一种基于视频跟踪的车辆排队长度计算方法
【技术领域】
[0001]本发明涉及智能交通领域，尤其是一种车辆排队长度的计算方法。
【背景技术】
[0002]随着城市规模扩大，机动车辆快速增长，道路拥堵已经成为严重“大城市病”。通过检测实时道路交通信息，科学分析、管理城市交通道路能大幅缓解道路拥堵等难题。准确采集、分析道路车辆排队长度是对道路交通路况的科学分析和管理的有效手段。目前基于视频的车辆排队长度检测方法主要有:基于投影法的车辆排队长度检测、基于边缘分割的车辆排队长度检测。
[0003]基于投影法的车辆排队长度检测的方法，是将检测区域的亮度在道路方向上投影，依据明(车辆)、暗(道路)类别的差别，计算分割阈值，提取排队车辆长度。该方法容易受到自然场景影响，阈值不固定。自适应阈值方法也难对车辆队尾有效判断。
[0004]基于边缘分割的车辆排队长度检测的方法，是利用排队车辆和道路背景之间的差异，尤其两者交接处的显著差异特性，提取目标边缘的一种方法。通过目标边缘从场景中分割出排队车辆，计算排队长度。该方法易受路旁建筑阴影影响很大且排队车辆尾部难确定。
[0005]在实际的车辆排队视频分析中，上述方法不稳定，且准确率低。故，需要一种新的技术方案以解决上述技术问题。
【发明内容】
[0006]本发明的目的在于更加精确的获得道路交通车辆排队长度信息，在不同应用场景，实时跟踪检测区域内运动车辆，准确计算车辆排队长度，判断道路交通状况，来有效分析和管理道路交通。
[0007]为达到上述目的，本发明可采用如下技术方案:
[0008]—种基于视频跟踪的车辆排队长度计算方法，包括以下步骤:
[0009](I)、设置视频检测区域，该视频检测区域包括位于视频检测区域一端的检测线及另一端的停车线、自检测线向停车线方向依次设置的车辆检测区域、车辆跟踪区域、停车排队判断区域;所述停车排队判断区域的末端设置为停车线;并通过固定视场的视频检测摄像机，对进入视频检测区域的车辆进行实时视频采集并传输给图像处理单元；
[0010](2)、对进入视频检测区域的运动车辆进行检测、确定运动车辆的属性;所述属性包括车型、颜色、当前位置；
[0011 ] (3)、实时跟踪运动车辆，记录运动车辆的运动轨迹；
[0012](4)、对进入停车排队检测区域的车辆进行判断是否有停车排队的发生；
[0013](5)、当道路发生停车排队时，分析跟踪区域被跟踪车辆的运动轨迹，确定排队尾部，计算排队车辆在图像中的长度。
[0014]与现有技术相比，本发明利用视频跟踪结果，有效分析道路车辆运动或者停止状态，确定道路交通状态，判断是否发生排队拥堵。根据车辆跟踪轨迹，实时判断停车线位置是否有同一辆车停止，若有停车排队，分析道路被跟踪车辆运动轨迹，确定排队长度。从而可以获得准确的道路交通车辆排队长度信息，为科学分析和管理道路交通提供依据。
【附图说明】
[0015]图1是本方法的总体流程图；
[0016]图2是基于视频跟踪的车辆排队长度计算流程图。
[0017]图3是本方法在实际道路交通应用中的布局示例图。
【具体实施方式】
[0018]下面将结合附图对本发明的实施方式进行全面详细阐述，所叙述的实施方式仅作为示例说明，不是对本发明的限制。本发明的具体实施需要一些常见的视频处理模块，如预处理、背景建模，这里不再作详细说明。本发明适用于城市道路交通信息检测系统中。得到的道路车辆排队数据信息可以传送到交通信号控制机进行道路优化控制，也可以传送到交通信息采集中心系统，为科学分析、管理道路交通提供可续依据。
[0019]首先如图3所示，需要设置视频检测区域，该视频检测区域包括位于视频检测区域一端的检测线及另一端的停车线、自检测线向停车线方向依次设置的车辆检测区域、车辆跟踪区域、停车排队判断区域;所述停车排队判断区域的末端设置为停车线。
[0020]在设置视频检测区域的基础上，请再参阅图1所示，为按照本发明的基于视频跟踪的车辆排队长度检测方法的流程图，包括:
[0021 ]视频采集，在101中，通过固定视场的视频检测摄像机，对进入视频检测区域的车辆进行实时视频采集并传输给图像处理单元；
[0022]车辆检测，在102中，对进入视频检测区域的运动车辆进行检测、确定运动车辆的属性;所述属性包括车型、颜色、当前位置;以为车辆跟踪服务；
[0023]车辆跟踪，在103中，实时跟踪运动车辆，记录运动车辆的运动轨迹；
[0024]排队判断，在104中，对进入停车排队检测区域的车辆进行判断是否有停车排队的发生；
[0025]统计排队长度，在105中，当道路发生停车排队时，分析跟踪区域被跟踪车辆的运动轨迹，确定排队尾部，计算排队车辆在图像中的长度
[0026]请再结合图2所示，按照本发明的基于视频跟踪的车辆排队长度计算流程5个步骤。包括:
[0027]第一步，在201中，对停车排队检测区域内的车辆分析，如果有同一辆车(车辆跟踪结果)长时间(设置阈值)停止则道路发生停车排队，否则没有。
[0028]第二部，在202中，当被跟踪车辆前后之间位置坐标小于一定阈值(根据实际设定)，并且该车长时间未大距离(设定阈值)移动，确定该车已经排队。
[0029]第三步，在203中，从停车线开始，依次向后分析被跟踪车辆，通过车辆当前位置坐标和移动位移及时间的属性，判断该车是否已经在排队队列中，直至满足条件的最后一辆车，得到排队队尾坐标。
[0030]第四步，在204中，用停车线坐标和排队队尾坐标计算图像中排队长度(像素为单位)，通过相机模型的映射关系，将该长度转化为实际排队长度(以米为单位)。
[0031]第五步，在205中，将得到道路停车排队长度定时发送到交通信号机或控制中心，通过对排队长度的科学分析，决策和管理道路交通，以达最优状态。
[0032]另外，本发明的具体实现方法和途径很多，以上所述仅是本发明的优选实施方式。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
【主权项】
1.一种基于视频跟踪的车辆排队长度计算方法，其特征在于，包括以下步骤: (1)、设置视频检测区域，该视频检测区域包括位于视频检测区域一端的检测线及另一端的停车线、自检测线向停车线方向依次设置的车辆检测区域、车辆跟踪区域、停车排队判断区域;所述停车排队判断区域的末端设置为停车线;并通过固定视场的视频检测摄像机，对进入视频检测区域的车辆进行实时视频采集并传输给图像处理单元； (2)、对进入视频检测区域的运动车辆进行检测、确定运动车辆的属性;所述属性包括车型、颜色、当前位置； (3)、实时跟踪运动车辆，记录运动车辆的运动轨迹； (4)、对进入停车排队检测区域的车辆进行判断是否有停车排队的发生； (5)、当道路发生停车排队时，分析跟踪区域被跟踪车辆的运动轨迹，确定排队尾部，计算排队车辆在图像中的长度。2.根据权利要求1所述的基于视频跟踪的车辆排队长度计算方法，其特征在于:在步骤(4)中，设置在停车排队判断区域的停车时间阈值，对停车排队判断区域内的车辆分析，如果有同一辆车超过停车时间阈值设置的停车时间，则判断为则道路发生停车排队。3.根据权利要求2所述的基于视频跟踪的车辆排队长度计算方法，其特征在于:在步骤(5)中，设置在停车排队判断区域的前后相邻两车辆之间的距离阈值，当被跟踪车辆前后之间位置坐标之间距离小于一定该距离阈值，并且该车在上述停车时间阈值设定的时间内未移动超过所述距离阈值，判断为该车已经排队;并从停车线开始，依次判断被跟踪车辆是否已经在排队队列中，直至满足排队条件的最后一辆车，得到排队队尾坐标;停车线坐标和排队队尾坐标之间的距离即为排队长度。
【专利摘要】本发明公开了一种基于视频跟踪的车辆排队长度计算方法，利用视频跟踪结果，有效分析道路车辆运动或者停止状态，确定道路交通状态，判断是否发生排队拥堵。根据车辆跟踪轨迹，实时判断停车线位置是否有同一辆车停止，若有停车排队，分析道路被跟踪车辆运动轨迹，确定排队长度。从而可以获得准确的道路交通车辆排队长度信息，为科学分析和管理道路交通提供依据。
【IPC分类】G08G1/01, G08G1/065
【公开号】CN105513342
【申请号】CN201510831555
【发明人】聂永明, 徐祥鹏, 成晟, 吴宣康, 毛克成, 薛庆林, 何华英, 张继峰
【申请人】南京莱斯信息技术股份有限公司
【公开日】2016年4月20日
【申请日】2015年11月25日