CN108877237A - 基于监控视频图像的车辆行驶速度集成解算系统及方法 - Google Patents

基于监控视频图像的车辆行驶速度集成解算系统及方法 Download PDF

Info

Publication number
CN108877237A
CN108877237A CN201810839149.7A CN201810839149A CN108877237A CN 108877237 A CN108877237 A CN 108877237A CN 201810839149 A CN201810839149 A CN 201810839149A CN 108877237 A CN108877237 A CN 108877237A
Authority
CN
China
Prior art keywords
image
resolving
target vehicle
period
characteristic point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810839149.7A
Other languages
English (en)
Other versions
CN108877237B (zh
Inventor
魏朗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201810839149.7A priority Critical patent/CN108877237B/zh
Publication of CN108877237A publication Critical patent/CN108877237A/zh
Application granted granted Critical
Publication of CN108877237B publication Critical patent/CN108877237B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种基于监控视频图像的车辆行驶速度集成解算系统及方法，利用现场监控录像视频，计算不同现场图像场景类型和车辆行驶状况下的目标车辆行驶速度，并实现现场基础信息数据、图像判读数据和计算参数数据自动保存以及车辆行驶速度计算数据报表和车速鉴定意见书文本输出功能，采取双特征点参照距离与摄影测量原理相结合的“解算周期”自动设置方法和透视投影坐标“区域动态等比”计算方法进行视频图像车速解算，可以整体降低图像解算的3维透视规律误差，并通过实车实验实测数据对本系统车速解算方法的可行性进行了对比验证与计算精度分析界定，综合平均相对误差在5％以内。

Description

基于监控视频图像的车辆行驶速度集成解算系统及方法
技术领域
本发明涉及车辆行驶速度集成解算系统，具体涉及一种基于监控视频图像的车辆行驶速度集成解算系统及方法。
背景技术
基于监控录像视频图像计算目标车辆行驶速度是目前国内进行事故车辆速度鉴定的主要方式之一，尤其在城市市区等有监控录像的区域发生的道路交通事故大都希望采用监控录像视频图像来计算车速。
传统的基于监控录像视频图像计算车辆行驶速度都是采取全程人工操作在图像上“对点”、“对距”及“对帧”的方式，极个别有部分环节借用“运动跟踪软件”的，但图像特征点灰度识别可靠性很差，存在着过程繁杂、操作随意、误差失控及计算过程与结果可重复性差等问题，尤其在面对“环境参照物+固定摄像”此类现场场景形式视频图像时，目前尚无有效的目标车辆行驶速度视频解算方法。
发明内容
本发明的目的在于提供一种基于监控视频图像的车辆行驶速度集成解算系统及方法，用以解决现有技术中的目标车辆行驶速度视频解算系统识别结果不准确，可靠性差等问题。
为了实现上述任务，本发明采用以下技术方案：
一种基于监控视频图像的车辆行驶速度集成解算系统，所述的集成解算系统用于根据现场的监控录像视频对目标车辆的行驶速度进行解算，所述的集成解算系统包括预处理子系统、数据录入与存储子系统，标定子系统、速度解算子系统以及信息输出与存储子系统；
所述的预处理子系统与标定子系统连接，用于对所述的监控录像视频进行归一化处理后，从归一化后的监控录像视频中保存多帧含有目标车辆的待解算图像以及每帧待解算图像的时间信息至专用文件夹；
所述的数据录入与存储子系统分别与所述的标定子系统以及所述速度解算子系统连接，用于输入现场基本信息以及标定参数并保存至数据库中；
所述的标定子系统与所述的速度解算子系统连接，用于在所述待解算图像中设置参照物，根据所述标定参数中的参照物的实际长度与待解算图像中参照物像素长度之间的关系对所述的待解算图像进行标定，获得待解算图像中每一个像素点的实际长度值，单位为m；
所述的速度解算子系统与所述的信息输出与存储子系统连接，用于根据所述参照物实际移动距离与所述参照物实际长度的关系计算解算周期，单位为帧；还用于计算目标车辆在每个解算周期的实际移动距离，获得目标车辆在每个解算周期内的瞬时行驶速度，单位为km/h；
所述的信息输出与存储子系统用于以曲线、报表以及车辆行驶速度鉴定意见书的形式输出并存储所述目标车辆在每个解算周期内的瞬时行驶速度，单位为km/h。
进一步地，所述的预处理子系统包括录像视频格式归一化模块、图像分帧模块以及案件文件夹创建模块；
所述的录像视频格式归一化模块用于将所述现场的监控录像视频的格式归一化为AVI格式后，固定视频图像的尺寸；
所述的图像分帧模块用于在所述归一化后的录像视频中截取含有目标车辆的多帧图像，获得多帧待解算图像以及每帧待解算图像的时间信息；
所述的案件文件夹创建模块用于自动创建专用文件夹，所述的专用文件夹用于保存所述的多帧待解算图像。
进一步地，所述的数据录入与存储子系统包括数据录入模块以及数据存储模块；
所述的数据录入模块用于输入现场基本信息以及标定参数，所述的现场基本信息包括现场时间信息，现场空间信息、车辆信息以及路面信息，所述的标定参数包括参照物名称以及参照物特征点之间的实际长度；
所述的数据存储模块用于将所述的现场基本信息以及标定参数存储至数据库中。
进一步地，其特征在于，所述的标定子系统包括逻辑坐标系映射模块、参照物特征点选取模块以及标定模块；
所述的逻辑坐标系映射模块用于对所述的多帧待解算图像进行灰度识别后，将所有待解算图像均映射至同一逻辑坐标系中，获得每帧待解算图像中各个像素点的逻辑坐标值；
所述的参照物特征点设置模块用于根据目标车辆的行驶姿态和摄像机与目标车辆的相对位置在所述的待解算图像中设置多个参照物特征点，获得每个参照物特征点的逻辑坐标值；
所述的标定模块用于将待解算图像中参照物特征点之间逻辑坐标的直线距离与参照物特征点之间的实际长度进行映射，获得待解算图像中每个像素点的实际长度值。
进一步地，所述的参照物特征点设置模块包括深度区间一维约束双特征点设置子模块、深度或广度区间二维约束双特征点设置子模块以及纵深或高程二维约束特征点设置子模块；
所述的深度区间一维约束双特征点设置子模块用于在车载摄像获得的待解算图像中设置两个参照物特征点，所述的参照物特征点设置在路旁已知长度的物体两端；
所述的深度或广度区间二维约束双特征点设置子模块用于在固定摄像头垂向或侧向采集到的待解算图像中设置两个参照物特征点，所述的参照物特征点设置在已知长度的所述目标车辆的两端；
所述的纵深或高程二维约束特征点设置子模块用于在固定摄像头纵向采集到的待解算图像中设置三个参照物特征点，其中两个参照物特征点设置路旁已知长度的物体两端，另外一个参照物特征点设置在目标车辆在道路上纵向投影上的接地点。
进一步地，所述的标定子系统还包括时间位置矩阵获取模块以及时间位置矩阵修正模块；
所述的时间位置矩阵获取模块用于根据每帧待解算图像中所述的参照物特征点的逻辑坐标值以及每帧待解算图像的时间信息，获得参照物特征点的时间位置矩阵；
所述的时间位置矩阵修正模块用于根据式I计算判别参数H：
其中，为第i帧待解算图像中的参照物特征点Pi与第i+1帧待解算图像中参照物特征点Pi+1之间逻辑坐标的直线距离，为第k帧待解算图像中的参照物特征点Pk与第k+1帧待解算图像中参照物的特征点Pk+1之间逻辑坐标的直线距离，i＝(1,2,…,n-2)，n为待解算图像的总数，n>1；
若H>1.5，则修正时间位置矩阵的第1行的所有元素，采用式II获得修正后的时间位置矩阵第1行第n个元素W'(1,n)：
其中，W为时间位置矩阵，f为所述现场录像视频的帧率。
进一步地，所述的速度解算子系统包括解算周期计算模块以及目标车辆速度计算模块；
所述的解算周期计算模块用于计算解算周期，所述的解算周期为所述参照物特征点在两帧之间的实际移动距离与参照物特征点之间实际距离之间差值的绝对值最小时，两帧之间的帧数，其中这两帧分别为在当前解算周期的首帧与在当前解算周期的尾帧；
所述的目标车辆速度计算模块用于获得目标车辆在每个解算周期内的瞬时行驶速度，所述的在每个解算周期内的瞬时行驶速度由目标车辆在每个解算周期的实际移动距离除以解算周期的时间长度获得，所述每个解算周期的实际移动距离的单位为km，所述解算周期的时间长度的单位为h，其中目标车辆在每个解算周期的实际移动距离由参照物特征点在当前解算周期内首帧与当前解算周期内尾帧之间逻辑坐标的直线距离乘以参照物特征点之间的实际长度与首帧中参照物特征点之间的长度的比值获得。
进一步地，所述的信息输出与存储子系统包括目标车辆行驶解算曲线输出模块、目标车辆行驶解算报表输出模块、目标车辆行驶速度鉴定意见书输出模块以及信息存储模块；
所述的目标车辆行驶解算曲线输出模块用于以曲线形式输出当前解算周期内目标车辆的瞬时速度；
所述的目标车辆行驶解算报表输出模块用于以数据表的形式输出当前解算周期内目标车辆的瞬时速度、现场基本信息、标定参数以及解算周期对应的首帧编号以及尾帧编号；
所述的目标车辆行驶速度鉴定意见书输出模块用于以MicrosoftWord文档形式输出现场基本信息、在每个解算周期内目标车辆的瞬时速度；
所述的信息存储模块用于将所述的目标车辆行驶解算曲线输出模块、所述的目标车辆行驶解算报表输出模块以及所述的目标车辆行驶速度鉴定意见书输出模块的输出结果存储至数据库中。
一种基于监控视频图像的车辆行驶速度集成解算方法，所述的方法包括：
步骤1、对所述的监控录像视频进行归一化处理，从归一化后的监控录像视频中保存多帧含有目标车辆的待解算图像以及每帧待解算图像的时间信息至专用文件夹；
步骤2、对所述的多帧待解算图像进行灰度识别后，将所有待解算图像均映射至同一逻辑坐标系中，获得每帧待解算图像中各个像素点的逻辑坐标值；
步骤3、根据目标车辆的行驶姿态和摄像机与目标车辆的相对位置在所述的待解算图像中设置多个参照物特征点，获得每个参照物特征点的逻辑坐标值；
步骤4、获得标定参数，所述的标定参数包括参照物特征点之间的实际长度，单位为m；
步骤5、将待解算图像中参照物特征点之间逻辑坐标的直线距离与参照物特征点之间的实际长度进行映射，获得待解算图像中每个像素点的实际长度值，单位为m；
步骤6、获得解算周期，单位为帧，所述的解算周期为所述参照物特征点在两帧之间的实际移动距离与参照物特征点之间实际距离之间差值的绝对值最小时，两帧之间的帧数，其中这两帧分别为在当前解算周期的首帧与在当前解算周期的尾帧；
步骤7、获得目标车辆在每个解算周期内的瞬时行驶速度，单位为km/h，所述的在每个解算周期内的瞬时行驶速度由目标车辆在每个解算周期的实际移动距离除以解算周期的时间长度获得，所述每个解算周期的实际移动距离的单位为km，所述解算周期的时间长度的单位为h，其中目标车辆在每个解算周期的实际移动距离由参照物特征点在当前解算周期内首帧与当前解算周期内尾帧之间逻辑坐标的直线距离乘以参照物特征点之间的实际长度与首帧中参照物特征点之间的长度的比值获得。
进一步地，所述的步骤3，包括：
若摄像机与目标车辆的相对位置为摄像机安装在目标车辆之上，在待解算图像中设置两个参照物特征点，所述的参照物特征点设置在路旁已知长度的物体两端；
若摄像机与目标车辆的相对位置为摄像机架设于空中且目标车辆的侧面对着所述的摄像机行驶，在待解算图像中设置两个参照物特征点，所述的参照物特征点设置在已知长度的所述目标车辆的两端；
若摄像机与目标车辆的相对位置为摄像机架设于空中且目标车辆背对着所述的摄像机行驶，在待解算图像中设置三个参照物特征点，其中两个参照物特征点设置在路旁已知长度的物体两端，另外一个参照物特征点设置在目标车辆在道路上纵向投影上的接地点。
本发明与现有技术相比具有以下技术特点:
1、本发明提供的车辆行驶速度集成解算系统有效控制了人为操纵误差，提高了解算效率与精度，保证数据的一致性；
2、本发明提供的车辆行驶速度集成解算系统有提高了视频图像车速计算模型的车辆运行状况和图像场景类型的适用性，有效解决了传统人工操作计算方式由于车辆运行状况、参照物类别不同而产生的较大且不可控计算误差甚至不能计算的问题；
3、本发明提供的车辆行驶速度集成解算系统解决了同高程平面定量确定车辆与道路环境参照物相对位置关系的定位操作难题，有效控制摄影透视投影规律带来的高程透视误差影响，提高了此类视频图像车速解算的确定度和计算精度。
附图说明
图1为本发明提供的集成解算系统的流程图；
图2为本发明的一个实施例中提供的数据录入与存储子系统界面示意图；
图3为本发明的一个实施例中提供的参照物特征点设定示意图；
图4为本发明的又一实施例中提供的参照物特征点设定示意图；
图5为本发明的又一实施例中提供的参照物特征点设定示意图；
图6为本发明提供的目标车辆行驶速度输出形式示意图。
具体实施方式
以下是发明人提供的具体实施例，以对本发明的技术方案作进一步解释说明。
实施例一
如图1至图3所示，本发明公开了一种基于监控视频图像的车辆行驶速度集成解算系统，所述的集成解算系统用于根据现场的监控录像视频对目标车辆的行驶速度进行解算，所述的集成解算系统包括预处理子系统、数据录入与存储子系统，标定子系统、速度解算子系统以及信息输出与存储子系统；
如图1所示，本发明提供了一种用于有监控录像视频图像资料条件下进行车速计算的视频图像车辆行驶速度集成解算系统，该系统能够利用现场监控录像视频，计算不同现场图像场景类型和车辆行驶状况下的目标车辆行驶速度，并实现现场基础信息数据、图像判读数据和计算参数数据自动保存以及车辆行驶速度计算数据报表和车速鉴定意见书文本输出功能。
所述的预处理子系统与标定子系统连接，用于对所述的监控录像视频进行归一化处理后，从归一化后的监控录像视频中保存多帧含有目标车辆的待解算图像以及每帧待解算图像的时间信息至专用文件夹；
所述的预处理子系统，用于根据现场监控录像视频，自动建立专用文件子目录，集成开放格式转换系统，实现录像视频编码格式及图像图幅的流程式归一化处理，得到录像视频设定有效时长内的分帧图像并自动保存。
具体地，所述的预处理子系统包括录像视频格式归一化模块、图像分帧模块以及案件文件夹创建模块；
所述的录像视频格式归一化模块用于将所述现场的监控录像视频的格式归一化为AVI格式后，固定视频图像的尺寸；
所述的图像分帧模块用于在所述归一化后的录像视频中截取含有目标车辆的多帧图像，获得多帧待解算图像以及每帧待解算图像的时间信息；
所述的案件文件夹创建模块用于自动创建专用文件夹，所述的专用文件夹用于保存所述的多帧待解算图像。
所述的录像视频格式归一化模块针对目前监控录像视频繁杂的编码格式，将其归一化为保真度较高的AVI格式，为后续视频图像的分帧、映射与辨识提供标准化支持，针对不同显示器分辨率差异，调整视频图像图幅(大小)，可以规范并确定视频图像图形点阵的值域区间与透视逻辑坐标关系，消除可能由各类摄像镜头参数设置差异及分辨率差异而带来的图形点距计算误差。
所述的图像分帧模块用于将监控录像视频有效时长内的自动分帧和标准化分帧图像的保存。
所述的案件文件夹创建模块根据对话窗口输入的案件编号信息，自动创建用于存放有效时长录像视频分帧图像、存放映射图片和存放解算结果的3个二级子目录。
所述的数据录入与存储子系统分别与所述的标定子系统以及所述速度解算子系统连接，用于输入现场基本信息以及标定参数并保存至数据库中；
如图2所示，所述的数据录入与存储子系统用于针对预处理后的现场录像资料及多帧待解算图像，采用对话窗口输入形式和Access数据库形式，实现现场基本信息和标定参数的录入、数据装载和基础数据存储；
具体地，所述的数据录入与存储子系统包括数据录入模块以及数据存储模块；
所述的数据录入模块用于输入现场基本信息以及标定参数，所述的现场基本信息包括现场时间信息，现场空间信息、车辆信息以及路面信息，所述的标定参数包括参照物名称以及参照物特征点之间的实际长度；
数据录入模块针对现场勘验获得的现场时/空信息、车辆与路面状况基本信息，快速完成现场基本信息数据、视频参数数据的录入、加载与存储。为后续视频图像车辆行驶速度解算以及车辆行驶速度解算结果的输出提供数据支持。
所述的数据存储模块用于将所述的现场基本信息以及标定参数存储至数据库中。
本模块采用Access数据库技术，利用VC++6.0开发平台建立了现场基础数据信息存储仓库。
所述的标定子系统与所述的速度解算子系统连接，用于在所述待解算图像中设置参照物，根据所述标定参数中的参照物的实际长度与待解算图像中参照物长度之间的关系对所述的待解算图像进行标定，获得待解算图像中每一个像素点的实际长度值；
所述的标定子系统用于将录像视频有效时长内的每一帧待解算图像向透视投影逻辑坐标系中全幅映射得到映射图片，在透视投影逻辑坐标系中针对各帧映射图片实现环境虚拟参照物与目标车辆参照关系的标定。
通过设置参照物的方式对待解算图像进行标定时，通常采用设定参照物特征点的方式获取待解算图像中参照物的长度以及参照物的实际长度。
具体地，所述的标定子系统包括逻辑坐标系映射模块、参照物特征点选取模块以及标定模块；
所述的逻辑坐标系映射模块用于对所述的多帧待解算图像进行灰度识别后，将所有待解算图像均映射至同一逻辑坐标系中，获得每帧待解算图像中各个像素点的逻辑坐标值；
所述的逻辑坐标系映射模块对各分帧图像进行全域灰度识别和投影逻辑坐标系的映射，进而确定待解算图像中每一个像素点的逻辑坐标值。
所述的参照物特征点设置模块用于根据目标车辆的行驶姿态和摄像机与目标车辆的相对位置在所述的待解算图像中设置多个参照物特征点，获得每个参照物特征点的逻辑坐标值；
现有的基于监控录像视频图像解算目标车辆运行速度的方法都是采取全程人工操作在图像(片)上“对点”、“对距”、“数屏”的方式(极个别有部分环节借用“运动跟踪软件”来计算距离的，但特征点灰度识别效果和可靠性都很差)，存在过程凌乱、繁杂，人员操作随意，误差失控及计算过程与结果可重复性差等问题。
由于摄像机与目标车辆的相对位置的不同，使得在不同环境下存在不同的特征点设定方式，在本发明中提出了具有三种模式的特征点设置模块，具体地，所述的参照物特征点设置模块包括深度区间一维约束双特征点设置子模块、深度或广度区间二维约束双特征点设置子模块以及纵深或高程二维约束特征点设置子模块；
基于监控录像视频解算车辆行驶速度时，首先要根据目标车辆行驶姿态和摄像机与目标车辆的相对位置选取视频空间中已知长度的标识物作为车速计算的参照物，选择合适的参照物特征点设置模式，进而实现分帧图片上设定参照物与目标车辆透视逻辑坐标参照关系的定量标定。不同车辆行驶姿态和图像场景类型下的参照物特征点选取如下：
所述的深度区间一维约束双特征点设置子模块用于在车载摄像获得的待解算图像中设置两个参照物特征点，所述的参照物特征点设置在路旁已知长度的物体两端；
如图4所示，此类视频由车载摄像(行车记录仪)获得，参照物一般选取为路面标线或者路旁已知距离的两固定物，采取参照物“深度区间一维约束双特征点设置模式”，即将深度/广度参照物两端设置为前、后特征点，逐帧设置。
所述的深度或广度区间二维约束双特征点设置子模块用于在固定摄像头垂向或侧向采集到的待解算图像中设置两个参照物特征点，所述的参照物特征点设置在已知长度的所述目标车辆的两端；
如图3所示，此类“固定摄像(头)+垂(侧)向行驶”现场场景视频，参照物一般选取为长度已知的车辆轴距(或车身长度)，采取参照物“深度或广度区间二维约束双特征点设置模式”，将深度/广度区间上目标车辆已知长度两端分别设置为前、后特征点，逐帧设置。
所述的深度区间一维约束双特征点设置子模块和所述的深度区间一维约束双特征点设置子模块在对待解算图像中的特征点进行设定时可以有效控制摄影透视投影规律对分帧映射图像地面或车辆虚拟参照物前后/左右移动距离计算精度的深度及广度透视误差影响。
所述的纵深或高程二维约束特征点设置子模块用于在固定摄像头纵向采集到的待解算图像中设置三个参照物特征点，其中两个参照物特征点设置路旁已知长度的物体两端，另外一个参照物特征点设置在目标车辆在道路上纵向投影上的接地点。
如图5所示，此类“固定摄像(头)+纵向行驶”现场场景视频，需同时设置环境参照物和车身辅助参照物，采用“纵深或高程二维约束特征点设置模式”，即高程平面设置车身上同一深度/广度平面辅助参照物的上、下特征点，根据高程平面透视投影像素距离与实际长度等比例关系，确定高程平面特征点在道路平面的纵向平行投影坐标(辅助接地点坐标)；纵深或高程方向通过设置实际长度已知的标识物为道路环境参照物，进而定量的实现了目标车辆与道路环境参照物相对位置关系在图像广度区间上的纵向标定。
通过所述的纵深或高程二维约束特征点设置子模块设置的特征点解决了同纵深或高程平面定量确定车辆与道路环境参照物相对位置关系的定位操作难题，有效控制摄影透视投影规律带来的高程透视误差影响，提高了此类视频图像车速解算的确定度和计算精度。
所述的参照物特征点设置模块通过设置了三种模式的特征点设定子模块提高了视频图像车速计算模型的车辆运行状况和图像场景类型的适用性，有效解决了传统人工操作计算方式由于车辆运行状况、参照物类别不同而产生的较大且不可控计算误差甚至不能计算的问题。
对待解算图像进行灰度识别并全幅映射到透视投影坐标系，采取“步进”微调的参照物特征点设置方式，可以避免传统轨迹跟踪软件的灰度识别误差甚至错误，并可有效控制人员操作误差阈值。
所述的标定模块用于将待解算图像中参照物特征点之间逻辑坐标的直线距离与参照物特征点之间的实际长度进行映射，获得待解算图像中每个像素点的实际长度值。
另外，所述的标定子系统还包括时间位置矩阵获取模块以及时间位置矩阵修正模块；
由于计算机软硬件配置不合理、监控录像视觉传感器硬件缺陷等问题，可能导致监控录像视频出现丢帧的情况，进而影响视频图像车辆行驶速度解算结果，因此需要对录像视频丢帧情况进行判别与处理。
所述的时间位置矩阵获取模块用于根据每帧待解算图像中所述的参照物特征点的逻辑坐标值以及每帧待解算图像的时间信息，获得参照物特征点的时间位置矩阵；
所述的时间位置矩阵修正模块用于根据式I计算判别参数H：
其中，为第i帧待解算图像中的参照物特征点Pi与第i+1帧待解算图像中参照物特征点Pi+1之间逻辑坐标的直线距离，为第k帧待解算图像中的参照物特征点Pk与第k+1帧待解算图像中参照物的特征点Pk+1之间逻辑坐标的直线距离，i＝(1,2,…,n-2)，n为待解算图像的总数，n>1；
由于相邻两帧之间时间极短(如视频帧率为f＝25时，t＝0.04s)，车辆运动状态可近似为匀速直线运动，故建立录像视频丢帧动态判别准则如式I。
若H>1.5，则修正时间位置矩阵的第1行的所有元素，采用式II获得修正后的时间位置矩阵第1行第n个元素W'(1,n)：
其中，W为时间位置矩阵，f为所述现场录像视频的帧率。
当判断结果为H>1.5，即视频中出现了丢帧的状况，则采用式II修正其时间位置矩阵。
所述的速度解算子系统与所述的信息输出与存储子系统连接，用于根据所述参照物实际移动距离与所述参照物实际长度的关系计算解算周期；还用于计算目标车辆在每个解算周期的实际移动距离，获得目标车辆在每个解算周期内的瞬时行驶速度；
所述的速度解算子系统用于根据预处理的现场基本数据和标定得到的特征点时间位置矩阵以及虚拟参照物透视位置信息，采用最优化理论与摄影测量原理相结合的解算周期自动设置方法计算得到目标车辆行驶速度解算周期和利用透视投影坐标“区域动态等比”计算方法解算周期内目标车辆实际运动距离，进而得到目标车辆行驶速度。
具体地，所述的速度解算子系统包括解算周期计算模块以及目标车辆速度计算模块；
所述的解算周期计算模块用于计算解算周期，所述的解算周期为所述参照物特征点在两帧之间的实际移动距离与参照物特征点之间实际距离之间差值的绝对值最小时，两帧之间的帧数，其中这两帧分别为在当前解算周期的首帧与在当前解算周期的尾帧；
针对三种特征点设置子模块下不同的情况，采用不同的计算方法获得解算周期，具体地，所述的解算周期自动设置方法包括：
当采用深度区间一维约束双特征点设置子模块或深度或广度区间二维约束双特征点设置子模块在待解算图像中设定了两个参照物特征点时，所述的解算周期计算模块采用式III获得解算周期k，单位为帧：
其中，A、B为设置在路旁已知长度的物体两端或设置在已知长度的所述目标车辆两端的两个参照物特征点，A为参照物第一特征点，B为参照物第二特征点，Ai为第i帧待解算图像中第一特征点的逻辑坐标，Bj为第j帧待解算图像中第二特征点的逻辑坐标，为第i帧待解算图像中第一特征点与第j帧待解算图像中第二特征点之间逻辑坐标的直线距离，n为待解算图像的总数，n>1；
当采用纵深或高程二维约束特征点设置子模块在待解算图像中设定了三个参照物特征点时，所述的解算周期计算模块采用式IV获得解算周期k，单位为帧：
其中，C为所述的接地点，为第i帧待解算图像中的接地点的逻辑纵坐标，为第j帧待解算图像中的接地点的逻辑纵坐标，A、B为设置路旁已知长度的物体两端的两个参照物特征点，A为参照物第一特征点，B为参照物第二特征点，为第i帧待解算图像中参照物第三特征点的逻辑纵坐标，为第i帧待解算图像中参照物第四特征点的逻辑纵坐标，为第i帧待解算图像中接地点的逻辑纵坐标与第一特征点的逻辑纵坐标之间的差值，为第j帧待解算图像中接地点的逻辑纵坐标与第i帧第二特征点的逻辑纵坐标之间的差值。
所述的解算周期自动设置方法以整体降低图像解算的3维透视规律误差为原则，从设置特征点的第一帧分帧图片开始，记录特征点的透视位置信息，得到特征点时间位置矩阵，应用最优化理论建立优化模型，求得参照物特征点(或者接地点)透视移动距离与参照物参照长度透视坐标距离动态最优匹配。
所述的目标车辆速度计算模块用于获得目标车辆在每个解算周期内的瞬时行驶速度，所述的在每个解算周期内的瞬时行驶速度由目标车辆在每个解算周期的实际移动距离除以解算周期的时长获得，其中目标车辆在每个解算周期的实际移动距离由参照物特征点在当前解算周期内首帧与当前解算周期内尾帧之间逻辑坐标的直线距离乘以参照物特征点之间的实际长度与首帧中参照物特征点之间的长度的比值获得。
如图3所示，所述的目标车辆速度计算模块用于采用式V获得所述目标车辆在每个解算周期内的瞬时车速v，单位为km/h：
其中，Si为目标车辆在第i个解算周期内的实际移动距离值，单位为km，T为解算周期的时长，单位为h。
采用式VI获得所述目标车辆在第i个解算周期内的实际移动距离值Si：
其中，为第i帧待解算图像中参照物特征点之间的长度，为第i帧待解算图像中的参照物特征点Pi与第i+k帧待解算图像中参照物的特征点Pi+k之间逻辑坐标的直线距离，S为参照物实际长度，单位为m。
对于采用深度区间一维约束双特征点设置子模块或深/广度区间二维约束双特征点设置子模块在待解算图像中设定了两个参照物特征点时，为第i帧待解算图像中路旁已知长度的物体两端或设置在已知长度的所述目标车辆的两端的两个参照物特征点之间的长度，为两个特征点中任意一个特征点在第i帧与第i+k帧中逻辑坐标的直线距离；当采用纵深或高程/高程二维约束特征点设置子模块在待解算图像中设定了三个参照物特征点时，为第i帧待解算图像中路旁已知长度的物体两端的两个参照物特征点之间的长度，为接地点在第i帧与第i+k帧中逻辑坐标的直线距离。
所述的信息输出与存储子系统用于以曲线、报表以及车辆行驶速度鉴定意见书的形式输出并存储所述目标车辆的行驶速度。
所述的信息输出与存储子系统包括目标车辆行驶解算曲线输出模块、目标车辆行驶解算报表输出模块、目标车辆行驶速度鉴定意见书输出模块以及信息存储模块；
所述的目标车辆行驶解算曲线输出模块用于以曲线形式输出当前解算周期内目标车辆的瞬时速度；
所述的目标车辆行驶解算曲线输出模块以活动数据表形式输出计算节点帧编号及前后特征点的透视逻辑坐标值和计算车速值、输出计算帧时间段内车速的时间历程曲线。
所述的目标车辆行驶解算报表输出模块用于以数据表的形式输出当前解算周期内目标车辆的瞬时速度、现场基本信息、标定参数以及解算周期对应的首帧编号以及尾帧编号；
所述的目标车辆行驶解算报表输出模块采用现场基本信息数据输入功能模块的基本录入数据，如图6所示，以数据表的形式输出现场时间、现场地点及路线、天气状况、路面状况、事故类型、帧率、参照物信息、视频文件名、目标车辆信息等经过归一化预处理后的录入基本信息数据、以及解算周期、解算周期对应的首帧编号、解算帧数、解算周期时长、丢帧数与丢帧(帧)位置、目标车辆行驶速度等主要计算信息数据。
所述的目标车辆行驶速度鉴定意见书输出模块用于以MicrosoftWord文档形式输出现场基本信息、在每个解算周期内目标车辆的瞬时速度；
所述的目标车辆行驶速度鉴定意见书输出模块采用所述现场基本信息数据以及目标车辆行驶速度解算结果，以Microsoft Word文档形式，格式化描述全部现场信息数据、车辆信息数据、计算条件及计算结果，并附录各计算节点帧的映射图片，含特征点透视逻辑坐标值和瞬态计算车速值。
所述的信息存储模块用于将所述的目标车辆行驶解算曲线输出模块、所述的目标车辆行驶解算报表输出模块以及所述的目标车辆行驶速度鉴定意见书输出模块的输出结果存储至数据库中。
所述的信息存储模块用于存储解算案例各项现场信息数据、映射图片特征点判读数据和主要计算参数数据，采用Access数据库技术，利用VC++开发平台建立了视频图像车辆行驶速度解算案例数据仓库。
实施例二
一种基于监控视频图像的车辆行驶速度集成解算方法，采用实施例一种所述的解算系统对视频图像中车辆行驶速度进行解算，所述的方法包括：
步骤1、对所述的监控录像视频进行归一化处理，从归一化后的监控录像视频中保存多帧含有目标车辆的待解算图像以及每帧待解算图像的时间信息至专用文件夹；
步骤2、对所述的多帧待解算图像进行灰度识别后，将所有待解算图像均映射至同一逻辑坐标系中，获得每帧待解算图像中各个像素点的逻辑坐标值；
步骤3、根据目标车辆的行驶姿态和摄像机与目标车辆的相对位置在所述的待解算图像中设置多个参照物特征点，获得每个参照物特征点的逻辑坐标值；
具体地，本步骤包括：
若摄像机与目标车辆的相对位置为摄像机安装在目标车辆之上，在待解算图像中设置两个参照物特征点，所述的参照物特征点设置在路旁已知长度的物体两端；
若摄像机与目标车辆的相对位置为摄像机架设于空中且目标车辆的侧面对着所述的摄像机行驶，在待解算图像中设置两个参照物特征点，所述的参照物特征点设置在已知长度的所述目标车辆的两端；
若摄像机与目标车辆的相对位置为摄像机架设于空中且目标车辆背对着所述的摄像机行驶，在待解算图像中设置三个参照物特征点，其中两个参照物特征点设置在路旁已知长度的物体两端，另外一个参照物特征点设置在目标车辆在道路上纵向投影上的接地点。
步骤4、获得标定参数，所述的标定参数包括参照物名称以及参照物特征点之间的实际长度，单位为m；
步骤5、将待解算图像中参照物特征点之间逻辑坐标的直线距离与参照物特征点之间的实际长度进行映射，获得待解算图像中每个像素点的实际长度值，单位为m；
步骤6、获得解算周期，单位为帧，所述的解算周期为所述参照物特征点在两帧之间的实际移动距离与参照物特征点之间实际距离之间差值的绝对值最小时，两帧之间的帧数，其中这两帧分别为在当前解算周期的首帧与在当前解算周期的尾帧；
步骤7、获得目标车辆在每个解算周期内的瞬时行驶速度，单位为km/h，所述的在每个解算周期内的瞬时行驶速度由目标车辆在每个解算周期的实际移动距离除以解算周期的时间长度获得，所述每个解算周期的实际移动距离的单位为km，所述解算周期的时间长度的单位为h，其中目标车辆在每个解算周期的实际移动距离由参照物特征点在当前解算周期内首帧与当前解算周期内尾帧之间逻辑坐标的直线距离乘以参照物特征点之间的实际长度与首帧中参照物特征点之间的长度的比值获得。
实施例三
以图3所示的摄像机与目标车辆的相对位置为例，说明目标车辆行驶速度解算过程。
步骤1、将监控录像视频进行归一化处理，从归一化后的监控录像视频中保存多帧含有目标车辆的待解算图像，其中一幅图像如图3所示，该幅图像的时间信息为2017-05-0714:32:26，保存多幅与图3相似的均包含目标车辆的图像至专用文件夹。
步骤2、对所述的多帧待解算图像进行灰度识别后，将所有待解算图像均映射至同一逻辑坐标系中，获得每帧待解算图像中各个像素点的逻辑坐标值；
在本实施例中，将多帧待解算图像均投影至屏幕上即将多帧待解算图像的尺寸进行固定，大小均为1024*768，对于每帧待解算图像均获得了1024*768个像素点，这多个像素点的横坐标从0至1024，这多个像素点的纵坐标从0至768。
步骤3、根据目标车辆的行驶姿态和摄像机与目标车辆的相对位置在所述的待解算图像中设置多个参照物特征点，获得每个参照物特征点的逻辑坐标值；
在本实施例中，摄像机架设于空中且目标车辆的侧面对着所述的摄像机行驶，则在目标车辆的车轮上设置两个参照物特征点。
在每帧待解算图像中参照物特征点的逻辑坐标值见表1。
表1参照物特征点的逻辑坐标值表
帧数 前特征点/后特征点(x，y) 帧数 前特征点/后特征点(x，y)
第1帧 707，206/0，0 第10帧 444，205/849，211
第2帧 679，206/0，0 第11帧 416，205/819，216
第3帧 649，207/0，0 第12帧 386，202/789，210
第4帧 622，206/0，0 第13帧 356，200/758，208
第5帧 593，208/0，0 第14帧 324，200/729，212
第6帧 563，207/965，216 第15帧 294，200/696，208
第7帧 534，208/940，216 第16帧 265，201/665，210
第8帧 505，207/909，211 第17帧 233，196/635，209
第9帧 476，206/877，212 第18帧 203，193/605，207
步骤4、获得标定参数，所述的标定参数包括参照物名称以及参照物特征点之间的实际长度，单位为m；
在本实施例中，两个参照物特征点的实际距离为车辆轴距，因此参照物名称为轴距，参照物特征点之间的实际长度L＝3.35m。
步骤5、将待解算图像中参照物特征点之间逻辑坐标的直线距离与参照物特征点之间的实际长度进行映射，获得待解算图像中每个像素点的实际长度值，单位为m；
在本实施例中，以第6帧为例，在第6帧中，图像中参照物特征点之间逻辑坐标的直线距离为参照物特征点之间的实际长度L＝3.35m，因此在第6帧中每个像素点的实际长度值为0.0083m。
步骤6、获得解算周期，单位为帧，所述的解算周期为所述参照物特征点在两帧之间的实际移动距离与参照物特征点之间实际距离之间差值的绝对值最小时，两帧之间的帧数，其中这两帧分别为在当前解算周期的首帧与在当前解算周期的尾帧。
在本实施例中，解算周期为13帧，帧率为25fps。
步骤7、获得目标车辆在每个解算周期内的瞬时行驶速度，单位为km/h。
在本实施例中，第1个解算周期，即第1帧到第14帧内目标车辆的车速计算过程为：
目标车辆在第1个解算周期(第1帧至第14帧)内的实际移动距离值为：
目标车辆在第1个解算周期(第1帧至第14帧)内行驶速度为21.9km/h。
第2个解算周期，即第2帧到第15帧内目标车辆的车速计算过程为：
目标车辆在第2个解算周期(第2帧至第15帧)内的实际移动距离值为：
目标车辆在第2个解算周期(第2帧至第15帧)内行驶速度为22.2km/h。
第3个解算周期，即第3帧到第16帧内目标车辆的车速计算过程为：
目标车辆在第3个解算周期(第3帧至第16帧)内的实际移动距离值为：
目标车辆在第3个解算周期(第3帧至第16帧)内行驶速度为22.4km/h。

Claims (10)

1.一种基于监控视频图像的车辆行驶速度集成解算系统，其特征在于，所述的集成解算系统用于根据现场的监控录像视频对目标车辆的行驶速度进行解算，所述的集成解算系统包括预处理子系统、数据录入与存储子系统，标定子系统、速度解算子系统以及信息输出与存储子系统；
所述的预处理子系统与标定子系统连接，用于对所述的监控录像视频进行归一化处理后，从归一化后的监控录像视频中保存多帧含有目标车辆的待解算图像以及每帧待解算图像的时间信息至专用文件夹；
所述的数据录入与存储子系统分别与所述的标定子系统以及所述速度解算子系统连接，用于输入现场基本信息以及标定参数并保存至数据库中；
所述的标定子系统与所述的速度解算子系统连接，用于在所述待解算图像中设置参照物，根据所述标定参数中的参照物的实际长度与待解算图像中参照物像素长度之间的关系对所述的待解算图像进行标定，获得待解算图像中每一个像素点的实际长度值，单位为m；
所述的速度解算子系统与所述的信息输出与存储子系统连接，用于根据所述参照物实际移动距离与所述参照物实际长度的关系计算解算周期，单位为帧；还用于计算目标车辆在每个解算周期的实际移动距离，获得目标车辆在每个解算周期内的瞬时行驶速度，单位为km/h；
所述的信息输出与存储子系统用于以曲线、报表以及车辆行驶速度鉴定意见书的形式输出并存储所述目标车辆在每个解算周期内的瞬时行驶速度，单位为km/h。
2.如权利要求1所述的基于监控视频图像的车辆行驶速度集成解算系统，其特征在于，所述的预处理子系统包括录像视频格式归一化模块、图像分帧模块以及案件文件夹创建模块；
所述的录像视频格式归一化模块用于将所述现场的监控录像视频的格式归一化为AVI格式后，固定视频图像的尺寸；
所述的图像分帧模块用于在所述归一化后的录像视频中截取含有目标车辆的多帧图像，获得多帧待解算图像以及每帧待解算图像的时间信息；
所述的案件文件夹创建模块用于自动创建专用文件夹，所述的专用文件夹用于保存所述的多帧待解算图像。
3.如权利要求2所述的基于监控视频图像的车辆行驶速度集成解算系统，其特征在于，所述的数据录入与存储子系统包括数据录入模块以及数据存储模块；
所述的数据录入模块用于输入现场基本信息以及标定参数，所述的现场基本信息包括现场时间信息，现场空间信息、车辆信息以及路面信息，所述的标定参数包括参照物名称以及参照物特征点之间的实际长度，单位为m；
所述的数据存储模块用于将所述的现场基本信息以及标定参数存储至数据库中。
4.如权利要求3所述的基于监控视频图像的车辆行驶速度集成解算系统，其特征在于，所述的标定子系统包括逻辑坐标系映射模块、参照物特征点选取模块以及标定模块；
所述的逻辑坐标系映射模块用于对所述的多帧待解算图像进行灰度识别后，将所有待解算图像均映射至同一逻辑坐标系中，获得每帧待解算图像中各个像素点的逻辑坐标值；
所述的参照物特征点设置模块用于根据目标车辆的行驶姿态和摄像机与目标车辆的相对位置在所述的待解算图像中设置多个参照物特征点，获得每个参照物特征点的逻辑坐标值；
所述的标定模块用于将待解算图像中参照物特征点之间逻辑坐标的直线距离与参照物特征点之间的实际长度进行映射，获得待解算图像中每个像素点的实际长度值，单位为m。
5.如权利要求4所述的基于监控视频图像的车辆行驶速度集成解算系统，其特征在于，所述的参照物特征点设置模块包括深度区间一维约束双特征点设置子模块、深度或广度区间二维约束双特征点设置子模块以及纵深或高程二维约束特征点设置子模块；
所述的深度区间一维约束双特征点设置子模块用于在车载摄像获得的待解算图像中设置两个参照物特征点，所述的参照物特征点设置在路旁已知长度的物体两端；
所述的深度或广度区间二维约束双特征点设置子模块用于在固定摄像头垂向或侧向采集到的待解算图像中设置两个参照物特征点，所述的参照物特征点设置在已知长度的所述目标车辆的两端；
所述的纵深或高程二维约束特征点设置子模块用于在固定摄像头纵向采集到的待解算图像中设置三个参照物特征点，其中两个参照物特征点设置路旁已知长度的物体两端，另外一个参照物特征点设置在目标车辆在道路上纵向投影上的接地点。
6.如权利要求4所述的基于监控视频图像的车辆行驶速度集成解算系统，其特征在于，所述的标定子系统还包括时间位置矩阵获取模块以及时间位置矩阵修正模块；
所述的时间位置矩阵获取模块用于根据每帧待解算图像中所述的参照物特征点的逻辑坐标值以及每帧待解算图像的时间信息，获得参照物特征点的时间位置矩阵；
所述的时间位置矩阵修正模块用于根据式I计算判别参数H：
其中，为第i帧待解算图像中的参照物特征点Pi与第i+1帧待解算图像中参照物特征点Pi+1之间逻辑坐标的直线距离，为第k帧待解算图像中的参照物特征点Pk与第k+1帧待解算图像中参照物的特征点Pk+1之间逻辑坐标的直线距离，i＝(1,2,…,n-2)，n为待解算图像的总数，n>1；
若H>1.5，则修正时间位置矩阵的第1行的所有元素，采用式II获得修正后的时间位置矩阵第1行第n个元素W'(1,n)：
其中，W为时间位置矩阵，f为所述现场录像视频的帧率。
7.如权利要求5所述的基于监控视频图像的车辆行驶速度集成解算系统，其特征在于，所述的速度解算子系统包括解算周期计算模块以及目标车辆速度计算模块；
所述的解算周期计算模块用于计算解算周期，单位为帧，所述的解算周期为所述参照物特征点在两帧之间的实际移动距离与参照物特征点之间实际距离之间差值的绝对值最小时，两帧之间的帧数，其中这两帧分别为在当前解算周期的首帧与在当前解算周期的尾帧；
所述的目标车辆速度计算模块用于获得目标车辆在每个解算周期内的瞬时行驶速度，单位为km/h，所述的在每个解算周期内的瞬时行驶速度由目标车辆在每个解算周期的实际移动距离除以解算周期的时间长度获得，所述每个解算周期的实际移动距离的单位为km，所述解算周期的时间长度的单位为h，其中目标车辆在每个解算周期的实际移动距离由参照物特征点在当前解算周期内首帧与当前解算周期内尾帧之间逻辑坐标的直线距离乘以参照物特征点之间的实际长度与首帧中参照物特征点之间的长度的比值获得。
8.如权利要求7所述的基于监控视频图像的车辆行驶速度集成解算系统，其特征在于，所述的信息输出与存储子系统包括目标车辆行驶解算曲线输出模块、目标车辆行驶解算报表输出模块、目标车辆行驶速度鉴定意见书输出模块以及信息存储模块；
所述的目标车辆行驶解算曲线输出模块用于以曲线形式输出每个解算周期内目标车辆的瞬时速度；
所述的目标车辆行驶解算报表输出模块用于以数据表的形式输出每个解算周期内目标车辆的瞬时速度、现场基本信息、标定参数以及解算周期对应的首帧编号以及尾帧编号；
所述的目标车辆行驶速度鉴定意见书输出模块用于以MicrosoftWord文档形式输出现场基本信息、在每个解算周期内目标车辆的瞬时速度；
所述的信息存储模块用于将所述的目标车辆行驶解算曲线输出模块、所述的目标车辆行驶解算报表输出模块以及所述的目标车辆行驶速度鉴定意见书输出模块的输出结果存储至数据库中。
9.一种基于监控视频图像的车辆行驶速度集成解算方法，其特征在于，所述的方法包括：
步骤1、对所述的监控录像视频进行归一化处理，从归一化后的监控录像视频中保存多帧含有目标车辆的待解算图像以及每帧待解算图像的时间信息至专用文件夹；
步骤2、对所述的多帧待解算图像进行灰度识别后，将所有待解算图像均映射至同一逻辑坐标系中，获得每帧待解算图像中各个像素点的逻辑坐标值；
步骤3、根据目标车辆的行驶姿态和摄像机与目标车辆的相对位置在所述的待解算图像中设置多个参照物特征点，获得每个参照物特征点的逻辑坐标值；
步骤4、获得标定参数，所述的标定参数包括参照物特征点之间的实际长度，单位为m；
步骤5、将待解算图像中参照物特征点之间逻辑坐标的直线距离与参照物特征点之间的实际长度进行映射，获得待解算图像中每个像素点的实际长度值，单位为m；
步骤6、获得解算周期，单位为帧，所述的解算周期为所述参照物特征点在两帧之间的实际移动距离与参照物特征点之间实际距离之间差值的绝对值最小时，两帧之间的帧数，其中这两帧分别为在当前解算周期的首帧与在当前解算周期的尾帧；
步骤7、获得目标车辆在每个解算周期内的瞬时行驶速度，单位为km/h，所述的在每个解算周期内的瞬时行驶速度由目标车辆在每个解算周期的实际移动距离除以解算周期的时间长度获得，所述每个解算周期的实际移动距离的单位为km，所述解算周期的时间长度的单位为h，其中目标车辆在每个解算周期的实际移动距离由参照物特征点在当前解算周期内首帧与当前解算周期内尾帧之间逻辑坐标的直线距离乘以参照物特征点之间的实际长度与首帧中参照物特征点之间的长度的比值获得。
10.如权利要求9所述的基于监控视频图像的车辆行驶速度集成解算方法，其特征在于，所述的步骤3，包括：
若摄像机与目标车辆的相对位置为摄像机安装在目标车辆之上，在待解算图像中设置两个参照物特征点，所述的参照物特征点设置在路旁已知长度的物体两端；
若摄像机与目标车辆的相对位置为摄像机架设于空中且目标车辆的侧面对着所述的摄像机行驶，在待解算图像中设置两个参照物特征点，所述的参照物特征点设置在已知长度的所述目标车辆的两端；
若摄像机与目标车辆的相对位置为摄像机架设于空中且目标车辆背对着所述的摄像机行驶，在待解算图像中设置三个参照物特征点，其中两个参照物特征点设置在路旁已知长度的物体两端，另外一个参照物特征点设置在目标车辆在道路上纵向投影上的接地点。
CN201810839149.7A 2018-07-27 2018-07-27 基于监控视频图像的车辆行驶速度集成解算系统及方法 Expired - Fee Related CN108877237B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810839149.7A CN108877237B (zh) 2018-07-27 2018-07-27 基于监控视频图像的车辆行驶速度集成解算系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810839149.7A CN108877237B (zh) 2018-07-27 2018-07-27 基于监控视频图像的车辆行驶速度集成解算系统及方法

Publications (2)

Publication Number Publication Date
CN108877237A true CN108877237A (zh) 2018-11-23
CN108877237B CN108877237B (zh) 2020-07-14

Family

ID=64306037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810839149.7A Expired - Fee Related CN108877237B (zh) 2018-07-27 2018-07-27 基于监控视频图像的车辆行驶速度集成解算系统及方法

Country Status (1)

Country Link
CN (1) CN108877237B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767422A (zh) * 2018-12-08 2019-05-17 深圳市勘察研究院有限公司 基于深度学习的管道检测识别方法、存储介质及机器人
CN110633690A (zh) * 2019-09-24 2019-12-31 北京邮电大学 基于桥梁监控的车辆特征识别方法及系统
CN111009135A (zh) * 2019-12-03 2020-04-14 北京百度网讯科技有限公司 车辆行驶速度的确定方法、装置以及计算机设备
CN112419769A (zh) * 2019-08-20 2021-02-26 广州中广国科测控技术有限公司 一种对道路通行限速的车辆自监测方法
CN112415217A (zh) * 2020-12-24 2021-02-26 中建材信息技术股份有限公司 一种基于视频的车辆测速方法
WO2022000679A1 (zh) * 2020-06-29 2022-01-06 中车长春轨道客车股份有限公司 一种轨道车辆碰撞测试的集成控制系统以及控制方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT202100002741A1 (it) * 2021-02-08 2022-08-08 Think2Future S R L Metodo di ricostruzione della dinamica di sinistri stradali

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010283631A (ja) * 2009-06-05 2010-12-16 Toyota Industries Corp 撮像装置および撮像装置における画像処理方法
CN103473926A (zh) * 2013-09-11 2013-12-25 无锡加视诚智能科技有限公司 枪球联动道路交通参数采集及违章抓拍系统
CN103676829A (zh) * 2013-09-11 2014-03-26 无锡加视诚智能科技有限公司 基于视频的智能城市综合管理系统及其方法
CN104021676A (zh) * 2014-06-25 2014-09-03 上海交通大学 基于车辆动态视频特征的车辆定位及车速测量方法
CN106097726A (zh) * 2016-08-23 2016-11-09 苏州科达科技股份有限公司 检测区域的确定、交通信息检测方法及装置
CN106781476A (zh) * 2016-12-22 2017-05-31 中国人民解放军第三军医大学第三附属医院 交通事故中车辆动态位置分析方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010283631A (ja) * 2009-06-05 2010-12-16 Toyota Industries Corp 撮像装置および撮像装置における画像処理方法
CN103473926A (zh) * 2013-09-11 2013-12-25 无锡加视诚智能科技有限公司 枪球联动道路交通参数采集及违章抓拍系统
CN103676829A (zh) * 2013-09-11 2014-03-26 无锡加视诚智能科技有限公司 基于视频的智能城市综合管理系统及其方法
CN104021676A (zh) * 2014-06-25 2014-09-03 上海交通大学 基于车辆动态视频特征的车辆定位及车速测量方法
CN106097726A (zh) * 2016-08-23 2016-11-09 苏州科达科技股份有限公司 检测区域的确定、交通信息检测方法及装置
CN106781476A (zh) * 2016-12-22 2017-05-31 中国人民解放军第三军医大学第三附属医院 交通事故中车辆动态位置分析方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767422A (zh) * 2018-12-08 2019-05-17 深圳市勘察研究院有限公司 基于深度学习的管道检测识别方法、存储介质及机器人
CN109767422B (zh) * 2018-12-08 2021-12-24 深圳市勘察研究院有限公司 基于深度学习的管道检测识别方法、存储介质及机器人
CN112419769A (zh) * 2019-08-20 2021-02-26 广州中广国科测控技术有限公司 一种对道路通行限速的车辆自监测方法
CN112419769B (zh) * 2019-08-20 2024-03-15 广州中广国科测控技术有限公司 一种对道路通行限速的车辆自监测方法
CN110633690A (zh) * 2019-09-24 2019-12-31 北京邮电大学 基于桥梁监控的车辆特征识别方法及系统
CN110633690B (zh) * 2019-09-24 2022-07-01 北京邮电大学 基于桥梁监控的车辆特征识别方法及系统
CN111009135A (zh) * 2019-12-03 2020-04-14 北京百度网讯科技有限公司 车辆行驶速度的确定方法、装置以及计算机设备
WO2022000679A1 (zh) * 2020-06-29 2022-01-06 中车长春轨道客车股份有限公司 一种轨道车辆碰撞测试的集成控制系统以及控制方法
CN112415217A (zh) * 2020-12-24 2021-02-26 中建材信息技术股份有限公司 一种基于视频的车辆测速方法

Also Published As

Publication number Publication date
CN108877237B (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
CN108877237A (zh) 基于监控视频图像的车辆行驶速度集成解算系统及方法
CN108216229B (zh) 交通工具、道路线检测和驾驶控制方法及装置
CN110136222B (zh) 虚拟车道线生成方法、装置及系统
CN111652952B (zh) 车道线生成方法、装置、计算机设备和存储介质
CN106503636B (zh) 一种基于视觉图像的道路视距检测方法及装置
CN105930819A (zh) 基于单目视觉和gps组合导航系统的实时城区交通灯识别系统
CN111027430B (zh) 一种面向无人车智能评估的交通场景复杂度计算方法
CN104599249A (zh) 缆索承重桥梁桥面车辆载荷分布实时检测方法
CN110531376A (zh) 用于港口无人驾驶车辆的障碍物检测和跟踪方法
CN110378210A (zh) 一种基于轻量化YOLOv3的车辆和车牌检测及长短焦融合测距方法
CN105300403A (zh) 一种基于双目视觉的车辆里程计算法
CN109871739B (zh) 基于yolo-sioctl的机动站自动目标检测与空间定位方法
KR102308456B1 (ko) 라이다 및 카메라 수집정보 기반 수종탐지 시스템 및 이를 이용한 수종탐지방법, 수종탐지방법을 수행하는 프로그램이 수록된 기록매체
CN107167826A (zh) 一种自动驾驶中基于可变网格的图像特征检测的车辆纵向定位系统及方法
CN104574993B (zh) 一种道路监控的方法及装置
CN107796373A (zh) 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法
CN109118770A (zh) 一种基于交通监测数据的路段通行能力挖掘方法
CN113592905A (zh) 基于单目摄像头的车辆行驶轨迹预测方法
CN114113118A (zh) 一种地铁隧道衬砌裂缝渗漏水病害快速检测装置及其检测方法
CN110926417B (zh) 基于机器视觉的车载铁路隧道检测系统
CN105761507A (zh) 一种基于三维轨迹聚类的车辆计数方法
CN111257853A (zh) 一种基于imu预积分的自动驾驶系统激光雷达在线标定方法
CN114663473A (zh) 基于多视角信息融合的人员目标定位与追踪方法及系统
CN110176022A (zh) 一种基于视频检测的隧道全景监控系统及方法
CN111103578B (zh) 一种基于深度卷积神经网络的激光雷达在线标定方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200714

Termination date: 20210727