[发明专利]基于航拍图像的道路交通拥堵分析方法

权利要求书

1.一种基于航拍视频的交通流参数提取方法，其特征在于，包括以下步骤：

步骤1)航拍图像获取

通过无人机采集得到航拍图像，并传输至远程服务器保存或保存于无人机上设置的存储设备中；

步骤2)动态背景补偿

选取首帧为参考帧，后续帧中某一帧为待补偿帧，采用Harris算法对参考帧和待补偿帧进行角点提取，进而采用模板匹配法对参考帧和待补偿帧中的角点进行粗匹配；在粗匹配的基础上，引入极线约束条件，运用RANSAC算法，剔除粗匹配中的错误匹配点对，实现精确匹配；最后根据精确匹配结果，求解透射变换矩阵，将待补偿帧进行透视变换，从而完成背景补偿；以此类推，对后续帧中的每一帧进行背景补偿；

步骤3)车辆提取

在基于动态背景补偿基础之上，采用基于像素灰度投票策略完成背景提取，从视频首帧开始连续选取若干帧进行背景建模；提取出背景后，利用背景减和形态腐蚀技术，提取出道路车辆；

步骤4)车辆跟踪

在检测出首帧的车辆位置后，采用基于多线程技术的检测跟踪复合算法跟踪后续帧中的所有车辆；

步骤5)交通特征参数提取

在检测和跟踪基础上，根据车辆的位置信息，结合视频帧率和以及像素与实际物理距离的关系，计算交通特征参数：平均行程速度、时间占有率；

步骤6)交通拥堵分析

利用平均行程速度和时间占有率作为交通拥堵分析基本指标，采用模糊理论技术，将路段的拥堵程度分为三个等级，为基本指标建立隶属度函数，根据基于加权的隶属度最大值来判定拥堵程度等级。

2.根据权利要求1所述的基于航拍图像的道路交通拥堵分析方法，其特征在于，所述步骤2)中Harris角点提取算法的详细步骤如下：

步骤2.1)假设一幅图像f，其中像素点记为I＝(x,y)，选取邻域窗口W∈f，然后平移窗口(Δx,Δy)，求出其水平X方向、垂直Y方向的梯度值，再对图像进行高斯滤波，构造局部自相关矩阵M：

M=W⊗Ix2IxIyIxIyIy2---(1)]]>

式中，I_x为点I的X方向的梯度值；I_y为点I的Y方向的梯度值；代表卷积运算；W代表高斯窗口：

W(x,y)=exp[-(x2+y2)2σ2]---(2)]]>

步骤2.2)计算每个像素点的Harries角点响应函数R(M)：

R(M)＝Det(M)-β·trace²(M)(3)

式中，β是经验参数，通常取0.02～0.05；Det(M)代表矩阵M行列式值；trace(M)代表矩阵M的迹；当R(M)的绝对值较小时，点处于平坦位置，当R(M)为负值且较大时，点处于边界上，当R(M)为正值且较大时，点处在角点位置，则只要对R(M)给定一个门限阈值T，当响应值R(M)大于T则认为是一个有意义的角点；

步骤2.3)抑制非极大值，去除伪角点：以像素点I为中心，取一定大小的模板窗口，对一个角点的邻域内，用当前窗口中心角点的响应值填充一个模板，然后用模板覆盖区域里的角点和模板值大小比较，保留大值的角点，抑制小响应值的角点。