CN112634628A - 一种车辆速度确定方法、终端及存储介质 - Google Patents

一种车辆速度确定方法、终端及存储介质 Download PDF

Info

Publication number
CN112634628A
CN112634628A CN202011423767.7A CN202011423767A CN112634628A CN 112634628 A CN112634628 A CN 112634628A CN 202011423767 A CN202011423767 A CN 202011423767A CN 112634628 A CN112634628 A CN 112634628A
Authority
CN
China
Prior art keywords
pixel
frame
scaling factor
vehicle
target
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
CN202011423767.7A
Other languages
English (en)
Other versions
CN112634628B (zh
Inventor
何素妍
张正
黄超
徐勇
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.)
Peng Cheng Laboratory
Original Assignee
Peng Cheng Laboratory
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 Peng Cheng Laboratory filed Critical Peng Cheng Laboratory
Priority to CN202011423767.7A priority Critical patent/CN112634628B/zh
Publication of CN112634628A publication Critical patent/CN112634628A/zh
Application granted granted Critical
Publication of CN112634628B publication Critical patent/CN112634628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
    • G01P3/38—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light using photographic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种车辆速度确定方法、终端及存储介质，所述方法包括：获取目标视频，获取目标车辆在所述目标视频中的第一帧和第二帧之间的像素级移动速度；根据所述目标视频中的参照物像素距离和参照物现实距离获取放缩因子，其中，所述放缩因子反映了所述目标视频中的像素距离和现实距离的比例关系；根据所述像素级移动速度和所述放缩因子确定所述目标车辆的行驶速度。本发明能够实现一次对多个车辆进行测速，满足复杂交通环境的测速需求。

Description

一种车辆速度确定方法、终端及存储介质
技术领域
本发明涉及图像处理技术领域，特别涉及一种车辆速度确定方法、终端及存储介质。
背景技术
车辆速度检测用于判断车辆是否超速，降低交通事故发生的频率，在现有技术中，对车辆的行驶速度有多种检测方法，目前比较常见的测速方法有雷达测速。雷达测速利用多普勒效应进行测速，但是雷达测速不能实现一次对多个车辆进行测速，不能满足复杂交通环境中的测速要求。
因此，现有技术还有待改进和提高。
发明内容
针对现有技术的上述缺陷，本发明提供一种车辆速度确定方法、终端及存储介质，旨在解决现有技术中雷达测速不能满足复杂交通环境中的测速要求问题。
为了解决上述技术问题，本发明所采用的技术方案如下：
本发明的第一方面，提供一种车辆速度确定方法，所述方法包括：
获取目标视频，获取目标车辆在所述目标视频中的第一帧和第二帧之间的像素级移动速度；
根据所述目标视频中的参照物像素距离和参照物现实距离获取放缩因子，其中，所述放缩因子反映了所述目标视频中的像素距离和现实距离的比例关系；
根据所述像素级移动速度和所述放缩因子确定所述目标车辆的行驶速度。
所述的车辆速度确定方法，其中，所述获取目标车辆在所述目标视频中的第一帧和第二帧之间的像素级移动速度，包括：
对所述目标视频中的各个帧进行检测，获取所述目标视频的各个帧中各个车辆的矩形框；
根据所述目标车辆在所述第一帧上的矩形框的中心点和在所述第二帧上的矩形框的中心点获取所述像素级移动速度。
所述的车辆速度确定方法，其中，所述根据所述目标车辆在所述第一帧上的矩形框的中心点和在所述第二帧上的矩形框的中心点获取所述像素级移动速度，包括：
获取目标图像中的第一消失点和第二消失点，其中，所述第一消失点为所述目标图像中沿车道线方向的消失点和垂直车道线方向的消失点；
根据所述第一消失点和所述第二消失点确定映射矩阵；
根据所述映射矩阵确定所述像素级移动速度。
所述的车辆速度确定方法，其中，根据所述第一消失点和所述第二消失点确定映射矩阵，包括：
根据第一预设公式确定所述映射矩阵；
所述第一预设公式为：
Sv1＝[1,0,0]T
Sv2＝[0,1,0]T；
其中，S为所述映射矩阵，v1、v2分别为所述第一消失点和所述第二消失点的坐标对应的向量。
所述的车辆速度确定方法，其中，所述根据所述映射矩阵确定所述像素级移动速度，包括：
根据第二预设公式获取所述像素级移动速度；
所述第二预设公式为：
Figure BDA0002823757200000021
其中，
Figure BDA0002823757200000031
为所述像素级移动速度，(x,y)为所述目标车辆在所述一帧上的矩形框的中心点；
Figure BDA0002823757200000032
为所述目标车辆在所述第二帧上的矩形框的中心点；Sij为所述映射矩阵S中第i行，第j列的数，S'i,j是在矩阵S中划去Sij所在的行和列后得到的矩阵。
所述的车辆速度确定方法，其中，所述放缩因子包括第一放缩因子和第二放缩因子，所述根据所述目标视频中的参照像素距离和现实距离获取放缩因子，包括：
将所述目标图像中的各个像素点分别与所述映射矩阵进行运算，获取中间图像；
获取所述中间图像中车道的像素宽度和现实宽度；
根据所述像素宽度和所述现实宽度获取所述第一放缩因子；
获取所述中间图像中两条不同长度的车道线的像素长度和现实长度；
根据所述像素长度和所述现实长度获取所述第二放缩因子。
所述的车辆速度确定方法，其中，所述根据所述像素长度和所述现实长度获取所述第二放缩因子，包括：
根据第三预设公式获取所述第二放缩因子；
所述第三预设公式为：
Figure BDA0002823757200000033
Figure BDA0002823757200000034
其中，fy为所述第二放缩因子，L1、L2分别为两条车道线的现实长度，l1、l2分别为两条车道线的像素长度，ymax、ymin分别为所述目标车辆在所述中间图像的y方向上的最大坐标值和最小坐标值。
所述的车辆速度确定方法，其中，所述根据所述像素级移动速度和所述放缩因子确定所述目标车辆的速度，包括：
根据第四预设公式确定所述目标车辆的速度；
所述第四预设公式为：
Figure BDA0002823757200000041
其中，v为所述目标车辆的速度，
Figure BDA0002823757200000042
为所述像素级移动速度，fx为所述第一放缩因子，fy为所述第二放缩因子。
本发明的第二方面，提供一种终端，所述终端包括处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令，所述处理器适于调用所述存储介质中的指令，以执行实现上述任一项所述的车辆速度确定方法的步骤。
本发明的第三方面，提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任一项所述的车辆速度确定方法的步骤。
与现有技术相比，本发明提供了一种车辆速度确定方法、终端及存储介质，所述车辆速度确定方法通过对目标视频中的车辆进行检测，获取目标车辆在两帧之间的像素级移动速度，再获取反映了目标视频中的像素距离和现实距离的比例关系的放缩因子，进而确定目标车辆的现实行驶速度，能够实现一次对多个车辆进行测速，满足复杂交通环境的测速需求。
附图说明
图1为本发明提供的车辆速度确定方法的实施例的流程图；
图2为本发明提供的车辆速度确定方法的实施例中对视频中的车辆进行检测的示意图；
图3为本发明提供的车辆速度确定方法的实施例中步骤S200的子步骤流程图；
图4为本发明提供的终端的实施例的原理示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例一
本发明提供的车辆速度确定方法，可以是应用在终端中，终端可以通过本发明提供的车辆速度确定方法确定车辆速度。终端可以但不限于是各种计算机、手机、平板电脑、车载电脑和便携式可穿戴设备。
如图1所示，所述车辆速度确定方法的一个实施例中，包括步骤：
S100、获取目标视频，获取目标车辆在所述目标视频中的第一帧和第二帧之间的像素级移动速度。
执行本实施例提供的车辆速度确定方法的终端上可以安装有摄像头，通过摄像头拍摄得到所述目标视频，所述终端也可以是与摄像头通信连接，摄像头拍摄得到所述目标视频后通过有线或无线的传输方式发送给所述终端。所述目标视频是对车道进行拍摄的视频，拍摄所述目标视频的摄像头可以是交通监控摄像头。
在获取到所述目标视频后，获取目标车辆在所述目标视频中的第一帧和第二帧之间的像素级移动速度。具体地，所述目标车辆是需要检测其速度的车辆，所述目标车辆可以是所述目标视频中的任一车辆。所述目标车辆在两帧之间的像素值移动速度反映了视频的两帧图像上所述目标车辆的位置的变化速度。所述获取目标车辆在所述目标视频中的第一帧和第二帧之间的像素级移动速度，包括：
S110、对所述目标视频中的各个帧进行检测，获取所述目标视频的各个帧中各个车辆的矩形框。
具体地，可以通过神经网络来实现检测所述目标视频中的各个帧的车辆的目的，例如，通过目标分割网络对所述目标视频中的每一帧都进行分割，检测每一帧中各个车辆，例如MaskTrack、OSVOS等。在本实施例中，采用Mask R-CNN网络检测所述目标视频中的车辆，具体地，可以将所述目标视频输入至Mask R-CNN网络，输出每一帧中检测到的车辆，每一个车辆通过一个矩形框表示，如图2所示。在检测到每一帧中的车辆的矩形框之后，对车辆进行目标跟踪，此为现有技术，在此不再赘述。在进行车辆目标跟踪后，可以将车辆进行编号，这样，可以区分不同帧中的哪些矩形框对应的是同一车辆。
S120、根据所述目标车辆在所述第一帧上的矩形框的中心点和在所述第二帧上的矩形框的中心点获取所述像素级移动速度。
在确定所述目标车辆的速度时，从所述目标视频中选取两帧：第一帧和第二帧，所述第一帧和所述第二帧可以是所述目标视频中包括所述目标车辆的任意两帧，所述第一帧和所述第二帧为相邻帧，在确定第一帧和第二帧后，获取所述目标车辆在所述第一帧上的矩形框的中心点和在所述第二帧上的矩形框的中心点，上述数据可以通过一组向量表示：
Figure BDA0002823757200000061
其中，(x,y)为在所述第一帧上的矩形框的中心点坐标，
Figure BDA0002823757200000062
为在所述第二帧上的矩形框的中心点坐标。
在一种可能的实现方式中，可以直接获取所述目标车辆在所述第一帧上的矩形框的中心点和在所述第二帧上的矩形框的中心点之间的距离得到所述像素级移动速度，但是，在实际应用中，摄像头的安装不会正对车道线，这样就会产生一定的倾斜，导致摄像头拍摄的图像中的平行关系产生的了偏差，例如，在现实世界中平行的车道线，在拍摄的图像中不平行。在本实施例中，为了进一步修正摄像头倾斜导致的偏差，所述根据所述目标车辆在所述第一帧上的矩形框的中心点和在所述第二帧上的矩形框的中心点获取所述像素级移动速度，包括：
S121、获取目标图像中的第一消失点和第二消失点，其中，所述第一消失点为所述目标图像中沿车道线方向的消失点和垂直车道线方向的消失点；
S122、根据所述第一消失点和所述第二消失点确定映射矩阵；
S123、根据所述映射矩阵确定所述像素级移动速度。
所述映射矩阵用于将所述目标视频中的图像像素点映射至修正摄像头倾斜后的像素点，具体地，在本实施例中，通过消失点确定所述映射矩阵，现实中在一个方向上平行但是在图像中不平行的线会相交于一点，这个点称为这个方向上的消失点，车道线在现实中是平行的，车道线的垂直线在现实中也是平行的，延长所述目标图像中的车道线，得到第一消失点，延长所述目标图像中的车道线的垂直线，得到第二消失点。所述根据所述第一消失点和所述第二消失点确定映射矩阵，包括：
根据第一预设公式确定所述映射矩阵；
所述第一预设公式为：
Sv1＝[1,0,0]T
Sv2＝[0,1,0]T；
其中，S为所述映射矩阵，v1、v2分别为所述第一消失点和所述第二消失点的坐标对应的向量。
S具有如下形式：
Figure BDA0002823757200000071
其中-表示该值与映射矩阵无关。
得到所述映射矩阵后，根据所述映射矩阵确定所述像素级移动速度，具体包括：
根据第二预设公式获取所述像素级移动速度；
所述第二预设公式为：
Figure BDA0002823757200000072
其中，
Figure BDA0002823757200000081
为所述像素级移动速度，(x,y)为所述目标车辆在所述一帧上的矩形框的中心点；
Figure BDA0002823757200000082
为所述目标车辆在所述第二帧上的矩形框的中心点；Sij为所述映射矩阵S中第i行，第j列的数，S'i,j是在矩阵S中划去Sij所在的行和列后得到的矩阵。
请再次参阅图1，本实施例提供的车辆速度确定方法还包括步骤：
S200、根据所述目标视频中的参照物像素距离和参照物现实距离获取放缩因子。
所述放缩因子反映了所述目标视频中的像素距离和现实距离的比例关系，对于图像中的两点，两点在图像上的坐标之间的距离成为该两点在图像最终的像素距离，而两点在现实中的距离称为现实距离。在本实施例中，所述放缩因子包括第一放缩因子和第二放缩因子，如图3所示，所述根据所述目标视频中的参照像素距离和现实距离获取放缩因子，包括：
S210、将所述目标图像中的各个像素点分别与所述映射矩阵进行运算，获取中间图像；
S220、获取所述中间图像中车道的像素宽度和现实宽度；
S230、根据所述像素宽度和所述现实宽度获取所述第一放缩因子；
S240、获取所述中间图像中两条不同长度的车道线的像素长度和现实长度；
S250、根据所述像素长度和所述现实长度获取所述第二放缩因子。
在获取到所述映射矩阵后，将所述目标图像中的各个像素点分别与所述映射矩阵进行运算，获取中间图像，具体地，对于点x，将x与S进行相乘，得到X，可以表示为：Sx＝X。所述目标图像可以是所述目标视频中包括所述目标车辆的任一帧，可以是所述第一帧或所述第二帧。将所述目标图像中的各个像素点分别与所述映射矩阵进行运算后得到的新的像素点组成所述中间图像，所述中间图像为修正了平行关系后的图像，即所述中间图像中车道线是平行的，获取所述中间图像中车道的像素宽度，以及车道的现实宽度，具体地，车道的显示宽度可以通过所述目标视频的拍摄地点的车道宽度标准或者实际测量得到，还可以通过线上地图，例如google map中的地图比例尺计算得到。将所述目标视频中车道的现实宽度除以像素宽度，得到所述第一放缩因子。
由于在使用映射矩阵对所述目标图像中的像素点进行映射时，虽然修正了车道线的平行关系，但是会造成车道线垂直方向的拉伸，为了修正车道线垂直方向的拉伸，在所述中间图像中选取两条长度不同的车道线，分别获取像素长度和现实程度，根据所述像素长度和所述显示长度获取所述第二放缩因子，具体地，是根据第三预设公式获取所述第二放缩因子，所述第三预设公式为：
Figure BDA0002823757200000091
Figure BDA0002823757200000092
其中，fy为所述第二放缩因子，L1、L2分别为两条车道线的现实长度，l1、l2分别为两条车道线的像素长度，ymax、ymin分别为所述目标车辆在所述中间图像的y方向上的最大坐标值和最小坐标值。
如图1所示，在获取到所述像素级移动速度和所述放缩因子后，本实施例提供的车辆速度确定方法还包括步骤：
S300、根据所述像素级移动速度和所述放缩因子确定所述目标车辆的形式速度。
具体地，是根据第四预设公式确定所述目标车辆的速度，所述第四预设公式为：
Figure BDA0002823757200000093
其中，v为所述目标车辆的速度，
Figure BDA0002823757200000094
为所述像素级移动速度，fx为所述第一放缩因子，fy为所述第二放缩因子。
从上面的说明不难看出，所述第一放缩因子和所述第二放缩因子能够实现将所述目标视频中的图像修正为现实世界尺寸、平行关系的图像，使用所述第一放缩因子和所述第二放缩因子对所述目标车辆的所述像素级移动速度进行处理后，能够得到所述目标车辆的现实速度。各个车辆可以实现独立计算，能够实现一次对多个车辆进行测速。
综上所述，本实施例提供了一种车辆速度确定方法，通过对目标视频中的车辆进行检测，获取目标车辆在两帧之间的像素级移动速度，再获取反映了目标视频中的像素距离和现实距离的比例关系的放缩因子，进而确定目标车辆的现实行驶速度，能够实现一次对多个车辆进行测速，满足复杂交通环境的测速需求。
应该理解的是，虽然本发明说明书附图中给出的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
实施例二
基于上述实施例，本发明还相应提供了一种终端，如图4所示，所述终端包括处理器10以及存储器20。可以理解的是，图4仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有车辆速度确定程序30，该车辆速度确定程序30可被处理器10所执行，从而实现本申请中车辆速度确定方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述车辆速度确定方法等。
实施例三
本发明还提供一种存储介质，其中，存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的车辆速度确定方法的步骤。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种车辆速度确定方法，其特征在于，所述方法包括：
获取目标视频，获取目标车辆在所述目标视频中的第一帧和第二帧之间的像素级移动速度；
根据所述目标视频中的参照物像素距离和参照物现实距离获取放缩因子，其中，所述放缩因子反映了所述目标视频中的像素距离和现实距离的比例关系；
根据所述像素级移动速度和所述放缩因子确定所述目标车辆的行驶速度。
2.根据权利要求1所述的车辆速度确定方法，其特征在于，所述获取目标车辆在所述目标视频中的第一帧和第二帧之间的像素级移动速度，包括：
对所述目标视频中的各个帧进行检测，获取所述目标视频的各个帧中各个车辆的矩形框；
根据所述目标车辆在所述第一帧上的矩形框的中心点和在所述第二帧上的矩形框的中心点获取所述像素级移动速度。
3.根据权利要求2所述的车辆速度确定方法，其特征在于，所述根据所述目标车辆在所述第一帧上的矩形框的中心点和在所述第二帧上的矩形框的中心点获取所述像素级移动速度，包括：
获取目标图像中的第一消失点和第二消失点，其中，所述第一消失点为所述目标图像中沿车道线方向的消失点和垂直车道线方向的消失点；
根据所述第一消失点和所述第二消失点确定映射矩阵；
根据所述映射矩阵确定所述像素级移动速度。
4.根据权利要求3所述的车辆速度确定方法，其特征在于，根据所述第一消失点和所述第二消失点确定映射矩阵，包括：
根据第一预设公式确定所述映射矩阵；
所述第一预设公式为：
Sv1＝[1,0,0]T
Sv2＝[0,1,0]T；
其中，S为所述映射矩阵，v1、v2分别为所述第一消失点和所述第二消失点的坐标对应的向量。
5.根据权利要求3所述的车辆速度确定方法，其特征在于，所述根据所述映射矩阵确定所述像素级移动速度，包括：
根据第二预设公式获取所述像素级移动速度；
所述第二预设公式为：
Figure FDA0002823757190000021
其中，
Figure FDA0002823757190000022
为所述像素级移动速度，(x,y)为所述目标车辆在所述一帧上的矩形框的中心点；
Figure FDA0002823757190000023
为所述目标车辆在所述第二帧上的矩形框的中心点；Sij为所述映射矩阵S中第i行，第j列的数，S'i,j是在矩阵S中划去Sij所在的行和列后得到的矩阵。
6.根据权利要求3所述的车辆速度确定方法，其特征在于，所述放缩因子包括第一放缩因子和第二放缩因子，所述根据所述目标视频中的参照像素距离和现实距离获取放缩因子，包括：
将所述目标图像中的各个像素点分别与所述映射矩阵进行运算，获取中间图像；
获取所述中间图像中车道的像素宽度和现实宽度；
根据所述像素宽度和所述现实宽度获取所述第一放缩因子；
获取所述中间图像中两条不同长度的车道线的像素长度和现实长度；
根据所述像素长度和所述现实长度获取所述第二放缩因子。
7.根据权利要求6所述的车辆速度确定方法，其特征在于，所述根据所述像素长度和所述现实长度获取所述第二放缩因子，包括：
根据第三预设公式获取所述第二放缩因子；
所述第三预设公式为：
Figure FDA0002823757190000031
Figure FDA0002823757190000032
其中，fy为所述第二放缩因子，L1、L2分别为两条车道线的现实长度，l1、l2分别为两条车道线的像素长度，ymax、ymin分别为所述目标车辆在所述中间图像的y方向上的最大坐标值和最小坐标值。
8.根据权利要求6所述的车辆速度确定方法，其特征在于，所述根据所述像素级移动速度和所述放缩因子确定所述目标车辆的速度，包括：
根据第四预设公式确定所述目标车辆的速度；
所述第四预设公式为：
Figure FDA0002823757190000033
其中，v为所述目标车辆的速度，
Figure FDA0002823757190000034
为所述像素级移动速度，fx为所述第一放缩因子，fy为所述第二放缩因子。
9.一种终端，其特征在于，所述终端包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令，所述处理器适于调用所述存储介质中的指令，以执行实现上述权利要求1-8任一项所述的车辆速度确定方法的步骤。
10.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任一项所述的车辆速度确定方法的步骤。
CN202011423767.7A 2020-12-08 2020-12-08 一种车辆速度确定方法、终端及存储介质 Active CN112634628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011423767.7A CN112634628B (zh) 2020-12-08 2020-12-08 一种车辆速度确定方法、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011423767.7A CN112634628B (zh) 2020-12-08 2020-12-08 一种车辆速度确定方法、终端及存储介质

Publications (2)

Publication Number Publication Date
CN112634628A true CN112634628A (zh) 2021-04-09
CN112634628B CN112634628B (zh) 2021-10-22

Family

ID=75308907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011423767.7A Active CN112634628B (zh) 2020-12-08 2020-12-08 一种车辆速度确定方法、终端及存储介质

Country Status (1)

Country Link
CN (1) CN112634628B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470374A (zh) * 2021-06-30 2021-10-01 平安科技（深圳）有限公司 车辆超速监测方法、装置、计算机设备及存储介质
CN114973468A (zh) * 2022-05-23 2022-08-30 北京声智科技有限公司 闸机控制方法、装置、设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19517026A1 (de) * 1995-05-10 1996-11-14 Bosch Gmbh Robert Verfahren zur Bestimmung der Geschwindigkeit eines Fahrzeuges mit Hilfe einer das Fahrzeug aufnehmden Videokamera und Vorrichtung zur Durchführung des Verfahrens
CN101267493A (zh) * 2007-03-16 2008-09-17 富士通株式会社 透视变形文档图像的校正装置和校正方法
CN102254318A (zh) * 2011-04-08 2011-11-23 上海交通大学 基于图像透视投影变换的车辆道路交通视频测速方法
CN102622895A (zh) * 2012-03-23 2012-08-01 长安大学 一种基于视频的车辆速度检测方法
CN103177250A (zh) * 2011-12-22 2013-06-26 北大方正集团有限公司 一种平面目标图像透视变形的矫正方法和系统
CN109686088A (zh) * 2018-12-29 2019-04-26 重庆同济同枥信息技术有限公司 一种交通视频告警方法、设备及系统
CN110033493A (zh) * 2019-04-17 2019-07-19 深圳金三立视频科技股份有限公司 摄像机3d标定方法及终端

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19517026A1 (de) * 1995-05-10 1996-11-14 Bosch Gmbh Robert Verfahren zur Bestimmung der Geschwindigkeit eines Fahrzeuges mit Hilfe einer das Fahrzeug aufnehmden Videokamera und Vorrichtung zur Durchführung des Verfahrens
CN101267493A (zh) * 2007-03-16 2008-09-17 富士通株式会社 透视变形文档图像的校正装置和校正方法
CN102254318A (zh) * 2011-04-08 2011-11-23 上海交通大学 基于图像透视投影变换的车辆道路交通视频测速方法
CN103177250A (zh) * 2011-12-22 2013-06-26 北大方正集团有限公司 一种平面目标图像透视变形的矫正方法和系统
CN102622895A (zh) * 2012-03-23 2012-08-01 长安大学 一种基于视频的车辆速度检测方法
CN109686088A (zh) * 2018-12-29 2019-04-26 重庆同济同枥信息技术有限公司 一种交通视频告警方法、设备及系统
CN110033493A (zh) * 2019-04-17 2019-07-19 深圳金三立视频科技股份有限公司 摄像机3d标定方法及终端

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470374A (zh) * 2021-06-30 2021-10-01 平安科技（深圳）有限公司 车辆超速监测方法、装置、计算机设备及存储介质
CN114973468A (zh) * 2022-05-23 2022-08-30 北京声智科技有限公司 闸机控制方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN112634628B (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
US11210534B2 (en) Method for position detection, device, and storage medium
CN112634628B (zh) 一种车辆速度确定方法、终端及存储介质
CN111178245A (zh) 车道线检测方法、装置、计算机设备和存储介质
CN109828250B (zh) 一种雷达标定方法、标定装置及终端设备
CN112862890B (zh) 道路坡度预测方法、装置和存储介质
CN110969145B (zh) 一种遥感图像匹配优化方法、装置、电子设备及存储介质
CN111461113B (zh) 一种基于变形平面物体检测网络的大角度车牌检测方法
CN112348116A (zh) 利用空间上下文的目标检测方法、装置和计算机设备
CN116863124B (zh) 车辆姿态确定方法、控制器及存储介质
CN110880003B (zh) 一种图像匹配方法、装置、存储介质及汽车
CN117152265A (zh) 一种基于区域提取的交通图像标定方法及装置
CN114037977B (zh) 道路灭点的检测方法、装置、设备及存储介质
CN113147746A (zh) 坡道车位的探测方法及装置
CN115330657A (zh) 一种海洋探测图像的处理方法、装置和服务器
CN112634141B (zh) 一种车牌矫正方法、装置、设备及介质
CN113033578B (zh) 基于多尺度特征匹配的图像校准方法、系统、终端及介质
CN114399657A (zh) 车辆检测模型训练方法、装置、车辆检测方法及电子设备
CN112149600A (zh) 一种大数据汽车驾驶区域图像分析方法及系统
CN113255405B (zh) 车位线识别方法及其系统、车位线识别设备、存储介质
CN111429399A (zh) 一种直线检测方法及装置
CN113379591B (zh) 速度确定方法、速度确定装置、电子设备及存储介质
CN113227708B (zh) 确定俯仰角的方法、装置及终端设备
CN114820672A (zh) 图像处理方法、装置、计算机设备和存储介质
CN112818833A (zh) 基于深度学习的人脸多任务检测方法、系统、装置及介质
CN113762259A (zh) 文本定位方法、装置、计算机系统和可读存储介质

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