CN106056926A - 基于动态虚拟线圈的视频车速检测方法 - Google Patents

Abstract

本发明公开了一种基于动态虚拟线圈的视频车速检测方法，该方法综合了虚拟线圈法和基于运动目标的测速方法的优点，通过基本线圈中图像特征不同的变化，描述车辆通过虚拟线圈不同的状态，对符合特定线圈状态的车辆生成动态虚拟线圈对该车辆进行追踪，通过跟踪一定帧数后车辆的位置坐标，得到图像坐标系下车辆移动的距离，再通过坐标的转换系数，将车辆移动的图像距离转换为世界距离，从而计算出车辆的平均速度。本发明借助局部的虚拟线圈检测车辆信息，避免了对整幅图像信息的处理，从而提高了车速检测的实时性，同时对检测到的车辆进行跟踪，又降低了车道变更情况下的错检率，实践证明有显著的工程应用价值。

Description

基于动态虚拟线圈的视频车速检测方法

技术领域

本发明涉及视频监控技术和智能交通技术领域，具体涉及一种基于动态虚拟线圈的视频车流及车速检测方法。

背景技术

近年来机动车辆数量的迅猛增加，带来了许多交通问题，如：交通拥堵、交通事故频发、交通环境恶化、交通管理落后等。对于某个路段的车速检测是分析、预警、解决这些问题的基础，车速也是智能交通系统中的重要参数。传统的车车速采用红外线、环形线圈和雷达等技术作为检测方法。这些方法有着以下一个或多个缺陷：硬件系统较复杂、系统环境适应能力差、安装灵活性不高、故障率高、维修不便。随着视频监控技术的发展，视频摄像机已经被广泛应用于对各种环境、区域和场所的监控。因此通过视频检测车速有了广泛应用的可能，相比于其他统计检测方法，视频测速技术主要有以下的优势：安装简便，无需破坏路面，施工时不影响交通，易于移动、调整检测器位置；维护费用低；直观可靠，便于管理人员干预，检测范围广，获取信息量大，还可以利用原有的监控设备，最大限度的发挥原有资源的作用；可提供现场录像，重现交通场景，为研究交通行为、改进交通管理方法和处理交通事故提供了大量的信息；对周围环境没有影响，不会造成污染，相同检测器之间也不会发生相互干扰等。

根据算法原理的不同，目前视频测速技术主要分为两大类：基于虚拟线圈的测速方法及基于运动目标的测速方法。虚拟线圈的方法主要优点是只对虚拟线圈范围内图像进行计算，因而运算量小能够满足实时性的要求，但缺点是由于该方法只是检测线圈内的图像变化判断车辆通过，未对通过线圈的车辆进行识别和跟踪，而车辆在通过虚拟线圈后可能出现车道变更的情况，这样就不能保证检测得到的是同一个目标的速度。基于运动目标的测速方法的优点是能在视频图像范围中任意场景位置测量车辆速度，并且可以有效避免因场景灰度变化，车辆临时变道，车辆目标遮挡等引起的车速误检测，具有较高的可靠性，但缺点是当交通密度较大时难以分个单个车辆，而且对多目标同时进行跟踪会使算法计算量大大增加，不易满足实时性的要求。综合两种方法的优点，本发明提供一种基于动态虚拟线圈的视频车速检测方法，该方法通过基本虚拟线圈检测车辆通过并生成动态的虚拟线圈对识别出的车辆进行跟踪，并在虚拟线圈检测过程中对跨道车辆进行了特殊处理，该方法提高了车速检测的实时性，降低了误检率。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于动态虚拟线圈的视频车速检测方法。

本发明采用如下技术方案：

一种基于动态虚拟线圈的视频车速检测方法，包括如下步骤：

步骤一视频第一帧用四边形划定待检测区域，用线段划定车道和距离补偿线段，从而确定虚拟线圈的位置；

步骤二以现实道路的黄白线的长度、宽度和线与线之间的间距建立世界坐标系，通过图像坐标系上对应黄白线坐标和建立的世界坐标系，得到由图像坐标到世界坐标的投影映射矩阵，再通过投影映射矩阵去求解坐标的转换系数；

步骤三由步骤一的距离补偿线段两端点和坐标转换系数，求距离转换的补偿率；

步骤四从步骤一确定的虚拟线圈中，提取若干种特定的图像特征，再由各特征的分类阈值对虚拟线圈的状态进行分类；

步骤五对线圈状态的分类结果进行判断，如果线圈分类显示有车辆通过，则生成一个动态线圈追踪通过车辆；

步骤六记录跟踪车辆的轨迹，由跟踪车辆的初始位置坐标和固定帧数后车辆的位置坐标，与步骤二的投影映射矩阵和步骤三的距离补偿率，可以计算一定帧数后车辆在现实世界移动的距离；

步骤七通过步骤六的跟踪车辆现实世界移动的距离与固定帧数，计算得到跟踪车辆的平均速度。

二世界坐标系，是以道路作为XOY平面建立的三维坐标系，为了简化计算假设Z＝0。在新建立的世界坐标系下，选取道路两条边界白线外侧顶点，连接为矩形，以矩形的四个顶点作为世界坐标的四个参考点，图像坐标的四个参考点在步骤一中已经被确定，通过这8个参考点建立投影映射矩阵；

求解图像坐标到世界坐标的转换系数，是由8×8维的非齐次线性方程组解得的；

求距离转换的补偿率，求解方法是由图像上的距离补偿直线两端点坐标和坐标转换系数，求解距离补偿直线在世界坐标下的距离，再通过实际距离与求解距离之差与实际距离之比得到补偿率；

若干种特定的图像特征是指：

(1)虚拟线圈内的前景面积与整个虚拟线圈面积的比例；

(2)由亮度、对比度和反映物体结构属性组成的结构相似性特征

(3)虚拟线圈左右边沿检测到的前景与整个虚拟线圈左右边沿长度的比例

虚拟线圈的状态有以下四种：

(1)未检测到车辆通过线圈；

(2)检测到车辆通过线圈，但未检测到跨边情况，且非重复车辆；

(3)检测到车辆通过线圈，同时检测到跨变情况，且非重复车辆；

(4)检测到车辆通过线圈，且是重复车辆。

只有虚拟线圈状态为以下两种状态之一生成动态虚拟线圈：

(1)检测到有车通过线圈，但未检测到跨边情况，且非重复车辆。以当前虚拟线圈内前景左右边界作为动态虚拟线圈的左右两边，以原线圈上下边界作为动态虚拟线圈的上下边界，生成动态虚拟线圈；

(2)检测到有车通过线圈，同时检测到跨变情况，且非重复车辆。以左边虚拟线圈内前景左边界作为动态虚拟线圈的左边，右边虚拟线圈内前景的右边作为动态虚拟线圈的右边，以原线圈上下边界作为动态虚拟线圈的上下边界，生成动态虚拟线圈；

虚拟线圈状态的分类方法是：通过结构相似性特征来检验虚拟线圈初始帧与当前帧的相似度，如果相似度小于阈值说明有车辆通过线圈，否则说明没有；当三个条件(a)相似度小于一定的阈值，(b)前景面积在线圈内小于阈值，(c)相邻的虚拟线圈左右边沿检测到的前景，都满足时说明检测到跨边情况；当前景检测到车辆已经通过线圈，新的车辆进入了线圈，但结构相似性特征未检测到车辆离开线圈，则说明检测到的新车辆为重复车辆。

本发明的有益效果：

本发明借助局部的虚拟线圈检测车辆信息，避免了对整幅图像信息的处理，从而提高了车速检测的实时性，同时对检测到的车辆进行跟踪，又降低了车道变更情况下的错检率，实践证明有显著的工程应用价值。

附图说明

图1是本发明的第一帧区域划定图；

图2是本发明的图像坐标图和世界坐标图；

图3是本发明的生成动态虚拟线圈图；

图4是本发明的流程图；

图5是本发明的车道图。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例

读入视频，如果是视频第一帧，则用四边形划定待检测区域，用线段划定车道和距离补偿线段，从而确定虚拟线圈的位置，如图1所示，四个标1的点表示待检测的区域，标2的线段表示划定的车道，该实施例是三车道，标3的线段包含了车道的三个虚拟线圈，标4的线段是距离补偿线段，该实施例中，补偿线段的长度是6米。

该实施例中，白线的宽度是0.15米，长度是6米，白线之间的间隔是3.75米，如图5车道图。这样建立的世界坐标如图2世界坐标系所示，以原点为起点顺时针4个坐标分别为：

(0,0)、(0,6)、(11.55,6)、(11.55,0)

其中第三个点的坐标计算公式如下式(1)所示，其中X表示横坐标，Y表示纵坐标，L_num表示车道数，L_width表示车道的宽度，L_interval表示车道的间隔。

X＝L_num×L_width+L_interval×(L_num-1) (1)

Y＝L_length (2)

该实施例中，世界坐标的四个点对应图像坐标系的坐标如图2图像坐标系所示，以左下角的坐标为起点，顺时针4个坐标分别为：

(46,197)、(86，130)、(287,148)、(309,233)

投影映射矩阵H，如下式(3)所示，其中(μ_i,v_i)表示图像坐标，(x_i,y_i)表示世界坐标；

$\left[\begin{array}{cccccccc}{\mathrm{\μ}}_0& v_0& 1& 0& 0& 0& -{\mathrm{\μ}}_0{x}_0& -v_0{x}_0\\ {\mathrm{\μ}}_1& v_1& 1& 0& 0& 0& -{\mathrm{\μ}}_1{x}_1& -v_1{x}_1\\ {\mathrm{\μ}}_2& v_2& 1& 0& 0& 0& -{\mathrm{\μ}}_2{x}_2& -v_2{x}_2\\ {\mathrm{\μ}}_3& v_3& 1& 0& 0& 0& -{\mathrm{\μ}}_3{x}_3& -v_3{x}_3\\ 0& 0& 0& {\mathrm{\μ}}_0& v_0& 1& -{\mathrm{\μ}}_0{y}_0& -v_0{y}_0\\ 0& 0& 0& {\mathrm{\μ}}_1& v_1& 1& -{\mathrm{\μ}}_1{y}_1& -v_1{y}_1\\ 0& 0& 0& {\mathrm{\μ}}_2& v_2& 1& -{\mathrm{\μ}}_2{y}_2& -v_2{y}_2\\ 0& 0& 0& {\mathrm{\μ}}_3& v_3& 1& -{\mathrm{\μ}}_3{y}_3& -v_3{y}_3\end{array}\right]---\left(3\right)$

带入(μ_i,v_i)和(x_i,y_i)，得到本实施例的投影映射矩阵为：

$\left[\begin{array}{cccccccc}46& 197& 1& 0& 0& 0& 0& 0\\ 86& 130& 1& 0& 0& 0& 0& 0\\ 287& 148& 1& 0& 0& 0& -3314.9& -1709.4\\ 309& 233& 1& 0& 0& 0& -3569& -2691.1\\ 0& 0& 0& 46& 197& 1& 0& 0\\ 0& 0& 0& 86& 130& 1& -516& -780\\ 0& 0& 0& 287& 148& 1& -1722& -888\\ 0& 0& 0& 309& 233& 1& 0& 0\end{array}\right]$

求解坐标转换系数的方程为下式(4)所示，其中H为投影映射矩阵，T为系数转换集合，T＝[a b c d e f g h]^T,R为世界坐标的集合，R＝[x₀ x₁ x₂ x₃ y₀ y₁ y₂ y₃]^T

H×T＝R (4)

本实施例解得T为

T＝[0.16 0.09 -25.7 0.03 -0.2 40.2 0.0006 0.01]^T

由图像坐标转换为现实坐标的转换公式为：

$x=\frac{a\mathrm{\μ}+bv+c}{g\mathrm{\μ}+hv+i}$

$y=\frac{d\mathrm{\μ}+ev+f}{g\mathrm{\μ}+hv+i}$

现实世界距离补偿线段两端点坐标为：，实际长度为：6米，计算长度为：6.5米，补偿率为：0.08；

第二帧开始利用ViBe算法进行背景建模及更新，并通过建模结果进行运动前景的分割，计算虚拟线圈内的前景面积与整个虚拟线圈面积的比例；开始计算虚拟线圈内图像与第二帧图像的相似度。相似度的计算方法是SSIM方法(相似度方法重点介绍)，在本实施例中如果相似度小于90，则说明有车通过线圈；当三个条件(a)相似度小于一定的阈值，(b)前景面积在线圈内小于阈值，(c)相邻的虚拟线圈左右边沿检测到的前景，都满足时说明检测到跨边情况；通过新的车辆进入了线圈，但结构相似性特征未检测到车辆离开线圈，则说明检测到的新车辆为重复车辆。

只有以下两种情况生成动态虚拟线圈，且相应的生成方法为：

(1)检测到有车通过线圈，但未检测到跨边情况，且非重复车辆。以当前虚拟线圈内前景左右边界作为动态虚拟线圈的左右两边，以原线圈上下边界作为动态虚拟线圈的上下边界，生成动态虚拟线圈；

(2)检测到有车通过线圈，同时检测到跨变情况，且非重复车辆。以左边虚拟线圈内前景左边界作为动态虚拟线圈的左边，右边虚拟线圈内前景的右边作为动态虚拟线圈的右边，以原线圈上下边界作为动态虚拟线圈的上下边界，生成动态虚拟线圈；

生成的追踪结果如图3所示，图中1代表基本的虚拟线圈，2代表生成的动态虚拟线圈。

本实施例借助局部的虚拟线圈检测车辆信息，避免了对整幅图像信息的处理，从而提高了车速检测的实时性，同时对检测到的车辆进行跟踪，又降低了车道变更情况下的错检率，实践证明有显著的工程应用价值

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种基于动态虚拟线圈的视频车速检测方法，包括如下步骤：

步骤一视频第一帧用四边形划定待检测区域，用线段划定车道和距离补偿线段，从而确定虚拟线圈的位置；

步骤二以现实道路的黄白线的长度、宽度和线与线之间的间距建立世界坐标系，通过图像坐标系上对应黄白线坐标和建立的世界坐标系，得到由图像坐标到世界坐标的投影映射矩阵，再通过投影映射矩阵去求解坐标的转换系数，其中，世界坐标与图像坐标的关系；

步骤三由步骤一的距离补偿线段两端点和坐标转换系数，求距离转换的补偿率；

步骤四从步骤一确定的虚拟线圈中，提取若干种特定的图像特征，再由各特征的分类阈值对虚拟线圈的状态进行分类；

步骤五对线圈状态的分类结果进行判断，如果线圈分类显示有车辆通过，则生成一个动态线圈追踪通过车辆；

步骤六记录跟踪车辆的轨迹，由跟踪车辆的初始位置坐标和固定帧数后车辆的位置坐标，与步骤二的投影映射矩阵和步骤三的距离补偿率，可以计算一定帧数后车辆在现实世界移动的距离；

步骤七通过步骤六的跟踪车辆现实世界移动的距离与固定帧数，计算得到跟踪车辆的平均速度。

2.根据权利要求1所述的方法，其特征在于，所述步骤二世界坐标系，是以道路作为XOY平面建立的三维坐标系，为了简化计算假设Z＝0。在新建立的世界坐标系下，选取道路两条边界白线外侧顶点，连接为矩形，以矩形的四个顶点作为世界坐标的四个参考点，图像坐标的四个参考点在步骤一中已经被确定，通过这8个参考点建立投影映射矩阵。

3.根据权利要求1所述的方法，其特征在于，所述步骤二求解图像坐标到世界坐标的转换系数，是由8×8维的非齐次线性方程组解得的。

4.根据权利要求1所述的方法，其特征在于，所述步骤三求距离转换的补偿率，求解方法是由图像上的距离补偿直线两端点坐标和坐标转换系数，求解距离补偿直线在世界坐标下的距离，再通过实际距离与求解距离之差与实际距离之比得到补偿率。

5.根据权利要求1所述的方法，其特征在于，所述步骤四若干种特定的图 像特征是指：

(1)虚拟线圈内的前景面积与整个虚拟线圈面积的比例；

(2)由亮度、对比度和反映物体结构属性组成的结构相似性特征

(3)虚拟线圈左右边沿检测到的前景与整个虚拟线圈左右边沿长度的比例。

6.根据权利要求1所述的方法，其特征在于，所述步骤四虚拟线圈的状态有以下四种：

(1)未检测到车辆通过线圈；

(2)检测到车辆通过线圈，但未检测到跨边情况，且非重复车辆；

(3)检测到车辆通过线圈，同时检测到跨变情况，且非重复车辆；

(4)检测到车辆通过线圈，且是重复车辆。

7.根据权利要求1所述的方法，其特征在于，所述步骤五只有虚拟线圈状态为以下两种状态之一生成动态虚拟线圈：

(1)检测到有车通过线圈，但未检测到跨边情况，且非重复车辆。以当前虚拟线圈内前景左右边界作为动态虚拟线圈的左右两边，以原线圈上下边界作为动态虚拟线圈的上下边界，生成动态虚拟线圈；

(2)检测到有车通过线圈，同时检测到跨变情况，且非重复车辆。以左边虚拟线圈内前景左边界作为动态虚拟线圈的左边，右边虚拟线圈内前景的右边作为动态虚拟线圈的右边，以原线圈上下边界作为动态虚拟线圈的上下边界，生成动态虚拟线圈。

8.根据权利要求6所述的方法，其特征在于，所述虚拟线圈状态的分类方法是：通过结构相似性特征来检验虚拟线圈初始帧与当前帧的相似度，如果相似度小于阈值说明有车辆通过线圈，否则说明没有；当三个条件(a)相似度小于一定的阈值，(b)前景面积在线圈内小于阈值，(c)相邻的虚拟线圈左右边沿检测到的前景，都满足时说明检测到跨边情况；当前景检测到车辆已经通过线圈，新的车辆进入了线圈，但结构相似性特征未检测到车辆离开线圈，则说明检测到的新车辆为重复车辆。