[发明专利]一种基于双目立体视觉系统的车辆智能测速方法

说明书

本发明提出了一种基于双目立体视觉系统的车辆智能测速方法，其步骤如下：车牌作为检测特征对SSD神经网络进行训练得到车牌识别模型；对双目立体视觉系统进行标定获取两部相机的自身参数和外部参数；利用车牌识别模型对获取的视频帧进行车牌检测，定位出目标车辆的车牌位置；基于特征的匹配算法对车牌位置进行特征点提取和立体匹配；对保留的匹配点进行筛选和剔除，保留位置最接近车牌中心的匹配点的坐标；对筛选后的匹配点对进行立体测量，获取空间坐标下的位置；计算目标车辆在一定时间内通过的距离，获得目标车辆运行速度。本发明安装调试简易、可以同时自动识别经过训练的多种特征，能够更好地满足未来智能交通网络及物联网的发展需求。

技术领域

本发明涉及双目立体视觉的技术领域，尤其涉及一种基于双目立体视觉系统的车辆智能测速方法。

背景技术

传统的交通监控系统通常是通过安装在道路上方或者侧面的摄像设备对道路进行拍摄，进而配合预埋线圈或者雷达、激光雷达等方式检测超速行为并拍照取证，需要多个系统配合工作才可以完成测速、车牌识别、取证并记录的工作，安装铺设和调试工作相对复杂。而对于其他违规驾驶行为，诸如驾驶过程中接听电话、未系安全带等行为通常还需要人为查看视频或图像记录进行检测。而面对越来越多的车辆，人工检测违规行为的方式显然将无法满足未来道路监控发展的需求。智能交通的建设迫在眉睫。

双目立体视觉系统是机器视觉领域的一个十分经典的视觉体系，它利用两部摄像机获取一对存在一定视差的视频图像，通过对两幅图像中差异进行计算即可获取物体在现实三维空间中的一些状态。用的雷达、激光等测速方法，需破坏道路埋设线圈且不能同时测量视野内所有车辆目标，不能够在起伏路段及转向路段完成车辆测速。

发明内容

针对现有车辆测速方法需要破坏道路且不能测量视野内的所有车辆的技术问题，本发明提出一种基于双目立体视觉系统的车辆智能测速方法，利用双目立体视觉系统测速具有探测隐秘性，无需破坏道路埋设线圈且可以同时测量视野内所有车辆目标，能够在起伏路段及转向路段完成车辆测速。。

为了达到上述目的，本发明的技术方案是这样实现的：一种基于双目立体视觉系统的车辆智能测速方法，其步骤如下：

步骤一：将带有车牌的图像组成的数据集输入SSD神经网络，车牌作为检测特征对SSD神经网络进行训练得到车牌识别模型；

步骤二：将双目立体视觉系统架设在车道右侧、中间或上方，利用对双目立体视觉系统进行标定获取两部相机的自身参数和外部参数；利用标定后的双目立体视觉系统拍摄运动的目标车辆的视频；

步骤三：利用步骤一训练好的车牌识别模型对标定好的双目立体视觉系统获取的视频帧进行车牌检测，定位出目标车辆的车牌位置；

步骤四：利用基于特征的匹配算法对同一相机的前后帧图像中车牌位置进行特征点提取和立体匹配，通过单应性矩阵过滤后保留正确的匹配点；利用基于特征的匹配算法对双目立体视觉系统左右路对应视频帧中的对应车牌进行特征点提取和立体匹配，利用单应性矩阵过滤后将正确的匹配点进行保留；

步骤五：对步骤四保留的匹配点对进行进一步筛选，然后利用双目立体视觉系统测距的方法对筛选后的匹配点进行剔除，保留位置最接近车牌中心的匹配点的坐标作为当前帧中目标车辆所处的位置；

步骤六：利用双目立体视觉系统对筛选后的匹配点对进行立体测量，获取空间坐标下的位置；通过位置信息计算目标车辆在一定时间内通过的距离，获得目标车辆运行速度。

所述步骤一中的SSD神经网络是在经典SSD神经网络的基础上去除了卷积层conv11_2，采用conv4_3、conv7、conv8_2、conv9_2、conv10_2和conv11_2层，将各卷积层提取的不同尺度的特征信息进行融合并输入到分类器中，车牌识别模型通过分类器输出的特征图预测车牌的位置。