专利名称：车辆排队长度检测的方法及装置的制作方法
技术领域：
本发明涉及智能交通领域，尤其涉及一种车辆排队长度检测的方法及装置。
背景技术：
在智能交通系统中，通过车辆排队长度检测可以检测出某个车道是否存在车辆排 队现象，当存在车辆排队时，可以计算出排队车辆形成的队列长度。现有技术提供一种车辆排队长度检测方法在实现车辆排队检测时，采用移动窗口 机制，对每个子窗口的检测又分为车辆运动检测和车辆存在检测两步进行。如，通过提取检 测窗口内图像的边缘信息判断是否有车辆存在，或者通过提取车辆垂直于路轴方向上的边 缘实现车辆存在检测。现有技术还提供一种采用形态学方法提取边缘，并利用一个伸缩窗 实现了车辆排队检测。然而，发明人发现白天车辆的边缘信息通常比较明显，现有的方法可以取得很好 的车辆排队长度检测效果，当夜晚来临时，光线变得较暗，车辆边缘信息锐减，采用边缘信 息进行车辆存在检测时，容易造成检测到的车辆排队长度结果不准确。尤其发生雨雪天气 后，由于潮湿路面反光或路面的不平整，当车灯照在路面上时会检测出大量的边缘信息，造 成车辆排队长度检测结果的不准确。
发明内容
本发明的实施例提供一种车辆排队长度检测的方法及装置，提高车辆排队长度检 测的准确性。为达到上述目的，本发明的实施例采用如下技术方案—种车辆排队长度检测的方法，包括获取一帧交通道路图像；识别并判断所述交通道路图像的拍摄场景；当判断出所述交通道路图像的拍摄场景为白天时，采用结合三帧差法和形态学的 第一检测方法检测出排队车辆队列，并计算所述排队车辆队列的长度；当判断出所述交通道路图像的拍摄场景为夜晚时，采用基于车灯的第二检测方法 检测出排队车辆队列，并计算所述排队车辆队列的长度。一种车辆排队长度检测的装置，包括获取单元，用于获取一帧交通道路图像；识别单元，识别并判断所述交通道路图像的拍摄场景；第一检测单元，用于当所述识别单元判断出所述交通道路图像的拍摄场景为白天 时，采用结合三帧差法和形态学的第一检测方法检测出排队车辆队列；第二检测单元，用于当所述识别单元判断出所述交通道路图像的拍摄场景为夜晚 时，采用基于车灯的第二检测方法检测出排队车辆队列；计算单元，用于计算所述第一检测单元或第二检测单元检测出的排队车辆队列的长度。本发明实施例所提供的车辆排队长度检测的方法，可以判断出当前处理的交通道 路图像所属的拍摄场景为白天还是夜晚，针对白天和夜晚分别采取不同的车辆排队长度检 测方法。在白天光照条件下，利用清晰的车辆边缘信息，结合三帧差法和形态学边缘检测来 进行车辆排队检测；在夜晚场景下，采用车灯这一显著特征进行车辆排队检测，在白天和夜 晚都可以准确地检测出车辆排队情况。与现有技术在白天和夜晚采用相同的车辆长度检测 方法，容易导致夜晚检测车辆排队长度时产生误差相比，本发明实施例提高了车辆排队长 度检测的准确性。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。图1为本发明实施例提供的一种车辆排队长度检测的方法的流程图；图2为本发明实施例提供的另一种车辆排队长度检测的方法的流程图；图3为本发明实施例提供的结合三帧差法和形态学的第一检测方法的流程图；图4为本发明实施例采取图3所示的方法进行车辆排队检测示意图；图5为本发明实施例提供的基于车灯的第二检测方法的流程图；图6为本发明实施例采取图5所示的方法进行车辆排队检测示意图；图7为本发明实施例中建立的摄像机模型的示意图；图8为本发明实施例中进行摄像机标定的示意图；图9为本发明实施例提供第一种车辆排队长度检测的装置的结构图；图10为本发明实施例提供第二种车辆排队长度检测的装置的结构图；图11为本发明实施例提供第三种车辆排队长度检测的装置的结构图；图12为采用本发明实施例提供的车辆排队长度检测方法进行车辆检测实验的结 果示意图。
具体实施例方式本发明实施例中车辆排队长度检测的方法，可以针对白天和夜晚分别采用不同的 车辆排队长度检测方法，在白天和夜晚都可以准确地检测到车辆排队长度。如图1所示，该 方法包括如下步骤101、获取一帧交通道路图像。该交通道路图像可以为全天中任何一个时间检测到的交通道路图像。102、识别并判断所述交通道路图像的拍摄场景。本发明实施例中，将交通道路图像的拍摄场景划分为两种白天和夜晚。当然也可 以根据不同光照条件对全天各个不同时间获取的交通道路图像进行更为详细的划分，在这 里不做限制。103、当判断出所述交通道路图像的拍摄场景为白天时，采用结合三帧差法和形态学的第一检测方法检测出排队车辆队列，并计算所述排队车辆队列的长度。由于白天光线通常较为充足，采用三帧差法可以减小噪声干扰，较快地检测出是 否存在车辆运动的情况，基于形态学的边缘检测算法受噪声干扰小，可以较准确地检测出 是否存在车辆。104、当判断出所述交通道路图像的拍摄场景为夜晚时，采用基于车灯的第二检测 方法出排队车辆队列，并计算所述排队车辆队列的长度。由于晚上车辆的边缘信息不太清晰，采用现有的方法检测车辆边缘信息常常导致 检测结果出现误差，因而，本发明实施例中在夜晚的交通道路图像中采用车灯这一显著的 技术特征进行车辆排队检测，可以取得较好的检测效果。由于本发明实施例根据白天和夜晚各自的特点，在白天光照条件下，采用三帧差 法和形态学边缘检测通过检测清晰的车辆边缘信息可以得到准确的车辆排队检测结果；在 夜晚场景下，采用车灯这一显著特征进行车辆排队检测的准确度要高于利用车辆边缘信息 进行检测得出的结果，因而，本发明实施例在白天和夜晚都可以准确地检测出车辆排队情 况，而现有方法在白天和夜晚采用相同的车辆长度检测方法，虽然在白天利用车辆边缘信 息可以准确地检测出车辆排队长度，然而在夜晚仍然利用车辆边缘信息检测车辆排队长度 时常常出现误差，与现有技术相比，本发明实施例提供的方法可以提高车辆排队长度检测 的准确性。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所 获得的所有其他实施例，都属于本发明保护的范围。如图2所示的本发明实施例提供一种车辆排队长度检测的方法，包括如下步骤201、获取一帧交通道路图像。202、根据kNN算法(K最近邻分类算法)识别并判断所述交通道路图像的拍摄场
旦
ο由于亮度的不同，白天的交通道路图像和夜晚的交通道路图像各自的灰度直方图 存在较大差异。白天的交通道路图像的灰度值集中在灰度直方图的中值附近，而夜晚的交 通道路图像的灰度值集中在灰度较小的一端，或者在车灯等光源较多的情况下，灰度值分 布在直方图的两端。具体应用过程中可以利用灰度直方图的相关系数作为距离值，采用kNN 方法来实现交通道路图像拍摄场景的识别和判断。下面，首先介绍一下灰度直方图的相关系数的计算。给定两帧图像和f2，分别定义对应的灰度直方图为H1, f2对应的灰度直方图 为H2，其相关系数的计算公式为其中，
权利要求
一种车辆排队长度检测的方法，其特征在于，包括获取一帧交通道路图像；识别并判断所述交通道路图像的拍摄场景；当判断出所述交通道路图像的拍摄场景为白天时，采用结合三帧差法和形态学的第一检测方法检测出排队车辆队列，并计算所述排队车辆队列的长度；当判断出所述交通道路图像的拍摄场景为夜晚时，采用基于车灯的第二检测方法检测出排队车辆队列，并计算所述排队车辆队列的长度。
2.根据权利要求1所述的车辆排队长度检测的方法，其特征在于，所述识别并判断所 述交通道路图像的拍摄场景包括获取样本集，所述样本集中的样本为灰度直方图，所述灰度直方图的拍摄场景为白天 时，其标识为0，所述灰度直方图的拍摄场景为夜晚时，其标识为1 ；计算所述交通道路图像的灰度直方图，并依次计算所述交通道路图像的灰度直方图与 所述样本集中的每个灰度直方图的相关系数；按照所述相关系数从大到小的次序，依次取出前k个相关系数在计算时对应样本集中 的灰度直方图的标识，其中k大于等于1 ；当所述k个标识之和不大于k/2时，所述交通道路图像的拍摄场景为白天； 当所述k个标识之和大于k/2时，所述交通道路图像的拍摄场景为夜晚。
3.根据权利要求1所述的车辆排队长度检测的方法，其特征在于，所述采用结合三帧 差法和形态学的第一检测方法检测出排队车辆队列包括在所述交通道路图像上设定检测区域，在所述检测区域中设有从所述检测区域的前端 向后端移动的移动检测窗；根据三帧差法在所述移动检测窗中进行车辆运动检测，根据检测结果控制所述移动检 测窗口位置的变换。
4.根据权利要求3所述的车辆排队长度检测的方法，其特征在于，所述根据三帧差法 在所述移动检测窗中进行车辆运动检测，根据检测结果控制所述移动检测窗口位置的变换 包括当检测到所述移动检测窗中有车辆运动时，所述移动检测窗在所述检测区域内向后移 动一个位置；当检测到所述移动检测窗中无车辆运动时，根据形态学的边缘检测方法在所述移动检 测窗中进行车辆存在检测；当检测到所述移动检测窗中存在车辆时，所述移动检测窗在所述检测区域内向前移动 一个位置；当检测到所述移动检测窗中无车辆运动，并且当检测到所述移动检测窗中不存在车辆 时，所述移动检测窗在所述检测区域内向后移动一个位置。
5.根据权利要求1所述的车辆排队长度检测的方法，其特征在于，所述采用基于车灯 的第二检测方法检测出排队车辆队列包括在所述交通道路图像上设定检测区域，在所述检测区域中设有从所述检测区域的前端 向后端移动的移动检测窗；在当前的所述交通道路图像之前的连续指定帧数的图像中均检测到相同的固定区域存在车灯时，所述移动检测窗在所述检测区域内向前移动一个位置，所述固定区域在所述 交通道路图像上位于所述移动检测窗中；在所述连续指定帧数的图像中没有检测到相同的固定区域存在车灯时，所述移动检测 窗在所述检测区域内向后移动一个位置。
6.根据权利要求1所述的车辆排队长度检测的方法，其特征在于，计算所述排队车辆 队列的长度包括获取所述排队车辆队列的队头坐标和队尾坐标；利用车道线和车道的宽度进行摄像机标定，将所述队头坐标转换为对应在世界坐标系 下的坐标(Xl，yi，0)、将队尾坐标转换为对应在世界坐标系下的坐标 根据公式L = √(X1-X2)2 +(y1-y2)2计算队列长度，L表示队列长度。
7.—种车辆排队长度检测的装置，其特征在于，包括 获取单元，用于获取一帧交通道路图像；识别单元，用于识别并判断所述交通道路图像的拍摄场景；第一检测单元，用于当所述识别单元判断出所述交通道路图像的拍摄场景为白天时， 采用结合三帧差法和形态学的第一检测方法检测出排队车辆队列；第二检测单元，用于当所述识别单元识别并判断出所述交通道路图像的拍摄场景为夜 晚时，采用基于车灯的第二检测方法检测出排队车辆队列；计算单元，用于计算所述第一检测单元或第二检测单元检测出的排队车辆队列的长度。
8.根据权利要求7所述的车辆排队长度检测的装置，其特征在于，所述识别单元包括 获取模块，用于获取样本集，所述样本集中的样本为灰度直方图，所述灰度直方图的拍摄场景为白天时，其标识为0，所述灰度直方图的拍摄场景为夜晚时，其标识为1 ；计算模块，用于计算所述交通道路图像的灰度直方图，并依次计算所述交通道路图像 的灰度直方图与所述样本集中的每个灰度直方图的相关系数；标识获取模块，用于按照所述相关系数从大到小的次序，依次取出前k个相关系数在 计算时对应样本集中的灰度直方图的标识，其中k大于等于1 ；识别模块，用于当所述k个标识之和不大于k/2时，判断所述交通道路图像的拍摄场景 为白天，当所述k个标识之和大于k/2时，判断所述交通道路图像的拍摄场景为夜晚。
9.根据权利要求7所述的车辆排队长度检测的装置，其特征在于，所述第一检测单元 包括设置模块，用于在所述交通道路图像上设定检测区域，在所述检测区域中设有从所述 检测区域的前端向后端移动的移动检测窗；车辆运动检测模块，用于根据三帧差法在所述移动检测窗中进行车辆运动检测，根据 检测结果控制所述移动检测窗口位置的变换。
10.根据权利要求7所述的车辆排队长度检测的装置，其特征在于，所述第二检测单元 包括设置模块，用于在所述交通道路图像上设定检测区域，在所述检测区域中设有从所述 检测区域的前端向后端移动的移动检测窗；第一检测模块，用于在当前所述交通道路图像之前的连续指定帧数的图像中均检测到相同的固定区域存在车灯时，所述移动检测窗在所述检测区域内向前移动一个位置，所述 固定区域在所述交通道路图像上位于所述移动检测窗中；第二检测模块，用于在所述连续指定帧数的图像中没有检测到固定区域存在车灯时， 所述移动检测窗在所述检测区域内向后移动一个位置。
11.根据权利要求7所述的车辆排队长度检测的装置，其特征在于，所述计算单元包括坐标获取模块，用于获取所述排队车辆队列的队头坐标和队尾坐标； 标定模块，用于利用车道线和车道的宽度进行摄像机标定；坐标转换模块，用于将所述队头坐标转换为对应在世界坐标系下的坐标U1, yi，o)、将 队尾坐标转换为对应在世界坐标系下的坐标(x2，K，0)计算模块，用于根据公式
全文摘要
本发明实施例公开一种车辆排队长度检测的方法及装置，涉及智能交通领域，提高了车辆排队长度检测的准确性。包括获取一帧交通道路图像；识别并判断所述交通道路图像的拍摄场景；当判断出所述交通道路图像的拍摄场景为白天时，采用结合三帧差法和形态学的第一检测方法检测出排队车辆队列，并计算所述排队车辆队列的长度；当判断出所述交通道路图像的拍摄场景为夜晚时，采用基于车灯的第二检测方法检测出排队车辆队列，并计算所述排队车辆队列的长度。本发明实施例应用在车辆排队长度检测时，针对白天和夜晚各自的特点，分别采用不同的车辆排队检测算法，可以实现在白天和夜晚都准确地检测出车辆排队情况，从而提高车辆排队长度检测的准确性。
文档编号G06K9/00GK101936730SQ20101022093
公开日2011年1月5日 申请日期2010年6月28日 优先权日2010年6月28日
发明者刘昌平, 杨永辉, 黄磊 申请人:汉王科技股份有限公司