CN102622895A - 一种基于视频的车辆速度检测方法 - Google Patents

Abstract

本发明公开了一种基于视频的车辆速度检测方法，首先获取交通道路视频，并对其做预处理得到720*288像素大小的只含灰度值信息的图像序列；其次在图像中选取2*8*90大小的车辆跟踪区域，从连续的9帧图像中提取图像投影序列；再用帧差法提取投影图像序列并选取其特征值，使用映射表中的二维映射关系(点到距离的关系)求取这些特征值点在实际道路中的位置；最后建立特征值点实际位置与时间的关系曲线图，用最小二乘法拟合车辆的速度。与现有技术相比，本发明的方法可对视频范围内所有的车辆速度进行检测，不受环境限制，能够对实时视频进行判断，且检测时间短、易于实现、准确性较高，具有广阔的应用前景。

Description

一种基于视频的车辆速度检测方法

技术领域

本发明属于视频交通检测技术领域，具体是一种基于交通视频的车辆速度检测方法。主要用于交通监管部门对道路交通信息的数据采集，可以满足交通监管部门对数据的实时性、准确性和检测精度的要求。

背景技术

车辆速度检测是指通过某种检测设备可满足对行驶在道路上的车辆速度进行检测并做数据记录，并判断其车速是否在规定时速内，用以监控车辆是否有超速行驶行为。目前交通系统中普遍存在汽车行驶违规问题，如车辆超速现象，这种行为危险性非常大，不但加大了交通监管部门的工作难度，而且更容易酿成交通事故，造成财产损失、人员伤亡等。为此，需要对车辆行驶速度进行检测，完成车辆管理的自动化、智能化，确保道路交通系统的安全与畅通。

传统的车辆速度检测方法主要是环形线圈法等，这种方法受到线圈必须固定的限制，如果道路改造需要重新铺设线圈，安装和操作不具有灵活性；其次，它无法处理机械噪声干扰、电气噪声干扰、强磁干扰等，而且很多长期积累的问题也不能得到解决，缺乏深度研究。

由于这种传统的检测技术的缺陷和不足，其市场长期处于低端运行状态，同时随着智能交通系统的技术研究越来越成熟，电子警察、信号控制等技术的推广和使用，验证了基于视频的交通检测技术市场应用前景广泛。

发明内容

针对现有车辆行驶速度检测技术的缺陷或不足，本发明的目的在于，提供一种基于视频的车辆速度检测方法，该方法可以对视频范围内所有行驶车辆进行安全准确、稳定可靠的速度检测。

为了实现上述任务，本发明采取如下的技术解决方案：

一种基于视频的车辆速度检测方法，其特征在于，按照下列步骤实施：

步骤一，获取交通道路视频图像序列：

通过视频采集设备获取交通道路视频，并对视频进行预处理，得到需求格式的视频图像序列；

步骤二，目标车辆投影序列提取：

在图像上选择一块包含车辆投影的区域，根据车尾在图像上的位置然后选择合适大小的车辆跟踪区域，并跟踪连续若干帧图像；

步骤三，帧差法提取投影图像序列并选取其特征值：

对第二步连续跟踪的若干帧跟踪区域的图像像素点做帧差，从得到的结果统计中寻找规律，选取合适的能够代表车辆特征点移动的特征值；

步骤四，查找映射表获取选择的特征值点像素到距离的映射关系：

通过视频图像序列中的像素点位置，根据映射关系求得车辆在道路上的实际位置；

步骤五，车辆行驶速度拟合：

视频图像序列播放的帧频，求得帧与帧间的时间间隔，再根据映射关系得到的车辆实际位置和时间关系建立曲线图，然后用数学的方法拟合得到车辆的行驶速度；

本发明基于视频车辆速度检测方法，与现有技术相比，可对视频范围内所有车辆速度进行检测，受环境影响较小，能够对实时视频进行检测，且检测时间短、易于实现、准确性较高，具有广阔的应用前景。

附图说明

图1为车辆速度检测系统图；

图2为实现本发明方法的流程图。

以下结合附图和实施例对本发明作进一步的详细说明。

具体实施方式

本发明的基于视频车辆速度检测方法，采用的原理是，将采集到的视频处理为一定格式大小的灰度图像序列。一辆正在移动的车，它的颜色在短时间内基本是不变的，所以车身上各个点的灰度值也基本是不变的，车辆移动时的环境或者说背景的颜色在短时间内也是不变的，背景环境各个点的灰度值也基本是不变的，所以当车辆在一定的背景环境中移动时，相邻帧之间以及每帧和背景之间的灰度都有一定的差异，这些灰度差异移动的距离就近似于车辆移动的距离。知道了车移动的距离就为速度的检测做好了铺垫，然后用数学的方法对得到的数据结果进行拟合，最终达到检测车辆速度的目的。

参见图1，本实施例给出一种基于视频的车辆速度检测方法，所采用的系统包括视频采集设备1、视频处理模块2和计算机3，过程中所处理的图像是视频图像序列中的沿正时间序列的第一帧图像、第二帧图像、第三帧图像、…、第m(m为自然数)帧图像。

具体采用以下步骤实现：

第一步：获取交通道路视频图像序列：

通过架设在交通道路上的视频采集设备1获取实时交通道路视频，经过视频处理模块2处理后，通过网络传输至交通监控中心计算机3中，然后由计算机3进一步对视频进行处理，得到720*288(宽为720个像素，高为288个像素)大小的只含有像素点灰度值信息的视频图像序列；

第二步，目标车辆投影序列提取：

在视频图像上手动选择车尾中间某个点，并以此点向上增加M行(M＝90)，左右各扩展N列(N＝8)，则选择的跟踪区域大小为2*N*M的四边形区域(值为2*8*90)，此区域也就包含了车辆的信息。如果视屏图像序列中车道线是平行的，则得到长方形区域，若车道线相交，需要注意的是选取的四边形区域在需要进行行列的比例缩放因此得到的区域的边是近似与图像中左车道线平行。取之后连续的K帧视频图像(K＝9)，从而得到连续的9帧图像中该跟踪区域的像素点的灰度信息即一组灰度值序列；

第三步，帧差法提取投影图像序列并选取其特征值：

观察连续9帧图像的跟踪区域，可以看出由于车辆在移动每相邻两帧之间的灰度值按照一定的规律在变化。该技术中采用相邻两帧的灰度帧差(其中帧差为相邻两帧图像灰度值差值的绝对值)计算投影数据，因为选取了9帧连续图像，故得到(K-1)个投影结果(即K-1＝8)。然后对投影结果的90行的2*N＝16个像素的灰度值做叠加运算，统计得到8个波形图。在每个投影序列中根据波形规律，在这个跟踪区域内找到行驶车辆车身移动的特征点的特征值。该技术中采用最大值法(波形中的最大值)取得车身特征点的特征值，根据这一系列的特征值就得到像素点在图像中的位置信息，同时也标识了车辆的运动轨迹；

第四步，查找映射表获取选择的特征值点像素到距离的映射关系：

通过视频图像序列中的特征值像素点位置信息，根据映射表中的二维映射关系(点到距离的映射)求得车辆在道路上的实际位置；

第五步，车辆行驶速度拟合：

视频图像序列播放的帧频为40ms，以及第四步中得到的特征值点的实际位置，可建立车辆实际位置和时间的关系曲线图，然后用数学的最小二乘法拟合得到车辆的行驶速度。

Claims (2)

1.一种基于视频的车辆速度检测技术，其特征在于，该方法通过下列步骤实现：

步骤一，获取交通道路视频图像序列：

通过视频采集设备获取交通道路视频，并对视频进行预处理，得到需求格式的视频图像序列；

步骤二，目标车辆投影序列提取：

在图像上选择一块包含车辆投影的区域，根据车尾在图像上的位置然后选择合适大小的车辆跟踪区域，并跟踪连续若干帧图像；

步骤三，帧差法提取投影图像序列并选取其特征值：

对第二步连续跟踪的若干帧跟踪区域的图像像素点做帧差，从得到的结果统计中寻找规律，选取合适的能够代表车辆特征点移动的特征值；

步骤四，查找映射表获取选择的特征值点像素到距离的映射关系：

通过视频图像序列中的像素点位置，根据映射关系求得车辆在路面上的实际位置；

步骤五，车辆行驶速度拟合：

视频图像序列播放的帧频求的帧与帧间的时间间隔，再根据映射关系得到的车辆实际位置和时间关系建立曲线图，然后用数学的方法拟合得到车辆的行驶速度。

2.如权利要求1所述的方法，其特征在于：

步骤一中所述的视频格式为720*288像素的灰度图像序列；

步骤二中所述的跟踪区域为2*8*90，跟踪的连续帧数为9帧；

步骤三中所述的特征值选取方法是最大值法；

步骤五中所述的车辆速度拟合方法为最小二乘法，帧频为40ms。 

Images