CN102496281B - 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法 - Google Patents

Abstract

系统提出一种基于视频识别技术的车辆跟踪方法与系统，在视频图像底部划定固定区域检测车辆出现。根据车辆长度和车速确定系统帧差的帧间间隔数。当车辆出现时根据帧差值与特定阈值判断车辆行驶快慢状态，若车辆帧差值超过设定阈值，则采用虚拟线圈法检测车辆违章状态，若车辆帧差值未超过设定阈值，则采用背景减差值的跟踪法检测车辆违章状态。系统涉及基于机器视觉的车辆检测和跟踪方法及系统，该方法包括图像获取、背景建立与更新、检测车辆出现、判断车辆运动状态，根据车辆运动状态，分别选择虚拟线圈法或跟踪法检测车辆闯红灯。

Description

一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法

技术领域

  本发明设计交通领域，特别是涉及一种交通信号灯识别系统和方法。

背景技术

   智能交通系统是目前研究和开发的一大热点。智能交通系统是将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理技术等有效地集成运用于整个交通运输管理体系，而建立起的一种在大范围内、全位发挥作用的，实时、准确、高效的综合运输和管理系统。

  其中，在智能交通系统中，车辆的检测与跟踪是最基础的部分，它要求从摄像机所得到的图像序列中，检测有无运动车辆进入摄像机的试场，并且定位运动车辆的位置，它属于计算机视觉的研究范围。

  目前，常用的车辆检测方法有背景差法、帧差法和光流法。其中，背景差法是目前运动车辆分割中最常用的一种方法，它是利用当前图像与图像的差分来检测运动区域的一种技术。

  帧差法是在连续的图像序列中固定的两帧或多帧间隔图像之间作基于像素点的时间差分并阈值化来提取运动区域实现运动车辆的检测。

  对检测出来的运动车辆要进行跟踪，目前常用的车辆跟踪算法主要有：基于特征的跟踪算法、基于3-D的跟踪算法、基于变形模型的跟踪算法和基于区域的跟踪算法。其中，基于特征的跟踪算法，就是对1辆车提取一些特征如可区别的直线或拐角等，或将这些特征组合来表示一个车辆，这类算法突出的优点是即使存在部分遮挡，一些特征仍是可见的。但是当车辆彼此太接近时，存在特征太近无法分割的问题。基于3-D的跟踪算法是通过使用摄像机和场景的几何学知识，将一个有精确几何形状的三维模型投影成图像，根据图像中的位置变化来进行跟踪。这类算法的优点是在确定的车辆类型和几何模型细节时准确率高，缺点是山于计算的上作量大，实时性差。基于变形模型的跟踪算法以车辆轮廓为跟踪对象，通过snake主动轮廓模型提取轮廓特征。这种方法对噪声遮挡敏感，存在轮廓初始化问题。基于区域的跟踪算法首先连接区域提取并根据情况被合并或分割。该方法的最严重的弱点是在车辆检测中区域合并和分割存在不准确的情况。

  以上多种车辆检测和跟踪效率不高，急需解决这个问题。

发明内容

  本发明的目的在于提供一种有效的路口车辆闯红灯检测方法。为实现其目的，本发明提出一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法系统，其特征在于，其包括：获取当前视频帧图像，生成背景图像；在视频底部划定检测区域；提取车辆信息，采用帧差法估计车辆运动状态；若帧差阈值大于设定阈值，则采用虚拟线圈法检测车辆闯红灯状态；若帧差阈值未大于设定阈值，则采用跟踪法检测车辆闯红灯状态。

  1) 系统通过摄像头获取当前视频帧，获取一定周期内的视频帧，动态生成当前路口的背景图像。

  2) 系统采用局部区域检测车辆出现，统一在视频底部区域设置触发条件并检测车辆类型，判断车辆出现情况；分析车辆经过路口的特点，结合车身长度、视频帧帧率和车速关系，确定帧差的帧间间隔数；如果该区域出现车辆，则对应建立一个检测或跟踪对象；在固定区域内做背景减，当有车辆出现时，在得到的差分图中像素灰度值大于某一阈值的像素区域被认为是前景运动目标；对这些前景像素点作进一步处理，即可得到运动车辆位置、大小、形状等信息；以车道宽度为统一参照物，得到车辆长宽信息，当达到一定条件时触发一个检测对象。

  3) 系统根据触发的检测对象特征，选用虚拟线圈法检测车辆闯红灯，以停车线为参考，在停车线前位于车道内划定第一个虚拟线圈，在停车线后划定第二个线圈；在红灯周期内，依据两线圈内车辆触发的逻辑状态判断车辆行驶状况，线圈状态可分为可疑状态、抓拍状态、阻塞状态、空闲状态；若发生车辆闯红灯，则触发抓拍机抓拍相应图片。

  4) 根据触发的检测对象特征，选用结合背景减差值的跟踪法检测车辆违章状态；把背景和当前视频的RGB三通道分别相减后绝对值相加，把这个差值作为迭代跟踪的概率密度图；分析车辆行驶轨迹，在红灯周期内判断车辆行驶轨迹与对于车道停车线的关系，若发生车辆闯红灯，则触发抓拍机抓拍相应图片。

  图1所示为本发明实施例程的流程图。

具体实施方式

  为了更了解本发明的技术内容，特举较佳实施例，并配合所附图式说明如下。

  如图1所示为本发明一较佳实施例的流程图，本发明——一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法包括下列步骤。

步骤100：通过摄像头获取当前视频帧图像，手动在图像上绘制检测区域，通常车辆通过路口时先在检测区域内出现，同时设置好车道、停车线等交互信息。

步骤110：背景的建立与更新。预先获约取三分钟的视频图像建立背景；在检测过程中每隔一定时间（如30秒）进行一次背景更新。

步骤120：把3个绿灯周期内的视频帧生成背景图像。得到背景图像后，在视频底部手动划定检测区域，检测车辆出现。

步骤130：正常行驶的情况下，车辆通常从视频帧底部出现，驶向视频中间后从顶部或左右两侧消失，当车辆到达视频底部时，必然使该区域视觉信息发生变化，只要检测视频底部区域即可判断有无新出现的车辆。

采用局部区域检测的方法，统一在该区域设置触发条件并检测车辆类型；如果该区域出现车辆，则对应建立一个检测或跟踪对象而无需对整个视频区域检测。

为更准确定位目标车辆，本发明还结合帧差的结果，进一步确认背景减中的结果。

由于不同路口摄像机架设高度和摄像机相对路面角度可能不同，车辆在不同路口的图像中呈现大小不统一，车辆大小信息难以判断，所以本发明以车道宽度为统一参照物，不同车辆尺寸信息宽度都参照车辆宽度。

处理视频帧的帧间间隔数N是一个关键的参数，N值太小，无法有效检测诸如尺寸较大、内部颜色一致及缓慢运动的目标，N值太大，检测的运动区域不准确，因此，分析实际路口车身长度和视频帧帧率关系，以确定N值。

不同车辆以不同车速经过同一段距离的时间不同，同一段时间经过的距离也不同，分析不同速度经过路口的小车运动情况，每帧行驶位置的变化，从而确定N值。

由于摄像头安装位置不同、路口实际情况不同，所以以小车车身长度作为参考标准，分析时间周期也以车辆行驶一个小车车身长度经过的时间作为参考标准。通常小车的车身长度为4.40米，下表比较了不同速度经过车身长度的时间，以每秒25帧作为计算，得到了每帧车辆经过的距离。

车速为10km/h、20km/h、40km/h、60km/h的车速经过路口，每帧的车辆位移分别为11.11 cm、22.22 cm、44.44 cm、66.67 cm。

   通常车辆经过路口时车速为40km/h以内，所以运动检测视频帧间间隔设置为2帧较为合适，即每3帧取一帧。

车辆在路口的速度为40km/h，每3帧约行驶小车车身长度的3/10，因此本发明中N值设置为2。

根据帧差得到的阈值判断路口环境状态和车辆车速状态。

通过大量视频验证发现，交通路口存在普遍的现象，车速快时，一般为绿灯周期且路口车少干扰少；车辆慢时，通常是车辆教拥堵或者红灯情况。

  根据大量视频验证发现，车辆以较快车速经过路口时，帧差值非常明显，但车辆位置和特征也变化明显，不利于跟踪方法的实现，而车速慢时，帧差值不明显，但车辆位置和特征也变化不明显，有利于跟踪方法的实现。

   因此本发明设计帧差法判断车辆运动状态，根据不同帧差强度选用对应的处理策略。当帧差结果大于阈值时，选用虚拟线圈法检测，反之选用跟踪法检测。

步骤140：根据触发的检测对象特征，选用虚拟线圈法检测车辆闯红灯，以停车线为参考，在停车线前位于车道内划定第一个虚拟线圈，在停车线后划定第二个线圈；在红灯周期内，依据两线圈内车辆触发的逻辑状态判断车辆行驶状况，线圈状态可分为可疑状态、抓拍状态、阻塞状态、空闲状态；在红灯亮起情况下，置线圈1和线圈2为空闲状态，当线圈1被判断为有车状态时，预抓拍一张图片；当线圈1和线圈2同时为有车触发抓拍第二张照片，最后固定时间内触发第三张照片；当线圈1有车，线圈2无车时，线圈1处于阻塞状态；此设计反应了车辆闯红灯的完整过程。

  步骤150：根据触发的检测对象特征，选用结合背景减差值的跟踪法检测车辆违章状态；把背景和当前视频的RGB三通道分别相减后绝对值相加，车辆区域的图像差值是呈山峰状，而车道区域则呈明显的平地状，把这个差值作为迭代跟踪的概率密度图，能很稳定的迭代得到车辆位置；分析车辆行驶轨迹，在红灯周期内判断车辆行驶轨迹与对于车道停车线的关系，若发生车辆闯红灯，则触发抓拍机抓拍相应图片。

  最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都小脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法，其特征在于：

1）获取当前视频帧图像，生成背景图像；

2）在视频底部划定检测区域，在该区域设置触发条件判断车辆出现情况并检测车辆类型；

3）分析车辆经过路口的特点，结合车身长度和车速关系，确定帧差的帧间间隔数；

4）在固定区域内做背景减，当有车辆出现时，在得到的差分图中像素灰度值大于某一阈值的像素区域被认为是前景运动目标；

5）对这些前景像素点作进一步处理，即可得到运动车辆位置、大小、形状信息；

6）以车道宽度为参照物，得到车辆长宽信息，当达到一定条件时触发一个检测对象。

7）触发检测对象后，则对应建立一个检测或跟踪对象，采用帧差法估计车辆运动状态；

8）若帧差阈值大于设定阈值，则采用虚拟线圈法检测车辆闯红灯状态；

9）若帧差阈值未大于设定阈值，则采用跟踪法检测车辆闯红灯状态。

2.根据权利要求1所述的一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法，其特征在于：

1）根据触发的检测对象特征，选用虚拟线圈法检测车辆闯红灯，以停车线为参考，在停车线前位于车道内划定第一个虚拟线圈，在停车线后划定第二个线圈；

2）在红灯周期内，依据两线圈内车辆触发的逻辑状态判断车辆行驶状况；

3）若发生车辆闯红灯，则触发摄像机抓拍相应图片。

3.根据权利要求1所述的一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法，其特征在于：

1）根据触发的检测对象特征，选用结合背景减差值的跟踪法检测车辆违章状态；

2）采用背景减法的差值作为迭代跟踪的概率密度图；

3）分析车辆行驶轨迹，在红灯周期内判断车辆行驶轨迹与对于车道停车线的关系，若发生车辆闯红灯，则触发摄像机抓拍相应图片。

Images