一种交通卡口车辆对象分割和计数的方法与流程

1.本发明涉及视频图像检测技术领域，具体为一种交通卡口车辆对象分割和计数的方法。


背景技术：

2.公路的智能化监管在智能交通领域越来越受到关注，我国经济的正处于飞速发展的阶段，车辆日益增多带来了严重的交通拥堵，降低了道路的通行能力。因此，使用较新的科技方法，对道路进行智能化管理，提供道路交通流元数据是十分必要的，对监控摄像头监测的道路范围进行车辆的检测并统计车流量，从而为交通管理部门等相关行业提供数据，达到了公路智能管理与控制的目的。
3.现有技术存在以下缺陷与不足：
4.利用监控视频进行车辆的检测与车流量统计，不需安装额外的检测硬件或设施，成本低廉且具有较高的检测性能，拥有巨大的市场潜力。目前，基于监控视频的车辆检测方法对车辆的检测精度不高，尤其是对于路面的小型车辆存在检测不到等问题，从而无法在实际场景中达到预期效果。


技术实现要素：

5.针对现有技术的不足，本发明提供了一种交通卡口车辆对象分割和计数的方法，可以解决目前基于监控视频的车辆检测方法对车辆的检测精度不高，尤其是对于路面的小型车辆存在检测不到等问题；本发明通过设置一种交通卡口车辆对象分割和计数的方法，有效解决上述问题。
6.为实现上述的一种交通卡口车辆对象分割和计数的方法目的，本发明提供如下技术方案：一种交通卡口车辆对象分割和计数的方法，包括以下步骤，
7.步骤一，通过rgb相机对检测道路进行视频图像采集，运用数字图像处理方法对采集视频图像进行处理，提取200m*200m范围内的路面区域图像；
8.步骤二，利用提取的200m*200m范围内的路面区域，使用基于边缘检测的分割方法将200m*200m范围内的路面区域内的路面分割为均匀的若干区域，得到路面区域提取分割后的图像，并将分割出来的图像前景进行粘连分割处理；
9.步骤三，使用深度学习目标检测算法，对分割后的路面区域进行车辆检测，得到路面各分割区域的的车辆图像位置及车辆类别；
10.步骤四，制作背景图像，利用rgb相机采集到的图像减去背景图像从而得到一个差值图像，然后对差值图像进行处理实现车辆计数。
11.优选的，所述rgb相机对检测道路进行视频图像采集，数字图像处理方法为采用高斯混合建模方法，提取出道路场景背景图像，消除路面中车辆行驶的影响，并对采集图像进行滤波以及形态学膨胀处理得到完整图像。
12.优选的，所述基于边缘检测的分割方法为利用在区域边缘上的像素灰度值的变化
比较剧烈这一实际来解决图像分割问题。
13.优选的，所述对分割后的路面区域进行车辆检测使用orb算法提取车辆目标框中的特征点，并使用该车辆目标框中的特征点进行检测。
14.优选的，所述背景图像为rgb相机采集到的空白道路区域图像，车辆数为0，所述rgb相机采集到的图像需进行预处理，具体包括以下步骤，
15.步骤一，读取图像；
16.步骤二，转换为hsv；
17.步骤三，阈值处理；
18.步骤四，模糊处理；
19.步骤五，删除多余/不需要的区域；
20.步骤六，在原始图像上绘制轮廓；
21.步骤七，使用分水岭来检测分离轮廓；
22.步骤八，进行平均分水岭和轮廓检测以获得满意的结果。
23.与现有技术相比，本发明提供了一种交通卡口车辆对象分割和计数的方法，具备以下有益效果：
24.本一种交通卡口车辆对象分割和计数的方法，通过在交通卡口或收费站路口设置rgb相机对检测道路进行视频图像采集，运用数字图像处理方法对采集视频图像进行处理，提取200m*200m范围内的路面区域图像，对200mx200m范围内的车辆采用分割和计数的算法，能有效解决目前基于监控视频的车辆检测方法对车辆的检测精度不高，尤其是对于路面的的小型车辆存在检测不到等问题。
附图说明
25.图1为本发明结构示意图。
具体实施方式
26.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
27.请参阅图1，一种交通卡口车辆对象分割和计数的方法，包括以下步骤，首先，通过rgb相机对检测道路进行视频图像采集，运用数字图像处理方法对采集视频图像进行处理，提取200m*200m范围内的路面区域图像；其中rgb相机采集到的图像需进行预处理，具体包括以下步骤，s1，读取图像；s2，转换为hsv；s3，阈值处理；s4，模糊处理；s5，删除多余/不需要的区域；s6，在原始图像上绘制轮廓；s7，使用分水岭来检测分离轮廓；s8，进行平均分水岭和轮廓检测以获得满意的结果；然后利用提取的200m*200m范围内的路面区域，使用基于边缘检测的分割方法将200m*200m范围内的路面区域内的路面分割为均匀的若干区域，得到路面区域提取分割后的图像，并将分割出来的图像前景进行粘连分割处理；之后使用深度学习目标检测算法，对分割后的路面区域进行车辆检测，得到路面各分割区域的的车辆图像位置及车辆类别；最后制作背景图像，利用rgb相机采集到的图像减去背景图像从而得
到一个差值图像，然后对差值图像进行处理实现车辆计数。
28.综上，所述rgb相机对检测道路进行视频图像采集，数字图像处理方法为采用高斯混合建模方法，提取出道路场景背景图像，消除路面中车辆行驶的影响，并对采集图像进行滤波以及形态学膨胀处理得到完整图像，通过对采集图像进行处理提高分割和计数的准确度；所述基于边缘检测的分割方法为利用在区域边缘上的像素灰度值的变化比较剧烈这一实际来解决图像分割问题，基于边缘检测的分割方法为一种非常简单的边缘检测算法，操作方便；所述对分割后的路面区域进行车辆检测使用orb算法提取车辆目标框中的特征点，并使用该车辆目标框中的特征点进行检测，通过定点检测实现对道路目标车辆的种类以及位置的检测；所述背景图像为rgb相机采集到的空白道路区域图像，车辆数为0，通过利用rgb相机采集到的图像减去背景图像从而得到一个差值图像，然后对差值图像进行处理来实现车辆计数。
29.本发明的工作使用流程以及安装方法为，本一种交通卡口车辆对象分割和计数的方法在使用时，通过在交通卡口或收费站路口设置rgb相机对检测道路进行视频图像采集，运用数字图像处理方法对采集视频图像进行处理，提取200m*200m范围内的路面区域图像，对200mx200m范围内的车辆采用分割和计数的算法，能有效解决目前基于监控视频的车辆检测方法对车辆的检测精度不高，尤其是对于路面的的小型车辆存在检测不到等问题。
30.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
31.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。