣信息檢測(cè)車(chē)輛排隊(duì)長(zhǎng)度 時(shí)常常出現(xiàn)誤差，與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例提供的方法可以提高車(chē)輛排隊(duì)長(zhǎng)度檢測(cè) 的準(zhǔn)確性。下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所 獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。如圖2所示的本發(fā)明實(shí)施例提供一種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法，包括如下步驟201、獲取一幀交通道路圖像。202、根據(jù)kNN算法(K最近鄰分類(lèi)算法)識(shí)別并判斷所述交通道路圖像的拍攝場(chǎng)
旦
ο由于亮度的不同，白天的交通道路圖像和夜晚的交通道路圖像各自的灰度直方圖 存在較大差異。白天的交通道路圖像的灰度值集中在灰度直方圖的中值附近，而夜晚的交 通道路圖像的灰度值集中在灰度較小的一端，或者在車(chē)燈等光源較多的情況下，灰度值分 布在直方圖的兩端。具體應(yīng)用過(guò)程中可以利用灰度直方圖的相關(guān)系數(shù)作為距離值，采用kNN 方法來(lái)實(shí)現(xiàn)交通道路圖像拍攝場(chǎng)景的識(shí)別和判斷。下面，首先介紹一下灰度直方圖的相關(guān)系數(shù)的計(jì)算。給定兩幀圖像和f2，分別定義對(duì)應(yīng)的灰度直方圖為H1, f2對(duì)應(yīng)的灰度直方圖 為H2，其相關(guān)系數(shù)的計(jì)算公式為其中，
權(quán)利要求
一種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法，其特征在于，包括獲取一幀交通道路圖像；識(shí)別并判斷所述交通道路圖像的拍攝場(chǎng)景；當(dāng)判斷出所述交通道路圖像的拍攝場(chǎng)景為白天時(shí)，采用結(jié)合三幀差法和形態(tài)學(xué)的第一檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列，并計(jì)算所述排隊(duì)車(chē)輛隊(duì)列的長(zhǎng)度；當(dāng)判斷出所述交通道路圖像的拍攝場(chǎng)景為夜晚時(shí)，采用基于車(chē)燈的第二檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列，并計(jì)算所述排隊(duì)車(chē)輛隊(duì)列的長(zhǎng)度。
2.根據(jù)權(quán)利要求1所述的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法，其特征在于，所述識(shí)別并判斷所 述交通道路圖像的拍攝場(chǎng)景包括獲取樣本集，所述樣本集中的樣本為灰度直方圖，所述灰度直方圖的拍攝場(chǎng)景為白天 時(shí)，其標(biāo)識(shí)為0，所述灰度直方圖的拍攝場(chǎng)景為夜晚時(shí)，其標(biāo)識(shí)為1 ；計(jì)算所述交通道路圖像的灰度直方圖，并依次計(jì)算所述交通道路圖像的灰度直方圖與 所述樣本集中的每個(gè)灰度直方圖的相關(guān)系數(shù)；按照所述相關(guān)系數(shù)從大到小的次序，依次取出前k個(gè)相關(guān)系數(shù)在計(jì)算時(shí)對(duì)應(yīng)樣本集中 的灰度直方圖的標(biāo)識(shí)，其中k大于等于1 ；當(dāng)所述k個(gè)標(biāo)識(shí)之和不大于k/2時(shí)，所述交通道路圖像的拍攝場(chǎng)景為白天； 當(dāng)所述k個(gè)標(biāo)識(shí)之和大于k/2時(shí)，所述交通道路圖像的拍攝場(chǎng)景為夜晚。
3.根據(jù)權(quán)利要求1所述的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法，其特征在于，所述采用結(jié)合三幀 差法和形態(tài)學(xué)的第一檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列包括在所述交通道路圖像上設(shè)定檢測(cè)區(qū)域，在所述檢測(cè)區(qū)域中設(shè)有從所述檢測(cè)區(qū)域的前端 向后端移動(dòng)的移動(dòng)檢測(cè)窗；根據(jù)三幀差法在所述移動(dòng)檢測(cè)窗中進(jìn)行車(chē)輛運(yùn)動(dòng)檢測(cè)，根據(jù)檢測(cè)結(jié)果控制所述移動(dòng)檢 測(cè)窗口位置的變換。
4.根據(jù)權(quán)利要求3所述的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法，其特征在于，所述根據(jù)三幀差法 在所述移動(dòng)檢測(cè)窗中進(jìn)行車(chē)輛運(yùn)動(dòng)檢測(cè)，根據(jù)檢測(cè)結(jié)果控制所述移動(dòng)檢測(cè)窗口位置的變換 包括當(dāng)檢測(cè)到所述移動(dòng)檢測(cè)窗中有車(chē)輛運(yùn)動(dòng)時(shí)，所述移動(dòng)檢測(cè)窗在所述檢測(cè)區(qū)域內(nèi)向后移 動(dòng)一個(gè)位置；當(dāng)檢測(cè)到所述移動(dòng)檢測(cè)窗中無(wú)車(chē)輛運(yùn)動(dòng)時(shí)，根據(jù)形態(tài)學(xué)的邊緣檢測(cè)方法在所述移動(dòng)檢 測(cè)窗中進(jìn)行車(chē)輛存在檢測(cè)；當(dāng)檢測(cè)到所述移動(dòng)檢測(cè)窗中存在車(chē)輛時(shí)，所述移動(dòng)檢測(cè)窗在所述檢測(cè)區(qū)域內(nèi)向前移動(dòng) 一個(gè)位置；當(dāng)檢測(cè)到所述移動(dòng)檢測(cè)窗中無(wú)車(chē)輛運(yùn)動(dòng)，并且當(dāng)檢測(cè)到所述移動(dòng)檢測(cè)窗中不存在車(chē)輛 時(shí)，所述移動(dòng)檢測(cè)窗在所述檢測(cè)區(qū)域內(nèi)向后移動(dòng)一個(gè)位置。
5.根據(jù)權(quán)利要求1所述的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法，其特征在于，所述采用基于車(chē)燈 的第二檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列包括在所述交通道路圖像上設(shè)定檢測(cè)區(qū)域，在所述檢測(cè)區(qū)域中設(shè)有從所述檢測(cè)區(qū)域的前端 向后端移動(dòng)的移動(dòng)檢測(cè)窗；在當(dāng)前的所述交通道路圖像之前的連續(xù)指定幀數(shù)的圖像中均檢測(cè)到相同的固定區(qū)域存在車(chē)燈時(shí)，所述移動(dòng)檢測(cè)窗在所述檢測(cè)區(qū)域內(nèi)向前移動(dòng)一個(gè)位置，所述固定區(qū)域在所述 交通道路圖像上位于所述移動(dòng)檢測(cè)窗中；在所述連續(xù)指定幀數(shù)的圖像中沒(méi)有檢測(cè)到相同的固定區(qū)域存在車(chē)燈時(shí)，所述移動(dòng)檢測(cè) 窗在所述檢測(cè)區(qū)域內(nèi)向后移動(dòng)一個(gè)位置。
6.根據(jù)權(quán)利要求1所述的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法，其特征在于，計(jì)算所述排隊(duì)車(chē)輛 隊(duì)列的長(zhǎng)度包括獲取所述排隊(duì)車(chē)輛隊(duì)列的隊(duì)頭坐標(biāo)和隊(duì)尾坐標(biāo)；利用車(chē)道線(xiàn)和車(chē)道的寬度進(jìn)行攝像機(jī)標(biāo)定，將所述隊(duì)頭坐標(biāo)轉(zhuǎn)換為對(duì)應(yīng)在世界坐標(biāo)系 下的坐標(biāo)(Xl，yi，0)、將隊(duì)尾坐標(biāo)轉(zhuǎn)換為對(duì)應(yīng)在世界坐標(biāo)系下的坐標(biāo) 根據(jù)公式L = √(X1-X2)2 +(y1-y2)2計(jì)算隊(duì)列長(zhǎng)度，L表示隊(duì)列長(zhǎng)度。
7.—種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的裝置，其特征在于，包括 獲取單元，用于獲取一幀交通道路圖像；識(shí)別單元，用于識(shí)別并判斷所述交通道路圖像的拍攝場(chǎng)景；第一檢測(cè)單元，用于當(dāng)所述識(shí)別單元判斷出所述交通道路圖像的拍攝場(chǎng)景為白天時(shí)， 采用結(jié)合三幀差法和形態(tài)學(xué)的第一檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列；第二檢測(cè)單元，用于當(dāng)所述識(shí)別單元識(shí)別并判斷出所述交通道路圖像的拍攝場(chǎng)景為夜 晚時(shí)，采用基于車(chē)燈的第二檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列；計(jì)算單元，用于計(jì)算所述第一檢測(cè)單元或第二檢測(cè)單元檢測(cè)出的排隊(duì)車(chē)輛隊(duì)列的長(zhǎng)度。
8.根據(jù)權(quán)利要求7所述的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的裝置，其特征在于，所述識(shí)別單元包括 獲取模塊，用于獲取樣本集，所述樣本集中的樣本為灰度直方圖，所述灰度直方圖的拍攝場(chǎng)景為白天時(shí)，其標(biāo)識(shí)為0，所述灰度直方圖的拍攝場(chǎng)景為夜晚時(shí)，其標(biāo)識(shí)為1 ；計(jì)算模塊，用于計(jì)算所述交通道路圖像的灰度直方圖，并依次計(jì)算所述交通道路圖像 的灰度直方圖與所述樣本集中的每個(gè)灰度直方圖的相關(guān)系數(shù)；標(biāo)識(shí)獲取模塊，用于按照所述相關(guān)系數(shù)從大到小的次序，依次取出前k個(gè)相關(guān)系數(shù)在 計(jì)算時(shí)對(duì)應(yīng)樣本集中的灰度直方圖的標(biāo)識(shí)，其中k大于等于1 ；識(shí)別模塊，用于當(dāng)所述k個(gè)標(biāo)識(shí)之和不大于k/2時(shí)，判斷所述交通道路圖像的拍攝場(chǎng)景 為白天，當(dāng)所述k個(gè)標(biāo)識(shí)之和大于k/2時(shí)，判斷所述交通道路圖像的拍攝場(chǎng)景為夜晚。
9.根據(jù)權(quán)利要求7所述的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的裝置，其特征在于，所述第一檢測(cè)單元 包括設(shè)置模塊，用于在所述交通道路圖像上設(shè)定檢測(cè)區(qū)域，在所述檢測(cè)區(qū)域中設(shè)有從所述 檢測(cè)區(qū)域的前端向后端移動(dòng)的移動(dòng)檢測(cè)窗；車(chē)輛運(yùn)動(dòng)檢測(cè)模塊，用于根據(jù)三幀差法在所述移動(dòng)檢測(cè)窗中進(jìn)行車(chē)輛運(yùn)動(dòng)檢測(cè)，根據(jù) 檢測(cè)結(jié)果控制所述移動(dòng)檢測(cè)窗口位置的變換。
10.根據(jù)權(quán)利要求7所述的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的裝置，其特征在于，所述第二檢測(cè)單元 包括設(shè)置模塊，用于在所述交通道路圖像上設(shè)定檢測(cè)區(qū)域，在所述檢測(cè)區(qū)域中設(shè)有從所述 檢測(cè)區(qū)域的前端向后端移動(dòng)的移動(dòng)檢測(cè)窗；第一檢測(cè)模塊，用于在當(dāng)前所述交通道路圖像之前的連續(xù)指定幀數(shù)的圖像中均檢測(cè)到相同的固定區(qū)域存在車(chē)燈時(shí)，所述移動(dòng)檢測(cè)窗在所述檢測(cè)區(qū)域內(nèi)向前移動(dòng)一個(gè)位置，所述 固定區(qū)域在所述交通道路圖像上位于所述移動(dòng)檢測(cè)窗中；第二檢測(cè)模塊，用于在所述連續(xù)指定幀數(shù)的圖像中沒(méi)有檢測(cè)到固定區(qū)域存在車(chē)燈時(shí)， 所述移動(dòng)檢測(cè)窗在所述檢測(cè)區(qū)域內(nèi)向后移動(dòng)一個(gè)位置。
11.根據(jù)權(quán)利要求7所述的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的裝置，其特征在于，所述計(jì)算單元包括坐標(biāo)獲取模塊，用于獲取所述排隊(duì)車(chē)輛隊(duì)列的隊(duì)頭坐標(biāo)和隊(duì)尾坐標(biāo)； 標(biāo)定模塊，用于利用車(chē)道線(xiàn)和車(chē)道的寬度進(jìn)行攝像機(jī)標(biāo)定；坐標(biāo)轉(zhuǎn)換模塊，用于將所述隊(duì)頭坐標(biāo)轉(zhuǎn)換為對(duì)應(yīng)在世界坐標(biāo)系下的坐標(biāo)U1, yi，o)、將 隊(duì)尾坐標(biāo)轉(zhuǎn)換為對(duì)應(yīng)在世界坐標(biāo)系下的坐標(biāo)(x2，K，0)計(jì)算模塊，用于根據(jù)公式
全文摘要
本發(fā)明實(shí)施例公開(kāi)一種車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的方法及裝置，涉及智能交通領(lǐng)域，提高了車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的準(zhǔn)確性。包括獲取一幀交通道路圖像；識(shí)別并判斷所述交通道路圖像的拍攝場(chǎng)景；當(dāng)判斷出所述交通道路圖像的拍攝場(chǎng)景為白天時(shí)，采用結(jié)合三幀差法和形態(tài)學(xué)的第一檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列，并計(jì)算所述排隊(duì)車(chē)輛隊(duì)列的長(zhǎng)度；當(dāng)判斷出所述交通道路圖像的拍攝場(chǎng)景為夜晚時(shí)，采用基于車(chē)燈的第二檢測(cè)方法檢測(cè)出排隊(duì)車(chē)輛隊(duì)列，并計(jì)算所述排隊(duì)車(chē)輛隊(duì)列的長(zhǎng)度。本發(fā)明實(shí)施例應(yīng)用在車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)時(shí)，針對(duì)白天和夜晚各自的特點(diǎn)，分別采用不同的車(chē)輛排隊(duì)檢測(cè)算法，可以實(shí)現(xiàn)在白天和夜晚都準(zhǔn)確地檢測(cè)出車(chē)輛排隊(duì)情況，從而提高車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)的準(zhǔn)確性。
文檔編號(hào)G06K9/00GK101936730SQ20101022093
公開(kāi)日2011年1月5日 申請(qǐng)日期2010年6月28日 優(yōu)先權(quán)日2010年6月28日
發(fā)明者劉昌平, 楊永輝, 黃磊 申請(qǐng)人:漢王科技股份有限公司