一种基于视频的隧道车型识别方法转让专利

申请号 : CN201210096256.8

文献号 : CN102637362B

文献日 :

基本信息:

PDF:

法律信息:

相似专利:

发明人 : 宋焕生李晓刘雪琴张辉李文敏杨媛李洁杨孟拓

申请人 : 长安大学

摘要 :

本发明公开了一种基于交通视频的隧道车型识别方法,主要包括设置虚拟线圈,检测所得到的视频图像为车辆经过虚拟线圈时的视频图像,并在车辆经过虚拟线圈的时候对当前帧与背景进行相减运算,得到车辆所在纵向高度的灰度直方图。再使用帧差法的车高方向灰度直方图计算车辆高度。最后利用车高判断车型,即将车型分类将车辆按其车身大小将车分成大,中,小3种类型进行逻辑判断。主要用于隧道内车辆检测,因隧道内的特殊环境,该方法可不考虑车长因素,直接用高度对其车型进行判断,具有较好的高效性,实用性和便捷性,具有广阔的应用前景。

权利要求 :

1.一种基于交通视频的隧道车型识别方法,其特征在于,该方法通过下列步骤实现:步骤一,设置虚拟线圈,对通过虚拟线圈的车辆检测车尾视频图像;视频图像格式为

720×288像素的灰度图像序列;

步骤二,根据不同大小的车辆经过同一虚拟线圈时视频图像在车高方向上存在明显差异,当车尾通过虚拟线圈时,对当前帧与背景进行相减运算,得到车辆所在纵向高度的灰度直方图,再使用帧差法的车高方向灰度直方图计算车辆高度,计算公式如下:式中:yi表示纵向第i行所对应的灰度值,xfi表示当前对应像素第f帧的灰度值,xbi表示当前像素第b帧的灰度值,其中,b=f+k,k为常数,n表示左右各综合考虑n个点,n值为15;

步骤三,利用车高判断车型,即将车辆按其车身大小分成大型车、中型车、小型车,并定义小型车为1,中型车为2,大型车为3,根据车高进行逻辑判断,其判断逻辑如下式所示:式中,h表示从虚拟线圈位置往上以像素行数为度量单位的车辆高度。

说明书 :

一种基于视频的隧道车型识别方法

技术领域

[0001] 本发明属于视频检测技术领域,具体涉及一种基于交通视频的隧道车型识别方法。

背景技术

[0002] 在现代化的智能交通系统(ITS)中,许多应用场合中对视频检测提出了严格的要求。它不仅要求能够自动检测交通事故,统计交通流量,计算车辆行驶速度,同时也要求能够自动识别各个车辆车型。目前普遍采用的车辆识别设施有磁感应线圈检测器、微波检测器、超声波检测器和红外检测器等。但上述检测器在检测动态车辆信息时都存在着许多的不足。而视频检测器作为一种新型的动态车辆信息采集设施,可以同时实现交通视频监控和交通流参数获取的双重功能。
[0003] 利用视频检测技术获取交通参数具有如下优势:1、采用非接触式检测方式,故障率低。2、可为事故管理者提供可视图像。3、交通信息采集丰富而且可靠。4、可以增加违章检测,如检测车辆是否逆行、超速、闯红灯、速度突降、停车、交通阻塞等等。5、可以同时监视多条车道。6、安装和维修时不会阻断交通。

发明内容

[0004] 伴随着视频检测技术应用的不断扩展,本发明的目的在于,提供一种基于交通视频的隧道车型识别方法。
[0005] 为了实现上述任务,本发明采取如下的技术解决方案:
[0006] 一种基于交通视频的隧道车型识别方法,其特征在于,该方法根据帧间差分把感兴趣部分也就是车辆从背景中提取出来,再来计算车辆的高度,具体按下列步骤进行:
[0007] 步骤一,设置虚拟线圈,对通过虚拟线圈的车辆检测车尾视频图像;
[0008] 步骤二,根据不同大小的车辆经过同一虚拟线圈时车尾视频图像存在的明显差异,尤其表现在车高方向上,当车尾通过虚拟线圈时,对当前帧与背景进行相减运算,得到车辆所在纵向高度的灰度直方图,再使用帧差法的车高方向的灰度直方图计算车辆高度,计算公式如下:
[0009]
[0010] 式中:yi表示纵向第i行所对应的灰度值,xfi表示当前像素第f帧的灰度值,xbi表示当前像素第b帧的灰度值,其中,b=f+K,k为正整数,n表示左右各综合考虑n个点;
[0011] 步骤三,利用车高判断车型,即将车辆按其车身大小分成大型车、中型车、小型车,并定义小型车为1,中型车为2,大型车为3;根据车高进行判断,其判断逻辑如下式所示:
[0012]
[0013] 式中,h表示从虚拟线圈位置往上以像素行数为度量单位的车辆高度。
[0014] 其中:
[0015] 步骤一中所述的视频图像格式为720×288像素的灰度图像序列;
[0016] 步骤二中所述的(1)式中n值为15;
[0017] 本发明的基于交通视频的隧道车型识别方法,主要用于隧道内的车辆检测,因隧道内的特殊环境,该方法可不考虑车长因素,直接用高度对其车型进行判断,具有较好的高效性,实用性和便捷性,具有广阔的应用前景。

附图说明

[0018] 图1为不同车辆经过同路段的线圈图像;其中,图1(a)为小车经过线圈图像,图1(b)为大车经过线圈图像。
[0019] 图2为图1(a)中的小车经过线圈时的车高方向与背景差纵向高度投影图;
[0020] 图3为图1(b)中的大车经过线圈时的车高方向与背景差纵向高度投影图;
[0021] 图4为图1(a)中的两小车经过线圈时的车高方向灰度差纵向高度投影图;
[0022] 图5为图1(b)中的两大车经过线圈时的车高方向灰度差纵向高度投影图;
[0023] 图6为车型判断方法流程图;
[0024] 以下结合附图和实施例对本发明作进一步的详细说明。

具体实施方式

[0025] 本发明的基于视频的车辆违章变道事件检测方法,采用基于固定背景和基于帧差法的车辆高度来判定车型的理论原理,过程中所处理的图像是视频中的沿正时间序列的第一帧图像、第二帧图像、第三帧图像、…、第m(m为自然数)帧图像。
[0026] 具体采用以下步骤实现:
[0027] 步骤一,设置虚拟线圈,检测车尾通过,如图1所示,在其底部1/3位置灰色线条为虚拟线圈。
[0028] 步骤二,从图2、图3可以看出不同大小的车辆经过同一线圈时存在明显差异,尤其表现在车高方向上,当车尾通过虚拟线圈时,计算车辆高度,本实施例使用帧差法的车高方向灰度直方图提取方法提高对车辆高度判断的准确性。
[0029] 视频序列在相邻的一帧或者几帧内具有很大的相关及相似性,特别是诸如光线,影子等相对变化比较缓慢的一些外部因素在相邻的几帧内则显得尤为相似,只有车辆这种移动速度相对较快的运动物体通过帧差处理其运动特性反倒会被加强。在通过车辆经过线圈时候把当前帧与背景进行相减运算,就可以得到车辆所在纵向的纵向高度投影图,所以车高方向的灰度直方图计算方法计算公式如公式(1)所示:
[0030]
[0031] 其中,yi表示纵向第i行所对应的灰度值,xfi表示当前像素第f帧的灰度值,xbi表示当前像素第b其中,b=f+k,k为正整数,n表示左右各综合考虑了n个点。
[0032] 步骤三,利用车高判断车型,本发明所论述的车型分类将车辆按其车身大小将车分成大型车,中型车和小型车3种类型。
[0033] 定义小型车为1,中型车为2,大型车为3。根据车高进行判断,其判断逻辑如公式(2)所示:
[0034]
[0035] 式中,h表示从虚拟线圈位置往上以像素行数为度量单位的车辆高度。具体流程图可参看图6。
[0036] 上述步骤一中,视频图像格式为720×288像素的灰度图像序列;
[0037] 上述步骤二中,公式(1)中的n值为15。
[0038] 上述步骤三中,公式(2)中各个分界点的值为多次试验测试总结得到。
[0039] 实施例:
[0040] 已知视频正播时,不同时刻,两辆大小不同的车辆正在经过同一虚拟线圈(虚拟线圈如图1图片底部1/3位置灰色线条所示)的视频图像,如图1所示,其中分别为一大车图1(b)和一小车图1(a)。通过两幅图像还可以看到,不同大小的车辆经过同一虚拟线圈时存在明显差异,尤其表现在车高方向上。图2,图3是对应的两车辆经过虚拟线圈时的车高方向与背景差直方图,可以看出大小车辆对应的灰度直方图存在明显差异。一把来讲,大车高度(右侧灰度线与水平阈值线的交点)要高于小车高度。但由于光线及车体影子等诸多因素的影响,从图2,图3中可以看到车顶位置比较模糊,不易分辨,而且这种影响是不易去除的。因此采用基于帧差法的车高方向灰度直方图提取方法来提高对车高的识别效率,其结果如图4和图5所示,不难看出大车跟小车的高度差异已十分明显,而且车辆边界跟背景分解比较明显,这样就可以根据车高较大差异判断出车型的大小。