[发明专利]一种基于影像的交通状态检测方法

权利要求书

1.一种基于影像的交通状态检测方法，其特征在于，包括：

获取交通监控视频，按照分辨率进行划分，确定达到预设分辨率的视频片段；

将所述视频片段通过灰度影像检测和影像二值化，确定待探测的路段区域；

将所述视频片段通过多尺度影像分割，确定车辆特征，并构建车辆的三维模型，确定车辆底面区域；

通过投影变换将监控视频的透视投影转换为正射投影，根据所述车辆底面区域占路段区域比例，确定交通空间占有率；

其中，所述将所述视频片段通过灰度影像检测和影像二值化，确定待探测的路段区域，包括：

步骤1：确定所述视频片段的三色谱值，根据所述三色谱值进行灰度影像变换，生成灰度图；

步骤2：基于Otsu阈值法设置所述灰度图像的前景图阈值和背景图阈值；

步骤3：根据所述背景图区域，确定道路区域的探测结果；

其中，所述将所述视频片段通过多尺度影像分割，确定车辆特征，并构建车辆的三维模型，确定车辆底面区域，包括：

步骤10：对所述视频片段进行影像梯度计算和影像幅度计算，确定影像梯度值和幅度密度值；

步骤11：根据所述影像梯度值和幅度密度值，确定梯度影像分割尺度，生成梯度图像；其中，

所述梯度图像上设置有区域最小值点、集水盆地某点会滑落到区域最小值的点和地形表面上的分界线或分水岭线对应的点；

步骤12：基于分水岭算法对所述梯度图像进行分割，并判断是否分割过度；

步骤13：当存在分割过度时，通过Lambda-Schedule合并算法来消除过度分割，并在消除过度分割后，合并分割结果，生成分割标记，确定影像分割图像；当不存在过度分割时，直接合并分割结果，生成分割标记，确定影像分割图像

步骤14：根据所述影像分割图像，确定所述视频片段中不同物体的影像特征和物体属性：

步骤15：根据所述影像特征和物体属性，确定车辆特征；

步骤16：通过所述车辆特征搭建车辆三维模型；

步骤17：根据所述车辆三维特征，对车辆底面区域进行横向和纵向投影特征，确定车辆底面区域；

其中，所述Lambda-Schedule合并算法如下式所示：

确定过度分割的相邻区域，并设定相邻区域为区域i和区域j；

其中，

O_i表示区域i的图像区域；|O_i|表示区域i的面积；u_i表示区域i的平均值；O_j表示区域j的图像区域；|O_j|表示区域j的面积；u_j表示区域j的平均值；||u_i-u_j||是区域i和区域j的光谱之之间的欧几里得距离；是区域i和区域j的共同边界长度；

其中，所述通过投影变换将所述车辆底面区域投影由透视投影变换为正射投影，消除几何形变带领的误差，根据车辆底面区域占路段区域的比例，确定交通空间占有率，包括：

通过所述待探测的路段区域，确定道路坐标系下的坐标(x’，y’，z)；

根据所述坐标，确定所述待探测的路段区域的车辆区域；

通过下式将所述车辆区域通过投影转换矩阵进行投影转换，其中，

所述投影变换为，透视投影转换为正射投影：

所述投影转换如下式：

其中，式中,x'、y'和z代表道路坐标系统下某点坐标，x、y、z表示影像坐标系统下对应的某点坐标，H_n*n表示n*n投影转换矩阵，a_ij代表转换矩阵中的参数；

根据所述投影转换，确定最优参数；

根据所述最优转换参数，确定所述待探测的路段区域车辆总长和路段长度之比，确定交通空间占有率。

2.如权利要求1所述的一种基于影像的交通状态检测方法，其特征在于，所述方法还包括：

与交通监控视频的数据源对接；其中，

所述数据源包括：道路监控系统、私人路测监控设备和交通监控卫星；

通过所述数据源，获取不同渠道的交通监控视频；其中，

所述交通监控视频包括：隧道视频、公路视频、桥梁视频；

对不同渠道的交通监控视频进行。