專利名稱：一種基于圖像紋理檢測道路交通狀況的方法
技術領域：
本發明屬于視頻檢測技術領域，涉及一種基于圖像紋理檢測道路交通狀況的方 法。
背景技術：
近年來，隨著世界經濟的快速發展，交通負荷急劇增長，隨之而來的道路擁擠嚴 重、交通事故頻發等問題已經逐步成為制約各國交通發展的主要因素。因此，及時正確地進 行道路交通擁堵判別，是采取合理預警措施、主動避免交通擁堵的前提，同時也可以為公眾 出行以及城市公交調度提供參考，是提高道路通行能力的有效手段。現有分析城市道路交通擁堵狀況的技術主要有環形線圈法、雷達(微波)法、超 聲波法、基于GPS數據法等。這些方法各有利弊都不能實現準確、實時、方便地檢測道路交 通狀況。視頻處理技術由于具有處理信息量大、無需破壞地面、安裝維護方便等優點，在道 路交通擁堵檢測方面具有較好的應用前景。本發明通過觀察大量交通視頻數據，分析道路處于各交通狀況時的特征，當道路 處于暢通狀態時，車輛處于快速運動狀態，因此相鄰幀圖像會有明顯變化，且車道占有率較 低；當道路處于飽和狀態時，車輛處于緩慢運動狀態，因此相鄰幀圖像變化較小，且車道占 有率相對較高；當道路處于擁堵狀態時，車輛停止且持續時間很長，車輛占有率極高。基于上述路況特征以及大量實驗驗證，提出基于紋理檢測道路交通狀況的方法， 該方法能夠很好的將時間與空間結合，減少單一由時間或空間上的判斷而帶來的誤差，因 此準確性較高，同時根據空間紋理分析得到的車輛空間占有率可以進行車道參數的分析， 因此本發明可同時分析交通事件及計算交通參數，具有較廣的應用前景。
發明內容
本發明的目的是提供一種基于紋理檢測道路交通狀況的方法，該方法能夠準確實 現交通狀況的實時檢測。為了實現上述任務，本發明采取如下的技術解決方案 一種基于紋理檢測道路交通狀況的方法，該方法包括以下步驟 步驟一對視頻圖像進行空域紋理分析
(1)在視頻圖像中確定目標車道，將目標車道沿車輛行駛方向分割成若干路段，再沿車 道線方向將所分割的各路段劃分為若干區域，分段對所劃分的視頻圖像區域進行空域紋理 處理，求出各區域分界線上相鄰行之間像素灰度值差的絕對值，即為空域紋理的變化值；
(2)求出各車目標車道每一行空域紋理變化的最大值；
(3)對整幅視頻圖像空域紋理變化的最大值進行平滑處理；
(4)對平滑處理后的最大值進行二值化，若該值大于二值化閾值，則將其設為1，否則為0 ；
(5)對二值化后的數據進行處理，將像素個數小于10且實際距離小于5米且二值化狀 態結果不一致的數據賦為相同的狀態； 步驟二 對視頻圖像進行時域紋理分析
(1)在視頻圖像中確定目標車道，將目標車道沿車輛行駛方向分割成若干路段，分段對 所劃分的視頻圖像區域進行時域紋理處理，求出各段車道中線上相隔一定幀數對應位置像 素差的絕對值，即為時域紋理的變化值。由于對于車道較遠處其對應的實際距離較大，對實 際分析結果影響不大，且為了節省運算時間，在具體實現時可將每條車道劃分為三段處理， 從圖像底端到1/3車道長度、1/3車道長度到2/3車道長度、2/3車道長度到圖像頂端分別 采用相鄰幀、隔1幀、隔兩幀進行時域紋理處理。(2)對整幅視頻圖像時域紋理的變化值進行平滑處理；
(3)對平滑處理后的時域紋理的變化值進行二值化，若該值大于二值化閾值，則將其設 為1，否則為0;
(4)對二值化后的數據進行處理，將像素個數小于10且實際距離小于5米且二值化狀 態結果不一致的數據賦為相同的狀態；
步驟三道路交通狀況分析判斷；
(1)分段處理空域紋理分析過程中數據為1時所對應的像素個數；
(2)當該像素個數占目標車道總像素個數百分比大于50%—80%且對應實際距離大于 60—120米時，則對時域紋理分析為1的值與空域紋理分析為1的值進行比值分析；當該像 素個數占目標車道總像素個數百分比及對應實際距離不滿足上述條件時，判斷目標車道所 分割的所有路段是否處理完畢，如果沒有處理完畢，則對下一路段進行上述處理；如果所有 路段均已處理完畢，則判斷此時道路處于暢通狀態；
(3)當該像素個數占目標車道總像素個數百分比大于50%—80%且對應實際距離大于 60—120米時，則對時域紋理分析為1的值與空域紋理分析為1的值的百分比進行判斷，如 果時域紋理分析為1的值與空域紋理分析為1的值的百分比小于10%時，標記此幀滿足飽 或和擁堵條件，如果連續一定幀數滿足擁堵條件且已進入飽和狀態時，則判斷該道路交通 狀況為擁堵狀態，否則該道路交通狀況為飽和狀態；如果時域紋理分析為1的值與空域紋 理分析為1的值的百分比大于或等于10%時，標記此幀滿足飽和條件，如果連續一定幀數滿 足飽和條件時，則判斷該道路交通狀況為飽和狀態，否則該道路交通狀況為暢通狀態。本發明的基于紋理檢測道路交通狀況的方法是逐行逐幀進行，其處理時間小于數 據的采集時間，因此能夠保證檢測的實時性，并且基于圖像紋理的計算能夠準確的判斷車 輛的時間占有率及空間占有率，為交通參數統計提供依據。本發明通過道路安裝的攝像頭 可獲取實時路況視頻，實驗設備簡單；對實驗結果進行分析處理時，能夠較快判斷出路況信 息，延遲較小。
圖1是視頻圖像空域紋理分析流程圖。圖2是視頻圖像時域紋理分析流程圖。圖3是道路交通狀況判斷流程圖。
圖4是道路飽和狀態的效果圖，其中圖4a為道路飽和實時視頻圖像，圖4b為對道 路飽和視頻圖像經過處理后的空域與時域紋理變化波形圖。圖5是道路飽和狀態的效果圖，其中圖5a為道路飽和實時視頻圖像，圖5b為對道 路飽和視頻圖像經過處理后的空域與時域紋理變化波形圖。圖6是道路飽和狀態的效果圖，其中圖6a為道路飽和實時視頻圖像，圖6b為對道 路飽和視頻圖像經過處理后的空域與時域紋理變化波形圖。圖7是道路暢通狀態的效果圖，其中，圖7a為道路暢通實時視頻圖像，圖7b為對 道路暢通視頻圖像經過處理后的空域及時域紋理變化波形圖。下面結合附圖對本發明的內容作進一步詳細說明。
具體實施例方式空域紋理分析通過計算每幀圖像中沿車道方向相鄰行對應像素的圖像紋理變化， 判斷路面車輛的空間占有率，其中主要困難是區分車輛形成的紋理與樹影及路面本身紋理 的區別。為避免車道邊緣樹影及路面的干擾，本發明在進行空域紋理分析時，根據車道的走 勢將車道進行分段分析，對兩車道線間的中間區域進行處理。時域紋理分析主要檢測視頻 圖像相隔一定幀的紋理變化，由此判斷車輛的時間占有率。由于映射表關系及同一車道不 同位置對結果判斷的影響，對于同一車道同樣將其進行分段分析，不同位置的車道采取不 同的幀間隔進行處理。對于時域紋理分析結果如果變化較多，則說明車輛處于較快的運動 狀態，如果變化較少，則說明此刻車輛運動速度較慢。本發明結合對視頻圖像的空域和時域紋理分析來判斷道路的交通狀況。空域紋理 分析用來判斷車輛的空間占有率，時域紋理分析用來判斷車輛的時間占有率，如果時域紋 理變化較少且空域紋理顯示車輛空間占有率較大，則表明當前交通狀況處于飽和和擁堵的 置信度較高，反之，則處于暢通的置信度較高。參見圖1-圖3，本發明的基于紋理檢測道路交通狀況的方法，該方法包括以下步 驟
步驟一對視頻圖像進行空域紋理分析
(1)在視頻圖像中確定目標車道，將目標車道沿車輛行駛方向分割成若干路段，再沿車 道線方向將所分割的各路段劃分為若干區域，分段對所劃分的視頻圖像區域進行空域紋理 處理，求出各區域分界線上相鄰行之間像素灰度值差的絕對值，即為空域紋理的變化值；
(2)求出各車道每一行空域紋理變化的最大值；
(3)對整幅視頻圖像空域紋理變化的最大值進行平滑處理；
(4)對平滑處理后的最大值進行二值化，若該值大于二值化閾值，則將其設為1，否則為
0 ；
(5)對二值化后的數據進行處理，將像素個數小于10且實際距離小于5米且二值化狀 態結果不一致的數據賦為相同的狀態。對于進行二值化處理后的數據，由于路面環境的復 雜性，會出現較多的紋理變化，對處理結果分析帶來一定的難度，為了方便后期的判斷，對 于二值化變化較頻繁的區域我們進行選擇性填充，填充要求的選擇條件，我們根據大量的 實驗數據分析獲得，如果對應的像素個數較小如10個像素，且實際距離小于一個車長，我 們將其填充，此時對實際結果的分析不會造成影響。
步驟二 對視頻圖像進行時域紋理分析
(1)在視頻圖像中確定目標車道，將目標車道沿車輛行駛方向分割成若干路段，分段對 所劃分的視頻圖像區域進行時域紋理處理，求出各段車道中線上相隔一定幀數對應位置像 素差的絕對值，即為時域紋理的變化值。由于對于車道較遠處其對應的實際距離較大，對實 際分析結果影響不大，且為了節省運算時間，在具體實現時可將每條車道劃分為三段處理， 從圖像底端到1/3車道長度、1/3車道長度到2/3車道長度、2/3車道長度到圖像頂端分別 采用相鄰幀、隔1幀、隔兩幀進行時域紋理處理；
(2)對整幅視頻圖像時域紋理的變化值進行平滑處理；
(3)對平滑處理后的時域紋理的變化值進行二值化，若該值大于二值化閾值，則將其設 為1，否則為0;
(4)對二值化后的數據進行處理，將像素個數小于10且實際距離小于5米(此值依據最 小車長設定，最小為4米)且二值化狀態結果不一致的數據賦為相同的狀態。對于進行二值 化處理后的數據，由于路面環境的復雜性，會出現較多的紋理變化，對處理結果分析帶來一 定的難度，為了方便后期的判斷，對于二值化變化較頻繁的區域我們進行選擇性填充，填充 要求的選擇條件，我們根據大量的實驗數據分析獲得，如果對應的像素個數較小如10個像 素，且實際距離小于一個車身長，我們將其填充，此時對實際結果的分析不會造成影響。步驟三道路交通狀況分析判斷
(1)分段處理空域紋理分析過程中數據為1時所對應的像素個數；
(2)當該像素個數占目標車道總像素個數百分比大于50%—80%(此值表示車道長度上 至少有一半的長度被車占用)且對應實際距離大于60—120米時，則對時域紋理分析為1的 值與空域紋理分析為1的值進行比值分析；當該像素個數占目標車道總像素個數百分比及 對應實際距離不滿足上述條件時，判斷目標車道所分割的所有路段是否處理完畢，如果沒 有處理完畢，則對下一路段進行上述處理；如果所有路段均以處理完畢，則判斷此時道路處 于暢通狀態。本發明通過觀察大量的視頻數據，對不同要求判斷準確率的路況進行了區別研 究研究發現如果目標路段是關鍵路段，其需要對路況實時狀況進行較高精確判斷時，該路 段進入飽和擁堵的條件可以采用空域為1的像素個數占目標車道總像素個數百分比大于 80%且對應實際距離大于120米作為判斷條件進行判斷。如果目標路段為一般道路街道，該 路段進入飽和擁堵條件可以設置為空域為1的車道長度占目標車道總長度百分比大于50% 且對應實際距離大于60米作為判斷條件進行判斷。(3)當該像素個數占目標車道總像素個數百分比大于50%—80%，且對應實際距離 大于60—120米時，則對時域紋理分析為1的值與空域紋理分析為1的值的百分比進行判 斷，如果時域紋理分析為1的值與空域紋理分析為1的值的百分比小于10%時，標記此幀滿 足飽和和擁堵條件，如果連續一定幀數滿足擁堵條件且已進入飽和狀態時，則判斷該道路 交通狀況為擁堵狀態，否則該道路交通狀況為飽和狀態；如果時域紋理分析為1的值與空 域紋理分析為1的值的百分比大于或等于10%時，標記此幀滿足飽和條件，如果連續一定幀 數滿足飽和條件時，則判斷該道路交通狀況為飽和狀態，否則該道路交通狀況為暢通狀態。為保證路況信息報告的準確性，減少誤報情況的發生，在進行最后時域與空域紋 理分析時我們采取較嚴格的判斷條件。只有當緩慢運行的車輛占有率到整個車道的長度的一半以上并且對應實際的距離很大我們才進行飽和擁堵的判斷。根據大量實際數據的觀 察，當車輛處于擁堵狀態時，車輛基本處于停止運動狀態，因此時域與空域百分比很小，本 發明通過大量的數據分析及不斷的調整，最終對路面信息較好，外界干擾不明顯的路段，其 值取10%進行處理。以下是發明人給出的具體實施例，需要說明的是本發明并不限于以下實施例，凡 是在以下實施例基礎上的等同變換或者替換均屬于本發明的保護范圍。實施例1
參照圖4所示，遵循上述技術步驟，對西安科技大學門前立交上拍攝的實際實時路況 視頻圖像進行分析處理，此視頻數據路況平整，樹影及其他干擾較少，觀測結果較為理想， 對此段視頻分析判斷過程中所用到的具體參數如下 二值化閾值20 ；
空域與時域二值化后處理可進行填充的像素個數10，實際距離5米； 飽和狀態持續幀數50 ； 擁堵狀態持續幀數100 ；
進入飽和擁堵條件空域為1的像素個數占車道總像素個數百分比大于50%且對應實 際距離大于60米；
時域紋理分析為1的值與空域紋理分析為1的值的百分比10% ； 遵循上述步驟，通過對實時采集到的道路交通視頻圖像(圖4a)進行分析，白色條紋 表示此時道路已處于飽和狀態，即已經有連續數幀滿足交通飽和條件，經過分析該圖在第 1813幀時報出飽和事件，圖4b為對應各車道的空域及時域紋理變化波形圖，可以發現當道 路處于飽和狀態時，時域與空域紋理變化與分析相符且百分比小于一定的比例，可見本發 明可以在實際中進行廣泛應用。實施例2
參照圖5所示，對西安科技大學門前立交上拍攝的實際實時路況視頻圖像進行分析處 理，此段視頻分析判斷所用到的具體參數如下 二值化閾值20 ；
空域與時域二值化后處理可進行填充的像素個數10，實際距離5米； 飽和狀態持續幀數50 ； 擁堵狀態持續幀數100 ；
進入飽和擁堵條件空域為1的像素個數占車道總像素個數百分比大于65%且對應實 際距離大于90米；
時域紋理分析為1的值與空域紋理分析為1的值的百分比10%。遵循上述步驟，通過對實時采集到的道路交通視頻圖像(圖5a)進行分析，白色條 紋表示此時道路已處于飽和狀態，即已經有連續數幀滿足交通飽和條件，該圖在第3205幀 時報出飽和事件，圖5b為對應各車道的空域及時域紋理變化波形圖，通過對比，可以發現 此時報出事件時對應的車道空間占有率較高，對比上例報出事件的時間有所延長，準確率 有有所提高。實施例3
參照圖6所示，對西安科技大學門前立交上拍攝的實際實時路況視頻圖像進行分析處理，此段視頻分析判斷過程所用到的具體參數如下 二值化閾值20 ；
空域與時域二值化后處理可進行填充的像素個數10，實際距離5米； 飽和狀態持續幀數50 ； 擁堵狀態持續幀數100 ；
進入飽和擁堵條件空域為1的像素個數占車道總像素個數百分比大于80%且對應實 際距離大于120米；
時域紋理分析為1的值與空域紋理分析為1的值的百分比10% ； 遵循上述步驟，通過對實時采集到的道路交通視頻圖像(圖6a)進行分析，白色條紋表 示此時道路已處于飽和狀態，即已經有連續數幀滿足交通飽和條件，該圖在第5078幀時報 出飽和事件，圖6b為對應各車道的空域及時域紋理變化波形圖，通過對比可以發現報出事 件時對應的車道空間占有率較高，此時進入飽和和擁堵的條件較高，延遲較長，但準確率有 所提高，誤差減小。
實施例4
參照圖7所示，對上海浦東國際機場入口的實時路況視頻圖像進行分析處理，判斷過 程所用到的具體參數如下 二值化閾值20 ；
空域與時域二值化后處理可進行填充的像素個數10，實際距離5米； 飽和狀態持續幀數50 ； 擁堵狀態持續幀數100 ；
進入飽和擁堵條件空域為1的像素個數占車道總像素個數百分比大于50%且對應實 際距離大于60米；
時域紋理分析為1的值與空域紋理分析為1的值的百分比10% ； 圖7a為實時采集到的道路暢通視頻，圖7b為對應各車道的空域及時域紋理變化波形 圖，該圖在第2015幀時報出暢通事件，可以發現當道路處于暢通狀態時，時域具有較大的 變化，此時時域與空域百分比大于所設定的閾值，可見本發明可以在實際中進行廣泛應用。
權利要求
1.一種基于圖像紋理檢測道路交通狀況的方法，其特征在于包括以下步驟 步驟一對視頻圖像進行空域紋理分析(1)在視頻圖像中確定目標車道，將目標車道沿車輛行駛方向分割成若干路段，再 沿車道線方向將所分割的各路段劃分為若干區域，分段對所劃分的視頻圖像區域進行空域 紋理處理，求出各區域分界線上相鄰行之間像素灰度值差的絕對值，即為空域紋理的變化 值；(2)求出各目標車道每一行空域紋理變化的最大值；(3)對整幅視頻圖像空域紋理變化的最大值進行平滑處理；(4)對平滑處理后的最大值進行二值化，若該值大于二值化閾值，則將其設為1，否則為0 ；(5)對二值化后的數據進行處理，將像素個數小于10且實際距離小于5米且二值化狀 態結果不一致的數據賦為相同的狀態；步驟二 對視頻圖像進行時域紋理分析(1)在視頻圖像中確定目標車道，將目標車道沿車輛行駛方向分割成若干路段，分段對 所劃分的視頻圖像區域進行時域紋理處理，求出各段車道中線上相隔一定幀數對應位置像 素差的絕對值，即為時域紋理的變化值；(2)對整幅視頻圖像時域紋理的變化值進行平滑處理；(3)對平滑處理后的時域紋理的變化值進行二值化，若該值大于二值化閾值，則將其設 為1，否則為0;(4)對二值化后的數據進行處理，將像素個數小于10且實際距離小于5米且二值化狀 態結果不一致的數據賦為相同的狀態；步驟三道路交通狀況分析判斷(1)分段處理空域紋理分析過程中數據為1時所對應的像素個數；(2)當該像素個數占目標車道總像素個數百分比大于50%—80%，且對應實際距離大于 60—120米時，則對時域紋理分析為1的值與空域紋理分析為1的值進行比值分析；當該像 素個數占目標車道總像素個數百分比及對應實際距離不滿足上述條件時，判斷目標車道所 分割的所有路段是否處理完畢，如果沒有處理完畢，則對下一路段進行上述處理；如果所有 路段均以處理完畢，則判讀此時道路處于暢通狀態；(3)當該像素個數占目標車道總像素個數百分比大于50%—80%，且對應實際距離大于 60—120米時，則對時域紋理分析為1的值與空域紋理分析為1的值的百分比進行判斷，如 果時域紋理分析為1的值與空域紋理分析為1的值的百分比小于10%時，標記此幀滿足飽 或和擁堵條件，如果連續一定幀數滿足擁堵條件且已進入飽和狀態時，則判斷該道路交通 狀況為擁堵狀態，否則該道路交通狀況為飽和狀態；如果時域紋理分析為1的值與空域紋 理分析為1的值的百分比大于或等于10%時，標記此幀滿足飽和條件，如果連續一定幀數滿 足飽和條件時，則判斷該道路交通狀況為飽和狀態，否則該道路交通狀況為暢通狀態。
2.如權利要求1所述的基于圖像紋理檢測道路交通狀況的方法，其特征在于對視頻 圖像進行時域紋理分析時，將每條目標車道劃分為三段，從視頻圖像底端到1/3車道長度、 1/3車道長度到2/3車道長度、2/3車道長度到圖像頂端分別采用相鄰幀、相隔1幀、相隔兩 幀進行圖像處理。
全文摘要
本發明公開了一種基于紋理檢測道路交通狀況的方法，該方法結合對視頻圖像的空域和時域紋理分析來判斷道路的交通狀況。其中空域紋理分析用來判斷車輛的空間占有率，時域紋理分析用來判斷車輛的時間占有率，如果時域紋理變化較小且空域紋理顯示車輛空間占有率較大，則表明當前交通狀況處于飽和和擁堵的置信度較高，反之，則處于暢通的置信度較高。本發明采用逐行逐幀進行處理，其處理時間小于數據的采集時間，因此能夠保證檢測的實時性，并且基于圖像紋理的計算能夠準確的確定出車輛的空間占有率及時間占有率，為交通參數統計提供依據。
文檔編號G06T7/20GK102136195SQ20111007508
公開日2011年7月27日 申請日期2011年3月28日 優先權日2011年3月28日
發明者嚴玍伻, 劉童, 周婷潔, 夏波, 宋煥生, 張靜, 施春寧, 朱小平, 李潔, 楊孟拓, 袁彬, 郭玲玲, 陳艷, 馬銳安 申請人:長安大學