[发明专利]基于局部特征分析的车辆排队长度快速检测算法

摘要

本发明涉及一种基于局部特征分析的车辆排队长度快速检测算法，属于智能交通中的车流量检测。本发明将视频检测区域从整幅图像优化到图像的局部特征，在检测车辆排队长度这一交通信息量中仅选取包含车道画面的三列像素值，在加权重构的基础上形成一维特征数组进行分析。该发明将摄像机的成像原理简化为针孔模型，实现像素距离到实际距离的转化；使用高斯滤波与小波变换相结合减少噪声干扰，其中小波基选为db4，分解层数为3；利用局部背景差分法提取前景；最后使用可变长度滑动窗进行队尾检测。使用本发明对拍摄的交通监控视频进行测试，结果表明，该算法准确率较高运算速率快，在视野范围内误差小于5％，单帧处理耗时仅为10ms，满足实际运用需求。

主权项

1.一种基于局部特征分析的车辆排队长度快速检测算法，其特征在于，包括如下步骤：步骤一、针对摄像机成像特点建立模型，形成像素距离s到实际距离S的转换及其逆转换，建立方法如下：101、推导出摄像机针孔模型的光轴长度l：其中P点为摄像机光心在路面上的投影；H为摄像机架设的高度；a点为能够采集到的画面底边位置，对应着路面上的A点，即视野近端，PA段即为摄像机的近端盲区；成像元件光心所在位置记为b，镜头光心记为o，ob的反向延长线与路面的交点为B，图像在成像元件长度计为ab，PB段即为目标车辆距离P点的实际距离，则图像中路面的实际长度为AB，这些量可以通过实际测量，得到光轴l；102、求解像素距离s到实际距离S的互相转换：步骤二、在图像中车道所在位置按照一定的间隔提取三列像素，将两边两列的数据加权和作为第二项数据，相应插入到中间一列的像素值中组成一维特征值数组作为图像关键信息点的局部特征；步骤三、对局部特征区域进行背景差分，背景建模区域和提取特征像素的位置相同，背景的数据排列结构也与特征提取的结构相同；步骤四、利用高斯滤波和小波变换相结合的方法对一维局部特征数组做去噪处理，选取小波基为db4，分解层数为3；再进行局部特征的二值化，二值化阈值为像素均值；步骤五、队尾检测，具体算法步骤描述如下：501、计算宽度可变的滑动窗的窗宽，利用实际距离向像素距离的映射关系，以窗起点为起始位置，以车辆平均长度C为实际窗宽，求解像素窗宽W；502、利用滑动窗口在一维特征数组上进行顺序检测，计数各位置窗内的跳变次数，通过实验确定阈值Y；503、以阈值Y作为判定条件，确定队尾位置，再通过像素距离到实际距离的映射公式获得实际车辆排队长度。