[发明专利]从图像中确定用于估计交通量的参数的方法

说明书

技术领域

本发明涉及一种从图像中确定用于估计交通量的参数的方法，更具体地涉及一种从包括多个车辆的相对低质量的图像中确定用于估计车辆数目的特征值的方法。

背景技术

虽然需要诸如交通量之类的交通数据作为输入以执行交通仿真，但是存在一个问题：为了获取精确的交通数据而安装GPS和传感器的成本很高。另一方面，由于大量的交通信息不但被包含在传感器中而且还包含在许多区域中已经安装的交通摄像机(也称为交通监控摄像机或实时摄像机)中，因此考虑从这些交通摄像机图像获取交通数据。然而，当前的情况是：由于一些交通摄像机图像具有低分辨率，因此无法使用诸如模板匹配之类的图像识别技术。

在这样的现状下，本发明人提议：在无监督学习作为从交通摄像机等等的低质量图像中测量车辆数目的方法中，使用通过利用阈值处理的二值化所获得的特征值(白色像素的区域)。在无监督学习中，需要使用相对于车辆数目而线性地变化的特征值。然而，通过利用阈值处理的二值化的特征提取可能无法令人满意地处理各种环境变化(例如光环境的变化、车辆规模的变化以及本地环境的变化)。

专利文献1和2公开了从摄像机图像检测车辆的方法。然而，这些方法既没有从诸如交通摄像机图像之类的低质量图像中测量车辆数目也没有在无监督学习中使用特征值。

[引用表]

[专利文献]

[专利文献1]日本专利申请公开号H06-337998

[专利文献2]日本专利申请公开号2002-74368

发明内容

本发明的一个目的是提供一种在从用交通摄像机等拍摄的低质量图像中测量车辆数目的方法中提取相对于车辆数目具有较高线性的特征值的方法，其中，与在无监督学习中使用的通过由本发明人已经提议的二值化所获得的特征值(白色像素的区域)的情况相比，该方法可以更灵活且更适当地应对环境变化。

本发明提供一种使用计算机从图像中确定用于估计交通量的特征值的方法。该方法包括如下步骤：

(a)将包括多个车辆的图像分割成多个矩形区域；

(b)从图像中检测角落并且提取检测到的角落的位置，其中所述角落的像素值与邻居像素值相比有变化；以及

(c)从所述矩形区域中提取包括所述角落位置的矩形区域的数目作为特征值。

在本发明的一个方面中，将所述图像分割成所述多个矩形区域的步骤(a)可以包括：在分割之前通过相似区域平滑滤波器处理所述图像。该方法还可以被配置为使得图像是用广视角摄像机拍摄的低分辨率图像。

在本发明的另一个方面中，将所述图像分割成所述多个矩形区域的步骤(a)可以包括：通过使用用于评估函数的阈值X的四叉树方法对经受了滤波器处理之后的图像进行分割。当所述评估函数大于或等于所述阈值X时，通过四叉树方法的分割步骤可以包括：对分割之后的相应矩形区域进行进一步分割。所述评估函数可以包括所述图像的所述矩形区域中的像素强度值的离差。

在本发明的又一个方面中，该方法可以进一步包括：对多个图像中的每一个图像执行步骤(a)，同时变化阈值X；执行步骤(b)和(c)以提取针对所述多个图像中的每一个图像的特征值；分析在所提取的特征值与相应图像中的车辆数目之间的线性；以及选择具有最高线性的阈值XL作为用于所述评估函数的阈值X。

在本发明的又一个方面中，该方法可以被配置为使得提取所述角落位置的步骤(b)包括：在检测所述角落之前通过边界加重滤波器对所述图像进行处理。

附图说明

图1是示出用于执行本发明方法的系统的配置示例的图；

图2是示出用于执行本发明方法的计算机的配置示例的框图；

图3是示出本发明的方法流程的图示；

图4包含用于描述本发明的方法流程的图像；

图5是示出本发明方法的示例的图示；以及

图6是示出本发明方法的另一示例的图示。

具体实现方式