本发明公开了一种基于交通监控视频的实时在线交通状态检测方法，其特征在于：包括对应每个监控设备上设置一视频处理器，每一所述视频处理器经网络模块与远程服务器连接，其中:所述视频处理器读取对应所述监控设备上的视频图像，按照获得的图片求取每一帧图片中各像素点的灰度值X，并与预存参数值X‑1比较，由核方法评估该视频处理器上观察到的路段拥堵程度ci，并上传；由远程服务器通过各个实时路段拥堵程度ci进行分析，获得从一个路口到下一个路口的路段拥堵程度值C。本发明通过视频处理器分析实时图像灰度，利用核方法评估拥堵程度并上传，减少了数据传数量，实现服务器对数据的实时获取，提高交通信息的处理能力和有效性。
1.一种基于交通监控视频的实时在线交通状态检测方法，其特征在于：包括对应每个监控设备上设置一视频处理器，每一所述视频处理器经网络模块与远程服务器连接，其中:所述视频处理器读取对应所述监控设备上的视频图像，按照获得的图片求取每一帧图片中各像素点的灰度值X，并与预存参数值X-1比较，当大于X-X-1>0，则numi_1＝numi_1+1，否则numi_0＝numi_0+1，通过对numi_1与numi_0值采集，构成实时灰度值ei＝(numi_1，numi_
0)，由核方法评估该视频处理器上观察到的路段拥堵程度ci，再通过所述网络模块上传至所述远程服务器；
所述远程服务器收集到每一视频处理器上传的路段拥堵程度ci，由远程服务器利用原有数据的权值与收到的各个实时路段拥堵程度ci进行分析，获得从一个路口到下一个路口的路段拥堵程度值C，即表现为该路段的实时在线交通状态；
所述通过“核方法评估该视频处理器上观察到的路段拥堵程度ci”的方式为：a.远程服务器中对应每个视频处理器i具有一数据存储空间，存放以往的灰度值数据eij，其中j＝1，2……N；
b.每个视频处理器i调用远程服务器中的eij数据，运用公式⑴与当前获取的实时灰度值ei比较相似度；
c.每个视频处理器i再根据公式⑵，求出当前监控所能观察到的路段的拥堵程度ci；
d.最后通过网络模块将路段的拥堵程度ci以及实时灰度值ei上传至远程服务器。
2.根据权利要求1所述的基于交通监控视频的实时在线交通状态检测方法，其特征在于：所述预存参数值X-1存储于远程服务器上，包括马路颜色的灰度值Gi和误差值εi，随着时间及天气的变化，改变马路颜色的灰度值Gi、误差值εi中的一个或两个，由远程服务器通过网络模块发送给每个所述视频处理器。
3.根据权利要求2所述的基于交通监控视频的实时在线交通状态检测方法，其特征在于：根据时间的变化，每间隔1个小时～4个小时调用预存于远程服务器中的数据，对每个视频处理器上的马路颜色的灰度值Gi和误差值εi进行重新赋值。
4.根据权利要求2或3所述的基于交通监控视频的实时在线交通状态检测方法，其特征在于：每一帧图片中各像素点的灰度值X＝0.11×r+0.59×g+0.3×b，其中r表示红色亮度，2
g表示绿色亮度，b表示蓝色亮度，当(X-Gi) -εi>0，则numi_1＝numi_1+1，否则numi_0＝numi_
5.根据权利要求1所述的基于交通监控视频的实时在线交通状态检测方法，其特征在于：所述“远程服务器利用原有数据的权值”是一组通过随机梯度下降的方法，对远程服务器存储空间中原有该路段视频处理器上传的路段灰度值数据进行计算获得的权值θi，所述从一个路口到下一个路口的路段拥堵程度值 其中I表示该路段的所有视频处理器的集合。
6.根据权利要求1所述的基于交通监控视频的实时在线交通状态检测方法，其特征在于：所述网络模块为以太网有线模块或无线数据传输网络模块。
一种基于交通监控视频的实时在线交通状态检测方法
技术领域
[0001] 本发明涉及一种交通拥堵状态识别方法，尤其涉及一种基于交通监控视频的实时在线交通状态检测方法。
背景技术
[0002] 交通是现代社会的基础，是人类社会经济的命脉，人们的社会行为与交通息息相关。一个城市中，机动车、非机动车保有量大，路口和路段情况纷繁复杂，要处理这样一个规模庞大、动态、具有高度不确定性的分布式系统，进行有效的控制，是一件十分复杂的工作。在不新增交通道路的情况下，通过合理的交通控制，提高道路的利用效率，进而提高交通通行效率是快速解决城市交通问题的一种有效途径。
[0003] 然而，现在交通拥挤、堵塞现象日益严重。导致交通问题的原因，一方面是由于车辆越来越多，交通规划与设计滞后，另一方面在于很多交通信号控制系统较为落后，交通信号灯未能很好地根据实时交通情况调节交通流量，起到提高交通通行效率的作用。通过计算技术和机器智能帮助解决交通问题愈来愈受到人们的重视，已经成为趋势。
[0004] 近年来，大量交通监控设备投入使用，实时交通视频数据不间断地传输给交通管理部门，交通视频数据呈数据爆炸式增长。这些交通视频数据仅仅传输到服务器就需要大量时间和带宽，再加上处理这些视频数据得到交通状况的分析数据还需要大量时间，这样得到的数据对实时性要求较高的交通信号灯系统而言，用于进行交通信号决策就具有较长的时滞，不适于交通信号的实时决策控制了。因此，如何充分利用好这些交通视频数据，改进路面交通信号灯的控制，以提高路面交通通行效率，就越发显得重要。
发明内容
[0005] 本发明目的是提供一种基于交通监控视频的实时在线交通状态检测方法，通过该检测方法，可实时的获得各路口路况情况信息，便于指挥中心做出及时的处理，减少拥堵，缓解交通压力。
[0006] 为达到上述目的，本发明采用的技术方案是：一种基于交通监控视频的实时在线交通状态检测方法，包括对应每个监控设备上设置一视频处理器，每一所述视频处理器经网络模块与远程服务器连接，其中:
[0007] 所述视频处理器读取对应所述监控设备上的视频图像，按照获得的图片求取每一帧图片中各像素点的灰度值X，并与预存参数值X-1比较，当大于X-X-1>0，则numi_1＝numi_1+1，否则numi_0＝numi_0+1，通过对numi_1与numi_0值采集，构成实时灰度值ei＝(numi_1，numi_0)，由核方法评估该视频处理器上观察到的路段拥堵程度ci，再通过所述网络模块上传至所述远程服务器；
[0008] 所述远程服务器收集到每一视频处理器上传的路段拥堵程度ci，由远程服务器利用原有数据的权值与收到的各个实时路段拥堵程度ci进行分析，获得从一个路口到下一个路口的路段拥堵程度值C，即表现为该路段的实时在线交通状态。
[0009] 上述技术方案中，所述预存参数值X-1存储于远程服务器上，包括马路颜色的灰度值Gi和误差值εi，随着时间及天气的变化，改变马路颜色的灰度值Gi、误差值εi中的一个或两个，由远程服务器通过网络模块发送给每个所述视频处理器。
[0010] 进一步的技术方案为，根据时间的变化，每间隔1个小时～4个小时调用预存于远程服务器中的数据，对每个视频处理器上的马路颜色的灰度值Gi和误差值εi进行重新赋值。
[0011] 更一步的是，每一帧图片中各像素点的灰度值X＝0.11×r+0.59×g+0.3×b，其中r表示红色亮度，g表示绿色亮度，b表示蓝色亮度，当(X-Gi)2-εi>0，则numi_1＝numi_1+1，否则numi_0＝numi_0+1。
[0012] 上述技术方案中，所述通过“核方法评估该视频处理器上观察到的路段拥堵程度ci”的方式为：
[0013] a.远程服务器中对应每个视频处理器i具有一数据存储空间，存放以往的灰度值数据eij，其中j＝1，2……N；
[0014] b.每个视频处理器i调用远程服务器中的eij数据，运用公式⑴与当前获取的实时灰度值ei比较相似度；
[0015]
[0016] 其中ei＝(numi_1,numi_0)；
[0017] c.每个视频处理器i再根据公式⑵，求出当前监控所能观察到的路段的拥堵程度ci；
[0018]
[0019] d.最后通过网络模块将路段的拥堵程度ci以及实时灰度值ei上传至远程服务器。
[0020] 上述技术方案中，所述“远程服务器利用原有数据的权值”是一组通过随机梯度下降的方法，对远程服务器存储空间中原有该路段视频处理器上传的路段灰度值数据进行计算获得的权值θi，所述从一个路口到下一个路口的路段拥堵程度值 其中I表示该路段的所有视频处理器的集合。
[0021] 上述技术方案中，所述网络模块为以太网有线模块或无线数据传输网络模。
[0022] 由于上述技术方案运用，本发明与现有技术相比具有下列优点：
[0023] 1.本发明通过在每个路段原有的监控设备上安装视频处理器，实时获取每一帧图像数据，并计算图像中各像素点的灰度值，将实时灰度值与以往的该路段灰度值进行比较，利用核方法分析评估该路段的拥堵程度，即为该路段的实时交通状态，由于对实时数据的分析是通过视频处理器来处理，分析的结果上传至远程服务器上，使得服务器与视频处理之间的通信数据量很小，不会对网络造成传输压力，数据传输速度快，为远程服务器获取实时路况提供良好的数据支持，以便于即时的对路段信号灯进行控制，为改善路况提供帮助；
[0024] 2.由于本发明中对实时数据的分析采用核方法，考虑了环境因素，而不仅仅单纯的像素点在整个图片的比重，随着马路颜色或天气、时间的变化，而改变核参数，保证评估的拥堵程度不受环境巨大改变而受到影响，获得的数据更为准确；
[0025] 3.在从一个路口到下一个路口间的拥堵情况分析时，使用梯度下降方法计算权值，将权值加入到对路段拥堵的分析中，增加了整个核算过程的正确性，避免局部最优解。
附图说明
[0026] 图1是本发明实施例一的局部网络拓扑示意图。
具体实施方式
[0027] 下面结合附图及实施例对本发明作进一步描述：
[0028] 实施例一：参见图1所示，一种基于交通监控视频的实时在线交通状态检测方法，包括对应每个监控设备上设置一视频处理器(德州仪器的TMS320C66x DSP系列TMS320C6670产品)，每一所述视频处理器经网络模块(以太网或2G\3G\4G无线网)与远程服务器连接，其中:
[0029] 所述视频处理器读取对应所述监控设备上的视频图像，按照获得的图片求取每一-1 -1帧图片中各像素点的灰度值X，并与预存参数值X 比较，当大于X-X >0，则numi_1＝numi_1+
1，否则numi_0＝numi_0+1，通过对numi_1与numi_0值采集，构成实时灰度值ei＝(numi_1，numi_0)，由核方法评估该视频处理器上观察到的路段拥堵程度ci，再通过所述网络模块上传至所述远程服务器；
[0030] 所述远程服务器收集到每一视频处理器上传的路段拥堵程度ci，由远程服务器利用原有数据的权值与收到的各个实时路段拥堵程度ci进行分析，获得从一个路口到下一个路口的路段拥堵程度值C，即表现为该路段的实时在线交通状态。
[0031] 所述预存参数值X-1存储于远程服务器上，包括马路颜色的灰度值Gi和误差值εi，随着时间及天气的变化，改变马路颜色的灰度值Gi和误差值εi，该参数通过监控设备以往的天气、光照向类似的视频训练出来的，存储于远程服务器中。根据时间的变化，每间隔1个小时～4个小时调用预存于远程服务器中的参数值，远程服务器对每个视频处理器上的马路颜色的灰度值Gi和误差值εi进行重新赋值。
[0032] 具体方法为：
[0033] ⑴通过以太网对路段上的每个视频处理器i的核eij进行赋值，其中j＝1,2…5。
[0034] ⑵通过以太网对路段上的每个视频处理器i的参数Gi和εi进行赋值。
[0035] ⑶对视频处理器i，numi_0←0,numi_1←0，取监控视频的一帧图片，对每个像素点，如果(0.11*r+0.59*g+0.3*b-Gi)2-εi＞0则numi_1←numi_1+1，否则，numi_0←numi_0+1。其中r表示红色亮度，g表示绿色的亮度，b表示蓝色的亮度。
[0036] ⑷视频处理器i根据公式 求ei与每一个eij的相似度，其中ei＝(numi_1,numi_0)。
[0037] ⑸视频处理器i根据公式 求监控i所能观察到的路段的拥堵程度ci。并通过以太网将ci的值传给服务器。
[0038] ⑹服务器通过一组权值θi计算从一个路口到另一个路口的路段的拥堵程度其中I表示该路段的所有视频处理器的集合，θi是一组通过随机梯度下降的方法，对远程服务器存储空间中原有该路段视频处理器上传的路段灰度值数据进行计算获得的权值。
[0039] 如果路段上的环境产生巨大的变化，如路边绿化带、路段背景色产生改变，转向步骤(1)，否则，如果到达设定间隔时间或者天气发生了变化时，转向步骤(2)。否则，转向步骤(3)。
