[发明专利]一种基于不同焦距视频图像融合的交通状态识别方法

说明书

技术领域

本发明属于交通状态识别领域，具体涉及一种基于不同焦距视频图像融合的交通状态识别方法。

技术背景

交通状态识别系统的目的是监视并理解场景中交通状况，为交通参与者提供可靠的交通状况信息，使得交通参与者可以选择更好的交通路线。

到目前为止，已形成了以利用地面感应线圈、超声波、微波多普勒效应、红外检测等为手段的一系列交通状况识别方法。这些方法原理简单，物理概念清晰明确，实现起来比较容易，但是存在硬件系统复杂，安装工程量大，系统的环境适应能力较差，维修不便等缺陷，在实际使用中不能够广泛使用。目前基于视频的方法手段得到道路交通状况需要交通流量、速度测试、车辆排队长度等多个交通参数，计算量大，并且实时性不强。

BP神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。

发明内容

针对现有技术的不足和缺陷，本发明的目的在于，提供一种基于不同焦距视频图像融合的交通状态识别方法，该方法建立于不同焦距视频图像的基础上，检测出车辆的速度以及道路灰度参数，通过BP神经网络训练，达到识别交通状态的目的，从而为预测未来某个时刻的交通状态起到良好的参考作用。

本发明的技术方案是这样实现的：

一种基于不同焦距视频图像融合的交通状态识别方法，包括以下步骤：

步骤一，安装摄像机

S10，在道路旁不同位置安装第一摄像机和第二摄像机，调整两个摄像的镜头对准道路同一个位置，且两个摄像机的焦距不同；

步骤二，灰度特征参数的获取

步骤S20，对第一摄像机采集的视频图像序列进行灰度化处理；

步骤S21，对灰度化处理后的视频图像序列进行多帧平均法提取背景，背景提取公式为：

B(x,y)=1NΣk=1NFk(x,y)]]>

式中，B(x,y)表示背景图像的灰度值，F_k(x,y)表示第k帧视频图像的灰度值，N为第一摄像机初始化后采集的视频图像的帧数，N的取值为90～110；

步骤S22，通过帧差法实现背景更新，具体步骤如下：

获取第一摄像机采集的第i帧与第i-1帧视频图像，i＞N+1，按照以下公式分别进行处理：

D_i(x,y)＝|F_i(x,y)-F_i-1(x,y)|