专利汇可以提供基于轮廓和局部特征点的交通流信息感知方法及系统专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于轮廓和局部特征点的交通流信息 感知 方法及系统,属于智能交通领域。本发明中通过远程控制对分析 算法 的参数进行配置,能够根据具体场景随时设置或调整分析算法的各种参数,这极大地方便了交通流信息感知装置的使用。本发明中对车辆的追踪首先采用粗略的基于轮廓信息的追踪、评价,以及选择性地进行基于局部特征点的追踪,这种由粗到细的追踪策略能自适应不同的交通场景,并且执行效率高。本发明中的交通信息流感知方法及装置能直接应用于 智能交通系统 。,下面是基于轮廓和局部特征点的交通流信息感知方法及系统专利的具体信息内容。
1.一种基于轮廓和局部特征点的交通流信息感知方法,其特征在于包括以下步骤:
远程配置交通流信息感知系统的系统参数,包括视频分析的感兴趣区域ROI和视频图像上像素距离与实际道路上空间距离之间的转换关系F;
对视频信号进行帧间差操作、对帧间差图像进行二值化,然后进行形态滤波,并在此基础上对每辆车的位置进行定位;
根据车辆的位置信息,对每辆车分别进行追踪,设计状态存储结构Memory记录每辆车的动态状态;
对追踪结果进行评价;
根据评价结果,若追踪结果不够好则提取追踪失败的车辆的特征点,根据特征点追踪算法对特征点进行追踪,并根据追踪结果更新状态存储结构中每辆车的状态;若追踪结果足够好则直接更新状态存储结构中每辆车的状态;
计算车辆信息;
对一段时间内采集的车辆信息汇总、生成交通信息流文件,并定时向服务器发送交通信息流文件。
2.根据权利要求1所述的方法,其特征在于,远程配置交通流信息感知系统的系统参数的方法为:
101:通过远程控制调整视频信号采集摄像头的姿势,使可观察区域达到最佳;
102:固定摄像头姿势后,系统向服务器端发送一张视频图片;
103:在远端服务器,通过人工介入的方式确定视频分析的感兴趣区域ROI;
104:在远端服务器,通过人工介入的方式计算视频图像上像素距离与实际道路上空间距离之间的转换关系F;
105:将ROI信息和转换关系F作为系统参数发送至系统。
3.根据权利要求1所述的方法,其特征在于,对视频信号进行帧间差操作、对帧间差图像进行二值化,然后进行形态滤波,并在此基础上对每辆车的位置进行定位的方法为:
201:从视频信号中获取图像序列,对图像序列作如下帧间差操作:dI(t) = | I(t) – I(t - 1)|,其中t 代表图像帧的时间标号,I(t) 表示t 时刻的图像,即当前图像,I(t-1)为前一帧图像,dI(t)为帧间差图像,具体为两帧间差的绝对值构成的图像;
202:对帧间差结果进行二值化:若dI(t; i, j) > T1,则则dI(t; i, j) ← 0,否则dI(t; i, j) ← 255,其中,i 表示图像像素行号,j 表示图像像素列号,I(t; i, j) 表示t时刻图像在位置(i, j)的 像素值,dI(t; i, j)为 t时刻的帧间差图像在位置(i, j) 上的像素值;T1为图像二值化的阈值;
203:在202的结果基础上,对帧间差图像dI(t)进行形态滤波,即传统的开运算和闭运算;
204:在203的结果基础上,确定每辆车的位置,其步骤为:
(1)在203结果中寻找像素值为0的连通区域,并用外切矩形框出各个连通区域,将这些矩形记为{S1,…,Sn},n 为连通区域的个数;
’ ’
(2)去除{S1,…,Sn}中面积小于T2 且大于T2的矩形,其中T2、T2 均为设置’
的矩形区域的面积阈值,T2 较大,T2较小
(3)在(2)的基础上将之间距离小于T3的两个矩形合并为同一矩形,其中T3为设置的两矩形区域中心的距离阈值;
(4)将最终留下来的矩形作为车辆的存在区域即车辆的位置{V1,…,Vk},k为检测到的车辆的数量。
4.根据权利要求1所述的方法,其特征在于,根据车辆的位置信息,对每辆车分别进行追踪,设计状态存储结构记录每辆车的动态状态的方法为:
301:建立状态存储结构Memory,Memory中包含M个存储单元,记为{mem_cell_1,…,mem_cell_M},存储单元用于存储在ROI范围内的车的动态状态,这里的M为常量,且大于处在ROI范围内的车辆的个数;
302:首先根据每个存储单元中的车辆的历史状态预测在当前帧中车辆期望出现的位置;
303: 当前帧中检测到的车辆的位置为{V1,…,Vk(t)},k(t)表示当前帧中检测到的车辆的数量,将这些区域与Memory的每个存储单元中车辆的预测位置进行匹配;
304.根据匹配结果,将其当前帧中匹配成功的车辆信息添加到Memory中对应的存储单元中去。
5.根据权利要求1所述的方法,其特征在于,对追踪结果进行评价的方法为:
401.当前车辆数量为k(t),假设在Memory中有记录的存储单元个数为M’,M’ < M,M为Memory所含存储单元个数,若M’≤k(t),则评价为“足够好”,否则评价为“不够好”;
402.若M’ < k(t),表示此时有新的车辆或噪点出现在ROI中,则将新出现的车辆添加到Memory中的一个新存储单元中;
403.若M’ = k(t),表示ROI中车辆个数没有变化,且每辆车都被追踪上;
404.若M’ > k(t),表示可能有车辆没有检测到,或者有车辆开出了ROI区域。
6.根据权利要求1所述的方法,其特征在于,根据评价结果,若追踪结果不够好,则提取Memory中追踪失败的车辆的特征点,利用特征点追踪算法在当前帧的ROI范围内追踪特征点,并根据追踪结果更新状态存储结构中每辆车的状态,其方法为:
405:提取当前帧的ROI区域中的Harris特征点{P1,…PN(t)},N(t)为ROI中特征点的个数;
1 1 L
406:提取Memory中追踪失败的车辆的Harris特征点{Pf1,…,PfN1},…, {Pf1,…L i i
,PfNL},{Pf1,…,PfNi}表示第i辆追踪失败的车辆在上一帧中的特征点,其中i= 1,…L,L表示追踪失败的车辆的个数;
407:利用特征点追踪算法KLT算法,在{P1,…PN(t)}中追踪每辆追踪失败的车辆的特征点;
i i
408:对于{ Pf1,…,PfNi},设407中成功追踪到的特征点的个数为si,si ≤ Ni,若si/Ni > T4则认为Memory中第i辆车通过局部特征点追踪方法追踪成功,否则追踪失败,其中Ni 为第i辆车的特征点个数,T4 为成功追踪到的特征点与特征点个数的比例;
409:根据步骤408中追踪成功的车辆的特征点,以及与之相匹配的特征点的位置变化情况,推测该车辆的运动情况,在此基础上构造车辆在当前帧中的状态,并将构造结果添加到Memory中的对应存储单元中;
410:到目前为止,对Memory中上述追踪方法都失效的车辆,若车辆的预测位置处在ROI的边界附近,则判定该车辆已经开出ROI区域,同时将该车辆信息移至缓存文件;否则认为有车辆未能正确地追踪到。
7.根据权利要求1所述的方法,其特征在于,计算车辆信息的方法为:
根据缓存文件中记录的车辆的矩形区域的大小以及图像位置与实际位置之间的变换关系F,计算得到车辆的实际大小;
根据缓存文件中记录的车辆在ROI中位置的变化情况,结合图像位置与实际位置之间的变换关系F,计算得到车辆的运动速度。
8.根据权利要求1所述的方法,其特征在于,系统对一段时间内的车辆信息缓存文件进行整理、添加附加信息形成一段时间内的交通信息流文件,并定时向服务器发送交通信息流文件的过程为:
501.对车辆信息缓存文件进行整理,并添加附加信息,形成交通信息流文件;
502.通过网络将该交通信息流文件传送至服务器端。
9.一种基于轮廓和局部特征点的交通流信息感知系统,其特征在于所述系统包括:
远端服务器(2000):对远程交通流信息感知系统的系统参数进行配置,在节点生成参数配置文件,采集视频并将采集后的视频数据输出到视频分析子系统(2100);
视频分析子系统(2100):通过对视频数据进行一系列操作,计算车辆信息,并对一段时间内采集的车辆信息汇总、生成交通信息流文件,定时向远端服务器发送交通信息流文件;
其中,视频分析子系统(2100)包括:
帧间差分、形态滤波器(2110):对视频信号进行帧间差操作,对帧间差图像二值化,然后进行形态滤波;
车辆轮廓区域定位器(2120):在滤波后的图像的基础上对每辆车的位置进行定位;
基于车辆轮廓区域的追踪器(2130):根据车辆的位置信息,对每辆车分别进行追踪,设计状态存储结构记录每辆车的动态状态;
追踪性能判决器(2140):对追踪结果进行评价;
车辆局部特征点提取器(2150):提取追踪失败的车辆的特征点;
基于车辆局部特征的追踪器(2160):根据特征点追踪算法对特征点进行追踪,并根据追踪结果更新状态存储结构中每辆车的状态。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种以物联网为依托的感知城市系统 | 2020-05-11 | 598 |
工件感知器和感知系统 | 2020-05-12 | 759 |
无线感知器 | 2020-05-12 | 220 |
感知装置 | 2020-05-11 | 491 |
新感知盲道 | 2020-05-12 | 149 |
感知装置 | 2020-05-11 | 332 |
含氧感知器 | 2020-05-12 | 604 |
感知无线网络的协作频谱感知方法和感知节点 | 2020-05-12 | 175 |
感知盲道 | 2020-05-11 | 500 |
基于动态自适应压缩感知的多用户检测方法及电子设备 | 2020-05-12 | 654 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。