一种道路拥堵检测方法
【技术领域】
[0001]本发明涉及交通检测领域，尤其是涉及一种道路拥堵检测方法。
【背景技术】
[0002]在城市中，随着机动车拥有数量的迅速增长，道路的拥堵情况日益严重，尤其是在上、下班等高峰时期，拥堵现象更为普遍。目前，对道路交通拥堵的判别方法主要是通过各种交通检测技术获得所需要的交通状态参数，并通过对这些交通状态参数进行分析、处理，进而判断道路的拥堵情况。
[0003]现有的交通拥堵检测方法主要包括:
[0004]I)线圈检测方法:车辆通过埋设在路面下的导线线圈，干扰了通过线圈的地磁磁通线并在线圈里产生一个电压，这个电压被高增益放大器放大，使检测器的继电器工作，从而实现检测目的。但线圈检测方法没有方向性、检测区域不明确，修理或安装需中断交通，影响路面寿命，易损坏。
[0005]2)应线圈检测方法:与单感应线圈检测器的工作方式一样，但可以提供更为准确的速度参数。应线圈检测方法在修理或安装时需中断交通，且易影响路面寿命，易损坏，而且比单感应线圈贵。
[0006]3)视频检测方法:摄像机摄取检测点附近区域的图像，由计算机程序对图像进行处理、识别、从而检测车辆。视频检测方法的费用较高且检测精度受天气、检测区域周围亮度影响。
[0007]4)微波检测方法:通过发射微波信号，车辆反射雷达微波(多普勒效应)，返回天线使检测继电器动作从而达到检测目的。微波检测方法不能检测静止或低速行驶的车辆，易受外界环境影响，当发射波的域值选择不恰当时容易受到人或物的影响，造成误识。
[0008]在上述方法中，视频检测技术由于具有安装不损坏路面、不会造成交通的暂时中断、获取的信息多等优点，在近几年的时间里，得到了飞速的发展和普遍的应用。如中国专利CN102867415A公开一种基于视频检测技术的道路拥堵判别方法，对获取的当前道路的视频图像进行处理，得到当前道路的背景图像和前景目标；根据所述前景目标，计算所述当前道路的平均道路占有率和时间占有率；根据所述平均道路占有率和时间占有率，按照建立的道路交通拥堵判别准则判断所述当前道路的拥堵情况。但现有技术无法处理低分辨率/复杂场景/天气情况的视频。
【发明内容】
[0009]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种速度快、鲁棒强的道路拥堵检测方法。
[0010]本发明的目的可以通过以下技术方案来实现:
[0011]一种道路拥堵检测方法，包括以下步骤:
[0012]I)对获取的当前道路的视频图像进行处理，得到当前道路的背景和前景，具体为:
[0013]a)对视频图像的当前帧，采用混合高斯模型对当前帧的每个像素进行建模，判断每个像素是否属于前景，若是，则执行步骤b)，若否，则执行步骤f);
[0014]b)提取图像的纹理特性和颜色特性，采用RBF Kernel的支持向量机分类器对车辆和路面进行分类；
[0015]c)计算前景的连通区域，判断各连通区域的大小是否小于设定值，若是，则将对应的像素归入背景，若否，则执行步骤d);
[0016]d)对单一像素，根据其邻域内像素的变化抽取特征来判断是光照变化还是前景变化；
[0017]e)判断前景是否处于非车辆出现区域，若是，则将对应的像素归入背景，执行步骤f)，若否，直接执行步骤f);
[0018]f)采用判断成背景的像素重新训练混合高斯模型，并更新RBF Kernel的支持向量机分类器；
[0019]2)根据得到的前景像素计算当前道路的道路占有率和车辆平均速度。
[0020]所述混合高斯模型中高斯模型个数为5个。
[0021]所述步骤a)中，对于每个像素，根据其颜色值判断属于混合高斯模型中的第K个高斯模型，判断该高斯模型是否是混合高斯模型中能量最强的，若是，则将对应像素归入背景，若否则将对应像素归入前景。
[0022]所述步骤f)中，采用Online-SVM算法中的更新算法更新RBF Kernel的支持向量机分类器。
[0023]所述步骤f)中，重新训练混合高斯模型的频率为15分钟一次。
[0024]与现有技术相比，本发明具有以下优点:
[0025]1、可靠性高，本发明采用混合高斯模型对当前帧的每个像素进行建模，在判断时有效剔除光照变化的影响，从而获得较高的检测准确率；
[0026]2、本发明的RBF Kernel的支持向量机分类器和训练混合高斯模型是变化更新的，实时性好；
[0027]3、速度快，满足实时性的需求；
[0028]4、鲁棒性强，可以在不同场景下使用，可处理复杂场景变化。
【附图说明】
[0029]图1为本发明的流程示意图。
【具体实施方式】
[0030]下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0031]如图1所示，本实施例提供一种道路拥堵检测方法，根据交通视频流获得当前时刻的道路占有率和车辆平均速度，具体流程如下:
[0032]步骤SI，对获取的当前道路的视频图像进行处理，得到当前道路的背景和前景，具体为:
[0033]步骤S101，对视频图像的当前帧，采用混合高斯模型对当前帧的每个像素进行建模，判断每个像素是否属于前景，若是，则执行步骤b)，若否，则执行步骤f)。
[0034]初始时将混合高斯模型中的均值设为0，方差设为定值，高斯模型数目设成5。
[0035]对于每个像素，根据其颜色值判断属于混合高斯模型中的第K个高斯模型，判断该高斯模型是否是混合高斯模型中能量最强的，若是，则将对应像素归入背景，若否则将对应像素归入前景。
[0036]假设是在一段时间内，背景(路面)出现次数远大于前景(车辆)，同时背景(路面)颜色较固定，因此能形成能量最大的高斯模型；而前景(车辆)等由于属于不同个体，颜色不一致，很难形成稳定的高斯模型。此时单个像素判断成背景的正确率超过99%。但是判断成前景的像素也有大概率不属于前景(车辆)，可能的因素有:1)光照变化；2)路面杂物移动；3)特殊气候下的雨点移动等，因此进行后处理。
[0037]步骤S102，提取图像的纹理特性和颜色特性，采用RBF Kernel的支持向量机分类器(基于RBF核函数的支持向量机)对车辆和路面进行分类。分类器使用LBP和Color两种特征，主要原因是:1)LBP描述纹理特性，车辆表面较平滑，低频域特帧较强，而路面有较多噪点，高频特帧较强；2) Color描述颜色特性，对于特定路口，路面颜色固定和车辆颜色差距大。
[0038]步骤S103，计算前景的连通区域，判断各连通区域的大小是否小于设定值，若是，则将对应的像素归入背景，若否，则执行步骤d)。车辆的大小是固定的。这样处理后可以去除雨点、纸片等杂物。
[0039]步骤S104，对单一像素，根据其邻域内像素的变化抽取特征来判断是光照变化还是前景变化。光照变化的特性是全局的变化，变化均匀；而前景变化，在邻域内变化较大，这样处理可以消除光照变化的影响。
[0040]步骤S105，车辆出现的轨迹是固定的，判断前景是否处于非车辆出现区域，若是，则将对应的像素归入背景，执行步骤S106，若否，直接执行步骤S106。
[0041]步骤S106，采用判断成背景的像素重新训练混合高斯模型，并更新RBF Kernel的支持向量机分类器，采用Online-SVM算法中的更新算法(在线学习算法)更新RBF Kernel的支持向量机分类器，重新训练混合高斯模型的频率为15分钟一次。
[0042]步骤S2，根据得到的前景像素计算当前道路的道路占有率和车辆平均速度。
【主权项】
1.一种道路拥堵检测方法，其特征在于，包括以下步骤: 1)对获取的当前道路的视频图像进行处理，得到当前道路的背景和前景，具体为: a)对视频图像的当前帧，采用混合高斯模型对当前帧的每个像素进行建模，判断每个像素是否属于前景，若是，则执行步骤b)，若否，则执行步骤f); b)提取图像的纹理特性和颜色特性，采用RBFKernel的支持向量机分类器对车辆和路面进行分类； c)计算前景的连通区域，判断各连通区域的大小是否小于设定值，若是，则将对应的像素归入背景，若否，则执行步骤d); d)对单一像素，根据其邻域内像素的变化抽取特征来判断是光照变化还是前景变化； e)判断前景是否处于非车辆出现区域，若是，则将对应的像素归入背景，执行步骤f)，若否，直接执行步骤f); f)采用判断成背景的像素重新训练混合高斯模型，并更新RBFKernel的支持向量机分类器； 2)根据得到的前景像素计算当前道路的道路占有率和车辆平均速度。
2.根据权利要求1所述的道路拥堵检测方法，其特征在于，所述混合高斯模型中高斯模型个数为5个。
3.根据权利要求1所述的道路拥堵检测方法，其特征在于，所述步骤a)中，对于每个像素，根据其颜色值判断属于混合高斯模型中的第K个高斯模型，判断该高斯模型是否是混合高斯模型中能量最强的，若是，则将对应像素归入背景，若否则将对应像素归入前景。
4.根据权利要求1所述的道路拥堵检测方法，其特征在于，所述步骤f)中，采用Online-SVM算法中的更新算法更新RBF Kernel的支持向量机分类器。
5.根据权利要求1所述的道路拥堵检测方法，其特征在于，所述步骤f)中，重新训练混合高斯模型的频率为15分钟一次。
【专利摘要】本发明涉及一种道路拥堵检测方法，包括以下步骤：1)对获取的当前道路的视频图像进行处理，得到当前道路的背景和前景，具体为：采用混合高斯模型对当前帧的每个像素进行建模；对车辆和路面进行分类；计算前景的连通区域，判断各连通区域的大小是否小于设定值，若是，则将对应的像素归入背景；对单一像素，根据其邻域内像素的变化抽取特征来判断是光照变化还是前景变化；判断前景是否处于非车辆出现区域，若是，则将对应的像素归入背景；采用判断成背景的像素重新训练混合高斯模型，并更新分类器；2)根据得到的前景像素计算当前道路的道路占有率和车辆平均速度。与现有技术相比，本发明具有速度快、鲁棒强等优点。
【IPC分类】G06T7-00, G06K9-62, G08G1-01
【公开号】CN104680787
【申请号】CN201510058449
【发明人】朱珑, 陈远浩
【申请人】上海依图网络科技有限公司
【公开日】2015年6月3日
【申请日】2015年2月4日