CN111177297B - 一种基于视频和gis的动态目标速度计算优化方法 - Google Patents

一种基于视频和gis的动态目标速度计算优化方法 Download PDF

Info

Publication number
CN111177297B
CN111177297B CN201911412932.6A CN201911412932A CN111177297B CN 111177297 B CN111177297 B CN 111177297B CN 201911412932 A CN201911412932 A CN 201911412932A CN 111177297 B CN111177297 B CN 111177297B
Authority
CN
China
Prior art keywords
dynamic target
target
track
distance
camera
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.)
Active
Application number
CN201911412932.6A
Other languages
English (en)
Other versions
CN111177297A (zh
Inventor
张兴国
张玲
张丽
吴超红
韩苗苗
卫有杰
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.)
Xinyang Normal University
Original Assignee
Xinyang Normal 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 Xinyang Normal University filed Critical Xinyang Normal University
Priority to CN201911412932.6A priority Critical patent/CN111177297B/zh
Publication of CN111177297A publication Critical patent/CN111177297A/zh
Application granted granted Critical
Publication of CN111177297B publication Critical patent/CN111177297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于视频和GIS的动态目标速度计算优化方法。该方法考虑到视频所覆盖的区域内所具有的信息，结合GIS空间信息和知识库，对单应矩阵进行优化求解，自定义目标区域内的坐标系统；在动态目标坐标转换的基础上，通过阈值约束，对目标的轨迹点坐标进行强制转换；再根据摄像机的内外参数，判断动态目标距离摄像机的远近，根据反距离权的算法原理，在相对应的距离段设置相对应的权重，再加权求解目标的平均速度，优化目标物的速度计算。本发明针对监控摄像机路网控制下的动态目标的速度计算进行优化设计，解决了现有技术下监控视频无法与真实的地理场景相耦合，速度计算成本高的问题。

Description

一种基于视频和GIS的动态目标速度计算优化方法
技术领域
本发明涉及一种监控摄像机视频控制下的动态目标速度计算的加权优化方法，属于交通速度测量技术领域。
背景技术
监控摄像机作为物联网、智慧城市中一种重要的传感器，用于记录视域范围内的静态场景和动态目标；并以其实时性、连续性和场景可重现的优势成为了当今社会交通监管的一个重要的组成部分。尽管当前交通部门中有很多的车辆测速软件，但是存在着建设成本高、对于设备的数量及质量要求比较高、架设和维修成本比较高等问题；所以，并不能很好地为交管部门所服务。已有的测速系统不仅成本高，而且对天气和光线的要求比较高，易受影响，不能很便捷地提供较好的分析及灵活的速度监测功能。因此，需要一种能够准确地监测车辆及行人速度的装置，以实现智能化的交通监管。
行人、车辆等运动目标是道路上需要监管的最主要目标，也是交通上所要重点监控的对象，其中对其速度的监测是交管部门监管的重要工作之一，对于交通部门的执法及监管工作有着重要的意义。因此对监控视频中运动目标的速度监测一直是不可或缺的一个工作内容，也是学术界和安防应用领域关注的热点。然而现有的方法主要借助激光测速仪、拍照摄像机、道路监控测速软件、拍照相机+地感线圈的方法测速，对于设备和相机的要求较高，并且对行人的速度没有很好的反映。需要手机端或者电脑端联网，在信号不好的地方或者GPS信号较弱的地区使用起来比较困难，不能实现连续的观测。现有的测速软件主要依赖GPS卫星信号和传感器，对速度的计算虽比较准确，但在没有联网的状态下无法对速度信息有一个很好的保存和分析功能。
发明内容
本发明所要解决的技术问题是提供一种针对监控视频或已有视频中的动态目标，考虑监控摄像机距动态目标的远近、运动目标轨迹、目标类型和已知目标长度等，优化单应矩阵的求解和动态目标轨迹，充分利用视频资源，实现视频中动态目标速度检测精度的提升。
本发明采用的技术方案如下：
一种基于视频和GIS的动态目标速度计算优化方法，包括如下步骤：
步骤1，针对各个视频，识别出视频中的动态目标，截取视频中的任意一帧，获取图片中可见的已知目标的实际长度，然后融合知识库及GIS空间信息，建立自定义的坐标系，求解单应矩阵；
步骤2，通过单应矩阵变换，将动态目标的图像轨迹坐标转换成实际的地理坐标，然后再映射到地图上；设置相应的阈值，将目标轨迹与GIS下的参考线进行形状相似度判断，根据判断结果进行轨迹拟合，优化动态目标轨迹；
步骤3，基于摄像机的内外参数及动态目标转换后的实际地理坐标，对摄像机的坐标和动态目标轨迹点的坐标进行距离运算，得到目标轨迹点距离摄像机的距离值；将每段距离值进行倒数运算，并将距离值倒数的绝对值作为权重添加到相对应的距离段，通过距离加权求解动态目标的运动速度。
进一步地，所述步骤2中，相似度判断的方法为：将动态目标轨迹距离参考线的合理距离作为阈值，如有80％以上点的距离数值在阈值内，则判定目标轨迹与GIS下的参考线相似，如不在阈值内则判定两者不相似，将不进行处理。
进一步地，所述步骤2中，当判断结果为目标轨迹与GIS下的参考线相似时，将在阈值内的动态目标轨迹点进行轨迹纠偏，将点投射到对应的参考线上，得到优化后的轨迹。
本发明与现有技术相比，具有以下技术效果：
(1)本发明的动态目标速度计算优化方法，针对监控摄像机路网控制下的动态目标的速度计算进行优化设计，解决了现有技术下监控视频无法与真实的地理场景相耦合，速度计算成本高的问题。
(2)在考虑到小范围内通过地图配准难度较高，精度较差的问题，通过自定义坐标系，优化了单应矩阵的求解。
(3)通过设置相应的阈值，进行相似度判断和轨迹的强制转换，并对重叠的轨迹点进行舍弃，优化了动态目标的真实轨迹。
(4)根据反距离加权的算法原理，为不同的轨迹段加上相对应的权重，从而增强目标速度测算的准确性，实现了视频资源的最大化的利用。
(5)本发明充分利用已有的视频文件资源，在不增设仪器和摄像机的基础上，利用一台电脑和一个软件，即可实现动态目标速度的求解，实现了交通监管的智能化、便捷化。
附图说明
图1是视频目标速度计算优化流程图
图2监控区域自定义坐标系示意图；
图3是目标轨迹优化后的示意图；
图4是目标路网监控摄像机视频和平面图通过H矩阵映射的示意图；
图5是目标速度计算加权示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明的基于视频和GIS的动态目标速度计算优化方法，对监控摄像机下的二维空间，通过单应矩阵优化后与真实的地理场景相结合，使视频中目标信息具有可定位、可量测、可一览、可分析、可模拟的优势，可有效实现视频监控区域内众多运动目标的空间化管理，使得分散的视频信息能够在一个统一的框架内进行协同与融合。如图1的流程示意图，本发明考虑到视频所覆盖的区域内所具有的信息，结合GIS空间信息和知识库，对单应矩阵进行优化求解，自定义研究区域内的坐标系统；在动态目标坐标转换的基础上，通过阈值约束，对车辆和行人的轨迹点坐标进行强制转换，尽量避免因光线和天气状况的影响造成速度计算不准确的问题；再根据摄像机的内外参数，判断动态目标距离摄像机的远近，根据反距离权的算法原理，在相对应的距离段设置相对应的权重，再加权求解目标的平均速度，优化目标物的速度计算。
本实施例的方法在具体的实际应用过程中，针对监控摄像机中的动态目标，具体步骤如下：
步骤1.针对监控摄像机路网结构中的各个监控摄像机下的视频，识别监控区域内的动态目标，获得动态目标的已知信息，如“小汽车”、“人”、“交通标志”等。然后根据GIS空间信息和先验知识库，得到监控区域内的已知的部分目标物体的长度值；据此在监控区域建立坐标系，选取至少四个控制点，得到图像坐标；然后根据判断的目标物体的实际长度，推算实际坐标点对，建立自定义坐标系，优化单应矩阵求解，坐标系的创建如图2所示，根据道路中心线的定长为6米，距离道路边缘线一般为6米，人的步伐长度约为0.6米等先验知识，以道路的中心线一端的端点为坐标原点，选取场景中已知道坐标的四个点，可进行自定义的坐标系建立。
步骤2.将动态目标的图像坐标转换为真实的地理坐标，从而将视频中的动态目标轨迹映射到地图上。如果是车辆轨迹则与GIS下的道路中心线进行相似判断，设置合理的距离值范围作为阈值(如车辆则以距离道路参考线1.5米为限)，若80％的动态目标轨迹点距离参考线的距离值在阈值内就认定其相似；如果相似度在阈值内就将动态目标轨迹点强制拉到对应的参考线，否则放弃。得到优化后的轨迹如图3所示。
步骤3.基于优化后的轨迹点坐标，结合监控区域内的监控摄像机的内外参数和坐标信息，如摄像机夹角和高度，和目标的轨迹信息进行距离运算，得到最佳的观测摄像机。然后再根据动态目标距摄像机的距离值进行反距离加权，为相应的轨迹段加上相对应的权值，通过距离加权求解目标物的运动距离。如图5所示：将得到的摄像机位置点坐标与轨迹点的实际地理坐标进行距离运算，得到各个轨迹段的长度求得权值。然后再根据动态目标物体轨迹点的截取时间(本实施例所设计的时间为30ms)计算动态目标的平均速度。
本步骤中，针对动态目标距监控摄像机的远近，根据如下公式，求解其目标的速度；
Figure BDA0002350443700000041
Figure BDA0002350443700000042
其中摄像机的地理坐标为(Cx，Cy),动态目标的轨迹坐标为(Tx，Ty)，|Δf|表示动态目标的坐标点对距离摄像机的距离，V表示计算的平均速度，Δd表示截取的坐标串的长度，n表示截取的坐标串的数量，
Figure BDA0002350443700000043
表示权重值。30ms为截取每一个坐标所花费的时间，比值1000从而转换成以秒为单位。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (3)

1.一种基于视频和GIS的动态目标速度计算优化方法，其特征在于，包括如下步骤：
步骤1，针对各个视频，识别出视频中的动态目标，获得动态目标的已知信息，然后根据GIS空间信息和先验知识库，得到监控区域内的已知的部分目标物体的长度值；据此在监控区域建立坐标系，选取至少四个控制点，得到图像坐标；然后根据判断的目标物体的实际长度，推算实际坐标点对，建立自定义的坐标系，求解单应矩阵；
步骤2，通过单应矩阵变换，将动态目标的图像轨迹坐标转换成实际的地理坐标，然后再映射到地图上；设置相应的阈值，将目标轨迹与GIS下的参考线进行形状相似度判断，根据判断结果进行轨迹拟合，优化动态目标轨迹；
步骤3，基于摄像机的内外参数及动态目标转换后的实际地理坐标，对摄像机的坐标和动态目标轨迹点的坐标进行距离运算，得到目标轨迹点距离摄像机的距离值；将每段距离值进行倒数运算，并将距离值倒数的绝对值作为权重添加到相对应的距离段，通过距离加权求解动态目标的运动速度；具体为：
将得到的摄像机的坐标与动态目标轨迹点的实际地理坐标进行距离运算，得到各个轨迹段的长度求得权值；然后再根据动态目标轨迹点的截取时间计算动态目标的平均速度；其中，针对动态目标距摄像机的远近，根据如下公式，求解其目标的速度：
Figure FDA0003749447660000011
Figure FDA0003749447660000012
摄像机的地理坐标为(Cx，Cy),动态目标轨迹点坐标为(Tx，Ty)，|Δf|表示动态目标轨迹点到摄像机的距离，V表示计算的平均速度，Δd表示截取的坐标串的长度，n表示截取的坐标串的数量，
Figure FDA0003749447660000013
表示权重值。
2.根据权利要求1所述的一种基于视频和GIS的动态目标速度计算优化方法，其特征在于，所述步骤2中，相似度判断的方法为：将动态目标轨迹距离参考线的合理距离作为阈值，如有80％以上点的距离数值在阈值内，则判定目标轨迹与GIS下的参考线相似，如不在阈值内则判定两者不相似，将不进行处理。
3.根据权利要求2所述的一种基于视频和GIS的动态目标速度计算优化方法，其特征在于，所述步骤2中，当判断结果为目标轨迹与GIS下的参考线相似时，将在阈值内的动态目标轨迹点进行轨迹纠偏，将点投射到对应的参考线上，得到优化后的轨迹。
CN201911412932.6A 2019-12-31 2019-12-31 一种基于视频和gis的动态目标速度计算优化方法 Active CN111177297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911412932.6A CN111177297B (zh) 2019-12-31 2019-12-31 一种基于视频和gis的动态目标速度计算优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911412932.6A CN111177297B (zh) 2019-12-31 2019-12-31 一种基于视频和gis的动态目标速度计算优化方法

Publications (2)

Publication Number Publication Date
CN111177297A CN111177297A (zh) 2020-05-19
CN111177297B true CN111177297B (zh) 2022-09-02

Family

ID=70650696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911412932.6A Active CN111177297B (zh) 2019-12-31 2019-12-31 一种基于视频和gis的动态目标速度计算优化方法

Country Status (1)

Country Link
CN (1) CN111177297B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111953937B (zh) * 2020-07-31 2022-11-08 云洲(盐城)创新科技有限公司 落水人员救生系统及落水人员救生方法
CN114490900B (zh) * 2021-12-28 2022-10-14 广州小鹏自动驾驶科技有限公司 一种多车次轨迹数据融合方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101604448A (zh) * 2009-03-16 2009-12-16 北京中星微电子有限公司 一种运动目标的测速方法和系统
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
CN104282020A (zh) * 2014-09-22 2015-01-14 中海网络科技股份有限公司 一种基于目标运动轨迹的车辆速度检测方法
WO2017116134A1 (ko) * 2015-12-30 2017-07-06 건아정보기술 주식회사 레이더 및 영상 융합 차량 단속시스템
CN110069993A (zh) * 2019-03-19 2019-07-30 同济大学 一种基于深度学习的目标车辆检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101604448A (zh) * 2009-03-16 2009-12-16 北京中星微电子有限公司 一种运动目标的测速方法和系统
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
CN104282020A (zh) * 2014-09-22 2015-01-14 中海网络科技股份有限公司 一种基于目标运动轨迹的车辆速度检测方法
WO2017116134A1 (ko) * 2015-12-30 2017-07-06 건아정보기술 주식회사 레이더 및 영상 융합 차량 단속시스템
CN110069993A (zh) * 2019-03-19 2019-07-30 同济大学 一种基于深度学习的目标车辆检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
vehicle speed prediction using a markov chain with speed constraints;Jaewook Shin等;《IEEE Transactions on Intelligent Transportation Systems》;20190930;第20卷(第9期);第3201-3211页 *
基于机器视觉的高速公路车辆测速研究;秦武;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20120715(第07期);第I140-844页 *
基于知识与数据驱动的高速路车辆速度计算方法模型研究;彭大芹等;《计算机应用研究》;20190930;第36卷(第9期);第2655-2660页 *

Also Published As

Publication number Publication date
CN111177297A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
WO2022206978A1 (zh) 一种基于车载定位装置的路侧毫米波雷达校准方法
CN108256413B (zh) 可通行区域检测方法及装置、存储介质、电子设备
CN107067794B (zh) 一种基于视频图像处理的室内车辆定位导航系统及方法
CN103176185B (zh) 用于检测道路障碍物的方法及系统
CN102724482B (zh) 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统
CN105654732A (zh) 一种基于深度图像的道路监控系统及方法
CN111177297B (zh) 一种基于视频和gis的动态目标速度计算优化方法
US20220044558A1 (en) Method and device for generating a digital representation of traffic on a road
CN113791410B (zh) 一种基于多传感器信息融合的道路环境综合认知方法
CN105426837A (zh) 移动网络视觉雾霾检测系统
US11410371B1 (en) Conversion of object-related traffic sensor information at roadways and intersections for virtual dynamic digital representation of objects
Zheng et al. Background noise filtering and clustering with 3D LiDAR deployed in roadside of urban environments
CN108388995A (zh) 一种道路资产管理系统的建立方法及建立系统
CN115808170B (zh) 一种融合蓝牙与视频分析的室内实时定位方法
US20230177724A1 (en) Vehicle to infrastructure extrinsic calibration system and method
CN111627103A (zh) 基于行人活动和密度感知的智慧城市cim成像方法
CN111726535A (zh) 基于车辆感知的智慧城市cim视频大数据画质控制方法
CN110865367A (zh) 一种雷达视频数据智能融合方法
Hu et al. Turning Traffic Monitoring Cameras into Intelligent Sensors for Traffic Density Estimation
CN103335645A (zh) 面向景观规划的空间精确定位的图像获取方法
Dai et al. Roadside Edge Sensed and Fused Three-dimensional Localization using Camera and LiDAR
CN116635739A (zh) 一种基于车载定位装置的路侧毫米波雷达校准方法
CN114252868A (zh) 激光雷达的标定方法、装置、计算机设备和存储介质
CN110706260A (zh) 一种结合定位信息的大场景内运动目标检测方法
CN110108259A (zh) 一种野外地物的照片采集装置及信息测算方法

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