本发明专利技术公开了一种基于航拍视频的交叉口车辆排队长度检测方法，包括步骤一：对航拍视频进行配准；步骤二：在交叉口进口道设定车辆排队长度检测区域；步骤三：检测红灯状态；步骤四：当车道处于红灯状态时，在预先设定的车辆排队长度检测区域内利用三帧差法检测运动车辆；步骤五：确定车辆排队区域；步骤六：检测车辆排队区域的静止车辆数，利用标定好的图片单位像素代表的实际距离Scale，计算实际的车辆排队距离；步骤七：重复上述步骤，实现持续的车辆排队长度检测。本发明专利技术提出利用航拍视频来进行车辆排队长度检测，克服了监控视频中车辆间的相互遮挡及尺度变化，直观地呈现交叉口车辆排队情况，极大地提高了检测精度。
【技术实现步骤摘要】
本专利技术设及，属于计算机视觉 与数字图像处理
技术介绍
随着国民经济的快速发展、城市人口的急剧增加W及城市化进程的推进，机动车 保有量逐年增加，道路交通需求急剧增长，城市交通拥堵问题日益严重。平面交叉口是整 个城市道路网络中通行能力的瓶颈，日常的交通拥堵绝大部分是由于交叉口通行不杨所导 致。交叉口拥堵的典型现象是进口道车辆排队长度过长。在严重的情况下，队列可能蔓延 至上游交叉口，进而导致上游交叉口拥堵，从而影响到局部路网甚至整片区域路网的拥堵。 所W捜集交叉口车辆排队数据，对于研究交叉口进口道排队长度规律，评估交叉口延误，进 而提高交叉口通行能力，缓解交通拥堵具有重要意义。 近年来，利用计算机图像处理技术来检测车辆排队长度引起研究者们的注意。现 有车辆排队长度的检测是基于交叉口监控视频，然而监控视频拍摄角度倾斜，车辆由近及 远逐渐变小，且车辆间的相互遮挡对车辆的检测造成干扰。运一系列的问题使得通过监控 视频提取的进口道排队长度难W保证足够的精度，所W如何准确获取车辆排队长度数据仍 然是一个亟待解决的问题。
技术实现思路
针对交叉口进口道车辆排队长度数据捜集的问题，本专利技术提出一种基于航拍视频 的交叉口车辆排队长度检测方法，旨在通过航拍视频，实现高准确率的车辆排队长度检测。 阳〇化]本专利技术的，具体包括W下步 骤： (1)对航拍视频进行配准，消除由于无人机抖动带来了的航拍画面晃动； 似在交叉口进口道设定车辆排队长度检测区域；[000引 （3)检测红灯状态。在停车线后设定红灯状态检测区域，通过S帖差法检测该区域 内是否有运动车辆，再通过Canny边缘检测法检测是否有静止车辆，若存在静止车辆则表 明此时该方向处于红灯状态； (4)当车道处于红灯状态时，在预先设定的车辆排队长度检测区域内利用=帖差 法检测运动车辆； (5)确定车辆排队区域。当在红灯状态检测区域再次检测到运动车辆时，则表明该 相位已进入绿灯状态，同时确定车辆排队长度检测区域内最靠近停车线的运动车辆坐标， 此运动车辆位置到停车线之间区域为最终的车辆排队区域，该区域内的车辆数即为进口道 排队车辆数； (6)利用背景差法和Canny边缘检测法检测步骤巧）中提到的车辆排队区域的静 止车辆数，同时利用标定好的图片单位像素代表的实际距离Scale(米/像素）来计算实际 的车辆排队距离； 阳01引 （7)重复步骤（3)~（6)即可实现持续的车辆排队长度检测。 步骤（1)中所述的航拍视频配准方法如下： la)在视频的第一帖图像Ii中，检测KLT(Kanade-Lucas-Tomasi)特征点，人工选 取S个固定KLT特征点。(社>刊，&(吐yi-)，)作为配准点； 化）利用KLT跟踪算法对选取的配准点进行跟踪，获取第i帖图像I冲相对应的 点坐标户yi),户2枯^, >4)，.户3>':D; Ic)利用图像Ii选择的配准点坐标与图像I1中通过跟踪获得的点坐标计算仿射 变换矩阵Ti，如下式所示：[001引其中，（xi，yi)、/)分别表示第一帖图像与第i帖图像中对应的KLT特征点坐 标。a。、曰12、曰21、曰22、bi、bz表示表示矩阵Ti的值； Id)对图像Ii利用矩阵T进行仿射变换得到配准后的图像皆，针对每帖图像进行 配准，直到视频的最后一帖，最终完成对原视频的配准。 步骤似中所述的设定单车道车辆排队长度检测区域具体如下： 在交叉口进口道中，人工框选单条车道区域作为车辆排队长度检测区域，每条车 道作为独立的检测区域进行检测。 步骤（3)中所述的检测红灯状态的具体方法如下： 当进口道处于红灯状态时，车辆会静止停在停车线后。所W在停车线后设定红灯 状态检测区域，通过=帖差法检测该区域内是否有运动车辆，若没有运动车辆则通过Canny 边缘检测法检测是否有静止车辆，若存在静止车辆则表明此时该方向处于红灯状态，即表 明开始进行车辆排队长度检测。 步骤（4)中所述的利用S帖差法检测运动车辆的步骤如下：4a)首先用第i帖图像与第i-1帖图像作差，利用设定好的阔值T得到二值图像 化，如下式所示： 其中：Ii(x，y)、Iii(x，y)表示第i帖图像与第i-1帖图像坐标为（X，y)的灰度值； 4b)接着用第i帖图像与第i+1帖图像作差，利用设定好的阔值T得到二值图像 〇2,如下式所示： 4c)将化与D进行与运算得到运动目标边缘图像，并进行形态学处理得到最终的 检测前景图像，前景图像指包含运动目标的图像；[00川 4d)检测步骤4c)得到的前景图像中运动目标的外围轮廓，并计算所有外围轮廓 的最小外接矩形。设定车辆的矩形几何阔值为Tk=出X，RyI Rxmax, Rym gj，其中把、Ry分别为矩形的长和宽，R ?i。、R?。、分别表示矩形长度的最小值和最大值，R ymm、Rym。、分别表示矩形宽度的最小值和最大值；。若检测到的最小外接矩形的几何特征TD满足 车辆的矩形几何阔值，即TdGTu,则该矩形包含的区域就是运动车辆目标。 步骤巧）中所述的确定车辆排队区域的方法如下： 当在红灯状态检测区域再次检测到运动车辆时，则表明该相位已进入绿灯状态， 此时通过步骤（4)中的=帖差法确定车辆排队长度检测区域内最靠近停车线的运动车辆 坐标，此运动车辆位置到停车线之间区域为最终的车辆排队区域，该区域内的车辆数即为 进口道排队车辆数。 步骤（6)中所述的利用背景差法和Canny边缘检测法检测静止车辆数的方法如 下： 6a)利用中值滤波法提取交叉口背景图化具体方法如下： 6al)选取n张大小为MXN背景图化并转为灰度图像，f(x，y)嗦示第i张图片 坐标为（x，y)的像素灰度值，其中X G ，y G ; 6a2)将n张图片坐标为（x，y)的像素灰度值f(x，y)i由小到大排序，构成序列S ={f (X，y) W, f (X, y) …，f (X，y) W,…，f (X, y) W}，其中 f (X, y) W 表示在排列后的序列 中排在第j位的像素灰度值； 6曰3)将序列S中处于中间的像素灰度值作为背景图片坐标为（X，y)的像素灰度 值，遍历所有像素，生成背景图片，即W40] 其中f (X，y)b为背景图片坐标为（X，y)的像素灰度值。 6b)将当前视频图像与背景图片作差，利用预先设定好的阔值Tb得到前景目标二 值图像，并进行形态学腐蚀与膨胀处理，之后检测前景目标二值图像的外围轮廓，并计算所 有外围轮廓的最小外接矩形。设定车辆的矩形几何阔值为Tu=出、，RyI R?。、，Rymm 《RynJ，其中Rx、Ry分别为矩形的长和宽，Rx"un、IUx分别表示矩形长度的最小值和最大 值，Rymm、Rym。、分别表示矩形宽度的最小值和最大值；。若检测到的最小外接矩形的几何特 征Td满足车辆的矩形几何阔值，即TdGTU，则该矩形包含的区域就是静止当前第1页1 2 3 本文档来自技高网...
【技术保护点】
一种基于航拍视频的交叉口车辆排队长度检测方法，具体包括以下步骤：(1)对航拍视频进行配准；(2)在交叉口进口道设定车辆排队长度检测区域；(3)检测红灯状态，在停车线后设定红灯状态检测区域，通过三帧差法检测该区域内是否有运动车辆，再通过Canny边缘检测法检测是否有静止车辆，若存在静止车辆则表明此时该方向处于红灯状态；(4)当车道处于红灯状态时，在预先设定的车辆排队长度检测区域内利用三帧差法检测运动车辆；(5)确定车辆排队区域，当在红灯状态检测区域再次检测到运动车辆时，则表明该相位已进入绿灯状态，同时确定车辆排队长度检测区域内最靠近停车线的运动车辆坐标，此运动车辆位置到停车线之间区域为最终的车辆排队区域，该区域内的车辆数即为进口道排队车辆数；(6)利用背景差法和Canny边缘检测法检测步骤(5)中提到的车辆排队区域的静止车辆数，同时利用标定好的图片单位像素代表的实际距离Scale来计算实际的车辆排队距离；(7)重复步骤(3)～(6)，实现持续的车辆排队长度检测。
【技术特征摘要】
【专利技术属性】
技术研发人员：王云鹏，吴新开，马亚龙，余贵珍，李欣旭，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。