基于车型聚类的交通流参数视频检测方法，在改进的摄像机自标定成像模型中，提取PTZ参数变化下的透视投影不变量“伪形状特征”，对其进行基于贡献率算法的车型聚类分析，以车型均高代替实际高度，获取车辆的长宽，得到不同车型的流量，并进而计算道路空间占有率并提升车速检测精度。测试表明：本发明专利技术实时性较高，车型聚类自适应于不同场景，平均准确度为96.9％，车长计算精度优于90％。
【技术实现步骤摘要】
本专利技术属于交通流参数检测
，涉及PTZ视频识别、聚类分析，为一种。
技术介绍
基于PTZ(pan/tilt/zoom)摄像视频的交通流参数检测，以获取信息快速简便、处理智能及检测范围广等优点在ITSantelligent Transport System)领域逐步得到广泛应用.但PTZ摄像机参数多变，车型分类时必须要求摄像机位于特殊的位置[1][2]或角度[3] M，这时由于摄像机在成像投影过程中丢失了深度信息，难以提取车辆三维结构，也难以兼容PTZ摄像机的图像识别方式，来获得车型分类、道路空间占有率等交通流参数。因此，目前尚没有便捷的，精确度高的应用单目PTZ摄像机，实现交通流参数检测的方法。参考文件1、Gupte S, Masoud 0, Martin RFK, Papanikolopoulos N P. Detection and classification of vehicles. IEEETransactions on Intelligent Transportation Systems,2002, 3(1) :37-472、Rad R, Jamzad M. Real time classification and tracking of multiple vehicles in highways. PatternRecognition Letters,2005,26(10) :1597-16073、Kim Z W, Malik J. Fast vehicle detection with probabilistic feature grouping and its application tovehicle tracking. In Proceedings of the Ninth IEEE International Conference on Computer Vision. Nice,France IEEE,2003.524-5314、Sidla 0, Paletta L, Lypetskyy Y, Janner C. Vehicle recognition for highway lane survey. In Proceedingsof the 7th International IEEE Conference on Intelligent Transportation Systems. Washington, D. C, USA :IEEE, 2004. 531-5365、Meng Xiao-Qiao, Hu Zhan-Yi. Recent progress in camera self-calibration. Acta Automatica Sinica，2003，29 (1) : 110-124 (孟晓桥，胡占义.摄像机自标定方法的研究与进展.自动化学报，2003，四(1) :110-124)6、Li Bo, Dong Rong, Chen Qi-Mei. Automatic calibration method for PTZ camera.Journal of BeijingUniversity of Posts and Telecommunications，2009， 32(B04) :M-29(李勃，董蓉，陈启美.路况PTZ摄像机自动标定方法.北京邮电大学学报， 2009，32(B04) :24-29)7、Ma Shuai, Tang Shi-Wei, Yang Dong-Qing, Wang Teng-Jiao. An incremental clustering algorithm for thetopology adjustment of location databases. Journal of Software, 2004,15 (9) : 1351-136 (马帅，唐世渭，杨冬青，王腾蛟.一种用于位置数据库结构调整的增量聚类算法.软件学报，2004，15 (9) :1351-1360)8、Liu Ming，Wang Xiao-Long, Liu Yuan-Chao. A fast clustering algorithmfor large-scale and highdimensional data. Acta Automatica Sinica,2009,35(7) 859-866(刘铭，王晓龙，刘远超.一种大规模高维数据快速聚类算法.自动化学报，2009， 35(7) :859-866)9、Liu Kai-Di, Liu Xin, Zhao Qi, Zhou Shao-Ling. An unsupervised learning algorithm based onclassification weight and mass center driving. Acta Automatica Sinica, 2009, 35 (5) :526-531 (刘幵第，刘昕，赵奇，周少玲.基于分类权与质心驱动的无监督学习算法.自动化学报，2009，35 (5) :526-531)10、Ester M，Kriegel H P，Sander J，Xu X. A density-based algorithm for discovering clusters in largespatial databases with noise. In-Proceedings of the 2nd International Conference on KnowledgeDiscovery and Data Mining. Portland, USA :AAAI，1996. 226-23111、Karypis G，Hah E H，Kumar V. Chameleon !hierarchical clustering using dynamic modeling. IEEEComputer，1999，32(8) :68-7512、ErtozL, Steinbach M，Kumar V. Finding clusters of different sizes, shapes,and densities in noisy,highdimensional data. In :Proeeedings of the Third SIAM International Conference on Data Mining. SanFrancisco，USA :SIAM，2003.47—5813、Zhou Xue, Hu Wei-Ming. Object contour tracking with fusion of color and incremental shape priors. Acta Automatica Sinica，2009，35(11) :1394-1402(周雪，胡卫明.融合颜色和增量形状先验的目标轮廓跟踪.自动化学报，2009,35(11) 1394-1402)14、Jiao Bo, Li Guo-Hui, Wang Yah-Ming, Tian本文档来自技高网...
【技术保护点】
１．基于车型聚类的交通流参数视频检测方法，其特征是获取ＰＴＺ摄像视频，基于车型聚类实现交通流参数检测，包括以下步骤：１）构建ＰＴＺ摄像机成像模型，ＰＴＺ摄像机高度Ｈ固定，将世界坐标系原点设为ＰＴＺ摄像机正下方，根据路面车道分割线，实时在世界坐标系中自动标定ＰＴＺ摄像机；２）建立ＰＴＺ摄像机的像平面坐标系ｕ－ｖ与世界坐标系Ｘｗ－Ｙｗ－Ｚｗ的变换关系；３）在ＰＴＺ摄像视频中，通过背景差分，获取车辆的图像区域并建立车辆的简化模型：在ＰＴＺ像平面中，将车辆的投影视锥与道路平面的相交区域定义为伪形状特征，设包含伪形状特征的最小矩形的长和宽为伪形状特征的长度和宽度，再通过已建立的像平面坐标系与世界坐标系的变换关系，获得伪形状特征的实际长度ｗ′和实际宽度ｌ′；４）将车辆的伪形状特征（ｗ′，ｌ′）ｉ记为数据点的坐标值，对由各车辆得到的数据点坐标值进行聚类分析：采集车辆的伪形状特征（ｗ′，ｌ′）时，在ＰＴＺ视频图像中设定车辆伪形状特征的数据采集参考线Ｙ＝ＹＲｅｆ，当车辆到达数据采集参考线时记录车辆的伪形状特征（ｗ′，ｌ′），保持当前的车辆伪形状特征的数据采集参考线Ｙ＝ＹＲｅｆ在ＰＴＺ图像中心区域内，即满足０．２＊ｖｍａｘ＜ＹＲｅｆ＜０．８＊ｖｍａｘ，ｖｍａｘ为ＰＴＺ像平面纵坐标最大值，建立已采集数据的数据库，数据库规模为１００个，当已采集数据大于１００个时，则新采集的车辆的伪形状特征数据替换数据库中最早数据，进行基于贡献率算法的车型聚类，数据的贡献率用来度量一个点被类似的点，也就是在Ｋ－最近邻中包围的程度，如式（７）所示．（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）ｃｒ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｉ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｉ）Ｋ（／ｍｉ）?（ｍｏ）＊（／ｍｏ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｕｎｄｅｒｏｖｅｒ）?（ｍｉ）＆Ｓｉｇｍａ；（／ｍｉ）?（ｍｒｏｗ）?（ｍｉ）ｊ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（ｍｒｏｗ）?（ｍｉ）ｉ（／ｍｉ）?（ｍｏ）－（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（／ｍｕｎｄｅｒｏｖｅｒ）?（ｍｆｒａｃ）?（ｍｎ）１（／ｍｎ）?（ｍｓｕｂ）?（ｍｉ）Ｍ（／ｍｉ）?（ｍｉ）ｊｉ（／ｍｉ）?（／ｍｓｕｂ）?（／ｍｆｒａｃ）?（ｍｏ）＋（／ｍｏ）?（ｍｕｎｄｅｒｏｖｅｒ）?（ｍｉ）＆Ｓｉｇｍａ；（／ｍｉ）?（ｍｒｏｗ）?（ｍｉ）ｊ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｉ）ｉ（／ｍｉ）?（ｍｏ）＋（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（ｍｉ）Ｄ（／ｍｉ）?（／ｍｕｎｄｅｒｏｖｅｒ）?（ｍｆｒａｃ）?（ｍｎ）１（／ｍｎ）?（ｍｓｕｂ）?（ｍｉ）Ｍ（／ｍｉ）?（ｍｉ）ｊｉ（／ｍｉ）?（／ｍｓｕｂ）?（／ｍｆｒａｃ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）－（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｎ）７（／ｍｎ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｒｏｗ）?（／ｍａｔｈ）Ｍ为Ｋ－最近邻矩阵的稀疏阵，即若点ｉ是点ｊ第Ｌ近邻，Ｌ≤Ｋ则Ｍｊｉ＝Ｌ或１，Ｌ＞Ｋ则Ｍｊｉ＝０，Ｍｊｉ是非对称的，式中ｃｒ（ｉ）表示数据点ｉ的贡献率，Ｄ表示数据库规模，在簇中心的点具有相对较高的贡献率；在簇边界附近的点具有相对较低的贡献率；噪声点贡献率趋近于零，设定贡献率划分值将聚类的数据点分为核心点、边界点和噪声点，基于ＤＢＳＣＡＮ算法结合贡献率进行聚类，按照车高分为三类：小型车，车高１．５米，中型车，车高２．５米，大型车，车高３．５米：４１）找出所有数据点的Ｋ－最近邻；４２）计算所有点的贡献率，将其标记为核心点、边界点和噪声点；４３）删除噪声点；４４）每组连通的核心点形成一个簇；４５）将每个边界点指派到一个与之关联的核心点的簇中；聚类后统计不同车型车流量；５）若ＰＴＺ摄像机参数变化导致Ｙ＝ＹＲｅｆ已不在图像中心区域内，则重新选择合适的ＹＲｅｆ，并重新提取伪形状特征，重复步骤４）。...
【技术特征摘要】
1.基于车型聚类的交通流参数视频检测方法，其特征是获取PTZ摄像视频，基于车型聚类实现交通流参数检测，包括以下步骤1)构建PTZ摄像机成像模型，PTZ摄像机高度H固定，将世界坐标系原点设为PTZ摄像机正下方，根据路面车道分割线，实时在世界坐标系中自动标定PTZ摄像机；2)建立PTZ摄像机的像平面坐标系U-V与世界坐标系Xw-Yw-Zw的变换关系；3)在PTZ摄像视频中，通过背景差分，获取车辆的图像区域并建立车辆的简化模型在 PTZ像平面中，将车辆的投影视锥与道路平面的相交区域定义为伪形状特征，设包含伪形状特征的最小矩形的长和宽为伪形状特征的长度和宽度，再通过已建立的像平面坐标系与世界坐标系的变换关系，获得伪形状特征的实际长度W'和实际宽度Γ ；4)将车辆的伪形状特征，Γ)i记为数据点的坐标值，对由各车辆得到的数据点坐标值进行聚类分析采集车辆的伪形状特征，Γ )时，在PTZ视频图像中设定车辆伪形状特征的数据采集参考线Y = YEef,当车辆到达数据采集参考线时记录车辆的伪...
【专利技术属性】
技术研发人员：吴聪，李勃，董蓉，江登表，顾昊，沈舒，鄢回，陈启美，
申请(专利权)人：南京大学，
类型：发明
国别省市：84
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。