[发明专利]使用车道分割合并方法的车流量检测方法

说明书

技术领域

本发明涉及道路交通管理领域，尤其是一种交通视频车辆检测的方法。

背景技术

当前，视频监控已经成为智能交通管理的重要手段，人们利用图像处理技术来进行交通流的研究，现已经取得了一些有意义的成果。车流量检测技术可广泛应用于高速公路城市路段和路口进行采集交通数据、监控车流。车流量检测技术一般包括三部分：图像背景的建立、检测线的设置，以及检测区域内车辆的过车判断。车辆过车检测的准确率一般为90％左右。

目前的车流量检测技术一般最多支持4车道交通数据的检测，一般要求交通场景固定不动、固定摄像头，即序列图像中除了运动目标之外，自然背景不会发生明显变化，因此图像背景的建立常用差分法进行。不过，实际上由于摄像机的抖动、路面光线变化、车辆目标本身的阴影和其他因素，往往使车辆的过车检测造成错误，形成很大的误差。

传统的去阴影方法，一般需要根据时间区段确定阴影位于车辆的哪一侧，并从阴影一侧开始进行图像的扫描以确定像素点是否属于阴影区。虽然可以消除车辆大部分的阴影成分，不过在较为复杂变化的背景之下，仍存在一定的阴影造成车辆粘连现象。

有些交通场景下，在路面的很多地方存在由路边树木投射下来的阴影，这些阴影的存在限制了检测区域的选择范围。如视频中车流量较大，在很多时刻存在车辆前后连续通过的情况。另外由于成像视角问题，很多车辆通过时会影响多个车道。每个通行的车辆都存在阴影，这些阴影很容易导致多检如果存在摩托车通过的情况，会干扰汽车的过车检测。视频中如果有洒水车通过，其所在的车道由于路面残留水渍的影响发生路面RGB值突降，使得过车检测遇到困难。特别地，有些车辆不是按照既定车道的划分行驶，而可能会出现在两车道之间行驶，可能使过车检测统计造成重复。

发明内容

本发明的目的在于克服现有技术中存在的不足，提供一种使用车道分割合并方法的车流量检测方法，采用车道分割合并的方法，可以极大的提高检测的准确率。本发明采用的技术方案是：

一种使用车道分割合并方法的车流量检测方法，包括下述步骤：

步骤S1，建立视频图像的坐标系，产生视频图像的坐标图像；在视频图像的坐标图像中确定检测区域，所述检测区域需覆盖所需检测的所有车道；将每个车道划分为两个半车道；

步骤S2，确定检测区域的背景图像的R、G、B通道各自的背景阈值区间；并定期更新检测区域背景图像的R、G、B通道各自的背景阈值区间的上限值和下限值；

步骤S3，使用检测区域背景图像的R、G、B通道各自的背景阈值区间建立过滤通道来对检测区域内检测图像的每一个像素点进行滤波二值化处理，生成各单个色彩通道的二值化图像；之后，对三个RGB通道的二值化内容进行或操作，得到最终的二值化图像；

然后统计每个半车道区域的活动像素点个数，即最终的二值化图像中每个半车道区域的白色像素点个数；

步骤S4，根据半车道区域的活动像素点，判断活动目标进入了半车道区域，判断半车道区域内存在活动目标，以及判断活动目标离开半车道区域；并记录活动目标进入半车道区域的进入时间，离开半车道区域的离开时间；

步骤S5，将进入时间条件一致的连续相邻半车道的活动目标设置为同一个第一分组；进入时间条件一致是指连续相邻半车道的活动目标进入时间差的绝对值小于或等于进入时间差阈值；

当第一分组内活动目标数大于等于3时，按照规定的合并方向进行分离，以两个半车道为划分依据，使得分离后每个第一分组内活动目标数为2或1个；

将离开时间条件一致的连续相邻半车道的活动目标设置为同一个第二分组；离开时间条件一致是指连续相邻半车道的活动目标离开时间差的绝对值小于或等于离开时间差阈值；

当第二分组内活动目标数大于等于3时，按照规定的合并方向进行分离，以两个半车道为划分依据，使得分离后每个第二分组内活动目标数为2或1个；

步骤S6，根据进入时间条件和离开时间条件判断相邻半车道区域的活动目标是否属同一目标车辆。

本发明的优点在于：一般视频中存在场景阴影、车辆阴影、成像视角等问题时，多数采用去除阴影的方法。本方法采用车道分割合并的方法，可以在不考虑阴影方向、车辆行驶是否按车道的情况下，通过较少量的计算进行车流量的计数，并可获得车辆的车道位置，极大地减少了背景和车辆阴影等对车流量检测的影响。

附图说明

图1为本发明的视频图像的坐标系示意图。

图2为本发明的视频图像中检测区域示意图。

图3a和图3b为本发明的检测区域内四车道划分的示例。