[发明专利]一种基于粒子滤波算法的汽车数量统计方法及其系统

说明书

本发明公开了一种基于粒子滤波算法的汽车数量统计方法，包括步骤：S1、将相机装载在无人机上，无人机飞抵目标汽车群上空；S2、相机获取目标汽车群鸟瞰形式的图像A，并通过无线通讯模块将图像A传递到计算机；S3、计算机对图像A进行处理，得到带有效目标的图像B；S4、计算机利用粒子滤波算法统计图像B中的有效目标数量，得到目标汽车群的汽车数量。同时，提供一种基于粒子滤波算法的汽车数量估计系统，包括：相机，无人机，计算机，无线通讯模块。本发明创造的方法及其系统利用粒子滤波算法，无人机，计算机，快速有效地对地面上的车辆进行统计，有利于城市管理者对交通拥堵的管理。本发明创造可用于城市管理技术领域。

技术领域

本发明涉及城市交通管理技术领域，特别涉及一种基于粒子滤波算法的汽车数量统计方法及其系统。

背景技术

社会经济的持续高速增长带来城市机动化水平的日益提高，从而引发了城市交通拥堵等问题，使得城市交通出行效率大大降低，交通拥堵问题已成为城市管理者摆在案头上的问题。

作为城市管理者，需要对交通拥堵的路段的车辆进行统计，从而做出决策和道路规划。现有的对交通拥堵路段的车辆进行统计的方法一般为利用设置在道路上的测速仪器对车辆进行统计，但是这样的统计方式只能针对动态的车流量，对于正在拥堵的道路，车辆处于停驶状态，因此，如何高效的对静态车辆数量进行统计成为我们关注的问题。

粒子滤波算法是指:通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为粒子，故而叫粒子滤波。粒子滤波算法的思想基于蒙特卡洛方法，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波算法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。

发明内容

本发明的目的是：提供一种对静态车辆数量进行统计的方法及其系统。

本发明解决其技术问题的解决方案是，一方面：一种基于粒子滤波算法的汽车数量统计方法，包括步骤：

S1、将相机装载在无人机上，无人机飞抵目标汽车群上空；

S2、相机获取目标汽车群鸟瞰形式的图像A，并通过无线通讯模块将图像A传递到计算机；

S3、计算机对图像A进行处理，得到带有效目标的图像B；

S4、计算机利用粒子滤波算法统计图像B中的有效目标数量，得到目标汽车群的汽车数量。

进一步，步骤S3具体步骤为：

S31、将图像A灰度化处理得到图像A1；

S32、对图像A1进行阈值操作，得到带有效目标的图像B。

另一方面，一种基于粒子滤波算法的汽车数量估计系统，包括：相机，无人机，计算机，无线通讯模块，所述相机和无线通讯模块均安装在无人机上，所述无人机通过无线通讯模块与所述计算机连接；

所述相机用于获取目标汽车群鸟瞰形式的图像A，并通过无线通讯模块将图像A传递到计算机；

所述计算机用于执行程序指令包括：将图像A灰度化处理得到图像A1；对图像A1进行阈值操作，得到带有效目标的图像B；利用粒子滤波算法统计图像B中的有效目标数量，得到目标汽车群的汽车数量。

进一步，所述无线通讯模块包括：GPRS模块，4G模块，ZigBee模块任何一种。