一種基于視頻判斷交通擁堵的方法和系統的制作方法
【技術領域】
[0001]本發明涉及一種視頻檢測和圖像識別技術領域，具體地說，是涉及一種基于視頻判斷交通擁堵的方法和系統。
【背景技術】
[0002]隨著交通擁堵情況的日益嚴重，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及城市交通調度提供參考，時提高道路通行能力的有效手段。
[0003]視頻監控資源已經日益廣泛地應用在交通領域，因而，通過視頻檢測技術判斷道路交通擁堵情況更具優勢。
[0004]現有基于視頻判斷交通擁堵的方法一般采用連通域分析，從前景信息中提取連通域，利用連通域的距離和面積信息進行車輛識別，然后跟蹤車輛目標，得到車輛的速度。當車輛速度大于速度閾值時認為是暢通，當車輛速度小于速度閾值時認為是擁堵。
[0005]或者，利用前景信息計算平均道路占有率和時間占有率，同時認為前景目標就是車輛目標。根據平均道路占有率和時間占有率，按照建立的道路交通擁堵判別準則判斷當前道路的擁堵情況。
[0006]上述兩種方法采用的技術都是基于背景建模和前景提取，在分析道路擁堵時，背景是道路和周圍的環境，前景是道路上行駛車輛。提取背景時需要在場景中沒有運動目標出現時獲取。而現有背景建模和前景提取的方法，在道路上車流量一直較大的情況，是不能進行背景建模的，如果背景模型沒有建好，就不能提取前景，從而識別出車輛，獲取車輛速度，車輛空間占有率等信息，所以如果采用上述方案，程序啟動后可能會有很長一段時間不能輸出正確的結果，對擁堵檢測的影響很大。總之，上述方案非常依賴背景建模，背景建模的好壞直接影響擁堵檢測的準確率。并且，在判斷擁堵時只根據速度或者占有率，判斷結構非常簡單，一旦速度或占用率判斷有誤，又沒有其它的數據支撐，很容易導致擁堵誤判斷，這會導致上述方法的魯棒性不好。
[0007]現有的視頻擁堵檢測方法，需要背景建模，不僅非常耗時，而且容易受到天氣、光照、陰影及雜亂背景干擾等的影響，使運動目標的檢測與分割變得相當困難。例如，當路面有大片樹蔭時，如果背景提取不好，或者更新不及時，就會將樹蔭也當做運動目標，影響交通擁堵判斷的準確率。
【發明內容】
[0008]本發明提供了一種基于視頻判斷交通擁堵的方法，解決了現有視頻判斷交通擁堵的方法存在不能即時實現背景建模和前景提取導致長時間不能輸出交通擁堵情況以及交通擁堵情況誤判率高的技術問題。
[0009]為了解決上述技術問題，本發明采用以下技術方案予以實現:
一種基于視頻判斷交通擁堵的方法，所述方法如下: 獲取視頻數據，對視頻數據每隔時間t抽取一幀圖像，根據檢測車道確定圖像檢測區域；
在圖像檢測區域內提取車輛特征點，對特征點進行描述；
根據特征點的描述分別對相鄰兩幀圖像的特征點進行匹配；
若相鄰兩幀圖像沒有匹配的特征點，確定后一幀圖像為順暢幀；
若相鄰兩幀圖像有匹配的特征點，提取匹配的特征點；根據相鄰兩幀圖像的匹配的特征點計算車速V;計算相鄰兩幀圖像的匹配的特征點的位移差，提取位移差小于位移差閾值￥_11^的特征點作為目標特征點；獲取相鄰兩幀圖像的后一幀圖像的檢測區域內的最遠目標特征點和最近目標特征點，根據最遠目標特征點和最近目標特征點之間的位移差計算后一幀圖像的排隊長度；若相鄰兩幀圖像的匹配的特征點的位移差均大于位移差閾值Y_Thr，則后一幀圖像的排隊長度為0 ;
根據后一幀圖像的排隊長度與長度設定閾值L_Thr的關系、相鄰兩幀圖像計算的車速V與速度設定閾值V_Thr的關系確定后一幀圖像為順暢幀或擁堵幀或緩慢幀；
根據順暢幀、擁堵幀或緩慢幀的幀數判斷視頻數據的交通擁堵情況。
[0010]如上所述的基于視頻判斷交通擁堵的方法，確定相鄰兩幀圖像的后一幀圖像為順暢幀或擁堵幀或緩慢幀的方法為:
若后一幀圖像的排隊長度<長度設定閾值L_Thr的1/2，計為順暢幀；
若后一幀圖像的排隊長度>長度設定閾值L_Thr且相鄰兩幀圖像計算的車速v<速度設定閾值V_Thr，計為擁堵幀；
若后一幀圖像的排隊長度大于長度設定閾值1_11^的1/2且排隊長度小于長度設定閾值L_Thr且相鄰兩幀圖像計算的車速v=0，計為擁堵幀；
其他情況計為緩慢幀。
[0011]如上所述的基于視頻判斷交通擁堵的方法，若相鄰兩幀圖像有匹配的特征點時，所述方法還包括計算相鄰兩幀圖像的后一幀圖像的檢測區域內的目標特征點的空間占有率；根據后一幀圖像的排隊長度與長度設定閾值1_11^的關系、相鄰兩幀圖像計算的車速V與速度設定閾值￥_11^的關系和后一幀圖像的空間占有率與占有率設定閾值0_Thr的關系確定后一幀圖像為順暢幀或擁堵幀或緩慢幀。
[0012]如上所述的基于視頻判斷交通擁堵的方法，所述計算相鄰兩幀圖像的后一幀圖像的檢測區域內的目標特征點的空間占有率:空間占有率=目標特征點個數/檢測區域的所有像素點個數；或者，將目標特征點投影至車輛行駛方向的軸線上，空間占有率=目標特征點的投影個數/車輛行駛方向的軸線在檢測區域內的像素點個數。
[0013]如上所述的基于視頻判斷交通擁堵的方法，確定相鄰兩幀圖像的后一幀圖像為順暢幀或擁堵幀或緩慢幀的方法為:
若后一幀圖像的排隊長度<長度設定閾值L_Thr且空間占有率<第一占有率設定閾值0_Thrl，計為順暢幀；
若后一幀圖像的排隊長度>長度設定閾值L_Thr且空間占有率多第二占有率設定閾值0_Thr2，計為擁堵幀；
若后一幀圖像的長度設定閾值1_11^的1/2 <排隊長度<長度設定閾值L_Thr且空間占有率多第二占有率設定閾值0_Thr2且相鄰兩幀圖像計算的車速v=0，計為擁堵幀； 其他情況計為緩慢幀。
[0014]如上所述的基于視頻判斷交通擁堵的方法，計算排隊長度時，需要判斷排隊長度的真偽，排隊長度為真時，排隊長度=最遠目標特征點和最近目標特征點之間的位移差；排隊長度為偽時，排隊長度=0 ;判斷排隊長度真偽的方法為:將檢測區域在車輛行駛方向上分為若干子區域，判斷若干子區域是否均有目標特征點，若沒有目標特征點的子區域的數量大于有效特征點數閾值，則判斷排隊長度為偽，否則，排隊長度為真。
[0015]如上所述的基于視頻判斷交通擁堵的方法，根據相鄰兩幀圖像的匹配的特征點計算車速V的方法為:將檢測區域在車輛行駛方向上分為至少兩個檢測子區域，判斷檢測子區域內是否有匹配的特征點，若沒有，車速V=最大車速；若有，計算檢測子區域內匹配的特征點的中心點，計算相鄰兩幀圖像的中心點的位移差，車速V=位移差/t。
[0016]如上所述的基于視頻判斷交通擁堵的方法，根據順暢幀、擁堵幀或緩慢幀的幀數判斷視頻數據的交通擁堵情況的方法為:
若順暢幀數大于設定幀閾值A，判斷交通擁堵情況為順暢；若擁堵幀數大于設定幀閾值B，判斷交通擁堵情況為擁堵；若緩慢幀數大于設定幀閾值C，判斷交通擁堵情況為緩慢；若為其他情況，判斷交通擁堵情況為計數最多的狀態。
[0017]一種基于視頻判斷交通擁堵的系統，所述系統包括:
圖像獲取模塊，用于獲取視頻數據，對視頻數據每間隔時間t抽取一幀圖像，根據檢測車道確定圖像檢測區域；
特征點獲取模塊，用于在圖像檢測區域內提取車輛特征點，對特征點進行描述；
特征點匹配模塊，用于根據特征點的描述分別對相鄰兩幀圖像的特征點進行匹配，判斷是否有匹配的特征點，若沒有匹配的特征點，確定后一幀圖像為順暢幀；若有，提取匹配的特征點；
車速計算模塊，根據相鄰兩幀圖像匹配的特征點計算車速V ;
排隊長度計算模塊，計算相鄰兩