專利名稱：基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及道路交通狀態(tài)檢測技術(shù)領(lǐng)域，具體涉及一種基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法。
背景技術(shù)：
隨著我國經(jīng)濟建設(shè)的快速發(fā)展，高速公路運營里程快速增加，通行高速公路車輛數(shù)量急劇增多，高速公路收費站的安全隱患也隨之增加。高速公路收費廣場作為車輛聚集的特殊路段，交通安全問題尤為突出。特別是在高峰交通時段，車輛在收費廣場易排長隊出現(xiàn)擁堵，影響了駕駛員在收費廣場的駕駛行為，其選擇服務(wù)時間短的車道的行為導(dǎo)致車輛之間交通沖突加劇，繼而引發(fā)交通事故。因此，第一時間監(jiān)測高速公路收費廣場的擁堵事件與加強收費現(xiàn)場監(jiān)管，對維護收費廣場的交通安全有著重要的意義。同時，由于收費廣場擁堵事件的發(fā)生往往存在許多隨機因素，因此不能單純憑借時間段來劃定車輛高峰期，而應(yīng)該通過科學(xué)技術(shù)手段來實時監(jiān)測出高速公路收費廣場的擁堵狀態(tài)。目前，利用收費廣場的視頻監(jiān)控系統(tǒng)，已經(jīng)實現(xiàn)了對收費廣場車輛進出情況、車輛類型等的實時記錄。但對收費廣場擁堵事件的發(fā)現(xiàn)，仍然是由工作人員觀察視頻圖像序列， 通過人工監(jiān)控的方式實現(xiàn)，未實現(xiàn)收費廣場擁堵事件的自動檢測。因此，如何利用視頻檢測技術(shù)實時地自動檢測出收費廣場的擁堵狀態(tài)，對于交通運營管理者實時做出管理決策，提高收費站服務(wù)水平有著重要的意義。現(xiàn)有的基于視頻檢測技術(shù)的道路交通擁堵事件檢測方法通過獲取大量交通狀態(tài)參數(shù)，如流量、道路占有率、速度、車間距、排隊長度等，然后選取多個參數(shù)利用傳統(tǒng)的擁堵判別算法實現(xiàn)對道路交通擁擠事件的檢測。這種方法要求利用圖像處理技術(shù)計算多個參數(shù)，實現(xiàn)復(fù)雜，開銷較大，不利于實現(xiàn)對道路擁堵事件的發(fā)生進行實時監(jiān)控。且在國內(nèi)外公開的文獻中，尚未發(fā)現(xiàn)有基于視頻檢測技術(shù)的收費廣場擁堵事件檢測方法。因此，亟需一種自動檢測收費廣場擁擠事件的方法，實現(xiàn)對收費廣場擁堵事件的及時、可靠的檢測，為管理者及時把握現(xiàn)場狀況、做出管理決策提供有力的信息支撐，進而減少交通通行安全隱患。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明提供了一種運算開銷小，實時性強，基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法。本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法，包括如下步驟1)攝取收費廣場道路視頻；2)從視頻中提取收費廣場道路的圖片；3)建立并更新圖片的背景模型；4)從圖片中提取前景圖像；
4
5)獲取前景圖像的能量值及能量值變化量絕對值，判斷當(dāng)前幀圖像是否為收費廣場擁堵圖像。進一步，所述步驟3)具體包括如下步驟31)通過對Ntl張收費廣場道路的圖片，用均值法求取初始背景，N0 > 20 ；32)設(shè)定閾值，通過閾值判斷，從初始背景中提取背景；33)用步驟32)提取的背景建立并更新背景模型。進一步，所述步驟4)中，根據(jù)步驟3)獲得的背景模型，利用差分法從圖片中提取前景圖像。進一步，步驟5)具體包括如下步驟51)獲取當(dāng)前幀第k幀的前景圖像的能量值EnergyQO ；52)獲取當(dāng)前幀第k幀的前景圖像與前一幀第k-Ι幀的前景圖像的能量值之差的絕對值 Δ Energy (k)，同理獲取 Δ Energy (k_l)、Δ Energy (k~2)；53)判斷EnergyQO是否大于閾值Tl，如是，則執(zhí)行下一步；如否，則判定第k幀為非擁堵幀；54)判斷當(dāng)前幀第k幀的前景圖像與前一幀第k-Ι幀的前景圖像的能量值之差的絕對值A(chǔ)EnergyQO是否小于閾值T2，如是，則執(zhí)行下一步；如否，則判定第k幀為非擁堵幀；55)判斷第k-Ι幀的前景圖像與前一幀第k-2幀的前景圖像的能量值之差的絕對值Δ Energy (k-Ι)是否小于閾值T2，如是，則執(zhí)行下一步；如否，則判定第k幀為非擁堵幀；56)判斷第k-2幀的前景圖像與前一幀第k-3幀的前景圖像的能量值之差的絕對值Δ Energy (k-2)是否小于閾值T2，如是，則判定第k幀為擁堵幀；如否，則判定第k幀為非擁堵幀。進一步，Tl= 0. 48，T2 = 0. 076。進一步，所述步驟2)中還包括將提取的收費廣場道路的圖片由彩色圖片轉(zhuǎn)換為灰度圖片的步驟。進一步，所述步驟4)中，還包括對所提取的前景圖像進行形態(tài)學(xué)方法去噪的步
馬聚ο進一步，步驟5)中，獲取前景圖像的能量值的方法如下定義圖像序列為 {frk(x，y)i=u，k為幀號，N為視頻的總幀數(shù)，則差分圖像為difk(x，y) = frk(x, y)-frk_1(x, y)；對于第k幀差分圖像difk(x，y)，計算其全局閾值level，再對該差分圖像進行二值化處理，強制轉(zhuǎn)換為二值圖像；得到的二值化后的差分圖像為DB(k，i，j)口 ,其有 mXn個像素點；通過下式計算該二值化后的差分圖像的能量E(DB(k,ij:^) =沖，力)
m χη ν ‘-1‘其中b(i，j)為像素點(i，j)的值，即為該點的能量值。進一步，步驟5)之后還有如下步驟6)根據(jù)步驟5)中第k幀圖像的擁堵判別結(jié)果，判別當(dāng)前檢測周期是否為收費廣場擁堵周期，具體步驟如下
以10秒為一個檢測周期，當(dāng)該檢測周期中超過90%的圖像幀為擁堵幀，則標(biāo)記該周期為擁堵周期，反之，則標(biāo)記為非擁堵周期。進一步，還包括如下步驟7)根據(jù)步驟6)中當(dāng)前檢測周期的擁堵判別結(jié)果，判斷當(dāng)前收費廣場道路是否擁堵，并相應(yīng)地輸出或解除告警信息，其具體包括如下步驟71)建立滑動窗口投票模型，以10秒為一個檢測周期，定義滑動窗口的容量為6個周期，當(dāng)滑動窗口中有3個及以上的周期為擁堵周期時判定收費廣場擁堵，否則為非擁堵狀態(tài)。72)比對當(dāng)前周期的投票結(jié)果與上一周期的投票結(jié)果，如果上一周期的投票結(jié)果為非擁堵狀態(tài)，而當(dāng)前周期的投票結(jié)果為擁堵狀態(tài)，則輸出擁堵警告；如果上一周期的投票結(jié)果為擁堵狀態(tài)，而當(dāng)前周期的投票結(jié)果為非擁堵狀態(tài)，則解除擁堵警告。本發(fā)明的有益效果是可準(zhǔn)確、高效地解決高速公路收費廣場交通擁堵的判別問題，并在擁堵時刻輸出擁堵警告，從而為管理者及時把握現(xiàn)場狀況、做出管理決策提供有力的信息支撐，進而減少交通通行安全隱患。本發(fā)明針對傳統(tǒng)道路交通擁堵判別方法需要獲取大量交通狀態(tài)參數(shù)，運算開銷大，實時性不強的缺點，本發(fā)明只用獲取道路能量值參數(shù)， 構(gòu)建擁堵判別模型，便完成了對高速公路收費廣場擁堵狀態(tài)的判斷，算法簡單，運算開銷小，實時性強。本發(fā)明的其他優(yōu)點、目標(biāo)和特征在某種程度上將在隨后的說明書中進行闡述，并且在某種程度上，基于對下文的考察研究對本領(lǐng)域技術(shù)人員而言將是顯而易見的，或者可以從本發(fā)明的實踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點可以通過下面的說明書和權(quán)利要求書來實現(xiàn)和獲得。


圖1示出了基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法的軟件處理流程示意圖；圖2示出了步驟5)、6)、7)的流程示意圖，即交通擁堵判別流程圖；圖3示出了能量值變化量絕對值的時序圖；圖4示出了能量值的時序圖；圖5示出了實際擁堵狀態(tài)輸出。
具體實施例方式以下將對本發(fā)明的優(yōu)選實施例進行詳細的描述。應(yīng)當(dāng)理解，優(yōu)選實施例僅為了說明本發(fā)明，而不是為了限制本發(fā)明的保護范圍。參見圖1，基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法，包括如下步驟1)攝取收費廣場道路視頻；2)從視頻中提取收費廣場道路的圖片，并將其由彩色圖片轉(zhuǎn)換為灰度圖片；3)建立并更新圖片的背景模型；具體包括如下步驟31)通過對Ntl張收費廣場道路的圖片，用均值法求取初始背景；
6
32)設(shè)定閾值，通過閾值判斷，從初始背景中提取背景；33)用步驟32)提取的背景建立并更新背景模型。4)從圖片中提取前景圖像，利用差分法從圖片中提取前景圖像，并對所提取的前景圖像進行形態(tài)學(xué)方法去噪的步驟；5)獲取前景圖像的能量值及能量值變化量絕對值，判斷當(dāng)前幀圖像是否為收費廣場擁堵圖像。具體包括如下步驟51)獲取當(dāng)前幀第k幀的前景圖像的能量值Energy (k)。獲取前景圖像的能量值
Energy (k)的方法如下定義圖像序列為批(χ，Υ)￡，2，k為幀號，N為視頻的總幀數(shù)，則差
分圖像為difk(x，y) = frk(Xjy)-^1(Xjy)；對于第k幀差分圖像difk(x，y)，計算其全局閾值level，再對該差分圖像進行二值化處理，強制轉(zhuǎn)換為二值圖像；得到的二值化后的差分圖像為1 ^。)=1^ ,其有mXn個像素點；通過下式計算該二值化后的差分圖像的能量E(DB(k,ij:^) =沖，力)
m χη ν ‘-1‘其中b(i，j)為像素點(i，j)的值，即為該點的能量值。52)獲取當(dāng)前幀第k幀的前景圖像與前一幀第k-Ι幀的前景圖像的能量值之差的絕對值 Δ Energy (k)，同理獲取 Δ Energy (k_l)、Δ Energy (k~2)；53)判斷EnergyQO是否大于閾值Tl，如是，則執(zhí)行下一步；如否，則判定第k幀為非擁堵幀；54)判斷當(dāng)前幀第k幀的前景圖像與前一幀第k-Ι幀的前景圖像的能量值之差的絕對值A(chǔ)EnergyQO是否小于閾值T2，如是，則執(zhí)行下一步；如否，則判定第k幀為非擁堵幀；55)判斷第k-Ι幀的前景圖像與前一幀第k-2幀的前景圖像的能量值之差的絕對值Δ Energy (k-Ι)是否小于閾值T2，如是，則執(zhí)行下一步；如否，則判定第k幀為非擁堵幀；56)判斷第k-2幀的前景圖像與前一幀第k-3幀的前景圖像的能量值之差的絕對值Δ Energy (k-2)是否小于閾值T2，如是，則判定第k幀為擁堵幀；如否，則判定第k幀為非擁堵幀。6)根據(jù)步驟5)中第k幀圖像的擁堵判別結(jié)果，判別當(dāng)前檢測周期是否為收費廣場擁堵周期，具體步驟如下以10秒為一個檢測周期，當(dāng)該檢測周期中超過90%的圖像幀為擁堵幀，則標(biāo)記該周期為擁堵周期，反之，則標(biāo)記為非擁堵周期。進一步，還包括如下步驟7)根據(jù)步驟6)中當(dāng)前檢測周期的擁堵判別結(jié)果，判斷當(dāng)前收費廣場道路是否擁堵，并相應(yīng)地輸出或解除告警信息，其具體包括如下步驟71)建立滑動窗口投票模型，以10秒為一個檢測周期，定義滑動窗口的容量為6個周期，當(dāng)滑動窗口中有3個及以上的周期為擁堵周期時判定收費廣場擁堵，否則為非擁堵狀態(tài)。72)比對當(dāng)前周期的投票結(jié)果與上一周期的投票結(jié)果，如果上一周期的投票結(jié)果為非擁堵狀態(tài)，而當(dāng)前周期的投票結(jié)果為擁堵狀態(tài)，則輸出擁堵警告；如果上一周期的投票結(jié)果為擁堵狀態(tài)，而當(dāng)前周期的投票結(jié)果為非擁堵狀態(tài)，則解除擁堵警告。Tl和T2通過實驗獲得，本實施例中Tl = 0. 48，T2 = 0. 076。上述步驟5)、6)、7)的流程示意圖(即交通擁堵判別流程圖)參見圖2。在圖 2 中，當(dāng) Energy (k) > Τ” Δ Energy (k) < Τ2、Δ Energy (k_l) < T2、 Δ Energy (k_2) < T2這四個條件同時成立時，表示第k幀的能量值較高，而其之前三個相鄰幀k-1，k-2，k-3的能量值變化量絕對值較小。則第k幀為擁堵幀，標(biāo)記此幀對應(yīng)能量值為紅色。進一步根據(jù)周期內(nèi)幀圖像擁堵情況的判別結(jié)果，判別當(dāng)前檢測周期是否為收費廣場擁堵周期。具體規(guī)則為以10秒為一個檢測周期，當(dāng)該檢測周期中不小于9/10的圖像幀均為擁堵幀，則標(biāo)記該周期為擁堵周期，反之，則標(biāo)記為非擁堵周期。但要判斷當(dāng)前收費廣場道路是否擁堵，還需結(jié)合滑動窗口投票模型，以確定當(dāng)前收費廣場道路是否擁堵，以及是否應(yīng)該相應(yīng)地輸出或解除告警信息。本模型中，以10秒為一個檢測周期，定義滑動窗口的容量為6個周期，當(dāng)滑動窗口中有3個及以上的周期為擁堵周期，則輸出擁堵警告，并標(biāo)記此時刻起對應(yīng)的能量值線段為紅色；反之，當(dāng)滑動窗口中有4個及以上的周期為非擁堵周期，則解除警告，并標(biāo)記此時刻對應(yīng)能量值為藍色。圖3表示，當(dāng)出現(xiàn)擁擠事件時，能量值的變化是非常緩慢，非常小的，在64幀至160 幀能量值變化量的絕對值一直維持在較小的一個數(shù)值，此時段發(fā)生了交通擁堵。通過分析能量值_能量值變化量絕對值的關(guān)系，最終得到判別規(guī)則能量值處于一個高數(shù)值的同時， 其能量值變化量絕對值在一段時間內(nèi)保持在一個較小值的時候，收費廣場出現(xiàn)擁堵狀態(tài)。最后說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實施例對本發(fā)明進行了詳細說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進行修改或者等同替換，而不脫離本技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。
8
權(quán)利要求
1.基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法，其特征在于包括如下步驟1)攝取收費廣場道路視頻；2)從視頻中提取收費廣場道路的圖片；3)建立并更新圖片的背景模型；4)從圖片中提取前景圖像；5)獲取前景圖像的能量值及能量值變化量絕對值，判斷當(dāng)前幀圖像是否為擁堵圖像。
2.根據(jù)權(quán)利要求1所述的基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法， 其特征在于所述步驟3)具體包括如下步驟31)通過對Ntl張收費廣場道路的圖片，用均值法求取初始背景，N0> 20 ；32)設(shè)定閾值，通過閾值判斷，從初始背景中提取背景；33)用步驟32)提取的背景建立并更新背景模型。
3.根據(jù)權(quán)利要求2所述的基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法， 其特征在于所述步驟4)中，根據(jù)步驟3)獲得的背景模型，利用差分法從圖片中提取前景圖像。
4.根據(jù)權(quán)利要求1所述的基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法， 其特征在于步驟5)具體包括如下步驟51)獲取當(dāng)前幀第k幀的前景圖像的能量值EnergyQO；52)獲取當(dāng)前幀第k幀的前景圖像與前一幀第k-Ι幀的前景圖像的能量值之差的絕對值 Δ Energy (k)，同理獲取 Δ Energy (k_l)、Δ Energy (k-2)；53)判斷EnergyQO是否大于閾值Tl，如是，則執(zhí)行下一步；如否，則判定第k幀為非擁堵幀；54)判斷當(dāng)前幀第k幀的前景圖像與前一幀第k-Ι幀的前景圖像的能量值之差的絕對值A(chǔ)EnergyQO是否小于閾值T2，如是，則執(zhí)行下一步；如否，則判定第k幀為非擁堵幀；55)判斷第k-Ι幀的前景圖像與前一幀第k-2幀的前景圖像的能量值之差的絕對值 Δ Energy (k_l)是否小于閾值T2，如是，則執(zhí)行下一步；如否，則判定第k幀為非擁堵幀；56)判斷第k-2幀的前景圖像與前一幀第k-3幀的前景圖像的能量值之差的絕對值 Δ Energy (k-2)是否小于閾值T2，如是，則判定第k幀為擁堵幀；如否，則判定第k幀為非擁堵幀。
5.根據(jù)權(quán)利要求4所述的基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法，其特征在于步驟5)中，獲取前景圖像的能量值的方法如下定義圖像序列為{frk (x，y)i=u，...，w，k為幀號，N為視頻的總幀數(shù)，則差分圖像為difk (X，y) = frk (χ, y)-frk_1(x, y)；對于第k幀差分圖像difk(x，y)，計算其全局閾值level，再對該差分圖像進行二值化處理，強制轉(zhuǎn)換為二值圖像；得到的二值化后的差分圖像為DB(k，i，j)口 ,其有 mXn個像素點；通過下式計算該二值化后的差分圖像的能量E(DB(k,ij) 二^ = ^{^XbiiJ))m χη ν ‘-1‘其中b(i，j)為像素點(i，j)的值，即為該點的能量值。
6.根據(jù)權(quán)利要求4所述的基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法， 其特征在于:T1 = 0. 48，T2 = 0. 076。
7.根據(jù)權(quán)利要求1至6中任一項所述的基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法，其特征在于所述步驟2)中還包括將提取的收費廣場道路的圖片由彩色圖片轉(zhuǎn)換為灰度圖片的步驟。
8.根據(jù)權(quán)利要求7所述的基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法， 其特征在于所述步驟4)中，還包括對所提取的前景圖像進行形態(tài)學(xué)方法去噪的步驟。
9.根據(jù)權(quán)利要求1至8中任一項所述的基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法，其特征在于步驟5)之后還有如下步驟6)根據(jù)步驟5)中第k幀圖像的擁堵判別結(jié)果，判別當(dāng)前檢測周期是否為收費廣場擁堵周期，具體步驟如下以10秒為一個檢測周期，當(dāng)該檢測周期中超過90%的圖像幀為擁堵幀，則標(biāo)記該周期為擁堵周期，反之，則標(biāo)記為非擁堵周期。
10.根據(jù)權(quán)利要求9所述的基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法，其特征在于還包括如下步驟7)根據(jù)步驟6)中當(dāng)前檢測周期的擁堵判別結(jié)果，判斷當(dāng)前收費廣場道路是否擁堵，并相應(yīng)地輸出或解除告警信息，其具體包括如下步驟71)建立滑動窗口投票模型，以10秒為一個檢測周期，定義滑動窗口的容量為6個周期，當(dāng)滑動窗口中有3個及以上的周期為擁堵周期時判定收費廣場擁堵，否則為非擁堵狀態(tài)。72)比對當(dāng)前周期的投票結(jié)果與上一周期的投票結(jié)果，如果上一周期的投票結(jié)果為非擁堵狀態(tài)，而當(dāng)前周期的投票結(jié)果為擁堵狀態(tài)，則輸出擁堵警告；如果上一周期的投票結(jié)果為擁堵狀態(tài)，而當(dāng)前周期的投票結(jié)果為非擁堵狀態(tài)，則解除擁堵警告。
全文摘要
本發(fā)明涉及道路交通狀態(tài)檢測技術(shù)領(lǐng)域，具體公開了一種基于視頻檢測技術(shù)的高速公路收費廣場交通擁堵判別方法，包括如下步驟1)攝取收費廣場道路視頻；2)從視頻中提取收費廣場道路的圖片；3)建立并更新圖片的背景模型；4)從圖片中提取前景圖像；5)獲取前景圖像的能量值及能量值變化量絕對值，判斷收費廣場道路是否擁堵。本發(fā)明僅用獲取道路能量值參數(shù)，構(gòu)建擁堵判別模型，便完成了對高速公路收費廣場擁堵狀態(tài)的判斷，算法簡單，運算開銷小，實時性強，可準(zhǔn)確、高效地解決高速公路收費廣場交通擁堵的判別問題，并在擁堵時刻輸出擁堵警告，從而為管理者及時把握現(xiàn)場狀況、做出管理決策提供有力的信息支撐，進而減少交通通行安全隱患。
文檔編號G06K9/00GK102436739SQ201110289530
公開日2012年5月2日 申請日期2011年9月27日 優(yōu)先權(quán)日2011年9月27日
發(fā)明者劉衛(wèi)寧, 唐毅, 孫棣華, 廖孝勇, 趙敏, 鄭林江, 陳虹穎 申請人:重慶大學(xué)