[发明专利]一种复杂路况下行车流量视觉检测与计数方法

说明书

本发明公开了一种复杂路况下行车流量视觉检测与计数方法，解决基于视觉的检测方法统计运动目标面积进行车流量计数，在汽车、行人、非机动混杂的复杂道路下，计数的准确率极低，且受图像质量影响较大的问题，属于机器视觉技术领域。本发明包括设置初始信息；循环读取视频图像，利用MSRCR算法同时实现光照均衡和颜色平衡；利用AdaptiveMedian算法进行背景建模，提取运动前景；对前景进行开运算，去除噪声的同时，分离粘连的运动目标；查找轮廓并计算面积，若面积小于阈值，则填充该轮廓；利用Haar特征和AdaBoost分类器，用于识别前景中的车辆；识别每帧前景的车辆，并记录其位置。本发明用于精确提取复杂路况下的运动目标，并特定识别其中车辆，统计实时采集视频中车辆数目。

技术领域

一种复杂路况下行车流量视觉检测与计数方法，用于精确提取复杂路况下的运动目标，并特定识别其中车辆，统计实时采集视频中车辆数目，属于机器视觉技术领域。

背景技术

“机器视觉”是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

基于视觉的车流量检测与计数，是机器视觉在交通领域应用中的一个重要分支。对于交通管控的需要，每时每刻都在进行着车流量的统计。目前道路交通流的统计，普遍采用在道路口埋放传感器，利用传感器反馈信息进行交通流统计。然而，面对交通情况复杂的城市道路，传感器统计准确率低，且易造成设备损坏。因此，可以采用基于视觉的方法自动检测车辆信息，检测结果可以传入流量、密度、速度模块，完成交通流的统计。

然而在拍摄的视频中，经常出现光照变化情况、多个运动物体粘连的情况。所以研究人员在设计算法时，既要解决光照变化的影响，也要克服目标粘连带来的计数困难。

近些年来有不少研究机构和企业对智能交通系统进行研究，其中基于视觉的交通流检测是整个系统中基础且重要环节。然而现有研究多采用埋放传感器等方案，已有基于视觉的检测方案多采用根据统计运动目标面积进行计数的方案，不对车辆进行识别，此种方案在交通情况简单的高速公路具有较好的效果，但运用于复杂道路准确率极低，且受图像质量影响较大，难以推广使用。

发明内容

本发明的目的在于：解决现有技术中基于视觉的检测方法统计运动目标面积进行车流量计数，在汽车、行人、非机动混杂的复杂道路下，计数的准确率极低，且受图像质量影响较大的问题，本发明提供了一种复杂路况下行车流量视觉检测与计数方法。

本发明采用的技术方案如下：

一种复杂路况下行车流量视觉检测与计数方法，其特征在于，步骤如下：

步骤1、均衡获取的交通监控视频中的图像的颜色与光照；

步骤2、对均衡了颜色与光照的交通监控视频中的图像进行灰度化处理，灰度化处理后进行背景建模，得到背景图像；

步骤3、将灰度化处理后的图像与背景图像进行差分处理，差分后的图像进行二值化获取前景图像，然后对前景图像进行开运算，再寻找前景图像中的连通区域，并填充连通区域，将填充后的连通区域图像分别与步骤1所得图像的三通道点乘，得到彩色前景图像；

步骤4、用Haar与AdaBoost训练好的分类器识别彩色前景图像中的车辆，记录车辆在交通监控视频中的每一帧的位置坐标，根据前后帧车辆位置与车道的关系进行计数，最终获得当前帧识别后的前景图像与累积的车流数量。

进一步，所述步骤1的具体步骤如下：