亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于固定視頻圖像的高速公路交通流參數(shù)檢測(cè)研究

        2018-12-24 07:42:52曹鑫勝韓一德
        山西電子技術(shù) 2018年6期
        關(guān)鍵詞:檢測(cè)模型

        曹鑫勝,韓一德

        (1.山西省交通信息通信公司,山西 太原 030006;2.青海省高等級(jí)公路建設(shè)管理局,青海 西寧 810008)

        1 研究背景與研究現(xiàn)狀

        2015年,全國(guó)高速公路里程快速增長(zhǎng),總里程已經(jīng)達(dá)到11.7萬(wàn)公里,位居世界第一。經(jīng)過(guò)兩年的快速發(fā)展,全國(guó)高速公路每年新增5000多公里的里程,到2017年我國(guó)高速公路總程突破13萬(wàn)公里。在高速建設(shè)取得喜人成績(jī)的同時(shí),中國(guó)的汽車(chē)和駕駛員的數(shù)量也在突飛猛進(jìn)。2015年,小型載客汽車(chē)達(dá)1.36億輛,較2014年增長(zhǎng)18%,私家車(chē)數(shù)據(jù)也逐年遞增,到2017年底,全國(guó)擁有私家車(chē)的家庭數(shù)量已達(dá)到4億多戶,相當(dāng)于每三個(gè)家庭中就有一個(gè)家庭擁有一輛私家汽車(chē),與此同時(shí)駕駛員人數(shù)也在快速增長(zhǎng)。高速公路里程和機(jī)動(dòng)車(chē)駕駛?cè)藛T的迅速增長(zhǎng),在給人們生活帶來(lái)方便的同時(shí),也激發(fā)了高速公路管理方的管理需求,如果對(duì)高速公路上的交通流量進(jìn)行很好地監(jiān)測(cè),從而為人們提供很好的交通信息,正在成為高速公路管理方越來(lái)越關(guān)心的問(wèn)題。

        交通狀況的分析其中很重要的一項(xiàng)內(nèi)容是對(duì)交通流參數(shù)的檢測(cè),通過(guò)檢測(cè)交通流量,不僅可以為高速公路管理方日常運(yùn)營(yíng)管理提供支持,也是交通流理論研究、交通管理政策制定的重要依據(jù)。只有快速地采集、傳輸、利用交通信息,了解道路交通的運(yùn)行狀況,才能根據(jù)不同狀況,迅速采取應(yīng)對(duì)措施。交通流參數(shù)檢測(cè)技術(shù)主要包括環(huán)形線圈檢測(cè)、超聲波檢測(cè)、視頻檢測(cè)等。相比之下,視頻檢測(cè)具有明顯優(yōu)勢(shì),易于安裝、維護(hù)方便、費(fèi)用低、檢測(cè)范圍廣、信號(hào)能用多種方式傳輸、可以綜合分析不同區(qū)域的信息,且滿足實(shí)時(shí)要求。

        國(guó)內(nèi)外有很多關(guān)于通過(guò)視頻來(lái)檢測(cè)交通流的研究,比如美國(guó)的教授Kofler,采用基于輪廓的方法來(lái)描述運(yùn)動(dòng)中的汽車(chē),而B(niǎo)eymer教授則采用提取出角點(diǎn)特征來(lái)描述運(yùn)動(dòng)中的物體[1,2],上海交通大學(xué)的專(zhuān)家們則將攝像機(jī)標(biāo)定技術(shù)應(yīng)用于交通流參數(shù)等。除此之外,基于視頻的檢測(cè)方法主要包括均值法、中值法、幀間差分法、單高斯模型、混合高斯模型、自適應(yīng)混合高斯模型等等。

        但部分算法存在一定的問(wèn)題,如復(fù)雜度高,不適于實(shí)時(shí)交通流檢測(cè);標(biāo)定過(guò)程復(fù)雜,不適用于多個(gè)外場(chǎng)攝像機(jī);精確度不夠高等,具體情況如表1[3,4]。

        表1 前景檢測(cè)算法比較

        從表1 可以看出,混合高斯模型與自適應(yīng)混合高斯模型的精確度要遠(yuǎn)高于其他算法。尤其值得一提的是,由于混合高斯模型對(duì)于微小重復(fù)運(yùn)動(dòng)的場(chǎng)景特別有效,比如樹(shù)葉的搖動(dòng)、風(fēng)扇在旋轉(zhuǎn)、光線反射等情況,使得該模型可以廣泛應(yīng)用在復(fù)雜的視頻背景下建模。另外,基于像素的混合高斯模型能適應(yīng)背景的微小變化,比如光線的逐漸改變,且算法的計(jì)算速度較快,因此在工程應(yīng)用中有很好的適應(yīng)性。

        2 混合高斯模型介紹

        2.1 交通流參數(shù)檢測(cè)中相關(guān)概念

        2.1.1 背景與前景

        交通流參數(shù)檢測(cè),就是對(duì)高速公路中正在行駛的汽車(chē)或其他運(yùn)動(dòng)物體的檢測(cè),因此統(tǒng)稱(chēng)對(duì)運(yùn)動(dòng)物體的目標(biāo)檢測(cè)。對(duì)運(yùn)動(dòng)目標(biāo)參數(shù)提取的過(guò)程中,最重要的就是將背景和運(yùn)動(dòng)的目標(biāo)進(jìn)行區(qū)別,同時(shí)識(shí)別出運(yùn)動(dòng)目標(biāo)。而交通流參數(shù)檢測(cè)模型構(gòu)建的過(guò)程,是背景目標(biāo)提取的一個(gè)重要環(huán)節(jié)。前景是指在假設(shè)背景為靜止的情況下,任何有意義的運(yùn)動(dòng)物體即為前景。

        由于高速公路交通流參數(shù)檢測(cè)時(shí),背景的特征在一段時(shí)間內(nèi)變化不大,因此可認(rèn)為在短時(shí)間內(nèi),背景的像素點(diǎn)服從高斯分布。當(dāng)然,在工程應(yīng)用中,背景也會(huì)發(fā)生微小的變化,比如光線反射、樹(shù)葉的搖動(dòng)、風(fēng)扇在旋轉(zhuǎn),因此背景像素點(diǎn)不會(huì)呈現(xiàn)純高斯分布的現(xiàn)象,而是出現(xiàn)雙峰或多峰,因此必須采用混合高速分布的方式來(lái)建模,從而降低干擾。

        2.1.2 運(yùn)動(dòng)物體檢測(cè)

        在進(jìn)行運(yùn)動(dòng)物體檢測(cè)時(shí),根據(jù)攝像機(jī)是否固定分成兩種情況,一是攝像機(jī)固定時(shí)的檢測(cè),另一個(gè)是攝像機(jī)移動(dòng)時(shí)的檢測(cè)。根據(jù)行業(yè)內(nèi)通用的處理方案,攝像機(jī)移動(dòng)時(shí),使用光流法能很好地解決運(yùn)動(dòng)物體檢測(cè)的問(wèn)題。光流法是指通過(guò)一個(gè)圖像序列中的圖像亮度模式來(lái)捕捉運(yùn)動(dòng)目標(biāo),即空間物體表面上的點(diǎn)的運(yùn)動(dòng)速度在視覺(jué)傳感器的成像平面上的表達(dá)[5]。

        對(duì)于攝像機(jī)固定的運(yùn)動(dòng)物體檢測(cè),也可以采用光流法,但由于該方法計(jì)算比較復(fù)雜,因此很難滿足工程中實(shí)時(shí)性的要求。大量的研究表明,使用混合高斯模型,可以有效地適應(yīng)攝像機(jī)固定的運(yùn)動(dòng)物體檢測(cè)情況。因?yàn)樵跀z像機(jī)固定時(shí),背景的變化是緩慢的,而且大多都是一些光線反射、微風(fēng)吹過(guò)等微小的變化,這種場(chǎng)景特別適合使用混合高斯模型來(lái)建模,從而在圖像序列中快速地分離出背景和前景,從而達(dá)到運(yùn)動(dòng)物體檢測(cè)的目的。

        2.2 傳統(tǒng)混合高斯模型

        根據(jù)表1,混合高速模型經(jīng)常用于進(jìn)行運(yùn)動(dòng)物體的檢測(cè),但在工程應(yīng)用中,該建模方法也存在一些不好解決的問(wèn)題

        1) 當(dāng)運(yùn)動(dòng)物體在當(dāng)前圖像中停止不動(dòng),或長(zhǎng)時(shí)間停止不動(dòng)時(shí),該模型會(huì)失效,而這一點(diǎn)在高速公路領(lǐng)域經(jīng)常發(fā)生,也就是交通擁堵現(xiàn)象;

        2) 在高速公路上,經(jīng)常會(huì)有大量的緩慢行駛的車(chē)輛,特別是接近市區(qū)的時(shí)候,而對(duì)于這種情況混合高斯模型無(wú)法適應(yīng),它只能檢測(cè)到汽車(chē)的部分輪廓,無(wú)法提取出完整的目標(biāo);

        3) 當(dāng)大量緩慢行駛的車(chē)輛從慢速轉(zhuǎn)變?yōu)檫\(yùn)動(dòng)時(shí),該算法會(huì)出現(xiàn)“影子”現(xiàn)象,即將背景區(qū)域檢測(cè)為前景。

        2.3 自適應(yīng)混合高斯模型

        基于以上問(wèn)題我們選擇了自適應(yīng)混合高斯模型算法,它的主要思想是將混合高斯模型中的模型個(gè)數(shù)改進(jìn)為自適應(yīng)的,能滿足不同情況下所需要的高斯核。

        1) 用第一幀圖像對(duì)高斯混合模型進(jìn)行初始化:

        (1)

        2) 對(duì)于t時(shí)刻的像素It(x,y),分別與已經(jīng)存在的M個(gè)高斯模型一次進(jìn)行匹配:

        |It(x,y)-μi,t-1(x-y)|<2.5σi,t-1.

        (2)

        4) 未匹配模式的均值和方差不變,對(duì)匹配模式的第i個(gè)高斯模型參數(shù)進(jìn)行更新:

        (3)

        (4)

        6) 繼續(xù)對(duì)It(x,y)與上述各高斯模型進(jìn)行匹配檢驗(yàn),如果It(x,y)與前B個(gè)高斯模型的任意一個(gè)匹配,則改像素點(diǎn)為背景點(diǎn);否則為前景點(diǎn)。

        7) 重復(fù)步驟2)~6),直到視頻結(jié)束。

        自適應(yīng)選擇高斯分布的個(gè)數(shù)是每隔N幀,對(duì)高斯分布進(jìn)行一次掃描。檢查所有高斯分布的權(quán)重,如果某個(gè)高斯分布同時(shí)滿足下式:

        ωi,t<ωinit
        (ωi,t/σi,t)<(ωinit/σinit).

        (5)

        則將該高斯分布判定為多余的高斯分布,并刪除該高斯分布。最終得到需要的自適應(yīng)混合高斯分布模型。

        3 交通流參數(shù)獲取方法

        3.1 基于模擬線圈法的高速交通流量獲取

        完成自適應(yīng)高斯混合模型構(gòu)建之后,則需要利用虛擬線圈法來(lái)對(duì)車(chē)輛運(yùn)動(dòng)進(jìn)行檢測(cè)。

        在算法中,是統(tǒng)計(jì)虛擬線圈中前景像素的個(gè)數(shù)來(lái)確定車(chē)輛是否在虛擬線圈中的。也就是該方法對(duì)圖像特征描述是利用對(duì)圖像中的灰度跳變的統(tǒng)計(jì)來(lái)進(jìn)行的,其意義是很清晰明了、而且計(jì)算起來(lái)也不會(huì)復(fù)雜,可以只對(duì)部分統(tǒng)計(jì)檢測(cè)區(qū)域即可得到相關(guān)的結(jié)果,并且取得的實(shí)驗(yàn)效果也是相當(dāng)好的。

        把虛擬線圈設(shè)置到視頻圖像當(dāng)中進(jìn)行車(chē)輛檢測(cè)與識(shí)別技術(shù)就是虛擬線圈檢測(cè)法,其基本實(shí)現(xiàn)方法與使用物理線圈的檢測(cè)方法相類(lèi)似,具體效果如圖1。

        3.2 其他交通流參數(shù)計(jì)算方法介紹

        1) 速度:設(shè)兩個(gè)虛擬線圈,并且已知線圈的實(shí)際間隔距離,通過(guò)經(jīng)過(guò)兩個(gè)線圈的時(shí)間差,即可計(jì)算出該車(chē)速度。

        (6)

        2) 占有率:本算法是計(jì)算五分鐘內(nèi)的時(shí)間占有率,在車(chē)量經(jīng)過(guò)虛擬線圈的每個(gè)時(shí)刻都會(huì)記錄下來(lái)。則占有率可由以下公式得到:

        (6)

        3) 車(chē)頭時(shí)距:我們定義了車(chē)時(shí)矩指的是:前車(chē)的車(chē)尾過(guò)虛擬線圈到后車(chē)的車(chē)頭過(guò)虛擬線圈所需的時(shí)間間隔。因此,相應(yīng)的在計(jì)算車(chē)頭過(guò)虛擬線圈,為防止把噪聲認(rèn)為是車(chē)頭經(jīng)過(guò),加了一個(gè)閾值,連續(xù)兩幀都經(jīng)過(guò),且剛過(guò)去的第四幀沒(méi)有車(chē)輛經(jīng)過(guò),即視為車(chē)頭經(jīng)過(guò)。

        4) 車(chē)頭間距:由于實(shí)際情況我們的鏡頭是不動(dòng)的,因此,不一定能捕捉到一輛車(chē)和另一輛車(chē)的絕對(duì)位置的圖像。因此,我們假設(shè)車(chē)輛的速度是穩(wěn)定的。通過(guò)得到的后車(chē)與前車(chē)的車(chē)時(shí)距,與前車(chē)的速度,得到我們最終大致的車(chē)間距。

        distance=vlast×Δt.

        (8)

        圖1 虛擬線圈設(shè)置演示

        4 交通流參數(shù)實(shí)驗(yàn)結(jié)果展示

        交通參數(shù)算法指標(biāo)中,我們著重于將指標(biāo)集中于車(chē)流量這一個(gè)參數(shù),其余的參數(shù)主要和實(shí)際情況相符即可,即基本無(wú)與實(shí)際情況不符數(shù)據(jù)。我們選擇了一個(gè)視頻進(jìn)行實(shí)驗(yàn)測(cè)試算法性能,視頻都沒(méi)有給定的準(zhǔn)確車(chē)流量以及其他信息,故我們統(tǒng)計(jì)了整個(gè)視頻每3分鐘每條車(chē)道為一單元的車(chē)流量,以此得到每條車(chē)道三分鐘車(chē)流量的準(zhǔn)確率。所得到的平均準(zhǔn)確率即為算法得到的AA準(zhǔn)確率指標(biāo)。如下面式子所示:

        (9)

        由此得到的車(chē)流量的數(shù)值與準(zhǔn)確率部分情況如表2。

        表2 車(chē)流量統(tǒng)計(jì)準(zhǔn)確率

        通過(guò)得到的流量結(jié)果,按照其他交通流參數(shù)計(jì)算方法,可以得到其他交通流參數(shù)隨時(shí)間的變化情況,如圖2所示。

        圖2 其他交通流參數(shù)變化情況

        5 總結(jié)與展望

        本文介紹了基于固定視頻圖像的高速公路交通流參數(shù)檢測(cè)研究,包括車(chē)輛檢測(cè)方法以及交通流參數(shù)相關(guān)計(jì)算方法?;趫D像處理的視頻車(chē)輛檢測(cè)方法與其他車(chē)輛檢測(cè)方法相比,具有直觀、可監(jiān)視范圍廣、交通參數(shù)種類(lèi)多以及費(fèi)用低等優(yōu)點(diǎn),可廣泛使用于高速道路、匝道的交通監(jiān)控系統(tǒng)之中。

        猜你喜歡
        檢測(cè)模型
        一半模型
        “不等式”檢測(cè)題
        “一元一次不等式”檢測(cè)題
        “一元一次不等式組”檢測(cè)題
        “幾何圖形”檢測(cè)題
        “角”檢測(cè)題
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        小波變換在PCB缺陷檢測(cè)中的應(yīng)用
        国产一区二区丁香婷婷| 日本五月天婷久久网站| 亚洲午夜福利在线视频| 亚洲av无码专区亚洲av桃| 久久99精品这里精品动漫6| 97人妻精品一区二区三区免费| 极品少妇被黑人白浆直流| 男人j进女人j啪啪无遮挡| 国产AⅤ无码久久丝袜美腿| 熟女人妻一区二区中文字幕| 中文乱码字字幕在线国语| 蜜桃久久精品成人无码av| 国产精品麻豆成人AV电影艾秋| 丝袜美腿爆炒国产在线观看| 日本视频一中文有码中文| 影音先锋中文字幕无码资源站 | 久久国产精品波多野结衣av| 胳膊肘上有白色的小疙瘩| 国产一区二区三区最新地址| av鲁丝一区鲁丝二区鲁丝三区| 国产av影片麻豆精品传媒| 性感人妻一区二区三区| 91精品人妻一区二区三区久久久| 亚洲国产精品综合久久网各| 中文人妻无码一区二区三区信息| 日本视频一区二区三区三州| 加勒比色老久久爱综合网| 俺来也俺去啦最新在线| 精品国产AⅤ一区二区三区V免费 | 精品人伦一区二区三区蜜桃91| 亚洲欧美aⅴ在线资源| 亚洲精品理论电影在线观看| 亚洲一区二区三区18| 亚洲日韩在线中文字幕综合| 吃奶还摸下面动态图gif| 亚洲精品天堂在线观看| 亚洲高清一区二区三区在线播放 | 大地资源中文在线观看官网第二页 | 九九99久久精品在免费线18| av在线男人的免费天堂| 日本丰满老妇bbw|