本發(fā)明涉及一種基于視頻分析的多車道車流量檢測(cè)方法，屬于智能交通系統(tǒng)交通參數(shù)采集領(lǐng)域。

背景技術(shù)：

隨著汽車保有量大幅增加，高質(zhì)量地利用現(xiàn)有有限的交通資源，以提高城市交通監(jiān)控指揮的自動(dòng)化水平就顯得非常重要。為解決這一問(wèn)題，對(duì)智能交通系統(tǒng)（ITS）的研究被提到了更加重要的位置。其中車流量檢測(cè)是智能交通系統(tǒng)需要考慮的重要技術(shù)與信息之一。它為智能控制提供重要的數(shù)據(jù)來(lái)源，作為ITS 的基礎(chǔ)部分，車流量檢測(cè)系統(tǒng)在ITS 中占有很重要的地位。它為后續(xù)進(jìn)行車速測(cè)定、車道占有率、交通誘導(dǎo)、交通違章處理等交通決策提供重要依據(jù)。

車流量檢測(cè)方法除了基于視頻分析方法外，主要還有線圈檢測(cè)法、電磁檢測(cè)法、微波檢測(cè)法、雷達(dá)檢測(cè)法、紅外檢測(cè)法、超聲波檢測(cè)法等。但這些方法有很明顯的缺陷。(1)不便于安裝和維護(hù)；(2)所獲取的信號(hào)不直觀，需要經(jīng)過(guò)比較復(fù)雜的處理，才能獲取有用的交通參量，不便于實(shí)時(shí)控制；(3)能夠檢測(cè)的交通參量有限，僅限于汽車流量及速度的檢測(cè)，不能適應(yīng)以后的更新?lián)Q代需要?；谝曨l分析的車流量檢測(cè)方法具有明顯的優(yōu)勢(shì)。(1)安裝方便和維護(hù)成本低；(2)獲得信息量豐富，可以融合車輛監(jiān)控、識(shí)別、測(cè)速、查違章等其他功能與一體；(3)可以進(jìn)行多車道同時(shí)檢測(cè)。

發(fā)明人實(shí)現(xiàn)本發(fā)明主要源于現(xiàn)有技術(shù)存在以下缺點(diǎn)或不足：

現(xiàn)有技術(shù)主要是針對(duì)高速公路、快速路、天氣環(huán)境和道路環(huán)境良好、整潔的車輛輛檢測(cè)，在天氣、車道環(huán)境變化快速、突變等情況下不能較快適應(yīng)場(chǎng)景變化和維持較高檢測(cè)準(zhǔn)確率；現(xiàn)有技術(shù)不能在車輛密集的路口，車輛壓線、變道行駛等情況時(shí)準(zhǔn)確檢測(cè)流量。

技術(shù)實(shí)現(xiàn)要素：

基于視頻分析的車流量檢測(cè)系統(tǒng)的準(zhǔn)確性關(guān)鍵來(lái)源于兩個(gè)方面：一是前期準(zhǔn)確地提取車輛目標(biāo)，二是后期對(duì)車輛目標(biāo)進(jìn)行準(zhǔn)確的判定計(jì)數(shù)。前期目標(biāo)的實(shí)現(xiàn)容易受環(huán)境變化、行人、車速等影響，后期目標(biāo)在車流量密集區(qū)、車輛壓線、變道等異常行車狀況時(shí)容易誤判計(jì)數(shù)。針對(duì)這一系列問(wèn)題，為了提高車流量檢測(cè)準(zhǔn)確率，本發(fā)明提供了一種基于視頻分析的多車道車流量檢測(cè)方法。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

基于視頻分析的多車道車流量檢測(cè)方法，包括以下步驟，

視頻背景模型建立：在視頻背景中設(shè)置位于車道上的橫向主虛擬檢測(cè)線、副虛擬檢測(cè)線和車道邊緣處的縱向虛擬檢測(cè)線，主虛擬檢測(cè)線和副虛擬檢測(cè)線互相平行距離固定；

視頻預(yù)處理：利用高斯混合背景模型建立背景圖像模型，其中計(jì)算連續(xù)兩幀圖像道路區(qū)域的差值引入全局變化因子參數(shù)P，

車輛目標(biāo)檢測(cè)：當(dāng)運(yùn)動(dòng)車輛進(jìn)入主虛擬檢測(cè)線時(shí)依據(jù)前后幀背景圖像模型確定是否給予車輛計(jì)數(shù)，即主虛擬檢測(cè)線上本幀圖像數(shù)據(jù)和下一幀圖像數(shù)據(jù)有無(wú)車輛目標(biāo)關(guān)系變化，其中副虛擬檢測(cè)線修正因超長(zhǎng)車輛和車輛距離過(guò)近引起的計(jì)數(shù)錯(cuò)誤，縱向虛擬檢測(cè)線修正多車并行與單車輛壓線行駛或變道行駛帶來(lái)的計(jì)數(shù)錯(cuò)誤；

依據(jù)車輛目標(biāo)檢測(cè)結(jié)果統(tǒng)計(jì)車輛計(jì)數(shù)。

進(jìn)一步的，主虛擬檢測(cè)線上本幀圖像數(shù)據(jù)無(wú)車輛目標(biāo)出現(xiàn)和下一幀圖像數(shù)據(jù)有車輛目標(biāo)出現(xiàn)時(shí)，直接進(jìn)行車輛計(jì)數(shù)，否則不計(jì)數(shù)；主虛擬檢測(cè)線上本幀圖像數(shù)據(jù)和下一幀圖像數(shù)據(jù)都出現(xiàn)了車輛時(shí)，判斷兩車是否為同一車輛確定是否計(jì)數(shù)。

在進(jìn)一步的，車輛目標(biāo)檢測(cè)計(jì)數(shù)標(biāo)準(zhǔn)：

（1）如果本幀圖像數(shù)據(jù)中主虛擬檢測(cè)線沒(méi)有檢測(cè)到車輛目標(biāo)，下一幀圖像數(shù)據(jù)主虛擬檢測(cè)線也沒(méi)有檢測(cè)到車輛目標(biāo)，車輛計(jì)數(shù)不變；

（2）如果本幀主虛擬檢測(cè)線沒(méi)有檢測(cè)到車輛目標(biāo)，下一幀主虛擬檢測(cè)線檢測(cè)到車輛目標(biāo)，車輛計(jì)數(shù)加1；

（3）如果本幀主虛擬檢測(cè)線檢測(cè)到車輛目標(biāo)，下一幀主虛擬檢測(cè)線沒(méi)有檢測(cè)到車輛目標(biāo)，車輛計(jì)數(shù)不變；

（4）如果本幀主虛擬檢測(cè)線檢測(cè)到車輛目標(biāo)，下一幀主虛擬檢測(cè)線也檢測(cè)到車輛目標(biāo)，判斷該兩車是否為同一車輛目標(biāo)還是相鄰車道的車輛目標(biāo)，是同一車輛計(jì)數(shù)不變，不為同一車輛則計(jì)數(shù)加1。

再進(jìn)一步的，上述步驟（4）判斷兩者是否為同一車輛的過(guò)程：

a.判斷檢測(cè)車道是否還有右臨車道，如果有右臨車道轉(zhuǎn)步驟b，如果沒(méi)有右臨車道轉(zhuǎn)步驟e。

b.利用右臨車道主虛擬檢測(cè)線判斷右臨車道是否有車，如果有車轉(zhuǎn)步驟c，如果沒(méi)有車轉(zhuǎn)步驟e；

c.使用縱向虛擬檢測(cè)線排除重復(fù)計(jì)數(shù)，利用檢測(cè)車道縱向虛擬檢測(cè)線檢測(cè)縱向車道線上是否有車，有車轉(zhuǎn)步驟d，如果沒(méi)有車轉(zhuǎn)步驟e。

d.判斷檢測(cè)車道和右臨車道車輛目標(biāo)區(qū)域連通性，如果連通，判定為兩車道為同一輛車，由于在右臨車道也會(huì)將該車計(jì)數(shù)，為避免同一輛車重復(fù)計(jì)數(shù)在檢測(cè)車道計(jì)數(shù)減1，轉(zhuǎn)步驟e，如果不連通，代表兩車道確實(shí)有兩輛車在并行，只是其中一輛車沒(méi)有完全在車道內(nèi)行駛，行駛過(guò)程壓線了，此種情況無(wú)需改變兩車道的計(jì)數(shù)，直接轉(zhuǎn)步驟e；

e.使用副虛擬檢測(cè)線檢測(cè)車輛目標(biāo)，如果檢測(cè)到車，轉(zhuǎn)步驟f，如果沒(méi)有檢測(cè)到車，不作計(jì)數(shù)；

f.通過(guò)對(duì)主副兩虛擬檢測(cè)線上檢測(cè)到的車輛目標(biāo)做顏色一致性、文理一致性分析，判定是否同一輛車，如果是同一輛車，車輛計(jì)數(shù)不變，如果判定不是同一輛車，車輛計(jì)數(shù)加1。

進(jìn)一步的，所述主虛擬檢測(cè)線和副虛擬檢測(cè)線間的距離為D，D不能低于一般車輛的長(zhǎng)度。

再進(jìn)一步的，所述D為常見(jiàn)車輛類型長(zhǎng)度的1.5-2倍。

再進(jìn)一步的，所述主虛擬檢測(cè)線和副虛擬檢測(cè)線長(zhǎng)為車道寬度的0.8-0.9倍，且置于車道中間，縱向虛擬檢測(cè)線設(shè)置在車道右側(cè)線上，使其被主虛擬檢測(cè)線穿過(guò)中點(diǎn)位置，縱向虛擬檢測(cè)線高度H設(shè)為普通轎車在圖像上顯示的長(zhǎng)度。

進(jìn)一步的，所述高斯混合背景模型建立背景圖像模型是利用背景差生成二值化運(yùn)動(dòng)目標(biāo)圖像，對(duì)該目標(biāo)圖像通過(guò)濾波算法、形態(tài)學(xué)開(kāi)閉運(yùn)算去除空洞和離散噪聲，利用HSV顏色空間去除運(yùn)動(dòng)目標(biāo)陰影區(qū)，根據(jù)車輛比單個(gè)行人、路面樹(shù)葉移動(dòng)物大許多濾除圖像出過(guò)小的目標(biāo)區(qū)域，生成最終的二值化車輛目標(biāo)圖像，高斯混合模型背景更新的均值學(xué)習(xí)率和方差學(xué)習(xí)率可分別采用如下公式：

其中，ρ為均值或方差的學(xué)習(xí)率；α為改進(jìn)前的原始學(xué)習(xí)率，取0~1； 、 為可調(diào)參數(shù)，經(jīng)實(shí)驗(yàn)可分別取1、0.5；ω為高斯模型權(quán)重。

本發(fā)明的優(yōu)點(diǎn)在于，在視頻圖像中建立主副虛擬檢測(cè)線和縱向虛擬檢測(cè)線，通過(guò)多條虛擬檢測(cè)線組合提高車輛計(jì)數(shù)的準(zhǔn)確性；在圖像模型建立中，引入全局變化因子參數(shù)來(lái)更新學(xué)習(xí)率，以更好地適應(yīng)車燈光線、路燈光線、樹(shù)枝樹(shù)葉等雜物、雨雪天氣等情況帶來(lái)的道路環(huán)境變化。

附圖說(shuō)明

圖1為基于視頻分析的多車道車流量檢測(cè)系統(tǒng)的總體流程圖；

圖2為本發(fā)明方法的虛擬檢測(cè)線設(shè)置圖；

圖3為在非交通擁擠且駕駛員嚴(yán)格遵守交通規(guī)則情況下的中小型車輛通過(guò)檢測(cè)線時(shí)的運(yùn)行情況圖；

圖4為相鄰兩車道都會(huì)被檢測(cè)到車目標(biāo)時(shí)車輛的運(yùn)行情況圖；

圖5為大型車輛或兩車前后緊貼通過(guò)檢測(cè)線是的運(yùn)行情況圖；

圖6為車輛目標(biāo)分析與計(jì)數(shù)流程圖。

具體實(shí)施方式

為了更清晰地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地說(shuō)明，很顯然，下面描述中的附圖僅僅是本發(fā)明的一些具體實(shí)施例，對(duì)于本領(lǐng)域技術(shù)人員來(lái)講，根據(jù)本發(fā)明精神，還可以根據(jù)這些附圖獲得其他的附圖。

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。

基于視頻分析的多車道車流量檢測(cè)方法，流程圖如圖1，其中，包括以下步驟：

步驟一，輸入視頻圖像建立視頻背景模型，通過(guò)求取多幀圖像平均值建立初始背景模型b(x,y)。在道路上設(shè)置橫向一主一副兩個(gè)虛擬檢測(cè)線L1、L2和縱向檢測(cè)線L3，如圖2，為了簡(jiǎn)化各車道橫向?qū)嶋H檢測(cè)線的設(shè)置，各車道的實(shí)際車輛檢測(cè)線都設(shè)置在兩條虛擬檢測(cè)線上，分別為L(zhǎng)11、L12、L21、L22、......。除最右側(cè)車道外，每個(gè)車道的右側(cè)車道線上設(shè)置該車道的縱向檢測(cè)線，分別為L(zhǎng)31、L32、......。

步驟一中的一主一副兩個(gè)虛擬檢測(cè)線的距離D可根據(jù)不同適應(yīng)路段調(diào)整，L2上輔助檢測(cè)線設(shè)置的目的是辨別大型車輛（如公交車）和車輛距離過(guò)近造成合并計(jì)數(shù)的兩種情況。距離D不能低于一般車輛的長(zhǎng)度，否則L2上的輔助檢測(cè)線會(huì)過(guò)多地用于不必要的輔助檢測(cè)；也不要設(shè)置過(guò)長(zhǎng)，一般不要超過(guò)道路擁堵情況下兩輛家用轎車尾隨緊貼行駛時(shí)占用道路的總長(zhǎng)度。可根據(jù)最經(jīng)常通過(guò)的車輛類型，設(shè)置為該類型車輛在圖像中顯示長(zhǎng)度的倍數(shù)，比如1.5-2倍。

步驟一中各車道橫向檢測(cè)線L11、L12、L21、L22、......以及縱向虛擬檢測(cè)線L31、L32、......的寬度根據(jù)視頻大小和分辨率來(lái)確定，但不宜過(guò)寬，取3-5個(gè)像素即可。橫向檢測(cè)線的長(zhǎng)度（L11、L21、......）取比對(duì)應(yīng)車道寬度略小一些，可以初步避免車輛壓車道線行駛時(shí)在左右雙車道同時(shí)檢測(cè)到造成重復(fù)計(jì)數(shù)。橫向檢測(cè)線一般可取檢測(cè)線長(zhǎng)度為車道寬度的0.8-0.9倍，且置車道中間?？v向虛擬檢測(cè)線設(shè)置在右車道線上，縱向位置可調(diào)，一般使其被橫向主虛擬檢測(cè)線穿過(guò)中點(diǎn)的位置，其高度H一般可設(shè)為普通轎車在圖像上顯示的長(zhǎng)度。

步驟二，采集圖像f(x,y)，建立混合高斯模型（GMM），利用背景差生成二值化運(yùn)動(dòng)目標(biāo)圖像，對(duì)該目標(biāo)圖像做預(yù)處理。通過(guò)濾波算法、形態(tài)學(xué)開(kāi)閉運(yùn)算去除空洞和離散噪聲；利用HSV顏色空間去除運(yùn)動(dòng)目標(biāo)陰影區(qū)；根據(jù)車輛比單個(gè)行人、路面樹(shù)葉等移動(dòng)物大許多的常識(shí)，濾除圖像出過(guò)小的目標(biāo)區(qū)域。生成最終的二值化車輛目標(biāo)圖像d(x,y)。

背景模型b(x,y)更新。背景模型的更新效率至關(guān)重要，直接決定了后續(xù)運(yùn)動(dòng)目標(biāo)提取的準(zhǔn)確性。為了更好地適應(yīng)環(huán)境變化，本發(fā)明通過(guò)計(jì)算連續(xù)兩幀圖像道路區(qū)域的差值引入全局變化因子參數(shù)P，其表達(dá)整個(gè)道路光線、路面變化的強(qiáng)度，將P加入到背景模型更新的學(xué)習(xí)率中，以更好地適應(yīng)車燈光線、路燈光線、樹(shù)枝樹(shù)葉等雜物、雨雪天氣等情況帶來(lái)的道路環(huán)境變化，建立準(zhǔn)確的背景模型。其P可采用如下公式計(jì)算：

改進(jìn)后的高斯混合模型背景更新的均值學(xué)習(xí)率和方差學(xué)習(xí)率可分別采用如下公式：

其中，ρ為均值或方差的學(xué)習(xí)率；α為改進(jìn)前的原始學(xué)習(xí)率，取0~1；、為可調(diào)參數(shù)，經(jīng)實(shí)驗(yàn)可分別取1、0.5；ω為高斯模型權(quán)重。

步驟三，車輛目標(biāo)分析，根據(jù)每個(gè)車道分別進(jìn)行車輛目標(biāo)分析。利用橫向主檢測(cè)線（L11）上的檢測(cè)結(jié)果判斷該車道是否有車目標(biāo)。其中，兩個(gè)橫向檢測(cè)線和縱向虛擬檢測(cè)線對(duì)有無(wú)車的判斷可以通過(guò)計(jì)算車目標(biāo)區(qū)域占總檢測(cè)線區(qū)域的比例判定。如圖3所示為非交通擁擠且駕駛員嚴(yán)格遵守交通規(guī)則情況下的中小型車輛通過(guò)檢測(cè)線時(shí)的運(yùn)行情況圖，此種一般車輛行駛情況可利用橫向主檢測(cè)線（L11）上本幀數(shù)據(jù)和下一幀數(shù)據(jù)的有無(wú)車目標(biāo)關(guān)系，直接進(jìn)行車輛計(jì)數(shù)。但是，當(dāng)本幀數(shù)據(jù)和下一幀數(shù)據(jù)該車道上都出現(xiàn)了車輛時(shí)，先不做計(jì)數(shù)處理，做進(jìn)一步判別，防止出現(xiàn)圖4和圖5情況下錯(cuò)誤計(jì)數(shù)。整個(gè)分析過(guò)程，拿其中第一號(hào)車道為例，其步驟為：

（1）如果本幀橫向主檢測(cè)線（L11）沒(méi)有檢測(cè)到車目標(biāo)，下一幀橫向主檢測(cè)線（L11）也沒(méi)有檢測(cè)到車目標(biāo)，車輛計(jì)數(shù)不變，轉(zhuǎn)下述的步驟（5）。

（2）如果本幀橫向主檢測(cè)線（L11）沒(méi)有檢測(cè)到車目標(biāo)，下一幀橫向主檢測(cè)線（L11）檢測(cè)到車目標(biāo)，車輛計(jì)數(shù)加1，轉(zhuǎn)下述的步驟（5）。

（3）如果本幀橫向主檢測(cè)線（L11）檢測(cè)到車目標(biāo)，下一幀橫向主檢測(cè)線（L11）沒(méi)有檢測(cè)到車目標(biāo)，車輛計(jì)數(shù)不變，轉(zhuǎn)下述的步驟（5）。

（4）如果本幀橫向主檢測(cè)線（L11）檢測(cè)到車目標(biāo)，下一幀橫向主檢測(cè)線（L11）也檢測(cè)到車目標(biāo)，為了提高識(shí)別計(jì)數(shù)的準(zhǔn)確性，做進(jìn)一步分析判定，具體判定步驟如下。

a.判斷本車道是否還有右臨車道，如果有車轉(zhuǎn)步驟b，如果沒(méi)有車轉(zhuǎn)步驟e。

b.利用右臨車道主檢測(cè)線（L21）判斷右臨車道是否有車，如果有車轉(zhuǎn)步驟c，如果沒(méi)有車轉(zhuǎn)步驟e。

c.使用縱向虛擬檢測(cè)線（L31）排除重復(fù)計(jì)數(shù)。利用本車道縱向虛擬檢測(cè)線（L13）檢測(cè)縱向車道線上是否有車，如果有車可能出現(xiàn)圖4中的兩種情況，一種情況是兩輛車并行，其中一輛壓線行駛，另一種情況是兩車道上行駛著同一輛車，正在壓線或變道行駛。轉(zhuǎn)步驟d，如果沒(méi)有車轉(zhuǎn)步驟e。

d.判斷本車道和右臨車道車目標(biāo)區(qū)域連通性，如果連通，判定為兩車道為同一輛車。因?yàn)樵谟遗R車道也會(huì)將該車計(jì)數(shù)，所以為避免同一輛車重復(fù)計(jì)數(shù)在本車道計(jì)數(shù)減1，轉(zhuǎn)步驟e。如果不聯(lián)通，代表兩車道確實(shí)有兩輛車在并行，只是其中一輛車沒(méi)有完全在車道內(nèi)行駛，行駛過(guò)程壓線了。此種情況無(wú)需改變兩車道的計(jì)數(shù)，直接轉(zhuǎn)步驟e。

e.使用橫向副檢測(cè)線（L21）排除車距過(guò)小使目標(biāo)粘連造成的車輛少計(jì)數(shù)。利用橫向副檢測(cè)線檢測(cè)車目標(biāo)，如果檢測(cè)到車，轉(zhuǎn)步驟分f，如果沒(méi)有檢測(cè)到車，轉(zhuǎn)步驟（5）。

f.是否同一輛車判定。通過(guò)對(duì)橫向兩虛擬檢測(cè)線（L11、L21）上檢測(cè)到的車目標(biāo)做顏色一致性、文理一致性等分析，判定是否同一輛車。如果是同一輛車，車輛計(jì)數(shù)不變，轉(zhuǎn)步驟（5），如果判定不是同一輛車，車輛計(jì)數(shù)加1，轉(zhuǎn)步驟（5）。

對(duì)步驟f的進(jìn)一步說(shuō)明，橫向兩虛擬檢測(cè)線（L11、L21）的距離D設(shè)置不要過(guò)大，一般不要超過(guò)在擁堵路段上，兩輛轎車尾隨緊貼行駛時(shí)兩車占據(jù)前后道路在視頻上顯示的總長(zhǎng)度。如果D設(shè)置過(guò)大，需要在步驟f開(kāi)始時(shí)添加首先判定主副檢測(cè)線（L11、L21）上的目標(biāo)連通性，以此來(lái)初步判定是否為同一輛車。如果區(qū)域連通，再做進(jìn)一步的顏色或文理一致性分析。如果區(qū)域不連通，轉(zhuǎn)步驟（5）。

（5）統(tǒng)計(jì)車輛計(jì)數(shù)。

以上所述僅為本發(fā)明的較佳實(shí)施例，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。該實(shí)例并不用與限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改，改進(jìn)，等同替換等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。