專利名稱：一種視頻測量車流平均速率的方法
技術領域：
本發明涉屬于視頻測量技術領域，具體涉及一種視頻測量車流平均速率的方法。
背景技術：
目前流行的測量車速的方法有雷達測速、地埋磁感應線圈測速等等。兩者都是測量車輛經過時的瞬時速率。這種方法雖然測量瞬時速率快速準確，卻難以對一段路段上的整體車流速做出很正確的判斷。本發明涉及的一種視頻測量車流速率方法，將交通作為一種“流”來看待，采用數字視頻處理的方法，對一段路段上的車流速率進行實時分析，從而得到該路段的擁塞情況。
發明內容
本發明的目的在于提供一種能夠實時分析路段上車流速率，從而能夠對路段上整體車流速做出正確判斷的車流平均速率測量方法。
下面簡述其原理。互相關是一種通過對應點信號相乘然后平均來比較兩個信號的方法。其公式如下R12(m)=1NΣn=0N-1x2(n)x1(n-m)······(1)]]>其中R12(m)為相關系數，N為序列長度，x2和x1為作互相關的兩個信號序列，即x2為攝像頭B采集的信號，x1為攝像頭A采集的信號，n為信號位置，m為偏移量。時域互相關函數顯示了以時間移動為參數的互相關系數曲線。該曲線度量了兩個信號的相似程度。m的變化表示了序列x1的移動，隨著序列的移動，上述計算結果的多個R12(m)形成一個向量 另一方面為了對整個視頻數據進行運算處理，序列x2也在進行移動，從而很多個 形成了一個相關系數矩陣R12。
時域互相關檢測馬路軸向上兩個數據采集點采集的數據流。采集的數據理論上可以有多種，比如壓力、電量、聲強等等，只要能反映流的某種特性，本發明采用的是視頻數據。互相關函數最大值的時間延遲即為交通流通過這兩個采集點的時間。圖1為系統測試示意圖，兩個攝像頭A，B采集馬路軸向兩個不同點的數據，采集到的時域信號signal A和signalB如圖2所示。
將攝像頭A和攝像頭B采集的信號序列x1和x2按照(1)式求互相關系數，其結果如圖3，即最大值出現在延時為m的地方，并意味著交通流從A到B需要的時間為m。
根據上述原理，本發明提出的視頻測量車流平均速率的步驟如下(1)使用兩個攝像頭拍攝馬路車流情況；(2)對兩個攝像頭A和B采集的數據進行相關性分析；(3)利用相關運算結果，得到車流經過兩點的平均速率。
其中對步驟(1)所使用的兩個攝像頭有如下要求①兩個攝像頭放置在延馬路軸向的兩個不同點上；②兩攝像頭分別拍攝馬路上的車流情況；③兩攝像頭所處的姿勢要一致；④兩攝像頭硬件須相同，并采取相同的軟件設置；⑤兩攝像頭相對于路面的位置須相同；⑥兩攝像頭相對于路面須采取相同的拍攝角度。
步驟(2)所述的對兩個攝像頭A和B采集的數據進行相關性分析，包括如下步驟(1)分別獲取兩攝像頭頭A和B拍攝的視頻流數據x1和x2；(2)根據公式(1)，將兩段視頻流在時域內做互相關運算，求取互相關系數，找到最佳匹配點。
R12(m)=1NΣn=0N-1x2(n)x1(n-m)---(1)]]>其中R12(m)為互相關系數，N為序列長度，x2和x1為作互相關的兩個信號，即x2為攝像頭B采集的信號，x1為攝像頭A采集的信號，n為信號位置，m為偏移量，表征時域信號相隔的時間，m的變化表示序列x1的移動，隨著序列的移動，由上述計算結果得到多個R12(m)，形成一個向量 另一方面對整個視頻數據進行運算處理，序列x2也在進行移動，從而得到很多個 形成一個相關系數矩陣R12；步驟(3)所述的利用相關運算結果得到車流經過兩點的平均速率，包括如下步驟對互相關運算結果m采用中值濾波器進行濾波，再根據攝像機幀率和兩個攝像頭視野間距得到車流經過兩點的平均速率。其計算公式為(假設幀率為p，兩個攝像頭視野間距為S，平均速率為v)v=Spm---(2)]]>
(1)(2)兩式各個參數取值范圍如下N作為序列長度，取值范圍 其中vmax為該道路最高限速。
而對攝像頭采集的數據x2和x1沒有特別要求。
攝像頭間距和幀率也無特別要求。
圖1、實驗系統示意圖。
圖2、信號時域波形。
圖3、互相關函數。
圖4、測量結果示意圖。
圖5、處理流程圖。
具體實施例方式
下面結合附圖進一步介紹本發明方法在一段馬路上，延馬路軸向的兩個不同點上以相同姿勢安裝兩個攝像頭A和B(參見圖1)，拍攝道路車流情況。將拍攝到的視頻數據傳輸至計算中心(可以是本地或者遠程的計算中心，系統可以為嵌入式系統或者其它系統，本發明實驗中采用PC機)，準備進行互相關系數的計算。在計算之前，須對視頻流數據進行一些預處理，步驟如下1、解壓縮一般由攝像機驅動程序自動完成。
2、去背景I1＝I0-Ibackground其中I0為讀取的原始圖像，Ibackground為背景圖像，I1為去背景之后的圖像。
3、去噪聲I2＝fm(I1)其中fm()為形態學濾波算子，I2為形態學濾波后的去噪聲圖像。
4、選擇感興趣區域是在上述去噪聲后的圖像上選定一塊區域用做計算，一般選取圖像中的道路部分。
預處理完畢之后，根據選擇的時域信號窗寬度，將兩段視頻數據根據(1)式作互相關運算(注意此時的時域信號本身是二維)。得到計算結果后，進行一定的非線性濾波，產生兩段視頻的匹配結果。利用這匹配結果和攝像頭幀率的關系，就能得到車流在經過A、B兩攝像頭所用的時間，并由此計算出車流經過這一路段的平均速率(參見圖4)。具體步驟如下1、決定用作互相關運算的序列的長度N合適的序列長度范圍如下(Spvmax,Sp)]]>其中幀率為p，兩個攝像頭視野間距為S，vmax為道路最高限速。
2、把長度為N的圖像序列中的每一幀二維圖像數據展開成一列，并把它們連接起來構成一向量x→1v=(x→1v1,x→1v2,······,x→1vN)]]>x→2v=(x→2v1,x→2v2,······,x→2vN)]]> 和 分別為 和 首尾連接而成的向量，x→1vi(i∈[1,N])]]>和x→2vi(i∈[1,N])]]>分別為攝像頭A和攝像頭B采集的數據中的某一幀圖像展開成的向量。
3、將上述結果代入公式(1)，即得R12(m)=1NΣn=0N-1x→2v(n)x→1v(n-m)]]>并且移動序列x2v和序列x1v計算各個相關系數，形成相關系數矩陣R12。
4、對于上述結果的相關系數矩陣R12，取出矩陣R12每一行中的相關系數最大值所處的位置M→=fmax(R12)]]>其中R12為前面提到的相關系數矩陣，fmax為最大值濾波器，表示求出矩陣R12中每一行最大值所處的位置的序號， 為最大值濾波結果。實際上 就是由許多偏移量m組成的向量。
5、對 采用中值濾波進行平滑M→refine=fmedian(M→)]]>結果向量 由多個經過濾波的m組成，fmedian為中值濾波器。至此，均屬于對兩攝像頭A和B采集的數據進行相關性分析。
6、計算車流速率利用上述結果向量，代入公式(2)計算車流速率
v→i=Spmi]]>其中mi(i∈[1，N])為 中的元素， 為計算結果。多個 畫成的圖如圖4所示。
操作流程圖如圖5。
實驗在多條道路上進行，實驗攝像頭A，B均采用“現代”SN9C120，分辨率320×240，圖像每個象素為24位RGB數據，幀率為30幀/秒。實驗在道路X上進行，兩攝像頭畫面中心相距295米，視頻長度為20秒，選取序列長度為150幀，測量結果示意圖樣例如圖4所示。由圖可見，所提出的方法能夠穩定準確地測量一個路段上的車流速率。
權利要求
1.一種視頻測量車流平均速率方法，其特征在于具體步驟如下(1)使用攝像頭A和攝像頭B拍攝馬路車流情況；(2)對兩個攝像頭采集的數據進行相關性分析；(3)利用相關運算結果，得到車流經過兩點的平均速率；其中對步驟(1)所使用的兩個攝像頭有如下要求①兩個攝像頭放置在延馬路軸向的兩個不同點上；②兩攝像頭分別拍攝馬路上的車流情況；③兩攝像頭所處的姿勢一致；④兩攝像頭硬件須相同，并采取相同的軟件設置；⑤兩攝像頭相對于路面的位置須相同；⑥兩攝像頭相對于路面須采取相同的拍攝角度；步驟(2)所述的對兩個攝像頭采集的數據進行相關性分析的步驟為(1)分別獲取攝像頭A和攝像頭B拍攝的視頻流數據x1和x2；(2)根據公式(1)，將兩段視頻流數據在時域內做互相關運算，求取互相關系數，找到最佳匹配點R12(m)=1NΣn=0N-1x2(n)x1(n-m)---(1)]]>其中R12(m)為相關系數，N為序列長度，n為信號位置，m為偏移量，表征時域信號相隔的時間，m的變化表示序列x1的移動，隨著序列的移動，由上述計算結果得到多個R12(m)，形成一個向量 另一方面對整個視頻數據進行運算處理，序列x2也在進行移動，從而得到很多個 形成一個相關系數矩陣R12；步驟(3)所述的利用相關運算結果，得到車流經過兩點的平均速率的具體步驟入下對互相運算結果的采用中值濾波器進行濾波，再根據攝像機幀率P和兩個攝像頭視野間距S，得到車流經過兩點的平均速率Vv=Spm---(2)]]>N作為序列長度，取值范圍為 其中vmax為該道路最高限速。
全文摘要
本發明屬于視頻測量技術領域，具體公開一種視頻測量車流平均速率的方法。該方法通過對一段馬路上沿著馬路方向不同的兩點獲取的視頻數據進行相關性分析，實時計算車流通過這兩點的時間，從而得到車流速率。相比傳統的電磁感應線圈測車速的方法，本發明使用的方法更能夠反映一段馬路上的車“流”速率，以得到該路段的正確的擁塞情況，而不僅僅得到信息量較少的瞬時車速。
文檔編號G01P5/18GK101059529SQ200710040490
公開日2007年10月24日 申請日期2007年5月10日 優先權日2007年5月10日
發明者陸起涌, 王力超, 陳熙 申請人:復旦大學