《一种基于视频的车辆排队长度检测方法与系统.pdf》由会员分享，可在线阅读，更多相关《一种基于视频的车辆排队长度检测方法与系统.pdf（13页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103903445 A (43)申请公布日 2014.07.02 CN 103903445 A (21)申请号 201410162991.3 (22)申请日 2014.04.22 G08G 1/01(2006.01) G06T 7/00(2006.01) G06K 9/46(2006.01) (71)申请人 北京邮电大学 地址 100876 北京市海淀区西土城路 10 号 (72)发明人 戴丽萍 喻松 陶万杰 李天歌 姜明凤 顾畹仪 (54) 发明名称 一种基于视频的车辆排队长度检测方法与系 统 (57) 摘要 本发明提供了智能交通系统中的一种基于视 频的车辆排队长度。
2、检测方法与系统， 可为缓和及 解决交通拥堵提供一定的数字依据。所述方法包 括 : 系统初始化单元， 提取信息及建立初始化参 数 ； 环境分类单元， 进行环境的分类和切换， 保证 全天候不同环境下系统的准确率 ； 车辆特征提取 单元， 提取当前环境下突出的车辆特征 ； 车辆排 队检测单元， 找到队尾， 计算排队长度。本发明利 用标准化的路面标记， 建立摄像机模型， 不需要借 助标定板， 可实时调整模型的参数以减小摄像机 的微小偏移带来的误差 ； 通过对控制感兴趣区域 的移动来寻找队尾， 可应对车辆排队过程中的空 位现象， 满足视频监控的实时性要求， 提高系统的 检测效率和准确率， 适用范围广， 。
3、稳定性和可靠性 好。 (51)Int.Cl. 权利要求书 2 页 说明书 7 页 附图 3 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书7页 附图3页 (10)申请公布号 CN 103903445 A CN 103903445 A 1/2 页 2 1. 一种基于视频的车辆排队长度检测方法与系统， 更具体的说， 此发明通过在初始化 图像中划定车道， 控制感兴趣检测区域的移动， 获取感兴趣检测区域的状态信息， 并且通过 建立摄像机成像模型来将二维图像平面的排队长度转换成实际三维空间对应的排队长度 , 来实现实时车辆排队长度的检测， 所述装置组成结构包括 ：。
4、 (1) 初始化单元， 通过对连续的 N 帧图像建立背景模型， 获取稳定的初始化背景图像和 和初始化参考图像， 在初始化参考图像中划定车道， 建立摄像机成像模型 ； (2) 环境分类单元， 通过每隔时间 T 捕获一帧图像， 计算该帧图像平均亮度值统计一天 内该值随时间的变化曲线， 分析该曲线的一阶导数， 根据分析结果进行环境分类， 并启动相 应环境的检测系统 ； (3) 车辆判定单元， 基于白天、 夜晚两种环境， 根据环境的类型， 分别提取当前环境下感 兴趣区域中目标的特征和状态， 判定目标是否为低速运行车辆 ； (4) 车辆排队检测单元， 根据车辆的存在状态和运动状态， 判断是否将当前感兴趣。
5、区域 按预先设定的规则移动到下一个感兴趣区域 ； (5)输出单元， 循环(3)和(4)， 直到找到车辆排队的队尾， 根据二维图像到三维空间的 转换关系， 从而计算并输出车辆的实际排队长度。 2.根据权利要求1所述方法， 其特征在于， 在初始化参考图像中， 利用Harris角点检测 算法找出图像中角点， 通过手工加以修正， 标定具有矩形几何特性的四个点， 同时标定待检 测的车道,然后通过摄像机标定模型可获得摄像机的如下参数 ： 平移角为p、 倾斜角为t、 旋 转角为s、 焦距为f和摄像机距离为l,从而， 可以得到二维像平面到三维世界坐标系映射关 系， 即 ： 其中， (m,n) 为图像上的点， 。
6、(x,y,0) 为实际世界坐标系的点。 3. 根据权利要求 2 所述方法， 其特征在于， 所述检测车道的标定， 具体来说， 将选取初 始化参考图像中待检测车道线上车辆排队的起始点 (start_x,start_y) 和无限远处的终 止点 (end_x,end_y)， 根据映射关系将其映射到三维世界坐标系后拟合成一条 z=f(x， y) 的三维空间的曲线， 根据以下关系式 ： 其中排队起始点(start_x,start_y)相应的三维世界坐标(x0,y0,0)点已知， 据此可得 到 z=f(x， y) 曲线上等距的点集 (xk,yk,0),(xk-1,yk-1,0)(x1,y1,0)， 再根据，。
7、 得到相应 的像平面点集 (mk,nk),(mk-1,nk-1)(m0,n0)， 根据这些点集， 将像平面上的待检测车道划分 为 k 个实际长度为 L 的感兴趣区域， 其中 L 为实际路面的车辆的平均长度 ( 包括车辆本身 的长度和其保持的车距 )。 权 利 要 求 书 CN 103903445 A 2 2/2 页 3 4. 根据权利要求 1 所述方法， 其特征在于， 在环境分类单元中， 每隔固定时间 T 捕获一 帧图像， 计算图像的平均亮度值， 并绘制一天内所获取图像的平均亮度值随时间的变化曲 线， 若曲线从平稳状态呈上升趋势， 即斜率大于零， 判断为夜晚到白天的过渡阶段， 切换为 白天检测。
8、系统 ； 若曲线从平稳状态呈下降趋势， 即斜率小于零， 判断为白天到夜晚的过渡阶 段， 切换为夜晚检测系统。 5. 根据权利要求 1 所述方法， 其特征在于， 在车辆存在判定单元中， 若检测环境为白 天， 则可以计算感兴趣区域中车辆轮廓的面积与感兴趣区域面积之比 p， 若 p 大于阈值 T1， 则认为有车辆存在 ； 若检测环境为晚上， 可以检测感兴趣区域中是否有车灯， 若存在车灯， 则认为有车辆存在 ； 在车辆状态判定单元中， 利用三帧差后两幅图像中车辆运动像素点数 之差与时间的比值 来判定车辆的运动状态。 6. 根据权利要求 1 所述系统， 其特征在于， 在车辆排队检测单元中， 根据感兴趣区。
9、域中 车辆的存在状态和运动状态， 控制感兴趣区域移动， 所述控制感兴趣区域的移动根据以下 原则 ： 1) 如果检测到第 l 个感兴趣区域存在低速行驶的车辆， 则移动到第 l+1 个感兴趣区 域 ； 2) 如果检测到第 l 个感兴趣区域不存在车辆， 则到第 l-1 个移动感兴趣区域 ； 3) 如果检测到第 l 个感兴趣区域存在处于快速行驶的车辆， 则移动到第 l-1 个感兴趣 区域。 7. 根据权利要求 1 所述系统， 其特征在于， 在输出单元中， 所述排队车辆的队尾判决可 分为四种情况 ( 假设第 n 个感兴趣区域存在低速行驶车辆 ) ： 1) 如果检测到第 n+1 个感兴趣区域存在车辆并且处。
10、于车辆低速行驶中， 暂未找到队 尾， 移动至 n+1 检测区域， 继续进行队尾检测 ； 2)如果检测到第n+1个感兴趣区域不存在车辆， 则开始检测第n+2个感兴趣区域， 若第 n+2 个感兴趣区域不存在车辆， 则找到队尾， 队尾所在区域即第 n 个检测区域 ； 3) 如果检测到第 n+1 个感兴趣区域不存在车辆， 则开始检测第 n+2 个感兴趣区域， 若 第 n+2 个感兴趣区域存在车辆， 且处于低速行驶状态， 则说明未找到队尾， 移动至 n+2 检测 区域， 继续进行队尾检测， 这种情况是由于车辆反应不及时造成的空位现象 ； 4) 如果检测到第 n+1 个感兴趣区域不存在车辆， 则开始检测第。
11、 n+2 个感兴趣区域， 若 第 n+2 个感兴趣区域存在车辆， 且处于高速行驶状态， 则说明未找到队尾， 移动至第 n 个检 测区域， 继续进行队尾检测。 8. 根据权利要求 1 所述系统， 其特征在于， 采取两种方式计算车辆排队长度， 模糊计算 和精确计算 ； 模糊计算计算方式 ： Length n*L， 其中 n 为队尾所在区域。 精 确 计 算 方 式 ： 获 取 车 辆 排 队 队 尾 的 坐 标 (x,y)， 利 用 计 算 公 式 得到排队长度。 权 利 要 求 书 CN 103903445 A 3 1/7 页 4 一种基于视频的车辆排队长度检测方法与系统 技术领域 0001 本。
12、发明涉及智能交通领域， 特别是道路交通控制和高速公路收费等系统中， 利用 检测感兴趣区域的车辆特征和状态来控制感兴趣区域移动至车辆排队队尾的系统。 背景技术 0002 随着交通运输业的迅速发展， 交通拥堵现象已经变得越来越严重。尤其高速公路 收费站和城市交通信号灯前的拥堵现象甚为突出。交通拥堵使得交通事故发生率变高， 给 人们的出行带来了极大的不便。 因此一种基于视频的车辆排队长度检测方法与系统的研究 迫在眉睫， 它能实时的获得车辆的排队长度， 并及时反馈到智能交通控制中枢控制疏导交 通， 提高智能化水平。 0003 传统的车辆排队长度检测方案是在车道入口处安装传感器式检测器。如公开号 为 C。
13、N102568215A 的专利中， 采用环形线圈、 线圈调谐回路和检测电路构成的环形线圈检测 器， 检测流量信号并将其传输至信号机， 通过信号机对流量信号的分析计算出车辆的排队 长度。 这类传感器式检测器检测车辆排队的准确性和实时性很大程度地依赖于检测器的数 量和安装位置。另外一方面， 这类传感器式检测器的一旦出现故障， 维护难度会比较大。 0004 现有的车辆排队长度检测方案是基于视频图像分析的车辆排队长度检测技术。 如 通过融合了图像的点特征 ( 角点 ) 和线特征 ( 边缘 ), 完成车流长度的检测 ( 参见李岩 等.(2003年12期).应用图像处理方法自动检测路口车辆排队长度.计算机。
14、应用与软件) ； 如通过人工标定的滑动窗口的移动来检测车辆排队长度 ( 参见公开号为 CN103258425A 的 专利 )。 0005 在实际的车辆排队视频分析时， 基于视频图像分析的车辆排队长度检测技术中， 正如上述学报提出的基于点特征(角点)和线特征(边缘)分析的车辆排队长度检测方法， 由于视频摄像机的拍摄角度的问题， 车辆拥堵时车辆之间相互的遮挡现象会造成点特征的 消失和线特征的不稳定， 以致无法准确的进行后续的车辆排队长度的计算， 最终不能达到 检测车辆排队长度的目的。正如上述专利 CN101751558A 提出通过人工标定的滑动窗口的 移动来检测车辆排队长度， 该方法所述的人工标定。
15、滑动窗口对于车辆排队长度检测有一定 的局限性， 对检测结果准确性有一定的影响， 另一方面， 该技术方案中仅针对白天环境下车 辆排队检测， 不能自适应环境的变化， 并且车辆特征选取的单一性， 将最终难以保证车辆排 队长度检测的准确性。综上所述， 目前迫切需要一种能检测全天候检测车辆排队长度的方 法及系统。 发明内容 0006 本发明实施例的目的在于提供一种基于视频摄像机的信息实时性而构建的车辆 排队长度检测方法与系统。此系统从视频流中提取出初始背景图像后， 建立起摄像机成像 模型和划定车道， 最后根据不同场景下车辆特征提取结果对车辆长度进行判决。此系统在 保证必要的信息处理实时性高的同时， 考虑。
16、到全天候环境变化使得检测的准确度得到大幅 说 明 书 CN 103903445 A 4 2/7 页 5 度提高。 0007 为满足上述目的， 根据本发明实施例提供的基于视频的烟雾检测装置与方法， 该 方法包括 ： 0008 第一步骤， 初始化单元， 通过对连续的 N 帧图像建立背景模型， 获取稳定的初始化 背景图像和和初始化参考图像， 在初始化参考图像中划定车道， 建立摄像机成像模型 ； 0009 第二步骤， 通过每隔时间 T 捕获一帧图像， 计算该帧图像平均亮度值， 统计一天内 该值随时间的变化曲线， 分析该曲线的一阶导数， 根据分析结果进行环境分类， 并启动相应 环境的检测系统。 0010。
17、 第三步骤， 基于两种环境分类 ： 白天、 夜晚。 根据环境的类型， 分别提取当前环境下 感兴趣区域中目标的特征和状态， 判定目标是否为低速运行车辆。 0011 第四步骤， 根据车辆的存在状态和运动状态， 判断是否将当前感兴趣区域按预先 设定的规则移动到下一个感兴趣区域。 0012 第五步骤， 循环第三步骤和第四步骤， 直到找到车辆排队的队尾， 根据二维图像到 三维空间的转换关系， 从而计算并输出车辆的实际排队长度。 0013 按照本发明的另一个方面， 本发明实施例提供的基于视频摄像机的车辆排队长度 检测系统， 该系统组成结构包括 ： 0014 (1) 初始化单元， 通过对连续的 N 帧图像建。
18、立背景模型， 获取稳定的初始化背景图 像和和初始化参考图像， 在初始化参考图像中划定车道， 建立摄像机成像模型 ； 0015 (2) 环境分类单元， 通过每隔时间 T 捕获一帧图像， 计算该帧图像平均亮度值， 统 计一天内该值随时间的变化曲线， 分析该曲线的一阶导数， 根据分析结果进行环境分类， 并 启动相应环境的检测系统。 0016 (3) 车辆判定单元， 基于两种环境分类 ： 白天、 夜晚。根据环境的类型， 分别提取当 前环境下感兴趣区域中目标的特征和状态， 判定目标是否为低速运行车辆。 0017 (4) 车辆排队检测单元， 根据车辆的存在状态和运动状态， 判断是否将当前感兴趣 区域按预先。
19、设定的规则移动到下一个感兴趣区域。 0018 (5) 输出单元， 循环 (3) 和 (4)， 直到找到车辆排队的队尾， 根据二维到 三维的转 换关系， 从而计算并输出车辆的实际排队长度。 0019 本发明实施方式与现有技术相比， 主要区别及其效果在于 ： 0020 现有的基于视频的车辆排队检测方法大多都是针对白天环境下的检测， 对夜晚环 境下的检测有较少的关注， 另一方面， 其检测车辆排队长度基于检测窗口的滑动， 但其对滑 动窗口的大小设定并未做过多的介绍， 人工设定的滑动窗口对检测车辆排队长度的准确性 有较大的影响。此外， 现有检测方法， 没有考虑到由于某些车辆反应不及时， 造成的疑似到 达。
20、队尾的空位现象， 这会对最终车辆排队长度即计算有很大的影响。 基于以上三点， 现有的 车辆排队长度检测对环境的自适应能力以及检测的准确度还有待于提高。 0021 本发明提出的方法， 在初始化单元中， 首先通过对连续的 N 帧图像建立背景模型， 获取稳定的初始化背景图像， 在初始化背景图像中， 通过摄像机角点检测结合手动修正， 获 取路面标记中具有矩形几何特性的四个点来构成矩形框， 完成摄像机模型的建立。进一步 地， 根据摄像机模型中的二维到三维的映射关系， 以实际路面上车辆长度 L 为依据将车道 划分为若干个感兴趣区域。相比现有车辆排队检测方法中的人工设定滑动窗口的大小， 准 说 明 书 CN。
21、 103903445 A 5 3/7 页 6 确性有了一定程度的提高。在环境分类单元中， 通过每隔 T 时间捕获一帧图像， 计算该帧图 像的整体平均亮度， 绘制整体平均亮度随时间的变化过程曲线。 分析该曲线的一阶导数， 可 以得到环境整体亮度曲线的趋势， 从而准确的启动相应环境的检测系统， 提高了车辆排队 检测的环境自适应能力。 在车辆特征提取单元中， 对于白天环境中车辆存在特征提取时， 所 采用的是对背景图像和当前帧图像分别进行差分、 二值化和 Roborts 边缘提取， 获得车辆 轮廓后对轮廓进行填充， 膨胀和腐蚀， 得到填充度完好的车辆图像， 减少由于车辆静止造成 的车辆区域空洞的影响，。
22、 从而提高了车辆特征提取的准确性。 在车辆队尾检测中， 由于某些 车辆反应不及时， 造成的疑似到达队尾的空位现象， 实际上这些检测区域的车辆仍处于排 队队列中， 本发明增加了针对这种现象的处理方式， 可以在很大程度上提高车辆排队长度 的准确性。 综上所述， 本发明提出的方法提高了检测系统对环境变化的适应能力， 具有较强 的鲁棒性。 0022 参照后文的说明和附图， 以及对本发明的实施方式的详细公开， 阐述了本发明的 其他特点及优点， 应该理解本发明的实施例仅作为示例来提供， 在所附权利要求的精神和 条款的范围内， 本发明的实时方式包括许多改变、 修改和等同。 附图说明 0023 图 1 是基于。
23、视频的车辆排队长度检测方法的系统框图 ； 0024 图 2 是初始化单元的方法示意图 ； 0025 图 3 是环境分类单元的方法示意图 ； 0026 图 4 是白天车辆特征和状态提取单元的方法示意图 ； 0027 图 5 是夜晚车辆特征和状态提取单元的方法示意图 ； 0028 图 6 是车辆排队长度检测单元的方法示意图 ； 0029 图 7 是车辆队尾检测的方法示意图。 具体实施方式 0030 下面将结合附图对本发明的实施方式进行详细描述， 所阐述的实施方式仅作为示 例性说明， 不是对本发明的限制。为使本发明的目的、 技术方案和优点更加清楚明白， 下面 将结合附图对本发明的实施方式进行详细描述。
24、。 本发明的具体实施方式还需要一些常见的 视频分析基础模块， 比如图像预处理、 背景更新等， 这里不再作说明。本发明适用于高速公 路收费站和城市交通信号灯路口。 0031 图 1 示出了按照本发明的基于视频的车辆排队长度检测方法的系统框图， 按照发 明的基于视频的车辆排队长度检测方法主要包括 4 个部分 ： 0032 第一部分， 初始化单元 101， 用来提取初始背景图像和建立摄像机模型， 选定待检 测车道并进行车道区域划分。 0033 第二部分， 环境分类单元 102， 用于实时地对当前所处的环境进行分类， 并根据分 类结果启动相应环境的检测系统。 0034 第三部分， 车辆特征提取单元 1。
25、03， 根据环境的类型， 提取当前环境下某一感兴趣 区域中的车辆突出特征和车辆的运行特征， 也即判断车辆存在和运动状态。 0035 第四部分， 车辆排队检测单元 104， 根据车辆特征提取单元中获取车辆特征和车辆 说 明 书 CN 103903445 A 6 4/7 页 7 运动状态， 控制感兴趣区域在选定车道中移动， 直至移动到车辆排队的队尾， 从而计算出车 辆排队长度。 0036 图 2 示出了按照本发明的基于视频的车辆排队长度检测方法的初始化单元的方 法示意图。 0037 在 201 中， 采用图像平均的方法， 通过计算连续 N 帧图像的平均值得到主背景图 像， 公式如 (1) 所示。假。
26、设当前图像为 Ii, 则初始背景图像 Iback为 ： 0038 0039 其中， 参考图像为 Iref Iback。 0040 在202中， 通过利用Harris角点检测算法找出图像中角点， 通过手工加以修正， 标 定具有矩形几何特性的四个点 A、 B、 C、 D， 同时标定待检测的车道。根据像平面坐标系、 摄像 机坐标系和世界坐标系的三者的转换关系， 建立起摄像 机成像模型， 由条件 AB CD 和 AC BD， 获得摄像机的如下参数 ： 平移角为 p、 倾斜角为 t、 旋转角为 s、 焦距 f、 以及摄像机镜 面垂直指向地面的距离 l。从而建立起二维像平面 (m， n) 到三维世界坐标系。
27、 (x,y,0) 的映 射关系， 映射关系式如 (2) 和 (3) 所示 ： 0041 0042 0043 在 203 中， 选取初始化参考图像中待检测车道线上排队的起始点 (start_ x,start_y) 和无限远处的终止点 (end_x,end_y)， 根据映射关系将其映射到三维世界坐 标系后拟合成一条 z=f(x， y) 的三维空间的曲线， 其中 z 0。得到关系式如 (4) 所示 ： 0044 0045 其中排队起始点 (start_x,start_y) 相应的三维世界坐标 (x0,y0,0) 点已知。因 此可得到 z=f(x， y) 曲线上等距的点集 (xk,yk,0),(xk-。
28、1,yk-1,0)(x0,y0,0)。再根据 F-1， 得 到相应的像平面点集 (mk,nk),(mk-1,nk-1)(m0,n0)， 根据这些点集， 将像平面上的待检测车 道划分为若干个长度为 L 的感兴趣区域。规定 L 为实际路面的车辆的平均长度 4 米 ( 包括 车辆本身的长度和其保持的车距 )。 0046 图 3 示出了按照本发明的基于视频的车辆排队长度检测方法的环境分类单元的 方法示意图。 0047 在 301 中， 通过每隔 T 时间获取一帧图像， 计算 t 时刻图像的整体平均亮度。设某 像素点的亮度为 Lum(i,j), 则 t 时刻整体平均亮度 L(t) 计算公式 (5) 所示。
29、 ： 0048 0049 其中 N1 i*j， 表示像素点个数， t 表示时间 ( 每天清零 )。 0050 在 302 中， 根据 L(t) 值的变化规律， 算出 L (t)。 说 明 书 CN 103903445 A 7 5/7 页 8 0051 在 303 中， 根据 302 的结果做出以下判决 ： 若 L (t)0， 则设置 status 1， 表示 当前环境为白天。 0052 在 304 中， 根据 302 的结果做出以下判决 ： 若 L (t)T2, 则表示感兴趣区域中有车辆存在， 否则不存在车辆， 其中规定 T2为 0.8。 0060 在 405 中， 获取三帧图像， 假设当前帧。
30、图像 Icur、 则前两帧图像为 Icur-1、 Icur-2， 将这 三帧图像帧差操作， 公式如 (7) 和 (8) 所示 ： 0061 Icha1 |Icur-Icur-1| (7) 0062 Icha2 |Icur-Icur-2| (8) 0063 对图像 Icha1和 Icha2图像进行二值化， 得到图像 I cha1和 Icha2， 其中， 二值化阈 值参数为 T3可以取 8 15 之间的任意整数， T4可以取 8 15 之间的任意整数。 0064 在 406 中， 分别计算 I cha1和 Icha2图像中车辆运动的区域的非零像素点数 N4 和 N5， 第 k 个感兴趣区域所有的像。
31、素点数 Nk， 获取车辆的运动状态参数， 公式如 (9) 所示 ： 0065 0066 其中 Tf与帧率有关， 在本发明中 Tf的值取 0.08。对 的状态进行判决 ： 若 T5,则表示车辆处于低速运行状态， 否则车辆处于高速运行状态， 其中T5的值取1.5 2.5 之间的任意值。 0067 图 5 出了按照本发明的基于视频的车辆排队长度检测方法的夜晚车辆特征和状 态提取单元的方法示意图。 0068 在 501 中， 获取状态 status 0， 启动夜晚车辆排队长度检测系统。 0069 在502中， 对当前帧图像进行白高帽变换， 获取包含车灯信息的二值化图像Inight。 0070 在 50。
32、3 中， 在 Inight图像中提取轮廓边界信息 ( 轮廓个数 cnt， 轮廓的中心坐 标 C i(x,y)。其中根据映射关系 F， 将像平面上的轮廓重心坐标映射成三维世界坐标 C i(x,y)， 其中 0i cnt。 0071 在 504 中， 对某一感兴趣区域中的轮廓边界信息进行分析。车辆存在的条件， 公式 说 明 书 CN 103903445 A 8 6/7 页 9 如 (10) 和 (11) 所示 ： 0072 cnt 2 (10) 0073 |C 1(x,y)-C2(x,y)| T6 (11) 0074 满足以上两个条件及存在车辆。 其中T6表示车辆车灯的固定距离， 可取值22.5 。
33、米。 0075 在 505 中， 获取三帧图像， 当前帧二值化图像 Inight和其前两帧二值化图像 Inight-1、 Inight-2， 进行三帧差操作。如公式 (12) 和 (13) 所示 ： 0076 Ich1 Inight Inight-2 (12) 0077 Ich2 Inight Inight-1 (13) 0078 在 506 中， 分别计算 Ich1和 Ich2图像中车辆运动的区域的像素点数 N6和 N7， 以及第 k 个感兴趣区域所有的像素点数 Nk。获取车辆的运动状态 , 如公式 (14) 所示 ： 0079 0080 其中 T f与帧率有关， 在本发明中 Tf的值取 0。
34、.08。 。对 的状态进行判决 ： 若T7则表示车辆处于低速运行状态， 否则车辆处于高速运行状态。 其中T7取0.3 0.6 之间的任意值。 0081 图 6 出了按照本发明的基于视频的车辆排队长度检测方法的车辆排队长度检测 单元的方法示意图。 0082 在 601 中， 表示已有前 n-1 辆车处于排队状态， 当前检测第 n 个检测区域的排队状 态。 0083 在602中， 获取当前检测区域车辆存在的状态， 并做出判决 ： En1， 跳转到603 ； En 0， 跳转到 607。 0084 在603中， 获取当前检测区域车辆运动的状态， 并做出判决 ： Sn1， 跳转到604 ； Sn 0，。
35、 跳转到 607。 0085 在 604 中， 进行车辆队尾检测， 判断当前检测区域是否为车辆排队队尾， 详细方法 示意图见图 7。 0086 在 605 中， 从 604 中获取队尾的状态值 IsFind， 并做出判决 ： IsFing 2， 跳转到 606 ； 否则， 跳转到 608。 0087 在 606 中， IsFind 2 表示已经到达排队队尾， 队尾所在区域即第 n 个检测区域。 计算车辆排队长度。采取两种方式计算车辆排队长度， 模糊计算和精确计算。 0088 模糊计算方式， 如公式 (15) 所示 ： 0089 Length n*L ； (15) 0090 精确计算方式 ： 0。
36、091 获取车辆排队队尾的坐标 (x,y)， 则排队长度 Length 计算公式 (16) 所示 ： 0092 0093 在 607 中， 控制检测区域移动至第 n-1 检测区域。 0094 在 608 中， 控制检测区域移动至第 n+IsFind+1 检测区域。 说 明 书 CN 103903445 A 9 7/7 页 10 0095 图 7 出了按照本发明的基于视频的车辆排队长度检测方法的车辆队尾检测的方 法示意图。 0096 假设第l个感兴趣区域中车辆存在状态特征为El， 车辆的运动状态为Sl， 则可以定 义如下 ： 0097 0098 在 701 中， 表示第 n 个检测区域中 En 。
37、1 且 Sn 1， 即第 n 个检测区域中存在低 速运行的车辆。 0099 在 702 中， 检测第 n+1 个检测区域 En+1的状态， 并出判决 ： En+1 0， 跳转到 703 ； 否 则， 跳转到 705。 0100 在 703 中， 检测第 n+2 个检测区域 En+2的状态， 并做出判决 En+2 0， 跳转到 704 ； 否则， 跳转到 707。 0101 在 704 中， 表示当前条件下 IsFind 2， 表示找到已经到达车辆排队队尾处。 0102 在 705 中， 检测第 n+1 个检测区域 Sn+1的状态 ,Sn+1 1， 跳转到 706。当前情形下， 基于交通规则和安。
38、全的考虑， 不应存在 Sn+1 0 的状态。 0103 在 706 中， 表示当前条件下 IsFind 0， 表示未到达车辆排队队尾处， 将检测区域 移动至第 n+IsFind+1 个检测区域， 继续进行检测。 0104 在 707 中， 检测第 n+2 个检测区域 Sn+2的状态 , 并做出判决 ： Sn+2 1， 跳转到 708 ； 否则， 跳转到 709。 0105 在708中， 表示当前条件下IsFind1， 这个状态表示第n+1个检测区域不存在车 辆， 而第 n+2 个检测区域不存在车辆， 存在低速运行的车辆。也即第 n+2 个检测区域的车辆 反应不及时， 造成的疑似到达队尾的空位现。
39、象， 实则也即第 n+2 个检测区域的车辆仍处于 排队队列中， 未找到队尾 , 将检测区域移动至第 n+IsFind+1 个检测区域， 继续进行检测。 0106 在 709 中， 表示当前条件下 IsFind 0， 表示未到达车辆排队队尾处， 将检测区域 移动至第 n+IsFind+1 个检测区域， 继续进行检测。 0107 需要说明的是， 为了突出本发明方法的创新部分， 本发明的上述各设备实施方式 中并没有提到实现该技术用到的相关常用基本单元， 但是这并不表明实施上述设备方式不 需要其他的基本单元。 说 明 书 CN 103903445 A 10 1/3 页 11 图 1 图 2 图 3 说 明 书 附 图 CN 103903445 A 11 2/3 页 12 图 4 图 5 说 明 书 附 图 CN 103903445 A 12 3/3 页 13 图 6 图 7 说 明 书 附 图 CN 103903445 A 13 。