[发明专利]一种基于视频检测的车辆测速方法

说明书

技术领域目前，智能交通系统中对车辆进行测速的方法主要有线圈测速、激光测速、雷达测速、视频测速等。线圈测速多为埋设式，在安装或维护时必须直接埋入车道。容易使路面受损，且安装过程中会暂时阻碍交通，线圈也易受到冰冻、路基下沉等因素的影响。激光测速与雷达测速方法对测速的角度要求都非常高，在实际运用中存在一定局限。基于视频检测的测速方法将摄像机安装在车道上方，拍摄车辆运动图像序列，运用图像处理与模式识别方法对接收到的图像序列进行分析，获取图像中车辆在两帧间的位移，从而得到车辆的行驶速度。

背景技术 在基于视频的测速方法中，主要需解决的问题是从图像序列中获得车辆移动的距离，即找到两张图像中车辆位置的匹配关系。常用的方法有角点检测、纹理分析、视频跟踪等，以上方法尽管能够很好地在两张图像中找到相应车辆的匹配位置，但较大的计算量则无法满足实时测速的要求。另外，用车身的不同位置进行匹配，对车辆实际移动距离的计算也有影响。本文中，通过对视频序列中车尾位置的检测，利用图像匹配方法获得车辆在图像上移动的像素差，结合相机坐标与世界坐标转换，能够在实时条件下对车辆进行精确测速。

发明内容 本发明中的基于视频的车辆测速方法总体上包含两个方面的内容：

一、运动检测

对车尾的定位依赖于对车辆运动过程的检测，本发明在视频序列图像中对运动目标进行检测的方法主要用到了帧差法，通过将两帧图像相减获得运动目标。

在本发明中，对图像序列进行帧间差计算检测车辆运动，再用sobel算子计算帧差图像的边缘获得二值图像，计算帧差图像的边缘可以去掉大面积阴影造成的影响，

令相邻帧图像分别为I₁和I₂， 计算帧差图像为：

用sobel 算子

计算出Dif的边缘图像

选取适当阈值 thresh 对该边缘图像进行二值化处理

最后，对二值图像BI中等于255的像素点个数进行统计，当该统计值大于T时，判定为检测区域存在运动

二、 运动状态判断

为了克服帧间差方法在进行运动检测时存在的不足，将整个运动检测区域分为上、下两个子区域R_上，R_下，两个子区域的面积可以不相等，甚至可以存在重叠区域，如图1所示。根据式(4)分别获得两个子区域的运动状态S_上，S_下进行运动状态判断，令S_上，S_下再分别表示检测区域的两个子区域在第n帧的运动状态，由此对车辆状态进行判定：

即在检测区域内，当拍摄车辆尾牌时，车辆应满足从该区域下端进入，上端离开的条件。

三、 车尾位置检测

当检测到车辆状态为“车尾进入”的状态，分析对应的二值图像，从子区域R_上底部向上检测到丰富边沿开始的位置，即为车尾位置。

四、基于灰度的图像匹配

由于拍摄范围较小，在两帧间，忽略车辆因远离相机产生的几何变化，根据图像块间的灰度差平方和作为匹配判定依据。

五、距离测量

考虑摄像机架设位置和角度，对两张图像中相匹配点建立车辆移动距离模型，如图1所示。图像下端位置在世界坐标中的点(即P_n)距离相机的水平距离，即图像中距离相机的最近点；D_FAR为图像上端位置在世界坐标中的点 (即P_f) 距离相机的水平距离，即图像中距离相机的最远点；O为摄像机光心；Hei为图像高度；P_v为机动车上某一点，该点在图像坐标系中的纵坐标上(即图像高度方向)对应点Q_v；dist为机动车上的点P_v距离摄像机的水平距离；Y为机动车上的点P_v 距离地面的高度。

由世界坐标中的相互关系可得：

结合图像坐标系

可得

对车辆上任意点 P_v 到相机光心连线，与相机垂直方向的夹角：

。

考虑图1中各角度的关系，可得

车辆到摄像机的水平距离为：

在完成了车尾检测之后，可计算出车辆在两帧图像中车尾距离摄像机的水平距离D_b，D_a。