CN107292932B - 基于图像膨胀率的迎面视频测速方法 - Google Patents

Abstract

一种基于图像膨胀率的迎面视频测速方法，通过在运动物体的轮廓内部选取特征线，并记录特征线的实际长度H及其在初始时刻t₀的图像中的长度h₀，通过比较物体初始时刻图像和下一时刻图像的像素点数获得初始时刻的图像膨胀率σ₀，而后根据相似三角形原理计算初始时刻物体速度v₀，计算下一时刻图像中特征线的长度h₁，重复上述过程得到其余时刻的物体速度，本发明根据视频中车辆的图像膨胀率来确定车速，算法简单，易于实现，同时利用了被测物体截面的所有图像信息，准确度高，稳定性好，不涉及硬件成本，克服了传统测量方法处理复杂的缺陷，解决了传统算法无法解决的视线与运动方向平行的情形，可以应用于交通事故中车辆速度的测量以及摄像头的实时监控。

Description

基于图像膨胀率的迎面视频测速方法

技术领域

本发明涉及的是一种速度测试领域的技术，具体是一种基于图像膨胀率的迎面视频测速方法。

背景技术

在交通事故处理中，车辆速度的判定直接影响事故起因分析以及责任的认定。车速检测方法有雷达测速、激光测速、感应线圈测速、IC卡测速等等。随着计算机和图像采集设备性能的提高，视频测速也成为了一种新的测速手段。

视频测速主要是通过视频中的图像信息，利用图像处理技术手段来获取车辆的行驶速度。当前的处理方法包括虚拟线圈法和定位追踪法，都主要集中于俯视的角度，从侧面跟踪车辆的运动轨迹，利用地面为背景来提取车辆的位置信息，最后再结合拍摄的帧数来计算车速。但无法处理车辆朝摄像头迎面驶来的情况，传统的图像处理手段在算法设计中需要利用光轴与地面的交点来建立坐标系，无法解决视线与车辆运动方向平行的问题。

经过对现有技术的检索发现，中国专利文献号CN104318782A，公开日为2015年01月28日，公开了一种面向区域重叠的高速公路视频测速方法及系统，在车辆提取追踪过程中，针对运动区域采用了对区域重叠的鲁棒性更强的算法进行特征参数提取和模板匹配；从而，视区域重叠的程度不同，在重叠程度未超过一定限度时能够成功在重叠区域中实现特定目标车辆的识别；该技术还根据重叠程度自适应地采用相对应的追踪方式，能够在测速视频画面序列的各帧画面中连续地发现特定目标车辆所在区域，特别是当特定目标车辆处于重叠区域的情况也能够实现识别，从而确定代表该特定目标车辆的像素位置，进而实现视频画面坐标系中的运动速度计算。但该技术采用了模式匹配的算法，计算量大，降低了监测的实时性效果，且基于摄像头俯视的角度，对于迎面行驶的情形未给出相应的解决办法。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于图像膨胀率的迎面视频测速方法。

本发明是通过以下技术方案实现的：

本发明通过在运动物体的轮廓内部选取特征线，并记录特征线的实际长度H及其在初始时刻t₀的图像中的长度h₀，通过比较物体初始时刻图像和下一时刻图像的像素点数获得初始时刻的图像膨胀率σ₀，而后根据相似三角形原理计算初始时刻物体速度v₀，计算下一时刻图像中特征线的长度h₁，重复上述过程得到其余时刻的物体速度。

所述的物体速度

其中：N为视频帧速，两个时刻之间间隔m帧。

所述的特征线或其延长线与摄像机光轴相交且位于与摄像机光轴垂直的平面内，其两个端点位于物体轮廓上。

本发明具体包括以下步骤：

1)对运动物体在T时段内的视频图像进行畸变校正，而后利用边缘检测技术测定物体的轮廓并选取特征线；

2)计算出初始时刻t₀的特征线长度H以及图像中的长度h₀，设i＝0；

3)计算t_i时刻图像膨胀率

其中：n_i为t_i时刻物体图像的像素点数；

4)计算并输出t_i时刻的物体运动速度

计算t_i+1时刻的图像中的特征线长度

5)当满足

时，则i＝i+1后回到步骤3)；否则，结束整个计算，得到各个时刻的速度以及整个时段的平均速度。

所述的时刻t_i与t_i-1之间的时间间隔Δt为视频帧速N的倒数的整数倍。

所述的步骤1)具体包括以下步骤：

1.1)进行摄像机标定；

1.2)对运动物体在T时段内的视频图像进行畸变校正；

1.3)获得摄像机的内部参数；

1.4)利用边缘检测技术测定物体的轮廓并选取特征线。

所述的内部参数为视锥点到成像平面的距离。

技术效果

与现有技术相比，本发明根据视频中车辆的图像膨胀率来确定车速，算法简单，易于实现，不存在发散或者收敛，即使某个时刻信息采集有误，所造成的影响也是局部的，估算法的稳定性好，适用性强，同时利用了被测物体截面的所有图像信息，准确度高，稳定性好，不涉及硬件成本，经济实惠，克服了传统测量方法处理复杂的缺陷，在摄像机的畸变校正中无需对摄像头位置进行重新调整，直接通过内置算法即可实现摄像机畸变的矫正，简单可行，解决了传统算法无法解决的视线与运动方向平行的情形，可以应用于交通事故中车辆速度的测量以及摄像头的实时监控。

附图说明

图1为运动物体投影立体示意图；

图2为运动物体投影平面示意图；

图3为实施例1的流程示意图；

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

如图1所示，摄像机光轴与运动物体的运动方向平行，S为视锥点，P为成像平面，B₀和B₁分别代表同一运动物体在距离成像平面不同的位置。以S为原点，特征线的方向为y轴，光轴为z轴，按照右手系建立如图2所示的坐标系。

如图3所示，计算运动物体的速度的具体步骤为：

1)对运动物体在T时段内的视频图像进行畸变校正，而后利用边缘检测技术测定物体的轮廓并选取特征线：

1.1)进行摄像机标定。确定世界坐标系的原点，在世界坐标系的Z平面确立3个特征点。然后根据世界坐标系和摄像机坐标系的位置关系确定坐标变换矩阵

按照

完成对摄像机的标定，其中：u和v为像素坐标，λ为变换系数，(m_ij)_3×4为变换矩阵，X、Y、Z为世界坐标系下摄像机的坐标。

1.2)对运动物体在T时段内的视频图像按照确定的畸变系数进行畸变校正。

所述的畸变校正采用的校正模型为

其中

为物体在成像平面的坐标，

为对应点在成像平面的实际坐标，

校正模型中共有5个未知数k₁,k₂,k₃,p₁,p₂，所以至少需要3个标定点。为提高精度，选取5个特征点，采用最小二乘法对其中的5个参数进行拟合，所选取的特征点可与摄像机标定的特征点重合。

1.3)获得摄像机的内部参数即视锥点S到成像平面P的距离f。

1.4)利用边缘检测技术测定运动物体的轮廓并选取特征线。

所述的边缘检测技术为快速Hough变换。选取的特征线在与摄像机光轴垂直的平面内，特征线或者其延长线与光轴相交，特征线的两个端点在运动物体的轮廓上。

2)计算出初始时刻t₀的特征线长度H以及图像中的长度h₀，设i＝0：选定初始时刻t₀运动物体位于B₀位置，利用标定好的摄像机来计算此时的特征线长度H以及在相机上的投影长度h₀。

由几何关系易得：

由此得到：

其中：z₀和z₁分别为运动物体在B₀和B₁处的z轴坐标。

3)计算t_i时刻图像膨胀率

其中：n_i为t_i时刻物体图像的像素点数：

所述的B₀和B₁处投影到成像平面P上的像素点数为n₀和n₁，记B₀和B₁处图像面积为A₀和A₁，则：

即

4)计算并输出t_i时刻的物体运动速度

计算t_i+1时刻的图像中的特征线长度

N为视频帧速，两个时刻之间间隔m帧：

所述的B₀和B₁处图像面积为A₀和A₁的关系为：

则可以得到：

即得到

进一步可得到：

所述的时刻t_i与t_i-1之间的时间间隔Δt为视频帧速N的倒数的整数倍。

5)当满足

时，则i＝i+1后回到步骤3)；否则，结束整个计算，得到各个时

刻的速度以及整个时段的平均速度。

对特定的视频分析时，可以先由给定视频求出运动物体的图像在各个时间段的图像膨胀率，然后根据上述过程进行速度的迭代计算。而在实时监控中，图像膨胀率则由当前时刻的像素点数与上一个时刻的像素点数获得，实时监控中这两个变量的存储单元可以重复使用，即在计算结束后采用一个临时变量存储当前像素点数，读入下一个时刻的像素点数目后直接用于计算下一个时刻的图像膨胀率。对于特征线与光轴不相交的情形，由相似三角形的原理，上述关系式同样成立。

与现有技术相比，本发明根据视频中车辆的图像膨胀率来确定车速，算法简单，易于实现，不存在发散或者收敛，即使某个时刻信息采集有误，所造成的影响也是局部的，估算法的稳定性好，适用性强，同时利用了被测物体截面的所有图像信息，准确度高，稳定性好，不涉及硬件成本，经济实惠，克服了传统测量方法处理复杂的缺陷，在摄像机的畸变校正中无需对摄像头位置进行重新调整，直接通过内置算法即可实现摄像机畸变的矫正，简单可行，解决了传统算法无法解决的视线与运动方向平行的情形，可以应用于交通事故中车辆速度的测量以及摄像头的实时监控。

Claims (7)

1.一种基于图像膨胀率的迎面视频测速方法，其特征在于，通过在运动物体的轮廓内部选取特征线，并记录特征线的实际长度H及其在初始时刻t₀的图像中的长度h₀，通过比较物体初始时刻图像和下一时刻图像的像素点数获得初始时刻的图像膨胀率σ₀，而后根据相似三角形原理计算初始时刻物体速度v₀，计算下一时刻图像中特征线的长度h₁，重复上述过程得到其余时刻的物体速度；

所述的图像膨胀率，在t_i时刻时的图像膨胀率

其中：n_i为t_i时刻物体图像的像素点数；

所述的物体速度

其中：N为视频帧速，两个时刻之间间隔m帧，f为视锥点S到成像平面P的距离。

2.根据权利要求1所述的基于图像膨胀率的迎面视频测速方法，其特征是，所述的特征线或其延长线与摄像机光轴相交且位于与摄像机光轴垂直的平面内，其两个端点位于物体轮廓上。

3.根据权利要求1所述的基于图像膨胀率的迎面视频测速方法，其特征是，具体包括以下步骤：

1)对运动物体在T时段内的视频图像进行畸变校正，而后利用边缘检测技术测定物体的轮廓并选取特征线；

2)计算出初始时刻t₀的特征线长度H以及图像中的长度h₀，设i＝0；

3)计算t_i时刻图像膨胀率

其中：n_i为t_i时刻物体图像的像素点数；

4)计算并输出t_i时刻的物体运动速度

计算t_i+1时刻的图像中的特征线长度

5)当满足

时，则i＝i+1后回到步骤3)；否则，结束整个计算，得到各个时刻的速度以及整个时段的平均速度。

4.根据权利要求3所述的基于图像膨胀率的迎面视频测速方法，其特征是，所述的时刻t_i与t_i-1之间的时间间隔Δt为视频帧速N的倒数的整数倍。

5.根据权利要求3所述的基于图像膨胀率的迎面视频测速方法，其特征是，所述的步骤1)具体包括以下步骤：

1.1)进行摄像机标定；

1.2)对运动物体在T时段内的视频图像进行畸变校正；

1.3)获得摄像机的内部参数；

1.4)利用边缘检测技术测定物体的轮廓并选取特征线。

6.根据权利要求5所述的基于图像膨胀率的迎面视频测速方法，其特征是，所述的内部参数为视锥点到成像平面的距离。

7.根据权利要求6所述的基于图像膨胀率的迎面视频测速方法，其特征是，所述的畸变校正采用的校正模型为

其中：

为物体在成像平面的坐标，

为对应点在成像平面的实际坐标，

k₁,k₂,k₃,p₁,p₂为未知数。

Images