一種基于視頻判斷交通擁堵的方法和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種視頻檢測(cè)和圖像識(shí)別技術(shù)領(lǐng)域，具體地說(shuō)，是涉及一種基于視頻判斷交通擁堵的方法和系統(tǒng)。
【背景技術(shù)】
[0002]隨著交通擁堵情況的日益嚴(yán)重，及時(shí)正確地進(jìn)行道路交通擁堵判別是采取合理預(yù)警措施、主動(dòng)避免交通擁堵的前提，同時(shí)也可以為公眾出行及城市交通調(diào)度提供參考，時(shí)提高道路通行能力的有效手段。
[0003]視頻監(jiān)控資源已經(jīng)日益廣泛地應(yīng)用在交通領(lǐng)域，因而，通過(guò)視頻檢測(cè)技術(shù)判斷道路交通擁堵情況更具優(yōu)勢(shì)。
[0004]現(xiàn)有基于視頻判斷交通擁堵的方法一般采用連通域分析，從前景信息中提取連通域，利用連通域的距離和面積信息進(jìn)行車(chē)輛識(shí)別，然后跟蹤車(chē)輛目標(biāo)，得到車(chē)輛的速度。當(dāng)車(chē)輛速度大于速度閾值時(shí)認(rèn)為是暢通，當(dāng)車(chē)輛速度小于速度閾值時(shí)認(rèn)為是擁堵。
[0005]或者，利用前景信息計(jì)算平均道路占有率和時(shí)間占有率，同時(shí)認(rèn)為前景目標(biāo)就是車(chē)輛目標(biāo)。根據(jù)平均道路占有率和時(shí)間占有率，按照建立的道路交通擁堵判別準(zhǔn)則判斷當(dāng)前道路的擁堵情況。
[0006]上述兩種方法采用的技術(shù)都是基于背景建模和前景提取，在分析道路擁堵時(shí)，背景是道路和周?chē)沫h(huán)境，前景是道路上行駛車(chē)輛。提取背景時(shí)需要在場(chǎng)景中沒(méi)有運(yùn)動(dòng)目標(biāo)出現(xiàn)時(shí)獲取。而現(xiàn)有背景建模和前景提取的方法，在道路上車(chē)流量一直較大的情況，是不能進(jìn)行背景建模的，如果背景模型沒(méi)有建好，就不能提取前景，從而識(shí)別出車(chē)輛，獲取車(chē)輛速度，車(chē)輛空間占有率等信息，所以如果采用上述方案，程序啟動(dòng)后可能會(huì)有很長(zhǎng)一段時(shí)間不能輸出正確的結(jié)果，對(duì)擁堵檢測(cè)的影響很大?？傊?，上述方案非常依賴(lài)背景建模，背景建模的好壞直接影響擁堵檢測(cè)的準(zhǔn)確率。并且，在判斷擁堵時(shí)只根據(jù)速度或者占有率，判斷結(jié)構(gòu)非常簡(jiǎn)單，一旦速度或占用率判斷有誤，又沒(méi)有其它的數(shù)據(jù)支撐，很容易導(dǎo)致?lián)矶抡`判斷，這會(huì)導(dǎo)致上述方法的魯棒性不好。
[0007]現(xiàn)有的視頻擁堵檢測(cè)方法，需要背景建模，不僅非常耗時(shí)，而且容易受到天氣、光照、陰影及雜亂背景干擾等的影響，使運(yùn)動(dòng)目標(biāo)的檢測(cè)與分割變得相當(dāng)困難。例如，當(dāng)路面有大片樹(shù)蔭時(shí)，如果背景提取不好，或者更新不及時(shí)，就會(huì)將樹(shù)蔭也當(dāng)做運(yùn)動(dòng)目標(biāo)，影響交通擁堵判斷的準(zhǔn)確率。

【發(fā)明內(nèi)容】

[0008]本發(fā)明提供了一種基于視頻判斷交通擁堵的方法，解決了現(xiàn)有視頻判斷交通擁堵的方法存在不能即時(shí)實(shí)現(xiàn)背景建模和前景提取導(dǎo)致長(zhǎng)時(shí)間不能輸出交通擁堵情況以及交通擁堵情況誤判率高的技術(shù)問(wèn)題。
[0009]為了解決上述技術(shù)問(wèn)題，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn):
一種基于視頻判斷交通擁堵的方法，所述方法如下: 獲取視頻數(shù)據(jù)，對(duì)視頻數(shù)據(jù)每隔時(shí)間t抽取一幀圖像，根據(jù)檢測(cè)車(chē)道確定圖像檢測(cè)區(qū)域；
在圖像檢測(cè)區(qū)域內(nèi)提取車(chē)輛特征點(diǎn)，對(duì)特征點(diǎn)進(jìn)行描述；
根據(jù)特征點(diǎn)的描述分別對(duì)相鄰兩幀圖像的特征點(diǎn)進(jìn)行匹配；
若相鄰兩幀圖像沒(méi)有匹配的特征點(diǎn)，確定后一幀圖像為順暢幀；
若相鄰兩幀圖像有匹配的特征點(diǎn)，提取匹配的特征點(diǎn)；根據(jù)相鄰兩幀圖像的匹配的特征點(diǎn)計(jì)算車(chē)速V;計(jì)算相鄰兩幀圖像的匹配的特征點(diǎn)的位移差，提取位移差小于位移差閾值￥_11^的特征點(diǎn)作為目標(biāo)特征點(diǎn)；獲取相鄰兩幀圖像的后一幀圖像的檢測(cè)區(qū)域內(nèi)的最遠(yuǎn)目標(biāo)特征點(diǎn)和最近目標(biāo)特征點(diǎn)，根據(jù)最遠(yuǎn)目標(biāo)特征點(diǎn)和最近目標(biāo)特征點(diǎn)之間的位移差計(jì)算后一幀圖像的排隊(duì)長(zhǎng)度；若相鄰兩幀圖像的匹配的特征點(diǎn)的位移差均大于位移差閾值Y_Thr，則后一幀圖像的排隊(duì)長(zhǎng)度為0 ;
根據(jù)后一幀圖像的排隊(duì)長(zhǎng)度與長(zhǎng)度設(shè)定閾值L_Thr的關(guān)系、相鄰兩幀圖像計(jì)算的車(chē)速V與速度設(shè)定閾值V_Thr的關(guān)系確定后一幀圖像為順暢幀或擁堵幀或緩慢幀；
根據(jù)順暢幀、擁堵幀或緩慢幀的幀數(shù)判斷視頻數(shù)據(jù)的交通擁堵情況。
[0010]如上所述的基于視頻判斷交通擁堵的方法，確定相鄰兩幀圖像的后一幀圖像為順暢幀或擁堵幀或緩慢幀的方法為:
若后一幀圖像的排隊(duì)長(zhǎng)度<長(zhǎng)度設(shè)定閾值L_Thr的1/2，計(jì)為順暢幀；
若后一幀圖像的排隊(duì)長(zhǎng)度>長(zhǎng)度設(shè)定閾值L_Thr且相鄰兩幀圖像計(jì)算的車(chē)速v<速度設(shè)定閾值V_Thr，計(jì)為擁堵幀；
若后一幀圖像的排隊(duì)長(zhǎng)度大于長(zhǎng)度設(shè)定閾值1_11^的1/2且排隊(duì)長(zhǎng)度小于長(zhǎng)度設(shè)定閾值L_Thr且相鄰兩幀圖像計(jì)算的車(chē)速v=0，計(jì)為擁堵幀；
其他情況計(jì)為緩慢幀。
[0011]如上所述的基于視頻判斷交通擁堵的方法，若相鄰兩幀圖像有匹配的特征點(diǎn)時(shí)，所述方法還包括計(jì)算相鄰兩幀圖像的后一幀圖像的檢測(cè)區(qū)域內(nèi)的目標(biāo)特征點(diǎn)的空間占有率；根據(jù)后一幀圖像的排隊(duì)長(zhǎng)度與長(zhǎng)度設(shè)定閾值1_11^的關(guān)系、相鄰兩幀圖像計(jì)算的車(chē)速V與速度設(shè)定閾值￥_11^的關(guān)系和后一幀圖像的空間占有率與占有率設(shè)定閾值0_Thr的關(guān)系確定后一幀圖像為順暢幀或擁堵幀或緩慢幀。
[0012]如上所述的基于視頻判斷交通擁堵的方法，所述計(jì)算相鄰兩幀圖像的后一幀圖像的檢測(cè)區(qū)域內(nèi)的目標(biāo)特征點(diǎn)的空間占有率:空間占有率=目標(biāo)特征點(diǎn)個(gè)數(shù)/檢測(cè)區(qū)域的所有像素點(diǎn)個(gè)數(shù)；或者，將目標(biāo)特征點(diǎn)投影至車(chē)輛行駛方向的軸線(xiàn)上，空間占有率=目標(biāo)特征點(diǎn)的投影個(gè)數(shù)/車(chē)輛行駛方向的軸線(xiàn)在檢測(cè)區(qū)域內(nèi)的像素點(diǎn)個(gè)數(shù)。
[0013]如上所述的基于視頻判斷交通擁堵的方法，確定相鄰兩幀圖像的后一幀圖像為順暢幀或擁堵幀或緩慢幀的方法為:
若后一幀圖像的排隊(duì)長(zhǎng)度<長(zhǎng)度設(shè)定閾值L_Thr且空間占有率<第一占有率設(shè)定閾值0_Thrl，計(jì)為順暢幀；
若后一幀圖像的排隊(duì)長(zhǎng)度>長(zhǎng)度設(shè)定閾值L_Thr且空間占有率多第二占有率設(shè)定閾值0_Thr2，計(jì)為擁堵幀；
若后一幀圖像的長(zhǎng)度設(shè)定閾值1_11^的1/2 <排隊(duì)長(zhǎng)度<長(zhǎng)度設(shè)定閾值L_Thr且空間占有率多第二占有率設(shè)定閾值0_Thr2且相鄰兩幀圖像計(jì)算的車(chē)速v=0，計(jì)為擁堵幀； 其他情況計(jì)為緩慢幀。
[0014]如上所述的基于視頻判斷交通擁堵的方法，計(jì)算排隊(duì)長(zhǎng)度時(shí)，需要判斷排隊(duì)長(zhǎng)度的真?zhèn)?，排?duì)長(zhǎng)度為真時(shí)，排隊(duì)長(zhǎng)度=最遠(yuǎn)目標(biāo)特征點(diǎn)和最近目標(biāo)特征點(diǎn)之間的位移差；排隊(duì)長(zhǎng)度為偽時(shí)，排隊(duì)長(zhǎng)度=0 ;判斷排隊(duì)長(zhǎng)度真?zhèn)蔚姆椒?將檢測(cè)區(qū)域在車(chē)輛行駛方向上分為若干子區(qū)域，判斷若干子區(qū)域是否均有目標(biāo)特征點(diǎn)，若沒(méi)有目標(biāo)特征點(diǎn)的子區(qū)域的數(shù)量大于有效特征點(diǎn)數(shù)閾值，則判斷排隊(duì)長(zhǎng)度為偽，否則，排隊(duì)長(zhǎng)度為真。
[0015]如上所述的基于視頻判斷交通擁堵的方法，根據(jù)相鄰兩幀圖像的匹配的特征點(diǎn)計(jì)算車(chē)速V的方法為:將檢測(cè)區(qū)域在車(chē)輛行駛方向上分為至少兩個(gè)檢測(cè)子區(qū)域，判斷檢測(cè)子區(qū)域內(nèi)是否有匹配的特征點(diǎn)，若沒(méi)有，車(chē)速V=最大車(chē)速；若有，計(jì)算檢測(cè)子區(qū)域內(nèi)匹配的特征點(diǎn)的中心點(diǎn)，計(jì)算相鄰兩幀圖像的中心點(diǎn)的位移差，車(chē)速V=位移差/t。
[0016]如上所述的基于視頻判斷交通擁堵的方法，根據(jù)順暢幀、擁堵幀或緩慢幀的幀數(shù)判斷視頻數(shù)據(jù)的交通擁堵情況的方法為:
若順暢幀數(shù)大于設(shè)定幀閾值A(chǔ)，判斷交通擁堵情況為順暢；若擁堵幀數(shù)大于設(shè)定幀閾值B，判斷交通擁堵情況為擁堵；若緩慢幀數(shù)大于設(shè)定幀閾值C，判斷交通擁堵情況為緩慢；若為其他情況，判斷交通擁堵情況為計(jì)數(shù)最多的狀態(tài)。
[0017]一種基于視頻判斷交通擁堵的系統(tǒng)，所述系統(tǒng)包括:
圖像獲取模塊，用于獲取視頻數(shù)據(jù)，對(duì)視頻數(shù)據(jù)每間隔時(shí)間t抽取一幀圖像，根據(jù)檢測(cè)車(chē)道確定圖像檢測(cè)區(qū)域；
特征點(diǎn)獲取模塊，用于在圖像檢測(cè)區(qū)域內(nèi)提取車(chē)輛特征點(diǎn)，對(duì)特征點(diǎn)進(jìn)行描述；
特征點(diǎn)匹配模塊，用于根據(jù)特征點(diǎn)的描述分別對(duì)相鄰兩幀圖像的特征點(diǎn)進(jìn)行匹配，判斷是否有匹配的特征點(diǎn)，若沒(méi)有匹配的特征點(diǎn)，確定后一幀圖像為順暢幀；若有，提取匹配的特征點(diǎn)；
車(chē)速計(jì)算模塊，根據(jù)相鄰兩幀圖像匹配的特征點(diǎn)計(jì)算車(chē)速V ;
排隊(duì)長(zhǎng)度計(jì)算模塊，計(jì)算相鄰兩