專利名稱：交通信息傳感器、交通信息檢測(cè)方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及交通信息傳感器、交通信息檢測(cè)方法和系統(tǒng)。
背景技術(shù)：
使用視頻信息檢測(cè)系統(tǒng)(VIDS)的交通信息檢測(cè)系統(tǒng)有很多優(yōu)點(diǎn)。這種檢測(cè)系統(tǒng)使用視頻照相機(jī)作為傳感器，因此具有大范圍檢測(cè)能力。通常，一臺(tái)照相機(jī)可以覆蓋幾條車道，而包括雷達(dá)和導(dǎo)電環(huán)(conductiveloop)在內(nèi)的任何其他傳感器都很難做到這一點(diǎn)。對(duì)視頻照相機(jī)傳感器所生成的圖像進(jìn)行視頻檢測(cè)，能實(shí)現(xiàn)對(duì)沖擊波(shock wave)和其他空間交通參數(shù)(例如密度、隊(duì)列長度和速度曲線等)的高效檢測(cè)，而傳統(tǒng)的設(shè)備卻很難實(shí)現(xiàn)這樣的高效檢測(cè)。此外，視頻檢測(cè)還能夠提供某些輔助信息，例如路肩上的交通狀況、停止的車輛、車道改變、速度差異，以及另一方向上的交通速度減慢。隨著照相機(jī)傳感器的縮小和處理器處理能力的提升，使用VIDS的交通信息檢測(cè)系統(tǒng)正變得越來越普遍。
圖1示出了上述使用VIDS的現(xiàn)有技術(shù)的交通信息檢測(cè)系統(tǒng)的框圖。如圖所示，現(xiàn)有技術(shù)都需要傳感器將視頻流從交通現(xiàn)場(chǎng)傳輸?shù)浇煌ü芾碇行?。因此，在每個(gè)檢測(cè)點(diǎn)都需要對(duì)傳感器所獲取的視頻圖像進(jìn)行視頻壓縮，但是，用于進(jìn)行圖像實(shí)時(shí)編碼的編碼器成本較高，并且壓縮后的視頻流的碼率較高，在傳輸時(shí)需要占用大量網(wǎng)絡(luò)帶寬資源，從而大大增加了系統(tǒng)成本。此外，目前所采用的所有傳感器都不能自動(dòng)識(shí)別車道，因此都需要在安裝時(shí)由操作人員對(duì)樣本圖像進(jìn)行人工識(shí)別來取得車道信息，并將車道信息傳送回交通管理中心以用于后續(xù)檢測(cè)。對(duì)于可能包括幾千臺(tái)傳感器的交通系統(tǒng)來說，這種做法的工作量是相當(dāng)龐大的。而且，一旦傳感器的位置或朝向由于環(huán)境原因而發(fā)生改變，則車道信息就需要被重新配置，否則就會(huì)導(dǎo)致錯(cuò)誤的檢測(cè)結(jié)果。由此可見，現(xiàn)有的傳感器由于不能自動(dòng)進(jìn)行車道識(shí)別，從而給交通信息檢測(cè)帶來了很大的不便。
發(fā)明內(nèi)容
一交通信息傳感器，包括圖像獲取裝置，用于生成交通現(xiàn)場(chǎng)的視頻圖像；圖像檢測(cè)裝置，接收所述視頻圖像，并結(jié)合所述交通現(xiàn)場(chǎng)的車道位置信息，從所述視頻圖像提取交通信息；以及信息傳輸裝置，用于將所提取的交通信息傳送到交通管理中心。
在附圖中，相同的標(biāo)號(hào)指代相同的裝置。
圖1是描述現(xiàn)有的交通信息檢測(cè)系統(tǒng)的框圖；圖2是描述根據(jù)本發(fā)明第一實(shí)施例的自動(dòng)交通信息傳感器的框圖；圖3描述了根據(jù)本發(fā)明第一實(shí)施例的自動(dòng)交通信息傳感器所執(zhí)行的交通信息檢測(cè)方法；圖4是描述根據(jù)本發(fā)明第二實(shí)施例的具有自動(dòng)車道定位模塊的交通信息傳感器的框圖；圖5是示出了活動(dòng)地圖生成子模塊的操作的流程圖；圖6是示出了車道辨別子模塊的操作的流程圖；圖7是示出了根據(jù)本發(fā)明第三實(shí)施例的交通信息傳感器的框圖；圖8是示出了車輛計(jì)數(shù)模塊的操作的流程圖；圖9是示出了根據(jù)本發(fā)明第四實(shí)施例的交通信息傳感器的框圖；圖10是示出了根據(jù)本發(fā)明第五實(shí)施例的交通信息傳感器的框圖；圖11是示出了根據(jù)本發(fā)明第六實(shí)施例的交通信息傳感器的框圖；以及圖12是示出了使用本發(fā)明的交通信息傳感器的交通信息檢測(cè)系統(tǒng)的示意圖。
具體實(shí)施例方式
下面參照附圖描述本發(fā)明的實(shí)施例。
圖2示出了根據(jù)本發(fā)明第一實(shí)施例的交通信息傳感器20的框圖。交通信息傳感器20包括圖像獲取裝置210、圖像檢測(cè)裝置220和信息傳輸裝置230。
圖像獲取裝置210例如可以是耦合到圖像檢測(cè)裝置220的視頻照相機(jī)、CMOS(互補(bǔ)金屬氧化物半導(dǎo)體)攝像機(jī)、CCD(電荷耦合器件)攝像機(jī)和各種網(wǎng)絡(luò)照相機(jī)(WebCam)等，用于連續(xù)地獲取交通現(xiàn)場(chǎng)(例如道路)的數(shù)字視頻圖像。
圖像檢測(cè)裝置220例如可以是被編程以執(zhí)行特定圖像檢測(cè)算法的嵌入式處理器、專用集成電路、片上系統(tǒng)或通用計(jì)算機(jī)，用于對(duì)圖像獲取裝置210所獲取的圖像進(jìn)行檢測(cè)，結(jié)合交通現(xiàn)場(chǎng)的車道位置信息，從圖像中提取感興趣的交通信息(例如每個(gè)車道的平均車速、每個(gè)車道在給定時(shí)間內(nèi)通過的車輛數(shù)等)，并將所提取的交通信息以數(shù)字?jǐn)?shù)據(jù)信號(hào)的形式傳送到信息傳輸裝置230。
信息傳輸裝置230例如是根據(jù)GSM(全球移動(dòng)通信系統(tǒng))、GPRS(通用分組無線業(yè)務(wù))、CDMA(碼分多址)、WiMAX(微波存取全球互通)標(biāo)準(zhǔn)的無線公共網(wǎng)絡(luò)發(fā)送裝置，或者是根據(jù)以太網(wǎng)、ATM等標(biāo)準(zhǔn)的有線網(wǎng)絡(luò)發(fā)送裝置，其耦合到圖像檢測(cè)裝置220，用于將圖像檢測(cè)裝置220所提取的交通信息通過通信網(wǎng)絡(luò)傳送到管理中心。
圖3示出了根據(jù)第一實(shí)施例的傳感器20所執(zhí)行的交通信息檢測(cè)方法。在步驟31，圖像獲取裝置210獲取交通現(xiàn)場(chǎng)的圖像。在步驟32，圖像檢測(cè)裝置220對(duì)所獲取的圖像進(jìn)行檢測(cè)，并結(jié)合交通現(xiàn)場(chǎng)的車道位置信息，從圖像中提取感興趣的交通信息，諸如車輛數(shù)量、平均車速等。例如，圖像檢測(cè)裝置220可以如在下文中所詳述的那樣，在所關(guān)心的車道上的不同位置處設(shè)置多條虛擬線，通過檢測(cè)視頻圖像中虛擬線處的像素變化來檢測(cè)通過所述虛擬線的車輛，以獲得該條車道的車輛計(jì)數(shù)?；蛘呖梢匀缭谙挛脑斒龅哪菢樱谒P(guān)心的車道上設(shè)置一條虛擬線，通過檢測(cè)視頻圖像中虛擬線處的像素變化來檢測(cè)車輛通過該虛擬線所需的時(shí)間，并結(jié)合車輛長度的統(tǒng)計(jì)平均值來獲得該條車道上的平均車速。此外，還可以基于計(jì)算所得的車輛數(shù)或平均車速來監(jiān)視道路上的擁塞情況，將有關(guān)擁塞的信息傳送到交通管理中心以便進(jìn)行協(xié)調(diào)管理，等等。在步驟33，信息傳輸裝置將所提取的交通信息經(jīng)由有線或無線網(wǎng)絡(luò)傳送到管理中心。利用本實(shí)施例，一個(gè)交通管理中心可容宿幾千個(gè)遠(yuǎn)程傳感器。與現(xiàn)有技術(shù)相比，本實(shí)施例僅需要將所提取的交通信息而非視頻圖像傳送到交通管理中心，因此不需要進(jìn)行復(fù)雜的視頻壓縮和視頻傳輸，顯著減小了所需網(wǎng)絡(luò)帶寬。此外，本實(shí)施例在各個(gè)傳感器本地對(duì)視頻圖像進(jìn)行檢測(cè)，而不是將視頻圖像傳送到交通管理中心等待集中處理，從而可以更及時(shí)地獲得所需交通信息。
第一實(shí)施例中的車道位置信息可以是預(yù)先設(shè)置的，也可以是由傳感器從視頻圖像中獲得的。圖4示出了根據(jù)本發(fā)明第二實(shí)施例的具有車道定位模塊421的交通信息傳感器40的框圖，該車道定位模塊421用于對(duì)從圖像獲取裝置獲取的圖像進(jìn)行特征提取和模式識(shí)別來獲得交通現(xiàn)場(chǎng)的車道位置信息。除了在圖像檢測(cè)裝置420中具有車道定位模塊421之外，圖4中的其它裝置與圖2中相同。
車道定位模塊421可以使用各種已知的方法，如通過分析圖像中的車輛軌跡或道路標(biāo)志等來定位車道。例如，在José Melo，Andrew Naftel，Alexandre Bernardino和José Santos-Victor的“Viewpoint IndependentDetection of Vehicle Trajectories and Lane Geometry from Uncalibrated TrafficSurveillance Cameras”，ICIAR 2004，LNCS 3212，pp.454-462，2004中通過對(duì)圖像中車輛的運(yùn)行軌跡進(jìn)行最小二乘多項(xiàng)式擬合來找出車道。在Andrew H.S.Lai和Nelson H.C.Yung的“Lane Detection by Orientation andLength Discrimination”，IEEE Transactions on Systems，Man，andCybernetics-Part BCybernetics，Vol.30，No.4，August 2000中通過識(shí)別圖像中車道上的道路標(biāo)記來找出車道。
在這里，作為示例，使用對(duì)相鄰幀間差分圖像的累積(accumulation)來進(jìn)行道路定位和車道辨別。該方法利用了這樣一個(gè)事實(shí)，即大多數(shù)車輛在經(jīng)過照相機(jī)視野時(shí)都遵循它們自己的路徑，而不改變車道。具體而言，車道定位模塊421包括兩個(gè)子模塊活動(dòng)地圖(activitymap)生成子模塊4211和車道辨別子模塊4212。首先，活動(dòng)地圖生成子模塊4211對(duì)相鄰的兩幀做差分，并檢測(cè)某些值高于閾值的活動(dòng)像素，這些活動(dòng)像素表明車輛的移動(dòng)。在初始化期間對(duì)這些活動(dòng)象素的累積將形成活動(dòng)地圖。然后，車道辨別子模塊通過找出活動(dòng)地圖中的局部最小和最大值，來確定車道的中心和車道之間的邊界。下面參照?qǐng)D5和圖6詳細(xì)描述這兩個(gè)子模塊的操作。
圖5的流程圖示出了活動(dòng)地圖生成子模塊4211的操作。
在步驟51中執(zhí)行移動(dòng)檢測(cè)。視頻序列的兩個(gè)連續(xù)圖像幀之間的差分被計(jì)算，然后通過二值化檢測(cè)到高于一個(gè)特定閾值的活動(dòng)象素。二值化的目的是為了消除噪聲的影響。
在步驟52中執(zhí)行累積。在活動(dòng)象素所在的位置處，對(duì)活動(dòng)地圖進(jìn)行累加。
在步驟53中判斷活動(dòng)地圖是否已經(jīng)收斂。如果收斂則在步驟54中輸出活動(dòng)地圖從而結(jié)束本次處理。如果沒有收斂則繼續(xù)轉(zhuǎn)到步驟51中處理下一幀?；顒?dòng)地圖是否收斂的判斷方法是如果連續(xù)許多幀產(chǎn)生的活動(dòng)象素的位置與現(xiàn)有的活動(dòng)地圖上的活動(dòng)象素的位置基本相同，則視為收斂。
圖6的流程圖示出了車道辨別子模塊4212的操作。
在步驟61，以圖像右上角為坐標(biāo)原點(diǎn)，以水平和垂直方向分別作為u軸和v軸建立坐標(biāo)系，利用Canny邊緣檢測(cè)器從活動(dòng)地圖上檢測(cè)邊緣，從而得到二值圖像。這些邊緣點(diǎn)位于活動(dòng)地圖上的極大值和極小值處，對(duì)應(yīng)于車道的中心線和車道間的邊界線。
在得到二值圖像后，在步驟62中，采用Hough變換來檢測(cè)在消失點(diǎn)(u0，v0)的直線，從而得到車道中心線和車道邊界線的直線方程。
在檢測(cè)到直線之后，在步驟63中，通過最小二乘優(yōu)化方法估計(jì)出消失點(diǎn)(u0，v0)。
在步驟64中，利用步驟63中得到的(u0，v0)進(jìn)一步估計(jì)每一個(gè)車道的邊界和中心線的精確位置。具體方法是沿著消失點(diǎn)(u0，v0)與圖像底邊行中的象素uj的連線，對(duì)活動(dòng)地圖進(jìn)行采樣。分別沿著每條直線對(duì)采樣得到的活動(dòng)值取平均值，從而創(chuàng)建作為u的函數(shù)的一維信號(hào)。信號(hào)的峰值指示強(qiáng)交通活動(dòng)(車道中心)，而谷值則指示不存在車輛活動(dòng)(車道邊界)，通過檢測(cè)這些峰值和谷值然后與(u0，v0)相連接就可以得到每條車道的邊界和中心線的精確位置。
當(dāng)然，模塊4211和4212也可以使用現(xiàn)有技術(shù)中的其他方法來生成活動(dòng)地圖并利用活動(dòng)地圖進(jìn)行車道辨別，這里不一一詳述。
圖7示出了根據(jù)本發(fā)明的第三實(shí)施例的交通信息傳感器70的框圖。除了在圖像檢測(cè)裝置70中具有車輛計(jì)數(shù)模塊722之外，圖7中的其它裝置與圖2中相同。
車輛計(jì)數(shù)模塊722執(zhí)行圖8所示的操作來分別對(duì)每條車道進(jìn)行車輛計(jì)數(shù)。
在步驟81，對(duì)n幀(n是一個(gè)足夠大的數(shù)，例如可以是150)圖像取平均值，作為道路的初始背景。
在步驟82，將一條或多條虛擬線放置在所關(guān)心的車道上。優(yōu)選地，虛擬線被放置在車道中心線上的不同位置處，虛擬線垂直于中心線，并且其兩個(gè)端點(diǎn)分別位于車道的兩個(gè)邊界上。當(dāng)然，虛擬線的長度也可以小于車道寬度，只要其能夠準(zhǔn)確地反應(yīng)車輛經(jīng)過即可。
在步驟83，對(duì)每條虛擬線中的像素進(jìn)行檢測(cè)，當(dāng)車輛經(jīng)過一條虛擬線時(shí)，相對(duì)于初始背景像素，該虛擬線上的像素將在幾個(gè)幀中有所改變。通過分析虛擬線中的像素改變，二維圖像數(shù)據(jù)可變?yōu)橐痪S時(shí)間信號(hào)，從而可利用低端嵌入式處理器進(jìn)行實(shí)時(shí)處理。
在步驟84，由于車輛可能改變它們的車道而且某條虛擬線中可能存在噪聲，因此優(yōu)選地，對(duì)屬于同一車道的所有虛擬線的車輛數(shù)取平均數(shù)，即為該車道的平均車輛數(shù)。
類似的方法可以用于夜間檢測(cè)的情形。在夜間，圖象中車輛的頭燈處的像素亮度顯著高于其他部分，因此在一個(gè)實(shí)施例中，可以通過判斷虛擬線中是否有像素的亮度超過預(yù)定閾值來進(jìn)行車輛檢測(cè)，從而對(duì)車輛計(jì)數(shù)。例如，在檢測(cè)器的像素值的取值范圍為0-255的情形下，大部分車燈都可以使像素值達(dá)到255。當(dāng)然也可能有的車頭燈不太明亮，但一般可以達(dá)到200以上。而路面的灰度一般低于200。因此，可以將預(yù)定閾值設(shè)置在像素值200～240的范圍內(nèi)。由于在夜間不再需要計(jì)算初始背景，因此系統(tǒng)效率被進(jìn)一步提高。
圖9示出了根據(jù)本發(fā)明的第四實(shí)施例的交通信息傳感器90的框圖。除了在圖像檢測(cè)裝置90中具有平均車速計(jì)算模塊923之外，圖9中的其它裝置與圖2中相同。
平均車速計(jì)算模塊923采用與模塊722相同的方法來檢測(cè)車輛，并且利用統(tǒng)計(jì)方法來分別估計(jì)每條車道的平均車速。假設(shè)車輛的長度遵循具有均值1的高斯分布，幀速是f幀/秒，一臺(tái)車輛經(jīng)過一條虛擬線所對(duì)應(yīng)的平均幀數(shù)是n，則平均車速可由公式v＝1f/n計(jì)算。與上文的情況類似，在夜間，可通過檢測(cè)虛擬線上的像素亮度是否超過閾值來進(jìn)行車輛檢測(cè)。
很明顯，本發(fā)明的模塊之間可以進(jìn)行各種組合。例如將圖7和圖9所示的交通信息傳感器與圖4所示的自動(dòng)車道定位模塊421進(jìn)行組合，就可以分別得到圖10和圖11所示的第五和第六實(shí)施例，它們的操作分別與第三和第四實(shí)施例基本類似，只是它們所使用的車道信息是由模塊421檢測(cè)得到的而不是由人工設(shè)置的。
同樣，車輛計(jì)數(shù)模塊722和平均車速計(jì)算模塊923也可被組合在一起，或者進(jìn)一步地與自動(dòng)車道定位模塊421進(jìn)行組合。
圖12示出了使用本發(fā)明的交通信息傳感器的交通信息檢測(cè)系統(tǒng)。在該系統(tǒng)中，根據(jù)以上各實(shí)施例的交通信息傳感器獲取的交通現(xiàn)場(chǎng)的交通信息通過通信網(wǎng)絡(luò)以有線或無線方式被傳送到交通管理中心。
此外，本發(fā)明還可以使用圖像來確定環(huán)境，然后根據(jù)環(huán)境來選擇不同的圖像處理算法。使用該方法，可為諸如雨天、霧天等不同天氣和諸如白天、黃昏等不同時(shí)間設(shè)計(jì)不同的算法。
以上雖然結(jié)合實(shí)施例描述了本發(fā)明，但是以上描述僅是示例性而非限制性的。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，各種修改、組合、子組合和替換可根據(jù)設(shè)計(jì)需要和其它因素而出現(xiàn)，只要它們落在所附權(quán)利要求或其等同的范圍內(nèi)。
權(quán)利要求
1.一交通信息傳感器，包括圖像獲取裝置，用于生成交通現(xiàn)場(chǎng)的視頻圖像；圖像檢測(cè)裝置，用于接收所述視頻圖像，并結(jié)合所述交通現(xiàn)場(chǎng)的車道位置信息，從所述視頻圖像提取交通信息；以及信息傳輸裝置，用于將所提取的交通信息傳送到交通管理中心。
2.根據(jù)權(quán)利要求1的交通信息傳感器，其中所述圖像檢測(cè)裝置包括車道定位模塊，該車道定位模塊通過檢測(cè)所述視頻圖像來獲得所述車道位置信息。
3.根據(jù)權(quán)利要求2的交通信息傳感器，其中所述車道定位模塊通過對(duì)所述視頻圖像的變化進(jìn)行累積來生成活動(dòng)地圖，然后通過檢測(cè)所述活動(dòng)地圖中的局部最大值和最小值來獲得所述車道位置信息。
4.根據(jù)權(quán)利要求1的交通信息傳感器，其中所述車道位置信息是預(yù)先設(shè)置的。
5.根據(jù)權(quán)利要求1的交通信息傳感器，其中所述交通信息包括任意車道上的車輛計(jì)數(shù)，所述圖像檢測(cè)裝置包括車輛計(jì)數(shù)模塊，所述車輛計(jì)數(shù)模塊在所關(guān)心的車道上的不同位置處設(shè)置一條或多條虛擬線，通過檢測(cè)所述視頻圖像中所述虛擬線處的像素變化來檢測(cè)通過所述虛擬線的車輛，以獲得該條車道的車輛計(jì)數(shù)。
6.根據(jù)權(quán)利要求1的交通信息傳感器，其中所述交通信息包括任意車道上的平均車速，所述圖像檢測(cè)裝置包括平均車速計(jì)算模塊，所述平均車速計(jì)算模塊在所關(guān)心的車道上設(shè)置一條虛擬線，通過檢測(cè)所述視頻圖像中所述虛擬線處的像素變化來檢測(cè)車輛通過該虛擬線所需的時(shí)間，以獲得所述平均車速。
7.根據(jù)權(quán)利要求5或6的交通信息傳感器，其中所述虛擬線垂直于所關(guān)心的車道的中心線，并且所述虛擬線的兩個(gè)端點(diǎn)分別位于所關(guān)心的車道的兩邊上。
8.根據(jù)權(quán)利要求5-7的交通信息傳感器，其中通過對(duì)若干幀圖像取平均值作為道路的初始背景，并將被檢測(cè)的圖像與所述初始背景進(jìn)行比較來確定所述虛擬線處的像素變化。
9.根據(jù)權(quán)利要求5-7的交通信息傳感器，其中在夜間時(shí)，通過檢測(cè)所述虛擬線中亮度高于預(yù)定閾值的像素來檢測(cè)通過所述虛擬線的車輛。
10.如權(quán)利要求1的交通信息傳感器，其中所述信息傳輸裝置通過通信網(wǎng)絡(luò)以有線或無線方式將所提取的交通信息傳送到交通管理中心。
11.一種交通信息檢測(cè)方法，包括圖像生成步驟，生成交通現(xiàn)場(chǎng)的視頻圖像；圖像檢測(cè)步驟，結(jié)合所述交通現(xiàn)場(chǎng)的車道位置信息，從所述視頻圖像提取交通信息；以及信息傳輸步驟，將所提取的交通信息傳送到交通管理中心。
12.根據(jù)權(quán)利要求11的交通信息檢測(cè)方法，其中所述圖像檢測(cè)步驟包括車道定位步驟，該車道定位步驟通過檢測(cè)所述視頻圖像來獲得所述車道位置信息。
13.根據(jù)權(quán)利要求12的交通信息檢測(cè)方法，其中所述車道定位步驟通過對(duì)所述視頻圖像的變化進(jìn)行累積來生成活動(dòng)地圖，然后通過檢測(cè)所述活動(dòng)地圖中的局部最大值和最小值來獲得所述車道位置信息。
14.根據(jù)權(quán)利要求11的交通信息檢測(cè)方法，其中所述車道位置信息是預(yù)先設(shè)置的。
15.根據(jù)權(quán)利要求11的交通信息檢測(cè)方法，其中所述交通信息包括任意車道上的車輛計(jì)數(shù)，所述圖像檢測(cè)步驟包括車輛計(jì)數(shù)步驟，所述車輛計(jì)數(shù)步驟在所關(guān)心的車道上的不同位置處設(shè)置一條或多條虛擬線，通過檢測(cè)所述視頻圖像中所述虛擬線處的像素變化來檢測(cè)通過所述虛擬線的車輛，以獲得該條車道的車輛計(jì)數(shù)。
16.根據(jù)權(quán)利要求11的交通信息檢測(cè)方法，其中所述交通信息包括任意車道上的平均車速，所述圖像檢測(cè)步驟包括平均車速計(jì)算步驟，所述平均車速計(jì)算步驟在所關(guān)心的車道上設(shè)置一條虛擬線，通過檢測(cè)所述視頻圖像中所述虛擬線處的像素變化來檢測(cè)車輛通過該虛擬線所需的時(shí)間，以獲得所述平均車速。
17.根據(jù)權(quán)利要求15或16的交通信息檢測(cè)方法，其中所述虛擬線垂直于所關(guān)心的車道的中心線，并且所述虛擬線的兩個(gè)端點(diǎn)分別位于所關(guān)心的車道的兩邊上。
18.根據(jù)權(quán)利要求15-17的交通信息檢測(cè)方法，其中通過對(duì)若干幀圖像取平均值作為道路的初始背景，并將被檢測(cè)的圖像與所述初始背景進(jìn)行比較來確定所述虛擬線處的像素變化。
19.根據(jù)權(quán)利要求15-17的交通信息檢測(cè)方法，其中在夜間時(shí)，通過檢測(cè)所述虛擬線中亮度高于預(yù)定閾值的像素來檢測(cè)通過所述虛擬線的車輛。
20.根據(jù)權(quán)利要求11的交通信息檢測(cè)方法，其中所述信息傳輸步驟通過通信網(wǎng)絡(luò)，以有線或無線方式將所提取的交通信息傳送到交通管理中心。
21.一種交通信息檢測(cè)系統(tǒng)，包括交通信息傳感器，包括圖像獲取裝置，用于生成交通現(xiàn)場(chǎng)的視頻圖像；圖像檢測(cè)裝置，其接收所述視頻圖像，并結(jié)合所述交通現(xiàn)場(chǎng)的車道位置信息，從所述視頻圖像提取交通信息；以及信息傳輸裝置，用于傳送提取的交通信息；通信網(wǎng)絡(luò)，與傳感器的信息傳輸裝置相連，用于傳送提取的交通信息到交通管理中心。
22.根據(jù)權(quán)利要求21的交通信息檢測(cè)系統(tǒng)，其中所述圖像檢測(cè)裝置包括車道定位模塊，該車道定位模塊通過檢測(cè)所述視頻圖像來獲得所述車道位置信息。
23.根據(jù)權(quán)利要求22的交通信息檢測(cè)系統(tǒng)，其中所述車道定位模塊通過對(duì)所述視頻圖像的變化進(jìn)行累積來生成活動(dòng)地圖，然后通過檢測(cè)所述活動(dòng)地圖中的局部最大值和最小值來獲得所述車道位置信息。
24.根據(jù)權(quán)利要求21的交通信息檢測(cè)系統(tǒng)，其中所述車道位置信息是預(yù)先設(shè)置的。
25.根據(jù)權(quán)利要求21的交通信息檢測(cè)系統(tǒng)，其中所述交通信息包括任意車道上的車輛計(jì)數(shù)，所述圖像檢測(cè)裝置包括車輛計(jì)數(shù)模塊，所述車輛計(jì)數(shù)模塊在所關(guān)心的車道上的不同位置處設(shè)置一條或多條虛擬線，通過檢測(cè)所述視頻圖像中所述虛擬線處的像素變化來檢測(cè)通過所述虛擬線的車輛，以獲得該條車道的車輛計(jì)數(shù)。
26.根據(jù)權(quán)利要求21的交通信息檢測(cè)系統(tǒng)，其中所述交通信息包括任意車道上的平均車速，所述圖像檢測(cè)裝置包括平均車速計(jì)算模塊，所述平均車速計(jì)算模塊在所關(guān)心的車道上設(shè)置一條虛擬線，通過檢測(cè)所述視頻圖像中所述虛擬線處的像素變化來檢測(cè)車輛通過該虛擬線所需的時(shí)間，以獲得所述平均車速。
27.根據(jù)權(quán)利要求25或26的交通信息傳感器，其中所述虛擬線垂直于所關(guān)心的車道的中心線，并且所述虛擬線的兩個(gè)端點(diǎn)分別位于所關(guān)心的車道的兩邊上。
28.根據(jù)權(quán)利要求25-27的交通信息傳感器，其中通過對(duì)若干幀圖像取平均值作為道路的初始背景，并將被檢測(cè)的圖像與所述初始背景進(jìn)行比較來確定所述虛擬線處的像素變化。
29.根據(jù)權(quán)利要求25-27的交通信息傳感器，其中在夜間時(shí)，通過檢測(cè)所述虛擬線中亮度高于預(yù)定閾值的像素來檢測(cè)通過所述虛擬線的車輛。
30.如權(quán)利要求21的交通信息檢測(cè)系統(tǒng)，其中所述通信網(wǎng)絡(luò)是有線或無線通信網(wǎng)絡(luò)，所述信息傳輸裝置通過所述通信網(wǎng)絡(luò)以有線或無線方式將所提取的交通信息傳送到交通管理中心。
全文摘要
本發(fā)明提供一交通信息傳感器，包括圖像獲取裝置，用于生成交通現(xiàn)場(chǎng)的視頻圖像；圖像檢測(cè)裝置，接收所述視頻圖像，并結(jié)合所述交通現(xiàn)場(chǎng)的車道位置信息，從所述視頻圖像提取交通信息；以及信息傳輸裝置，用于將所提取的交通信息傳送到交通管理中心。本發(fā)明還提供一交通信息檢測(cè)方法和系統(tǒng)。
文檔編號(hào)H04N7/18GK101042802SQ20061006537
公開日2007年9月26日 申請(qǐng)日期2006年3月23日 優(yōu)先權(quán)日2006年3月23日
發(fā)明者馬新宇, 賈慧星 申請(qǐng)人:安捷倫科技有限公司