[发明专利]交通路口车道线检测方法及系统

说明书

本发明提供了交通路口车道线检测方法及系统，方法包括获取多个镜头未发生移动的摄像头拍摄到的交通口监控视频，分别提取各个交通路口监控视频的背景图像；分别从每个交通路口监控视频中抽取一帧提取背景图像后的图像，对抽取的图像进行标注，以得到车道线检测训练数据集；对车道线检测训练数据集进行训练，生成交通路口车道线检测模型；实时获取摄像头拍摄到的交通路口实时视频，提取交通路口实时视频的背景图像；使用交通路口车道线检测模型，对交通路口实时视频提取背景图像后的每一帧图像进行检测，得到交通路口实时视频的车道线检测结果。该方法能够快速、高效地对车道线进行检测和识别。

技术领域

本发明属于智能交通技术领域，具体涉及交通路口车道线检测方法及系统。

背景技术

近年来随着智能交通的迅速发展，监控设备越来越多，计算机处理能力越来越强，对交通视频的实时处理需求也逐步提高。交通路况环境复杂，通过对交通路口的车道线进行检测和提取，可以有效地监管复杂的交通环境。常见的车道线检测方法有两种：

1、主要通过机器视觉算法提取图像特征，然后通过特征的数值来区分是否是车道线。但是车道线标志的种类繁多，尤其当车辆拥挤时，会造成车道线标志区域被遮挡。这类算法通常是通过卷积滤波方式，先分割出车道线区域，然后在结合霍夫变换等算法进行车道线检测这样就需要手动去调滤波算子，根据不同的场景人工调节参数，否则当外界环境出现明显变化时，车道线的检测效果不佳。

2、采用基于神经网络的图像识别方法，通过训练大量的样本，在适应性和特征提取等方面都有一定的优势。通过硬件加速，神经网络能够获得更快的处理速度。对于交通路口监控中的实时视频流，基于深度卷积神经网络的图像检测能够快速地对每一帧图像进行检测与识别。但是该方法在处理交通拥挤的路段时，由于大量车道线被车辆遮挡，造成检测效果不佳，因此该方法需要大量的训练样本，每一帧图像由于车辆遮挡车道线位置不同，需要人工对成千上万的图像进行标注，这是一项艰巨的任务，并且要付出较大的成本。

综上所述，由于实际交通路况环境复杂，如何快速、高效地对车道线进行检测和识别，成为亟待解决的技术问题。

发明内容

针对现有技术中的缺陷，本发明提供一种交通路口车道线检测方法及系统，能够快速、高效地对车道线进行检测和识别。

第一方面，一种交通路口车道线检测方法，包括以下步骤：

获取多个镜头未发生移动的摄像头拍摄到的交通路口监控视频，分别提取各个交通路口监控视频的背景图像；

分别从每个交通路口监控视频中抽取一帧提取背景图像后的图像，对抽取的图像进行标注，以得到车道线检测训练数据集；

对车道线检测训练数据集进行训练，生成交通路口车道线检测模型；

实时获取摄像头拍摄到的交通路口实时视频，提取交通路口实时视频的背景图像；

使用交通路口车道线检测模型，对交通路口实时视频提取背景图像后的每一帧图像进行检测，得到交通路口实时视频的车道线检测结果。

优选地，所述提取交通路口监控视频或交通路口实时视频的背景图像具体包括：

将交通路口监控视频或交通路口实时视频中连续多帧图像相加，计算连续多帧图像的平均值，得到所述背景图像。

优选地，该方法在提取交通路口监控视频的背景图像之后，还包括：

当预设的背景更新时间到达或者是摄像头发生移动时，重新更新对应交通路口监控视频的背景图像。

优选地，所述对抽取的图像进行标注具体包括：

使用预设的样本标注工具对抽取的图像进行人工标注。

优选地，所述对车道线检测训练数据集进行训练，生成交通路口车道线检测模型具体包括：