基于视频的交叉路口车流检测算法.docVIP

基于视频的交叉路口车流检测算法 王洁 10座机电话号码 摘要 利用视频检测技术来获取交通参数已有很多应用，面向交叉路口控制的检测应用较少。本文主要介绍了交叉口车流检测算法，提出了存在的关键问题，并提出了诸如排队、添加、删除车辆策略、车辆历史信息估算、多尺度俯视图、车辆暂停跟踪及抽样mean-shift等解决方案。 关键词 视频，交叉口，车流检测 第 1 章 引言 视频检测技术是一种结合视频图像和模式识别技术而应用于交通领域的新兴技术。可分为虚拟线圈式检测系统（Tripwire Systems）和跟踪式检测系统（Tracking Systems）两种工作方式[1]。虚拟线圈式检测系统较为简单和成熟，目前这种检测方式。目前相对做的较好的为Citilog系统，但是由于Citilog测的是瞬时速度，所以误差比较大，而且Citilog对计算机的性能要求较高，算法的实时性不是很高。 视频检测的主要优点是画面直观，可同时获得常规检测器难以得到的多种交通参数，检测内容可扩充性较强。同时具有违章抓拍、交通事件纪录等附加功能。另外，安装维护方便、无接触检测，不影响交通。但目前视频检测检测精度受软、硬件限制，准确度不够高，实时性不够好，易受恶劣天气、灯光、阴影等环境因素的影响。 长时间以来，国内外学者通过建立各种模型来模拟实际的交叉口，通过对模型的分析来优化对实际交叉口控制的优化。用来建立模型的交叉口参数往往有，平均车辆延误，停车数，车头时距、饱和流量、起动损失以及平均车速和车流量等等。 利用视频检测技术来获取交通参数已有很多成型的系统，这些视频检测系统多应用于交通流量检测或异常事件检测等领域，面向交叉口控制的检测系统的应用较少。其中平均车辆延误以及停车数这个关键参数现有的检测系统还未能直接检测得到，需要通过其他参数推算得到或者采用人工的方法获取。这就往往带来了较大的误差和庞大的工作量。 第2章 交叉口车流检测算法 要实现交叉口的车流检测，往往需要实现对监控区域的车辆的检测和跟踪，得到每辆车的信息，进而得到整个监控区域车流的信息。 2.1交叉口车辆的触发 在每一帧图像中，必须对候选车做两种情况的处理：一种是对已经触发过的车辆进行跟踪，而另一种则是对还未触发过的新车进行触发。新车的触发是后续对该车进行跟踪的开始，触发时获取的车辆信息越多越准，则后续的跟踪就越准确。在触发的同时，可以提取车流量和车型这两种车辆信息。 2.1.1虚拟线圈触发 目前，在城市道路常用地感线圈的方法提取车辆信息，在每个车道上埋地感线圈，当有车辆通过时，就会压地感线圈，然后通过传感器将车辆信息传到信息中心。 虚拟线圈触发的思想正是源自用地感线圈提取车辆信息的方法。在图像中的每个车道上，安置一个虚拟线圈（如图2.1），当没有车时，反映到二值图中，虚拟线圈中全是黑色像素点，但当有车经过时，虚拟线圈中就会有白色像素点出现，利用这一特性来触发新车。 图2.1 虚拟线圈 2.1.2检测区域触发 检测区域触发是指在图像中划定一个小区域，特地用来获取每辆新车的初始信息。把这个小区域称为检测区域。 检测区域的设置（如图2. 2）一般有两个约束： 1 大小的选定。在城市道路中，选取一个在世界坐标中长为15米，宽为整个路面宽度的区域。区域的长选为15米，有一定的依据：如果长度选的过长，会造成计算量太大，如果长度选的太短，又会造成触发不准确，此外，选择15米作为长度还有利于粗略地区分车型。在高速公路上，区域的长度应适当增大，因为车辆的速度快，如果长度太短，车辆很快就会通过检测区域，而没有完成触发。 2 位置的选定。区域的位置不宜选取太靠近车辆出画面的部分，因为在这些区域的车辆斑块质量太差，信息太不准确。 图2.2 检测区域的设置 2.2关键问题 利用设置两个检测区域一个跟踪区域，并跟踪监控区域内的所有车辆，关键参数车辆平均延误的计算将不再依赖与人工统计的数据以及利用已有的模型估算，而是可以直接通过视频检测得到的数据得到。当车辆在远端检测区域检测到的时刻，当车辆从近端检测区域离开的时刻，两个时刻获得的时间差减去车辆正常行驶从远端检测区域到通过交叉口的时间可以得到单一车辆延误，统计所有通过监控区域的车辆延误求得平均值，则可以得到此交叉口的车辆平均延误。一般而言，交叉口不同方向车辆通过交叉口的速度不会有明显差距，故在正常车速设置上可以选取某一经验值，从而计算得到车辆正常通过时所花的时间。 在文献[1]中，Benekohal首先利用此种方式来计算车辆平均延误，但Benekohal是利用传送给计算机的交叉口监控视频，当有车辆从远端进入时，点击鼠标获取当前时间，当车辆从近端离开时，再次点击鼠标获取当前时间，这样则半自动的获取了时间差，仍然需要大量的人工工作量。 第3章 解决方案 目前国内外对于视频检测的解决