[发明专利]基于背景与帧间差分算法的车流及其运动状态检测方法

说明书

技术领域

本发明涉及道路交通领域，尤其涉及一种基于背景与帧间差分算法的车流及其运动状态检测方法。 

背景技术

随着人类社会的发展，道路交通的压力日益增大，交通堵塞问题成了各大城市最突出的问题之一。 

目前，交通红绿灯的时间都是固定不变的，不能实时地根据车流量变换时间配置。现有的检测车流的有地磁感线检测，但建设时需要挖开路面，十分不便；还有激光、超声波检测等，但功能十分局限，难以推广。现在主要道路上的十字路口基本都装有高清的监控摄像机，同时，经过多年的发展，机器视觉技术已经成熟，机器视觉又具有很多便利：非接触测量，对于观测者与被观测者都不会产生任何损伤，具有较宽的光谱响应范围，能够长时间稳定工作，人类难以长时间对同一对象进行观察，而机器视觉则可以长时间地作测量、分析和识别任务，因此可以用于道路车流的检测。 

目前也有用机器视觉检测道路车流的研究，吴凌霄、林晨、许福海、赵小军等人在《自动化技术与应用》2011,30(10):72-75上发表了基于背景差分的车辆计数方法的研究一文，但是该方法仅着重于单个目标的跟踪，而没有对道路整体的情况进行检测与分析，制约了机器视觉在道路车流检测方面的应用。 

为克服上述车流检测方法存在的不足，本发明提出了一种基于背景与帧间差分算法的车流及其运动状态检测方法，该方法将基于背景和帧间差分方法结合起来，对道路上车流的整体情况进行检测，能够实现准确高效地检测出道路上的车流量及其运动状态。并且，不拘泥于单体目标，而是对于道路整体的进行检测，可以为智能交通灯提供数据支持，为智能交通的发展奠定了基础。 

发明内容

为克服现有技术的缺陷，本发明的目的在于提高一种基于背景与帧间差分算法的车流及其运动状态检测方法。 

为达到上述目的，本发明提供一种基于背景与帧间差分算法的车流及其运动状态检测方法，包括以下步骤： 

（1）对通过高清监控摄像头拍摄的路面实时图像进行灰度化处理； 

（2）对一组包括多帧灰度化处理后的图像进行背景差分运算得到差分图像提取车辆特征区域，并对差分图像进行处理，计算车流面积及车流面积占道路面积百分比，得到车流量信息，划分车流拥挤程度； 

（3）选取K与K+1时刻经步骤（1）、步骤（2）过处理的差分图像，进行帧间差分运算，得到车流面积变化量，并计算车流面积变化量占道路面积百分比，得到车流运动状态信息，并划分车流运动状态等级； 

（4）对步骤（2）与步骤（3）得到的车流量和车流状态进行综合分析，综合车流拥挤程度与车流运动状态等级对不同道路车流情况进行编码，并预测道路车流状况，若预测到会有堵车发生，发出预警信息，提示疏散车流。 

依照本发明较佳实施例所述的基于背景与帧间差分算法的车流及其运动状态检测方法，步骤（2）具体包括： 

（21）采用均值法将视频图像中所有的帧相加然后求平均获取背景； 

（22）采用背景差分算法得到去背景的差分图像，提取车流面积； 

（23）对差分图像进行灰度调整、二值化、图像分割、闭运算、区域内部填充及去除噪声等图像处理操作，设置车流面积区域内像素点为白点； 

（24）利用regionprops函数得出白点的像素点总数，计算车流面积及车流面积占道路面积的百分比，具体为： 

s=regionprops(bw1,’Area’); 

area=size(s.Area); 

d=area/zongshu 

其中，d为车流面积占道路面积的百分比；bw1为获取面积的图像；’Area’表示面积参数；area为车流面积；zongshu为道路面积； 

（25）根据步骤（24）得到的车流面积占道路面积百分比d划分车流拥挤程度： 

d=0%，拥挤程度：1，无车；0%<d≤30%，拥挤程度：2，有少量车； 

30%<d≤70%，拥挤程度：3，有中量车，70%<d≤100%，拥挤程度：4，有大量车。 

依照本发明较佳实施例所述的基于背景与帧间差分算法的车流及其运动状态检测方法，步骤（23）与步骤（24）之间还包括：对差分图像进行视觉角度误差校正，消除由于摄像机拍摄视角对车流面积计算造成的影响。 

依照本发明较佳实施例所述的基于背景与帧间差分算法的车流及其运动状态检测方法，步骤（22）采用下式进行背景差分：