【摘要】 本发明公开基于视频的交通信息采集方法。该方法基于图像处理和模式识别理论，依次经过检测区域设置并进行几何校正，高斯背景建模提取出前景目标，采用分离器进行目标的识别，并将识别结果与前景区域进行匹配，消除检测的虚警，融合粒子滤波算法和车辆检测算法实现车辆的自适应跟踪，在检测结果的基础上实现有效的增加目标和目标融合，最终实现本发明的流量统计、以及速度、密度、时间占有率等参数的计算。另外，本发明根据检测跟踪结果，还可对目标进行微观交通分析，如违章停车、逆行、超速等检测。同时，可实现交通状态的判断，如拥堵检测，并可进行拥堵情况下的排队长度计算。本发明具有准确性高、计算复杂度低的优点，可满足实际应用的需要。 【专利类型】发明授权 【申请人】江苏物联网研究发展中心 【申请人类型】科研单位 【申请人地址】214135 江苏省无锡市新区菱湖大道200号中国传感网国际创新园C座4楼 【申请人地区】中国 【申请人城市】无锡市 【申请人区县】滨湖区 【申请号】CN201210269894.5 【申请日】2012-07-30 【申请年份】2012 【公开公告号】CN102768804B 【公开公告日】2014-03-26 【公开公告年份】2014 【授权公告号】CN102768804B 【授权公告日】2014-03-26 【授权公告年份】2014.0 【IPC分类号】G08G1/01; G06K9/00 【发明人】台宪青; 王艳军; 赵旦谱; 冯建帅 【主权项内容】基于视频的交通信息采集方法，其特征在于，包括以下步骤：(1)在视频图像上设置检测区域，并在调试过程中测量图像检测区域所对应的实际道路区域的尺寸，完成几何校正，把图像坐标系变换到世界坐标系；(2)采用混合高斯模型进行背景建模，实时的进行模型的更新，并提取出前景部分；(3)从样本图片集提取正样本和负样本，形成训练样本集；计算样本的矩形特征，并获得矩形特征集；采用Adaboost方法进行训练得到级联分类器；(4)采用级联分类器在检测区域上进行识别车辆，得到初步的识别结果；匹配初步识别结果与前景图像，消除检测过程中存在的虚警；(5)采用多目标粒子滤波和Adaboost检测融合的方法实现车辆目标的自适应跟踪，通过给连续几帧目标设定权值的方法，实现目标的增减；步骤2所述背景建模包括以下步骤：(2.1)通过初始背景得到当前像素点的灰度值所匹配的特定高斯分布，建立初始背景模型；(2.2)对于视频图像的每个像素点，去当前时刻的灰度值x与高斯模型依次按序比较，如果差值在一定的阈值范围内，则认为像素点与该高斯模型匹配，并实时更新高斯模型的参数，得到背景图像；(2.3)将当前帧图像与背景图像相减，得到前景图像。。-官网 【当前权利人】江苏物联网研究发展中心 【当前专利权人地址】江苏省无锡市新区菱湖大道200号中国传感网国际创新园C座4楼 【统一社会信用代码】1232020046637256X7 【引证次数】3.0 【被引证次数】2 【他引次数】3.0 【被他引次数】2.0 【家族引证次数】3.0 【家族被引证次数】42

未经允许不得转载：http://www.zhongzhencnc.com/1790320442.html