[发明专利]一种基于局部方差的车队列长度检测方法

说明书

技术领域

本发明方法应用于智能交通领域，具体涉及数字图像处理、计算机视觉技术。

背景技术

随着高性能计算机和视频器材的不断问世以及人类对视频信息自动分析理解要求的日益增长，视频信息的分析近年来逐渐发展成为计算机视觉研究领域中的一个重要而热门的研究课题，并吸引了越来越多的研究者。

随着近年来我国城市化进程的逐步加快，交通拥堵已经变得越来越严重。交通拥堵使得交通事故发生率变高，不仅加剧了环境污染，造成资源浪费，还给人们的出行带来极大的不便。面对越来越拥堵的交通和有限的土地经济资源，智能交通系统ITS(Intelligent Traffic System)应运而生。而十字交叉路口的车辆排队长度是ITS中的重要组成之一，通过停车线后车辆排队的长度可以对整个道路的流通情况进行估计，并可以通过此参数对交通灯周期进行实时控。

车辆排队检测方法是以数字图像处理、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到车队列长度从而完成车辆排队检测的过程。通过一些后续处理方法可以实现，红绿灯的实时控制，交通流量控制指标测量等功能。对于维护交通安全和城市治安，提高道路利用率，减少交通拥堵，实现交通自动化管理及智慧城市等有着现实的意义。但是现有的车队列长度检测方法普遍存在车辆检测算法复杂，计算量大，且在多车道进行检测时没有考虑相邻车道的车辆阴影对车辆检测造成误检测的问题。

发明内容

本发明目的在于克服现有技术的不足，提供一种基于局部方差的车队列长度检测方法。

本发明技术方案方法表征为：

一种检测道路交叉路口的车辆排队长度的方法，其特征在于，包括如下步骤：

(1)采用单目摄像机在道路交叉路口实时获取交通视频。

(2)对摄像机实时传入的视频进行虚拟线圈标定，根据图像处理知识判断红绿灯状态。

(3)红灯变绿灯时采集一帧车辆排队时图像。

(4)对感兴趣区域ROI(Region Of Interest)进行车辆排队检测，即利用改进的局部方差和改进的LBP算法相结合去除车辆排队的阴影，提高车辆排队检测的精度，获得ROI内车辆排队前景二值图。

(5)对ROI区域进行摄像机标定，计算刻度尺。通过单应性矩阵H，求出ROI内中线上图像二维像素点在世界坐标系下代表的实际长度，将每个像素与实际距离一一对应获得的表即为刻度尺。

(6)结合步骤(4)和步骤(5)两者的结果，通过车辆前景检测到的队尾和队头像素点，并根据刻度尺对应的实际距离求出道路交叉路口车辆排队的实际长度L1。为了克服摄像机的安装高度H及车高h会产生图片视觉盲区，提高车辆排队长度计算的准确率，应对解决的方法为：

按照公式计算车辆排队长度L＝L1-l，其中，L为实际中车长度，d为摄像机到停车线的距离，车的高度为h，有三角形关系h/H＝l/(d+L1)，计算出l＝h(d+L1)/H，则最终的车队列长度L＝L1(1-h/H)-hd/H。

第(4)步骤中，所述ROI内车辆排队检测具体实现的方法为：

步骤(1)：对车道线进行标定，划定出车道区域ROI，得处理结果为“1”，供步骤(21)、步骤(22)后续分别处理；

步骤(21)：在HSV颜色空间中，采用色调分量H进行操作；对处理结果“1”计算每5*5矩阵块内的每个像素的色调分量H的平方值的均值E{I(i，j)²}和平均值的平方值E(i，j)²，再按照公式：D(i，j)＝E{I(i，j)²}-E(i，j)²计算每个像素的色调分量H的方差D(i，j)，这样处理后的图片值域范围较大，将所有像素色调分量H的方差D(i，j)归一化到[0-1]范围内，并分别采用双阈值法(本算法采用T1＝0.88和T2＝0.95)对图片进行二值化，处理结果分别为“3”和“2”；

再对结果“2”进行腐蚀操作得到结果“4”；

同时，步骤(22)：选择步骤(1)中处理结果“1”的色调分量H进行处理，采用改进的LBP算法提取车辆队列纹理信息得到结果“5”，

所述改进的LBP算法按照下面公式计算：

步骤(3)：将步骤(2-1)结果“5”和步骤(22)结果“4”进行与操作，去除车辆阴影，得到结果“6”；