[发明专利]一种基于伸缩窗的实时动态交通拥堵检测方法

说明书

技术领域

本发明是一种利用视频图像基于伸缩窗技术的城市道路交通拥堵的实时动态检测方法，属于智能交通行业的交通信息检测领域。

背景技术

随着社会和经济的快速发展，城市交通量日趋增多，交通拥堵越来越严重。交通拥堵降低了车辆的运行速度，影响了人们的正常出行，降低了社会经济运行效率。同时，交通拥堵加重了环境污染，影响了城市环境。所以，缓解交通拥堵是城市面临的重大问题之一。一般情况下，交通拥堵可通过修建更多、更宽的道路和其它交通设施来解决。然而，有限的空间和其它环境问题阻止了交通设施的进一步扩展。因此，对交通拥堵问题的解决，不能仅仅依靠修建或扩建道路，而要从管理和技术上寻求突破。

要从管理和技术上缓解交通拥堵，首先必须能够准确地检测出交通拥堵。目前，对交通拥堵的检测主要有环型感应线圈、雷达(微波)、超声波、红外和视频检测等几种检测方法。环型感应线圈检测器能够检测车辆的存在以及路段的饱和度。该技术的研究和开发历史较长，技术相对成熟、稳定，检测的精度高，而且成本低并可以工作在恶劣的天气环境下。但环型线圈检测器也有其缺点：环型线圈必须埋在道路下面，安装或维护时需要阻断交通流；感应线圈易受冰冻、路基下沉、盐碱等自然环境的影响，容易损坏，使用寿命短；当车流拥堵时，感应线圈的检测精度会降低。超声波检测器利用反射回波原理制成的，微波检测器按照多普勒效应原理工作，红外检测一般采用反射式检测技术。虽然超声波检测与光学检测器不会破坏路面，但是也存在检测区域小、维护困难、容易造成二次触发等缺点。微波检测器是能够较精确检测各车道的交通流量、道路占用率、平均速度等信息，但该方法无法准确检测出车辆排队长度；在交通拥堵以及车型分布不均匀的情况下，检测精度会下降。基于视频图像处理的车辆检测技术具有检测区域广，维护简单等优点，成为了研究热点。目前基于视频图像处理的拥堵检测方法主要是通过相邻帧差法或背景差分法求取运动目标。但车辆排队时路面情况比较复杂，车辆数量较多且行驶速度非常缓慢时，背景差分法和帧间差分法都无法有效检测出路面排队的车辆。同时，背景差分法需要进行背景建模，而背景建模由于天气变化、环境光线的变化使得理想背景很难得到。

发明内容

本发明的目的在于克服现有方法中背景模型难以得到，车辆数量较多且行驶速度缓慢时背景差分法和帧间差分法无法有效检测排队车辆的不足，提出了一种基于视频图像处理，采用伸缩窗技术的实时动态交通拥堵检测方法。

为了实现上述目的，本发明采取了如下技术方案：

一、采用数学形态学进行车辆边缘检测。边缘检测按如下步骤进行：首先对原始彩色视频图像进行灰度变换后再进行中值滤波得到图像f_M；然后对图像f_M进行二值化得到黑白二值图像f_M2；在这基础上，对图像f_M2分别进行腐蚀和膨胀数学形态学处理e(f_M2)和d(f_M2)，并按照公式(1)和(2)进行腐蚀帧差Er和膨胀帧差Dr：

Er＝f_M2-e(f_M2)                    (1)

Dr＝d(f_M2)-f_M2                    (2)

对上述腐蚀帧差与膨胀帧差的结果按照公式(3)求和得到图像Ede，图像Ede就是车辆边缘检测的结果。

Ede＝Er+Dr＝d(f_M2)-e(f_M2)                (3)

二、在图像Ede上的路口车辆停止线的位置处设置一个宽度为w，w＝20-40个像素，初始长度为L(0)，L(0)＝5-20个像素的窗口FW，如附图1所示。然后，窗口FW的长度按照如下公式(4)进行伸长与缩短，从而进行实时动态检测交通拥堵。

L(0)≤L(t)≤H    (5)

其中，L(t)表示t时刻窗口的长度；I_aW(t)表示t时刻图像Ede中窗口FW上面宽度为w高度为a，a＝1-4个像素的区域内(如附图1所示)的所有像素的像素值之和；I_FW(t)表示t时刻图像Ede上窗口FW内所有像素的像素值之和；H为图像的高度；τ_a＝510-1275个像素；τ_b＝2550-5100个像素；l＝1-4个像素。