[发明专利]一种基于视频分析的信号交叉口通行能力分析方法

摘要

一种基于视频分析的信号交叉口通行能力分析方法，包括对视频捕捉采集的视频图像处理分析，以背景减法进行运动目标检测，利用改进的AdaBoost算法进行车辆识别，根据识别的目标信息进行车辆统计并计算出交通信息数据，以一种适用于多个相位控制的信号交叉口通行能力计算方法进行现状分析，所述通行能力分析方法执行以下步骤：交通流数据采集；运动目标检测；车辆识别确认；车辆统计并计算出交通信息数据；信号交叉口通行能力计算。根据识别的目标信息进行车辆统计并计算出交通信息数据，并由信号交叉口的实际交通状况选择适用于多个相位控制的信号交叉口通行能力计算方法，进行信号交叉口的通行能力的现状分析。

主权项

一种基于视频分析的信号交叉口通行能力分析方法，包括对视频捕捉采集的视频图像处理分析，以背景减法进行运动目标检测，利用改进的AdaBoost算法进行车辆识别，根据识别的目标信息进行车辆统计并计算出交通信息数据，以城市道路设计规范中的方法进行信号交叉口的通行能力的现状分析，所述通行能力分析方法执行以下步骤： 步骤1交通流数据采集：采用视频图像采集为主，人工采集为辅的数据采集方法，基于视频的车流量检测，通过安装在道路旁边或者中间隔离带的支架上的摄像机和图像采集设备将实时的视频图像信息采入，同时人工采集信号交叉口的几何参数特征； 步骤2运动目标检测：从步骤1中获得的视频序列图像中将运动目标区域从背景图像中提取出来，采用背景减法获取初步的目标车辆可能存在的区域； 步骤3车辆识别确认：选用Haar特征来表述目标车辆，并运用改进的AdaBoost算法在步骤2的结果上进行车辆目标识别； 步骤4在步骤3基础上进行车辆统计并计算出交通信息数据； 步骤5信号交叉口通行能力计算：以一种适用于多个相位控制的信号交叉口通行能力计算方法，利用步骤4的结果和步骤1中的实地调查数据，研究分析信号交叉口的通行能力； 其中，所述采用改进的AdaBoost算法包括下列步骤： 步骤31准备训练样本； 步骤32初始化样本权重,；； 步骤33判断训练轮数t>T，其中T为最大训练轮数，如果成立执行步骤39；若果不成立执行步骤34； 步骤34权重归一化； 步骤35筛选分类能力较强的特征； 步骤36计算每个弱分类器对样本集的分类错误率； 步骤37选择第t轮训练的最优弱分类器ht(x)； 步骤38更新样本权值； 步骤39由T个弱分类器线性叠加而成最终强分类器。