CN103413325B - 一种基于车身特征点定位的车速鉴定方法 - Google Patents

Abstract

本发明公开了一种基于车身特征点定位的车速鉴定方法，包括以下步骤：视频分析；特征点的提取与定位；帧间插值；速度的计算。本发明提出了一种基于车身特征点定位和帧间插值的车速鉴定方法。采用基于Sobel算子的边缘检测算法提取车身上的特征点，避免人工提取带来的误差。计算车速时，两特征点通过固定点的时间间隔由帧间插值的方式来精确确定，避免因帧率引起的计算误差。此外，本发明在提高上述特征点定位精度和时间间隔计算精度的同时，可以获得车辆在视频范围内任意时刻的车速，绘制出车辆连续的速度变化曲线，有利于车辆行驶状态分析和事故过程重建。

Description

一种基于车身特征点定位的车速鉴定方法

技术领域

本发明属于基于视频图像的车速鉴定领域，涉及到一种车身特征点的提取方法，特别涉及到一种基于车身特征点定位的车速鉴定方法。

背景技术

视频监控越来越多的应用于交通控制和社会安防，利用视频图像鉴定交通事故中车辆的行驶速度已经成为交通事故调查的关键环节。其中，基于车身特征点计算车速是最常用的车速鉴定方法之一，其基本思路是：在被鉴定车辆上选择两个特征点，观测两个特征点通过空间中某一点i的时间间隔Δt_i，此时间间隔为两特征点通过固定点的帧数差/帧率。测量车身上这两个特征点的水平距离L，利用速度－时间－位移公式计算车辆通过该空间点时的速度v_i＝L/Δt_i。

上述基于车身特征点的车速鉴定方法简单可行，但存在以下两个缺陷：(1)特征点提取会因为提取人的主观任意性而缺乏准确性，此处会产生较大的像素误差。(2)帧率并非无限大，帧与帧之间总会存在时间间隔，特征点与固定点重合的时刻极有可能出现在帧间间隔中，致使两特征点通过固定点的时间间隔Δt_i无法精确计算，产生因帧率引起的误差。

发明内容

为解决现有方法存在的上述问题，本发明要提出一种既可以避免人工提取带来的误差，又可以避免因帧率引起的计算误差的基于车身特征点定位的车速鉴定方法。

为实现上述目的，本发明的技术方案是：一种基于车身特征点定位的车速鉴定方法，包括以下步骤：

A、视频分析

首先分析视频图像，确定视频中的目标车辆，即需要鉴定车速的车辆，确定其进入视频的时间和离开视频的时间，将进入视频的时间定为0时刻；记录视频的格式、帧率及每帧图像的像素分辨率，将目标车辆出现至消失时间范围内的视频按帧率分解成图像序列，将0时刻的图像标记为第1帧，按时间顺序用自然数标记其余图像；

B、图像序列处理

B1、特征点的选择

选择一帧包含整车的图像，在图像中的车身上选择两个特征点，特征点的选择应符合以下条件：

B11、具有明显的边缘特征；所述明显的边缘特征指的是在特征点周围，图像的亮度有明显的变化，这样便于提取出有效的边缘；

B12、两特征点的水平距离必须是已知的或便于测量的；

B13、两特征点间的距离尽可能大一些；将率先从视频图像中消失的特征点记为特征点2，另一个特征点记为特征点1；特征点确定后，挑选出所有包含特征点的图像并剔除其余图像；

B2、特征点的提取与定位

对所有包含特征点的图像：基于Matlab图像处理工具箱，采用其中基于Sobel算子边缘检测函数获取图像边缘信息图像；调整其中Sobel算子阈值参数，确保特征点处的边缘信息能够被清晰提取，得到具有单像素宽度的边缘图像；将边缘图像投射到原图像中，可精确分辨出特征点1、特征点2的像素位置；对图像序列中的每一帧图像：以图像左下角为原点，建立二维坐标，以像素为单位，水平轴为X轴，竖直轴为Y轴；将特征点1、特征点2投影到水平轴上，记录投影位置的X轴坐标，记录此图像对应的时间，实现对各帧图像中特征点的定位；时间＝(图像编号-1)/帧率；

B3、帧间插值

建立二维坐标系，X轴表示特征点位置，其单位为像素；Y轴表示视频时间，其单位为秒；根据步骤B2中得到的各帧图像中特征点的位置与时间关系，将每帧图像的特征点1绘入坐标系中；采用Matlab的spline三次样条插值函数，生成特征点1位置随时间变化的连续的拟合曲线，将其命名为x₁-t，同理得到特征点2位置随时间变化的连续的拟合曲线，命名为x₂-t；

C、速度的计算

在步骤B3所述坐标系中，对于图像中的任一横坐标位置x_i，过此点做平行Y轴的直线，其与x₁-t交点的纵坐标为特征点1经过该位置的时间t_i1，其与x₂-t的交点的纵坐标为特征点2经过该位置的时间t_i2，若已知两特征点间的水平距离为L₀，则车辆通过该位置的速度v_i由下式求得：

v_i＝L/Δt_i＝L₀/(t_i1-t_i2)米/秒＝3.6×L₀/(t_i1-t_i2)公里/小时。

与现有技术相比，本发明的有益效果和益处是：

1、本发明提出了一种基于车身特征点定位和帧间插值的车速鉴定方法。采用基于Sobel算子的边缘检测算法提取车身上的特征点，避免人工提取带来的误差。计算车速时，两特征点通过固定点的时间间隔由帧间插值的方式来精确确定，避免因帧率引起的计算误差。此外，本发明在提高上述特征点定位精度和时间间隔计算精度的同时，可以获得车辆在视频范围内任意时刻的车速，绘制出车辆连续的速度变化曲线，有利于车辆行驶状态分析和事故过程重建。

2、本发明在特征点的提取上，采用基于Sobel算子的边缘检测算法提取车身上的特征点，避免了人工提取特征点时的不确定性，避免像素误差。

3、本发明在计算车速时，两特征点通过固定点的时间间隔通过帧间插值的方式来精确确定，避免因帧率引起的计算误差。

4、本发明可以获得车辆在视频范围内任意时刻的车速，绘制出车辆连续的速度变化曲线，有利于车辆行驶状态分析和事故过程重建。

附图说明

本发明共附图6幅，其中：

图1是本发明的流程图。

图2是特征点的选择示意图。

图3是车速计算涉及的部分图像序列。

图4是第24帧图像的边缘图像。

图5是x₁及x₂的位置-时间曲线。

图6视频图像内车速随时间的变化关系。

具体实施方式

下面结合技术方案和附图对本发明进一步说明。如图1所示，一种基于车身特征点定位的车速鉴定方法，设视频图像的分辨率为640×480像素，视频格式为avi。被鉴定车辆为视频中一中型普通客车，其基本外廓信息与局部测量信息是已知的。具体包括以下步骤：

A、视频分析

视频图像的时长为10.50秒，分辨率为640*480像素。帧率为30帧/秒，被鉴定车辆于7.4秒进入视频，9.0秒完全离开视频，运用Matlab软件按帧率分解此段时间内视频图像，共计1.6*30＝48帧，按时间顺序对其编号。

B、图像序列处理

第一步：对图像序列时间轴进行定义：定义第一帧图像时刻为0s。选取一帧具有被鉴定车辆整车的图像。建立二维坐标系，单位为像素，选择车身上两个特征点如图2所示：特征点1为后轮前端轮辋与轮胎的交界点，其在图像坐标系X轴的投影为x₁-t；特征点2为前轮前端轮辋与轮胎的交界点，其在图像坐标系X轴的投影为x₂-t。两个特征点位于轮辋和轮胎的交界处，在图像上具有明显的边缘特征，便于边缘提取。两特征点的水平距离与汽车的轴距相等，汽车轴距的距离为2590mm。基于选定的两个特征点的位置，确定车速的计算从特征点2出现在视频中的时刻开始(第3帧图像，对应时间t＝(3-1)/30fps＝0.07s)，到特征点1从视频中消失的时刻结束(第46帧图像，对应时间t＝(46-1)/30fps＝1.50s)，共44帧图像，截取此44帧图像，去掉其余图像。列举部分图像如图3所示。

第二步：基于Matlab中图像处理工具箱，采用其中基于Sobel算子的边缘检测函数提取各帧图像的边缘图像，调整Sobel算子阈值的大小，确保成像质量，本实例中Sobel算子的检测阈值参数最终选定在0.02，成像效果良好，共获得44帧边缘图像。将边缘图像投影到与之对应的原图像中，精确确定特征点1、特征点2位置，如图4所示。对图像序列中的每一帧图像进行如下操作：以图像左下角为原点，测量特征点到原点的以像素为单位的水平距离，并记录此图像对应的时间，时间＝(图像编号-1)/帧率。

第三步：建立如图5所示坐标系，坐标系横轴为图像坐标系的X轴，坐标系纵轴为时间，根据上述步骤中得到的各帧图像中特征点的位置与时间关系，将每帧图像的特征点1绘入坐标系中用“·”表示，连接所有的“·”，插值生成的位置-时间曲线x₁-t。用“o”表示特征点2,同理得到的位置-时间曲线x₂-t。

C、车速计算

对于图5中坐标系中的任一横坐标位置x_i，过此点做Y轴平行线，平行线与曲线x₁-t交点的纵坐标为t_i1，与曲线x₂-t交点纵坐标为特征点2经过该位置的时间t_i2，利用公式v_i＝L/Δt_i＝L₀/(t_i1-t_i2)米/秒＝3.6×L₀/(t_i1-t_i2)公里/小时，既可求得汽车经过x_i的速度。视频录像范围内的车速随时间变化的曲线如图6所示。其平均车速可由下方法求得：特征点2出现在视频图像时的速度v₀为34.3km/h(9.53m/s)，对应时间t₀＝0.07s，特征点1离开视频录像时的速度v_n为36.1km/h(10.03m/s)，对应时间t_n＝1.24s。平均车速v计算如下：

v＝(v_n+v₀)/2＝(34.3+36.1)/2＝35.2km/h

加速度a计算如下：

a＝(v_n‐v₀)/(t_n‐t₀)＝(10.03‐9.53)/(1.24‐0.07)＝0.43m/s²

基于以上分析，中型普通客车通过视频时的速度范围为34.3km/h‐36.1km/h，分别对应进入视频时的速度和离开视频时的速度，平均速度为35.2km/h。加速度为0.43m/s²，与实际情况相符。

Claims (1)

1.一种基于车身特征点定位的车速鉴定方法，其特征在于：包括以下步骤：

A、视频分析

首先分析视频图像，确定视频中的目标车辆，即需要鉴定车速的车辆，确定其进入视频的时间和离开视频的时间，将进入视频的时间定为0时刻；记录视频的格式、帧率及每帧图像的像素分辨率，将目标车辆出现至消失时间范围内的视频按帧率分解成图像序列，将0时刻的图像标记为第1帧，按时间顺序用自然数标记其余图像；

B、图像序列处理

B1、特征点的选择

选择一帧包含整车的图像，在图像中的车身上选择两个特征点，特征点的选择应符合以下条件：

B11、具有明显的边缘特征；所述明显的边缘特征指的是在特征点周围，图像的亮度有明显的变化，这样便于提取出有效的边缘；

B12、两特征点的水平距离必须是已知的或便于测量的；

B13、将率先从视频图像中消失的特征点记为特征点2，另一个特征点记为特征点1；特征点确定后，挑选出所有包含特征点的图像并剔除其余图像；

B2、特征点的提取与定位

对所有包含特征点的图像：基于Matlab图像处理工具箱，采用其中基于Sobel算子边缘检测函数获取图像边缘信息图像；调整其中Sobel算子阈值参数，确保特征点处的边缘信息能够被清晰提取，得到具有单像素宽度的边缘图像；将边缘图像投射到原图像中，精确分辨出特征点1、特征点2的像素位置；对图像序列中的每一帧图像：以图像左下角为原点，建立二维坐标，以像素为单位，水平轴为X轴，竖直轴为Y轴；将特征点1、特征点2投影到水平轴上，记录投影位置的X轴坐标，记录此图像对应的时间，实现对各帧图像中特征点的定位；时间＝(图像编号-1)/帧率；

B3、帧间插值

建立二维坐标系，X轴表示特征点位置，其单位为像素；Y轴表示视频时间，其单位为秒；根据步骤B2中得到的各帧图像中特征点的位置与时间关系，将每帧图像的特征点1绘入坐标系中；采用Matlab的spline三次样条插值函数，生成特征点1位置随时间变化的连续的拟合曲线，将其命名为x₁-t，同理得到特征点2位置随时间变化的连续的拟合曲线，命名为x₂-t；

C、速度的计算

在步骤B3所述坐标系中，对于图像中的任一横坐标位置x_i，过此点做平行Y轴的直线，其与x₁-t交点的纵坐标为特征点1经过该位置的时间t_i1，其与x₂-t的交点的纵坐标为特征点2经过该位置的时间t_i2，若已知两特征点间的水平距离为L₀，则车辆通过该位置的速度v_i由下式求得：

v_i＝L/Δt_i＝L₀/(t_i1-t_i2)米/秒＝3.6×L₀/(t_i1-t_i2)公里/小时。