CN112798811A - 速度测量方法、装置和设备 - Google Patents

速度测量方法、装置和设备 Download PDF

Info

Publication number
CN112798811A
CN112798811A CN202011612341.6A CN202011612341A CN112798811A CN 112798811 A CN112798811 A CN 112798811A CN 202011612341 A CN202011612341 A CN 202011612341A CN 112798811 A CN112798811 A CN 112798811A
Authority
CN
China
Prior art keywords
frame
target video
vehicle
video frame
coordinate
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
CN202011612341.6A
Other languages
English (en)
Other versions
CN112798811B (zh
Inventor
舒正阳
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN202011612341.6A priority Critical patent/CN112798811B/zh
Publication of CN112798811A publication Critical patent/CN112798811A/zh
Application granted granted Critical
Publication of CN112798811B publication Critical patent/CN112798811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请提供一种速度测量方法、装置和设备，方法包括：获取第一目标视频帧；从第一目标视频帧中确定第一外接框，第一外接框用于表示第一目标视频帧中第一车辆所在的区域；在第一外接框与第二目标视频帧中的第二外接框匹配成功后，获得第一外接框的指定边对应的第一世界坐标、以及第二外接框的指定边对应的第二世界坐标；第二目标视频帧是第一目标视频帧的前一个目标视频帧；第二外接框用于表示第二目标视频帧中第一车辆所在的区域；根据第一世界坐标、第二世界坐标、以及第一时长计算第一车辆的速度；第一时长是第一目标视频帧和第二目标视频帧之间的时间间隔。本申请速度测量结果的精度高，硬件成本低，摄像机的架设环境不受限。

Description

速度测量方法、装置和设备
技术领域
本申请涉及智能交通技术领域，特别涉及一种速度测量方法、装置和设备。
背景技术
目前，道路上一般会有监控设备对车辆的速度进行检测，以筛选超速车辆。常用的速度检测方法是：在道路区间段的两端分别架设交通相机，利用交通相机来检测目标车辆在道路区间段内的平均速度。
上述速度检测方法需要架设至少2台交通相机，硬件成本高；检测得到的速度是车辆的平均速度，不是瞬时速度，检测结果的精度低；两个交通相机之间的道路区间段需要没有岔路口，交通相机的架设环境受限。
发明内容
本申请提供了一种速度测量方法、装置和设备，速度测量结果的精度高，硬件成本低，架设环境不受限。
第一方面，本申请实施例提供一种速度测量方法，包括：
获取第一目标视频帧；
从所述第一目标视频帧中确定第一外接框，所述第一外接框用于表示所述第一目标视频帧中第一车辆所在的区域；
在所述第一外接框与第二目标视频帧中的第二外接框匹配成功后，获得所述第一外接框的指定边对应的第一世界坐标、以及所述第二外接框的指定边对应的第二世界坐标；所述第二目标视频帧是所述第一目标视频帧的前一个目标视频帧；所述世界坐标是世界坐标系中的坐标；所述第二外接框用于表示所述第二目标视频帧中所述第一车辆所在的区域；所述第一外接框的指定边和所述第二外接框的指定边是外接框上相同位置的边；
根据所述第一世界坐标、所述第二世界坐标、以及第一时长计算所述第一车辆的速度；所述第一时长是所述第一目标视频帧和所述第二目标视频帧之间的时间间隔。
在一种可能的实现方式中，所述第一外接框与第二目标视频帧中的第二外接框匹配成功，包括：
计算所述第二目标视频帧中每个外接框与所述第一外接框的相似度；所述第二目标视频帧中的外接框用于表示所述第二目标视频帧中车辆所在的区域；
获取与所述第一外接框的相似度最高且大于预设阈值的外接框，作为所述第二外接框。
在一种可能的实现方式中，所述计算所述第二目标视频帧中每个外接框与所述第一外接框的相似度，包括：
对于所述第二目标视频帧中的外接框，获取该外接框的目标信息，所述目标信息包括以下至少之一：该外接框与所述第一外接框之间的距离以及该距离的权重，该外接框的车牌识别结果与所述第一外接框的车牌识别结果之间的匹配值以及该匹配值的权重，以及该外接框中图像与所述第一外接框中图像的颜色分布相似度以及该颜色分布相似度的权重；
根据所述目标信息，计算该外接框与所述第一外接框的相似度。
在一种可能的实现方式中，所述获得所述第一外接框的指定边对应的第一世界坐标，包括：
获取所述第一外接框的指定边的第一像素坐标；所述像素坐标是像素坐标系中的坐标；
根据所述第一像素坐标、预设的相机坐标系和世界坐标系之间的坐标转换关系，计算所述第一像素坐标到相机坐标的第二投影缩放倍数；
根据所述第二投影缩放倍数计算所述第一像素坐标对应的第一相机坐标；
根据所述第一相机坐标、所述相机坐标系到世界坐标系的坐标转换关系，将所述第一相机坐标转换为世界坐标，得到所述第一世界坐标。
在一种可能的实现方式中，所述相机坐标系和世界坐标系之间的坐标转换关系的生成方法包括：
从参考图像中获取至少4个像素点的像素坐标；所述参考图像是所述摄像机架设完成后拍摄得到的图像；
展示世界坐标输入界面，所述世界坐标输入界面上提供所述至少4个像素点对应的世界坐标输入控件；检测到针对于所述输入控件的坐标输入操作，获取所述坐标输入操作输入的坐标作为所述至少4个像素点对应的世界坐标；
根据所述至少4个像素点的像素坐标以及所述至少4个像素点对应的世界坐标计算所述相机坐标系和世界坐标系之间的坐标转换关系。
在一种可能的实现方式中，所述根据所述至少4个像素点的像素坐标以及所述至少4个像素点对应的世界坐标计算所述坐标转换关系，包括：
根据所述至少4个像素点的像素坐标以及对应的世界坐标计算像素坐标到相机坐标的第一投影缩放倍数；
根据所述第一投影缩放倍数、所述至少4个像素点的像素坐标以及对应的世界坐标，计算所述相机坐标系和世界坐标系之间的坐标转换关系。
在一种可能的实现方式中，所述计算所述第一车辆的速度之后，还包括：
确定所述第一外接框的指定边的第一像素坐标达到预设阈值，根据已经计算得到的所述第一车辆的速度计算平均值或者中位数，得到所述第一车辆的目标速度，所述第一车辆的目标速度是对于所述第一车辆速度的测量结果。
在一种可能的实现方式中，所述计算所述第一车辆的速度之后，还包括：
在包括所述第一车辆的外接框的目标视频帧的个数与预设数值相等后，根据已计算得到的第一车辆的速度计算所述第一目标视频帧中第一车辆的预测速度和预测加速度；
在包括所述第一车辆的外接框的目标视频帧的个数大于预设数值后，根据所述第二目标视频帧中第一车辆的预测速度和预测加速度，对计算得到的所述第一车辆的速度进行卡尔曼滤波处理，将滤波处理得到的速度作为所述第一车辆的速度。
第二方面，本申请实施例提供一种速度测量装置，包括：
获取单元，用于获取第一目标视频帧；
确定单元，用于从所述第一目标视频帧中确定第一外接框，所述第一外接框用于表示所述第一目标视频帧中第一车辆所在的区域；
获得单元，用于在所述第一外接框与第二目标视频帧中的第二外接框匹配成功后，获得所述第一外接框的指定边对应的第一世界坐标、以及所述第二外接框的指定边对应的第二世界坐标；所述第二目标视频帧是所述第一目标视频帧的前一个目标视频帧；所述世界坐标是世界坐标系中的坐标；所述第二外接框用于表示所述第二目标视频帧中所述第一车辆所在的区域；所述第一外接框的指定边和所述第二外接框的指定边是外接框上相同位置的边；
计算单元，用于根据所述第一世界坐标、所述第二世界坐标、以及第一时长计算所述第一车辆的速度；所述第一时长是所述第一目标视频帧和所述第二目标视频帧之间的时间间隔。
第三方面，本申请实施例提供一种处理设备，包括：
一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行第一方面任一项所述的方法。
第四方面，本申请实施例提供一种速度测量系统，包括摄像机和处理设备；其中，所述处理设备用于执行第一方面任一项所述的方法。
第五方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行第一方面任一项所述的方法。
第六方面，本申请提供一种计算机程序，当所述计算机程序被计算机执行时，用于执行第一方面所述的方法。
在一种可能的设计中，第六方面中的程序可以全部或者部分存储在与处理器封装在一起的存储介质上，也可以部分或者全部存储在不与处理器封装在一起的存储器上。
本申请实施例提供的速度测量方法中，获取第一目标视频帧，从所述第一目标视频帧中确定第一外接框，所述第一外接框用于表示所述第一目标视频帧中第一车辆所在的区域，在所述第一外接框与第二目标视频帧中的第二外接框匹配成功后，获得所述第一外接框的指定边对应的第一世界坐标、以及所述第二外接框的指定边对应的第二世界坐标，所述第二目标视频帧是所述第一目标视频帧的前一个目标视频帧，所述世界坐标是世界坐标系中的坐标，所述第二外接框用于表示所述第二目标视频帧中所述第一车辆所在的区域；所述第一外接框的指定边和所述第二外接框的指定边是外接框上相同位置的边，根据所述第一世界坐标、所述第二世界坐标、以及第一时长计算所述第一车辆的速度，所述第一时长是所述第一目标视频帧和所述第二目标视频帧之间的时间间隔，从而本申请实施例的速度测量方法中计算得到的第一车辆的速度更接近于第一车辆的瞬时速度，而不是一长段路程下的平均速度，从而速度测量结果的精确度更高；而且，该方法仅需要架设一台摄像机即可以实现速度测量，硬件成本低，且摄像机可以架设于任意需要进行车辆速度测量的环境中，不受道路条件等的环境限制。
附图说明
图1为本申请速度测量方法适用的系统架构示例图；
图2A和图2B为本申请摄像机架设方法示例图；
图3A为本申请像素坐标系和像平面坐标系建立方法示例图；
图3B为本申请相机坐标系建立方法示例图；
图4A为本申请速度测量方法一个实施例的流程图；
图4B为本申请目标视频帧中外接框示意图；
图5为本申请速度测量方法再一个实施例的流程图；
图6为本申请坐标转换关系设置方法的UI界面示例图；
图7为本申请速度测量方法又一个实施例的流程图；
图8为本申请速度测量装置一个实施例的结构示意图。
具体实施方式
本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。
现有的实现方案中，在道路区间段的两端分别架设交通相机，对于一辆目标车辆，目标车辆输入道路区间段，第一个交通相机抓拍目标车辆的图像，从图像中检测到目标车辆的车牌号，在目标车辆输出道路区间段时，第二个交通相机抓拍目标车辆的图像，从图像中检测到目标车辆的车牌号，则根据道路区间段的长度以及两个抓拍图像的时间差计算得到目标车辆在道路区间段内的平均速度，作为目标车辆的测速结果。
以上过程需要假设至少2台交通相机，架设成本较高；检测得到的速度是车辆的平均速度，不是瞬时速度，检测结果的精度低；两个交通相机之间的道路区间段需要没有岔路口，交通相机的架设环境受限。
为此，本申请提出一种速度测量方法、装置和设备，检测结果的精度高，硬件成本低，架设环境不受限。
图1为本申请速度测量方法适用的系统架构示例图，其中，包括：摄像机110、处理设备120。其中，摄像机110和处理设备120连接，上述连接可以是有线连接或者无线连接，本申请实施例不作限定，只要摄像机110和处理设备120之间能够进行数据传输即可。摄像机110用于对道路上的车辆进行视频拍摄，处理设备120用于基于摄像机110拍摄的视频进行速度检测。
可选地，处理设备120是独立存在的设备，或者，集成在摄像机110中。如果处理设备120是独立存在的设备，处理设备120可以是计算机或者计算机集群等具有数据处理能力的设备。
对本申请实施例摄像机的架设位置进行说明。
本申请实施例速度测量方法中摄像机的架设方法本申请实施例不作限定，只要被检测道路上行驶的车辆能够被摄像机拍摄到即可。举例来说：
本申请实施例速度测量方法中所使用的摄像机可以架设于被检测道路的上方，优选地，可以架设于被检测道路的上方中央位置。例如，参见图2A所示，如果被检测道路是行驶方向向左方的3条车道，则可以将摄像机架设在行驶方向为向左方的3个车道的上方的中央位置，例如摄像机21所示；如果被检测道路是行驶方向向右方的3条车道，则可以将摄像机架设在该3条车道的上方的中央位置，例如摄像机22所示；如果被检测道路是两个行驶方向的6条车道，则可以将摄像机假设在6条车道的上方的中央位置(图2A中未举例示出)。
本申请实施例速度测量方法中所使用的摄像机可以架设于被检测道路的侧上方。例如，参见图2B所示，摄像机23架设在行驶方向向左方的3条车道的侧上方，可以主要测量该行驶方向的3条车道上的车辆的速度；摄像机24架设在行驶方向向右方的3条车道的侧上方，可以主要测量该行驶方向的3条车道上的车辆的速度。
对本申请实施例涉及的坐标系进行说明。
像素坐标系：摄像机拍摄的视频图像一般为矩形，参见图3A，以用户观看摄像机拍摄的视频图像的角度，以摄像机拍摄的视频图像的左上角为原点O1，沿视频图像的上侧边向右为x轴正方向，沿视频图像的左侧边向下为y轴正方向，得到像素坐标系。以下，将图像中的像素点在像素坐标系中的坐标称为像素坐标。
像平面坐标系：参见图3A，以用户观看摄像机拍摄的视频图像的角度，以摄像机拍摄的视频图像的几何中心点为原点O2，x轴正方向与像素坐标系的x轴正方向相同，y轴正方向与像素坐标系的y轴正方向相同。
相机坐标系：参见图3B，以摄像机的光心为原点O，z轴正方向是沿光轴指向摄像机前方的方向，x轴正方向与像平面坐标系的正方向相同，y轴正方向与像平面坐标系的y轴正方向相同。
世界坐标系：由于摄像机可安放在环境中的任意位置，在环境中选择一个基准坐标系来描述摄像机的位置，并用它描述环境中任何物体的位置，该坐标系称为世界坐标系。以下，将一个点在世界坐标系中的坐标称为世界坐标。例如在本申请实施例中，以地面上任意一点为原点，地平面为xoy平面，垂直地平面且过原点的直线为z轴，建立世界坐标系，以下说明中也以该世界坐标系作为示例进行说明。
以下对本申请实施例速度测量方法进行说明。
图4A是本申请速度测量方法一个实施例的流程图，如图4A所示，该方法可以包括：
步骤401：获取第一目标视频帧。
第一目标视频帧是摄像机拍摄的视频中的视频帧。
步骤402：从第一目标视频帧中确定第一外接框，第一外接框用于表示所述第一目标视频帧中第一车辆所在的区域。
在目标视频帧中可能包括若干个车辆所在的区域，每个车辆所在的区域可以通过一个外接框来指示。一般的，外接框可以是矩形。例如参见图4B所示，示出了外接框与车辆之间的关系，且以外接框是矩形为例。本步骤中的第一车辆是目标视频帧中包括的任一车辆，第一外接框是第一车辆的外接框。
步骤403：在第一外接框与第二目标视频帧中的第二外接框匹配成功后，获得第一外接框的指定边对应的第一世界坐标、以及第二外接框的指定边对应的第二世界坐标；第二目标视频帧是第一目标视频帧的前一个目标视频帧；世界坐标是世界坐标系中的坐标；第二外接框用于表示第二目标视频帧中第一车辆所在的区域。
第一外接框的指定边和第二外接框的指定边是外接框上相同位置的边。
外接框的指定边可以是外接框的任一边，优选为外接框的底边。底边是车辆的车头对应的边和车尾对应的边中距离x轴相对更远的边。参见4B所示，两个外接框的底边分别是边41和边42，边41是车辆的车头对应的边，边42是车辆的车尾对应的边。
步骤404：根据第一世界坐标、第二世界坐标、以及第一时长计算第一车辆的速度；第一时长是第一目标视频帧和第二目标视频帧之间的时间间隔。
摄像机拍摄的视频的帧率一般已知，帧率是指1秒显示的视频帧的数量，根据帧率可以计算两个视频帧之间的时间间隔，进而计算第一目标视频帧和第二目标视频帧之间的时间间隔。
本步骤可以包括：计算第一世界坐标和第二世界坐标之间的距离；根据计算得到的距离和第一时长计算第一车辆的速度。具体的，可以通过以下公式计算第一车辆的速度：第一车辆的速度＝距离/第一时长。
虽然本步骤中计算的仍然是第一车辆的两个世界坐标之间的平均速度，但是，由于目标视频帧之间的时间间隔相对较小，所以计算得到第一车辆的速度更接近于第一车辆的瞬时速度。
该方法计算得到的第一车辆的速度更接近于第一车辆的瞬时速度，而不是一长段路程下的平均速度，从而速度测量结果的精确度更高；而且，该方法仅需要架设一台摄像机即可以实现速度测量，硬件成本低，且摄像机可以架设于任意需要进行车辆速度测量的环境中，不受道路条件等的环境限制。
图5是本申请速度测量方法另一个实施例的流程图。该实施例中，以处理设备和摄像机是分别独立存在的设备为例。如图5所示，该方法可以包括：
步骤501：处理设备预先配置摄像机的相机坐标系与世界坐标系之间的坐标转换关系。
相机坐标系与世界坐标系之间的坐标转换关系包括：相机坐标系到世界坐标系的坐标转换关系，以及世界坐标系到相机坐标系的坐标转换关系。上述坐标转换关系可以通过坐标转换矩阵实现。
在摄像机架设完成后，为了使得处理设备在后续处理中能够根据摄像机拍摄到的车辆图像准确的测量摄像机拍摄到的车辆的速度，所以设置该配置步骤。
本步骤可以通过以下方式实现：
处理设备从参考图像中获取至少4个像素点的像素坐标；参考图像是摄像机架设完成后拍摄得到的图像；
处理设备展示世界坐标输入界面，世界坐标输入界面上提供至少4个像素点对应的世界坐标输入控件；检测到针对于输入控件的坐标输入操作，获取坐标输入操作输入的坐标作为至少4个像素点对应的世界坐标；
根据至少4个像素点的像素坐标以及至少4个像素点对应的世界坐标计算相机坐标系和世界坐标系之间的坐标转换关系。
上述至少4个像素点可以由处理设备从参考图像中自主选择，例如随机选择至少4个像素点，处理设备获取选择的至少4个像素点的像素坐标，此时，处理设备可以将参考图像以及选择的至少4个像素点展示给用户，以便用户据此测量并确定像素点对应的物理环境位置点的世界坐标；或者，处理设备也可以将参考图像展示给用户，由用户指定至少4个像素点，处理设备相应获取用户指定的至少4个像素点的像素坐标。
以下通过实例说明本步骤的实现。在以下实例中，以像素点的个数是4为例。
图6示出了一种配置步骤的用户界面(User Interface，UI)界面示例图。在61部分，处理设备向用户展示摄像机拍摄的一幅图像610，该幅图像是摄像机架设完成后拍摄的图像；用户在展示的图像中选择4个点作为标定点，例如61部分以点A、点B、点C、点D作为标定点为例，处理设备获取4个标定点的像素坐标。可选地，用户也可以在展示的图像中画两条线段，相应的，处理设备将两条线段的4个端点作为4个标定点，此时，处理设备同样可以得到4个标定点的像素坐标。
由于图像610是摄像机拍摄的实际物理环境的图像，因此，标定点必然对应着实际物理环境中的位置点，物理环境中的位置点以下称为物理位置点。
在62部分，处理设备向用户展示世界坐标输入界面，世界坐标输入界面上提供4个标定点对应的物理位置的世界坐标输入控件，用于使得用户输入4个标定点分别对应的物理位置点的世界坐标。标定点对应的物理位置点的世界坐标可以由用户通过实地测量或者实时计算等手段获得，并对应输入至界面的对应控件中，选中“确定”控件；相应的，处理设备获取用户的输入操作输入的数值作为4个标定点对应的物理位置点的世界坐标，也即是4个标定点对应的世界坐标。
之后，处理设备根据4个标定点的像素坐标和4个标定点对应的世界坐标可以计算得到像素坐标系和世界坐标系之间的坐标转换关系，处理设备存储计算得到的上述坐标转换关系，从而完成配置像素坐标系和世界坐标系之间的坐标转换关系的步骤。
可选地，为了便于用户计算物理位置点的世界坐标，减少用户计算量和实地测量的工作量，用户在输入4个物理位置点的世界坐标时，可以基于4个物理位置点建立世界坐标系，例如可以将4个标定点中任一个标定点例如A点对应的物理位置点确定为世界坐标系的原点，以原点指向另一标定点例如B点对应的物理位置点作为x轴正方向，进而基于x轴正方向确定y轴正方向，以经过原点垂直向上的方向为z轴正方向，从而基于4个物理位置点建立世界坐标系，从而用户基于该世界坐标系输入4个物理位置点的世界坐标。相应的，处理设备可以基于用户输入的4个物理位置点的世界坐标获取到摄像机的世界坐标系建立方法；而对于用户来说，在这样的世界坐标系建立方法下，用户只需要测量3个物理位置点相对于作为原点的物理位置点的位置关系即可得到4个物理位置点的世界坐标。
需要说明的是，上述坐标转换关系配置中使用的标定点可以是图像610中的任意点，也即是说用户可以在图像610中随意选择4个点作为标定点。优选地，标定点是实际物理环境中特殊位置点在图像中对应的像素点，以减少用户获取标定点对应的世界坐标的工作量。举例来说：由于不同等级的道路例如高速路、一级路、二级路、三级路等等对于车道线都具有明确的数值规范，因此，在摄像机已经架设完成的情况下，基于所检测的道路的等级，可以得到实际车道线的尺寸数据，例如在道路等级一定的情况下，车道线如果为白色虚线，构成白色虚线的白色长方形的尺寸是已知的，车道宽度是已知的。即便是普通道路，道路维护人员在进行车道线划线时也会遵循某种车道线的尺寸数据规范。因此，在摄像机架设完成后，其所监测的车道的车道线的尺寸数据是可以无需测量即可以获取到的。因此，在上述指定标定点时，可以以车道线为依据进行标定点的指定，从而可以使得用户无需实地测量，即可以得到标定点对应的物理位置点的世界坐标。举例来说：参见图7，以白色虚线的一个白色长方形的2个角作为标定点B、D，经过标定点B与白色虚线垂直的线与一条白色实线的交点为标定点A，同理，得到标定点C，则假设世界坐标系是以标定点A对应的物理位置点作为原点、从标定点A对应的物理位置点指向标定点B对应的物理位置点为x轴正方向，从标定点A对应的物理位置点指向标定点C对应的物理位置点为y轴正方向，垂直地平面向上的方向为z轴正方向，那么基于已知的车道线白色长方形的长度、以及车道宽度就可以直接得到标定点A、B、C、D对应的物理位置点在该世界坐标系中的世界坐标，而无需用户实地测量。
其中，处理设备根据4个标定点的像素坐标和4个标定点对应的世界坐标计算坐标转换关系，可以包括：
根据所述4个像素点的像素坐标以及对应的世界坐标，计算像素坐标到相机坐标的第一投影缩放倍数；
根据所述第一投影缩放倍数、所述4个像素点的像素坐标以及对应的世界坐标计算相机坐标系到世界坐标系的坐标转换关系、以及世界坐标系到相机坐标系的坐标转换关系。
由于像素坐标是二维坐标，而相机坐标为三维坐标，通过第一投影缩放倍数的计算，可以得到4个像素点的像素坐标到相机坐标的投影缩放倍数，从而将像素坐标转换为相机坐标，实现上述坐标转换关系的计算。
以下说明相机坐标系到世界坐标系的坐标转换关系、以及世界坐标系到相机坐标系的坐标转换关系的一种可能的计算方法。
假设4个标定点对应的世界坐标分别为(Xi，Yi，Zi)，i＝1,2,3,4；根据4个标定点对应的世界坐标建立4*4的世界坐标矩阵A：
Figure BDA0002873225270000081
假设4个标定点的像素坐标分别为(xi，yi)，i＝1,2,3,4，得到像素坐标矩阵B1：
Figure BDA0002873225270000082
根据像素坐标和世界坐标计算像素坐标到相机坐标的第一投影缩放倍数K。
其中，上述的第一投影缩放倍数K可以根据4个标定点的世界坐标和像素坐标计算得到，具体计算公式可以包括：
Figure BDA0002873225270000083
其中，第一距离是世界坐标系中的距离，也即是两个标定点对应的世界坐标之间的距离，第二距离是像素坐标系中的距离，也即是两个标定点的像素坐标之间的距离。
对像素坐标矩阵B1在二维坐标系下展开为齐次坐标，得到像素坐标矩阵B1的齐次坐标矩阵B2：
Figure BDA0002873225270000084
对像素坐标矩阵B1的齐次坐标矩阵B2的前两列进行K倍放大，得到3*4的相机坐标矩阵B3：
Figure BDA0002873225270000091
对3*4的相机坐标矩阵B3在三维坐标系下展开为齐次坐标，得到4个标定点的4*4的相机坐标矩阵C：
Figure BDA0002873225270000092
假设世界坐标系转相机坐标系的转换关系矩阵为矩阵M，相机坐标系转世界坐标系的转换关系矩阵为矩阵N-1。
根据以下公式C＝M*A可以计算矩阵M，根据公式A＝N-1*C可以计算矩阵N-1。
步骤502：摄像机拍摄视频，将视频传输至处理设备。
步骤503：处理设备从接收到的视频中获取第N个目标视频帧。N是自然数。
其中，视频由视频帧构成，本申请实施例中处理设备可以将每个视频帧作为目标视频帧，从而后续步骤中对每一个视频帧均进行处理，也可以选择其中的部分视频帧进行处理，例如以某一固定间隔选择对应的视频帧作为目标视频帧，本申请实施例不作限定。需要说明的是，一般来说，固定时长内处理设备处理的视频帧越多，也即上述固定间隔越小，后续步骤中测量到的车辆的速度越精确。
步骤504：处理设备从第N个目标视频帧中检测车辆的外接框。
车辆的外接框用于表示第N个目标视频帧中车辆所在区域。
N是任意自然数。
其中，上述外接框可以是矩形，则处理设备可以通过矩形的2个对角顶点的像素坐标来记录一个外接框。
其中，可以预先训练第一模型，第一模型用于生成目标视频帧中车辆的外接框的位置信息，第一模型的输入是目标视频帧，输出是目标视频帧中各个车辆的外接框以及外接框的置信度。
上述检测步骤所使用的算法可以是深度学习算法，其算法模型可以使用YOLO(YouOnly Look Once)、更快的基于卷积神经网络的目标检测(Faster-RCNN，FRCNN)等目标检测深度学习算法等。
可以预先采集若干个包括车辆、且标注出用于表示车辆所在区域的外接框的图片作为训练样本，对预设的基于深度学习算法的初始模型进行训练，得到上述第一模型。第一模型的输入可以是图片例如上述目标视频帧，输出是图片中每个车辆的外接框以及外接框的置信度。外接框的置信度一般用于标识外接框的准确程度。
步骤505：对于第N个目标视频帧中第一车辆的第一外接框，处理设备从第N-1个目标视频帧包括的外接框中查找与第一外接框匹配的外接框，如果未查找到，返回步骤503，对第N+1个目标视频帧执行步骤503以及后续步骤的处理；如果查找到，执行步骤506。
其中，第一车辆是第N个目标视频帧中拍摄到的任一车辆。
第N-1个目标视频帧包括的外接框可以在对第N-1个目标视频帧执行步骤504的检测车辆的外界框的步骤中得到，是第N-1个目标视频帧中车辆的外接框。每个目标视频帧中检测到的外接框可以为0个、1个或者多个。
在N等于1时，没有第N-1个目标视频帧，处理设备可以认为第N个目标视频帧中的每个外接框均未从第N-1个目标视频帧中查找到匹配的外接框，返回执行步骤503，对第N+1个目标视频帧执行步骤503以及后续步骤的处理。
在N大于1时，如果处理设备从第N-1个目标视频帧中查找到与第一外接框匹配的外接框，说明查找到的外接框是第一车辆在第N-1个目标视频帧中的外接框，执行步骤506；否则，说明第N-1个目标视频帧中不存在第一车辆的图像，也即是说第一车辆在第N个目标视频帧时才出现在摄像机的拍摄范围内，被摄像机拍摄到，处理设备返回步骤503，继续对第N+1个目标视频帧进行处理。
其中，处理设备从第N-1个目标视频帧包括的外接框中查找与第一外接框匹配的外接框，可以包括：
计算第N-1个目标视频帧中每个外接框与第一外接框的相似度；
判断计算得到的上述相似度中是否存在大于预设阈值的相似度；
如果判断结果为不存在，则未查找到与第一外接框匹配的外接框；
如果判断结果为存在，则选择相似度最高的外接框作为与第一外接框匹配的外接框。
上述计算第N-1个目标视频帧中每个外接框与第一外接框的相似度，可以包括：
对于第N-1个目标视频帧中的每个外接框，获得该外接框与第一外接框之间的距离以及该距离的权重，和/或，获得该外接框的车牌识别结果与第一外接框的车牌识别结果之间的匹配值以及该匹配值的权重，和/或，获得该外接框中图像与第一外接框中图像的颜色分布相似度以及该颜色分布相似度的权重；
根据上述距离以及距离的权重，和/或，匹配值以及匹配值的权重，和/或，颜色分布相似度以及颜色分布相似度的权重计算外接框与第一外接框的相似度。
如果处理设备根据上述距离以及距离的权重，和匹配值以及匹配值的权重，和颜色分布相似度的权重计算外接框与第一外接框的相似度，外接框与第一外接框的相似度X的计算公式可以为：P＝P1*Q1+P2*Q2+P3*Q3，其中，P1是外接框与第一外接框之间的距离，Q1是上述距离的权重，P2是外接框的车牌识别结果与第一外接框的车牌识别结果之间的匹配值，Q2是上述匹配值的权重，P3是外接框中图像与第一外接框中图像的颜色分布相似度，Q3是上述颜色分布相似度的权重。
其中，上述距离、匹配值、颜色分布相似度及上述权重可以在本步骤之前计算完成，例如在步骤504中确定检测到的每个车辆的外接框之后，计算第N个目标视频帧中每个外接框与第N-1个目标视频帧中每个外接框之间的上述距离、匹配值、颜色分布相似度等，相应的，本步骤中直接获取计算结果，进行相似度的计算；或者，上述距离、匹配值、颜色分布相似度及上述权重也可以在本步骤中计算完成，之后，再进行相似度的计算。举例来说，上述获得该外接框与第一外接框之间的距离以及该距离的权重可以包括：获取外接框与第一外接框之间的距离以及该距离的权重；或者，计算外接框与第一外接框之间的距离以及该距离的权重。
其中，外接框与第一外接框之间的距离可以是：外接框中指定点与第一外接框中指定点之间的距离。可选地，上述的指定点是外接框和第一外接框的中心点。上述距离可以根据两个指定点的像素坐标计算得到。处理设备中可以预设若干个距离区间对应的权重，距离区间覆盖上述距离的可能取值，一般的，距离区间中包括的距离值越小，距离区间对应的权重越大，则计算得到外接框与第一外接框之间的距离后，可以将该距离所属距离区间对应的权重确定为该距离的权重。
普通车牌号一般为7位字符，由于拍摄角度以及清晰度等问题，在识别外接框中车辆图像的车牌号时，可能识别到车牌号的所有字符，也可能识别到部分字符，甚至可能识别不到字符。外接框的车牌识别结果与第一外接框的车牌识别结果之间的匹配值可以根据两个车牌识别结果所匹配上的字符的个数确定，例如直接将个数确定为匹配值，或者为不同的匹配个数设置对应的匹配值等等。处理设备中可以预设不同匹配值或者匹配值区间对应的权重，一般的，匹配值越大，权重越大，相应的，可以根据计算得到的外接框的车牌识别结果与第一外接框的车牌识别结果之间的匹配值确定对应该匹配值对应的权重。
外接框中图像与第一外接框中图像的颜色分布相似度是指外接框中包含的像素点的具体像素分布比例的相似度，每个外接框可以根据其包含的像素值，将其进行统计得到一个像素取值区间内的像素分布比例。处理设备中可以预设若干个颜色分布相似度区间对应的权重，颜色分布相似度区间覆盖颜色分布相似度的可能取值，一般的，颜色分布相似度区间中包括的数值越大，颜色分布相似度区间对应的权重越大，相应的，可以将外接框中图像与第一外接框中图像的颜色分布相似度所属颜色分布相似度区间对应的权重，确定为外接框中图像与第一外接框中图像的颜色分布相似度的权重。
步骤506：处理设备获得第一外接框的指定边的第一像素坐标，根据预设的坐标转换关系，对第一像素坐标进行转换，得到第一世界坐标；处理设备获取与第一外接框匹配的外接框(以下称为第二外接框)的指定边对应的第二世界坐标；计算第一世界坐标和第二世界坐标之间的距离，根据距离和第一时长计算第一车辆的速度。
其中，第一外接框的指定边可以是第一外接框的任一边，优选为底边。指定边是底边相对于其他边，本申请实施例计算得到的第一车辆的速度更为准确。
指定边的第一像素坐标可以是指定边上某一指定点例如端点、或者中点等的像素坐标。
其中，根据预设的坐标转换关系，对第一像素坐标进行转换，得到第一世界坐标，可以包括：
根据第一像素坐标、相机坐标系到世界坐标系的坐标转换关系、世界坐标系到相机坐标系的坐标转换关系，计算第一像素坐标到相机坐标的第二投影缩放倍数；
根据第二投影缩放倍数计算第一像素坐标对应的第一相机坐标；
根据第一相机坐标、所述相机坐标系到世界坐标系的坐标转换关系，将所述第一相机坐标转换为世界坐标，得到所述第一世界坐标。
计算第一像素坐标到相机坐标的第二投影缩放倍数可以通过以下方式实现：
将第一像素坐标d＝(x，y)在二维坐标下展开为齐次坐标d1＝(x，y，1)；
根据齐次坐标d1、相机坐标系到世界坐标系的坐标转换关系N-1、世界坐标系到相机坐标系的坐标转换关M联立以下公式，计算得到第二投影缩放倍数k：
D＝N-1*d2
d2＝M*D
d2＝(kx，dy，k)
其中，d2是第一像素坐标对应的第一相机坐标，D是第一世界坐标。
计算得到第二投影缩放倍数k后，可以计算得到第一相机坐标d2＝(kx，dy，k)；
第一世界坐标D可以通过公式D＝N-1*d2计算得到。
其中，第一时长是第N-1个目标视频帧与第N个目标视频帧之间的时间间隔，也即第N-1个目标视频帧的拍摄时间与第N个目标视频帧的拍摄时间之间的时间差。
步骤507：处理设备将计算得到的第一车辆的速度存储至第一车辆对应的第一速度集合中。
其中，一个车辆在基于前述步骤进行速度测量时，车辆的图像将出现在多帧目标视频帧中，因此，基于包括该车辆图像的相邻两个目标视频帧都可以计算得到该车辆对应的一个速度，从而对于一个车辆而言，处理设备可以计算得到若干个该车辆的速度，为便于处理设备对车辆的速度进行管理，可以为每个车辆设置一个第一速度集合，每次处理设备执行步骤506得到该车辆的速度，将其存储至车辆对应的第一速度集合中。
步骤508：处理设备判断第一外接框的指定边的第一像素坐标是否达到预设阈值，如果是，执行步骤509；如果否，返回步骤503，继续对第N+1个目标视频帧进行处理。
其中，设置预设阈值的目的在于设置一个触发时机，使得处理设备停止对于一个车辆的速度的计算，输出该车辆的速度测量结果；而且，随着车辆距离摄像机越来越远，摄像机拍摄到的图像中车辆的图像也会越来越小，相应的，计算出的车辆的速度误差会增大，因此，设置该触发时机，可以提高处理设备测量车辆的速度的精确度。
其中，在进行速度测量时，纵坐标更能够代表车辆的移动距离，因此，可以仅设置纵坐标的阈值，阈值的具体取值本申请实施例不作限定。
步骤509：根据第一速度集合记录的速度计算第一车辆的目标速度。
其中，第一车辆的第一速度集合中包括多个速度值，可以计算上述速度值的平均值或者中位数，得到第一车辆的目标速度。
第一车辆的目标速度可以作为本实施例针对于第一车辆的测速结果进行输出，相对于图4A中仅计算一次第一车辆的速度作为测速结果，第一车辆的目标速度更为精确。
为了进一步提高第一车辆的速度测量精度，可以对图5中计算出的第一车辆的速度进行卡尔曼滤波处理，此时，车辆速度检测方法参见图7所示，与图5的区别主要在于：将步骤507替换为步骤701～步骤703，具体的：
步骤701：处理设备判断包括第一车辆的外接框的目标视频帧的个数与预设数值a的大小关系，，如果小于预设数值a，返回步骤503，获取第N+1个目标视频帧，如果等于预设数值a，执行步骤702，如果大于预设数值a，执行步骤703。
其中，步骤505通过匹配外接框可以确定包括第一车辆外接框的首个目标视频帧以及后续包括第一车辆外接框的目标视频帧，从而可以得到到第N个目标视频帧为止处理设备已经处理的包括第一车辆外接框的目标视频帧的个数。
其中，预设数值a的取值是大于等于3的自然数，优选为3。
步骤702：处理设备根据已经计算得到的a-1个第一车辆的速度计算第一车辆的预测速度和预测加速度，返回步骤503。
如a大于等于3，则已经计算得到至少2个第一车辆的速度，已知至少2个速度值、且已知目标视频帧之间时间间隔的情况下，可以计算第N个目标视频帧对应的第一车辆的预测速度和预测加速度，具体计算方法这里不赘述。
此时，第N个目标视频帧是第a个包括第一车辆的外接框的目标视频帧，基于该目标视频帧可以得到第一车辆的初始状态矩阵
Figure BDA0002873225270000131
可选地，处理设备中预设有初始误差矩阵
Figure BDA0002873225270000132
初始误差矩阵Pt1中的数值Sv、Sav、Sva、Sa均为经验值，本申请实施例不限制具体取值；预设有状态转移矩阵
Figure BDA0002873225270000133
t是相邻两个目标视频帧之间的时间间隔；状态转移误差矩阵Q，Q可以根据经验值设置，这里不限定。基于第a个包括第一车辆的外接框的目标视频帧得到上述矩阵后，可以对根据第a个以及第a+1个包括第一车辆的外接框的目标视频帧计算得到的速度进行滤波处理，具体参见步骤703中的描述。
步骤703：处理设备对步骤506中计算得到的第一车辆的速度进行滤波处理，将滤波处理后的速度作为第一车辆的速度存储至第一速度集合。
本步骤的实现说明如下：
如果第N-1个目标视频帧是第a个包括第一车辆外接框的目标视频帧，从而得到了步骤702中所示的各个矩阵，则，可以根据上述矩阵计算第N个目标视频帧的预测速度和预测加速度，基于预测速度和预测加速度对步骤506中基于第N个目标视频帧计算得到的第一车辆的速度进行滤波处理。具体过程如下：
根据第N-1个目标视频帧的初始状态矩阵Xt-1计算第N个目标视频帧的状态矩阵
Figure BDA0002873225270000134
Figure BDA0002873225270000135
根据第N-1个目标视频帧的初始误差矩阵Pt-1计算第N个目标视频帧的误差矩阵Pt＝F*Pt-1*FT+Q，Q为状态转移误差矩阵，可以根据经验值设置，这里不限定。
计算第N个目标视频帧的卡尔曼增益
Figure BDA0002873225270000136
其中，R为观测误差，如果步骤504中使用第一模型获取车辆的外接框，则R的取值可以与第一模型输出的车辆外接框的置信度负相关。也即，置信度相对越高，R相对越小，置信度相对越低，R相对越大。H为观测转换矩阵，用于进行误差矩阵的量纲转换，
Figure BDA0002873225270000137
Figure BDA0002873225270000138
也即距离
Figure BDA0002873225270000139
计算滤波处理后的状态矩阵
Figure BDA00028732252700001310
和误差矩阵
Figure BDA00028732252700001311
公式如下：
Figure BDA00028732252700001312
Figure BDA00028732252700001313
Zt为第N个目标视频帧中的第一像素坐标。
上述计算得到的滤波处理后的状态矩阵
Figure BDA00028732252700001314
中的速度值即为滤波处理后的速度，可以存储至第一速度集合中。
之后，可以使用
Figure BDA00028732252700001315
和
Figure BDA00028732252700001316
分别作为第N个目标视频帧的初始状态矩阵和初始误差矩阵，进行基于第N个目标视频帧和第N+1个目标视频帧计算的第一车辆的速度的滤波处理。
通过上述对于速度的滤波处理，第一速度集合中存储的速度是经过滤波处理后的速度，从而步骤509中计算得到的第一车辆的速度更为精确。
可以理解的是，上述实施例中的部分或全部步骤或操作仅是示例，本申请实施例还可以执行其它操作或者各种操作的变形。此外，各个步骤可以按照上述实施例呈现的不同的顺序来执行，并且有可能并非要执行上述实施例中的全部操作。
图8为本申请速度测量装置一个实施例的结构图，如图8所示，该装置800可以包括：
获取单元810，用于获取第一目标视频帧；
确定单元820，用于从所述第一目标视频帧中确定第一外接框，所述第一外接框用于表示所述第一目标视频帧中第一车辆所在的区域；
获得单元830，用于在所述第一外接框与第二目标视频帧中的第二外接框匹配成功后，获得所述第一外接框的指定边对应的第一世界坐标、以及所述第二外接框的指定边对应的第二世界坐标；所述第二目标视频帧是所述第一目标视频帧的前一个目标视频帧；所述世界坐标是世界坐标系中的坐标；所述第二外接框用于表示所述第二目标视频帧中所述第一车辆所在的区域；所述第一外接框的指定边和所述第二外接框的指定边是外接框上相同位置的边；
计算单元840，用于根据所述第一世界坐标、所述第二世界坐标、以及第一时长计算所述第一车辆的速度；所述第一时长是所述第一目标视频帧和所述第二目标视频帧之间的时间间隔。
在一种可能的实现方式中，获得单元830具体可以用于：
计算所述第二目标视频帧中每个外接框与所述第一外接框的相似度；所述第二目标视频帧中的外接框用于表示所述第二目标视频帧中车辆所在的区域；
获取与所述第一外接框的相似度最高且大于预设阈值的外接框，作为所述第二外接框。
在一种可能的实现方式中，获得单元830具体可以用于：
对于所述第二目标视频帧中的外接框，获取该外接框的目标信息，所述目标信息包括以下至少之一：该外接框与所述第一外接框之间的距离以及该距离的权重，该外接框的车牌识别结果与所述第一外接框的车牌识别结果之间的匹配值以及该匹配值的权重，以及该外接框中图像与所述第一外接框中图像的颜色分布相似度以及该颜色分布相似度的权重；
根据所述目标信息，计算该外接框与所述第一外接框的相似度。
在一种可能的实现方式中，获得单元830具体可以用于：
获取所述第一外接框的指定边的第一像素坐标；所述像素坐标是像素坐标系中的坐标；
根据所述第一像素坐标、预设的相机坐标系和世界坐标系之间的坐标转换关系，计算所述第一像素坐标到相机坐标的第二投影缩放倍数；
根据所述第二投影缩放倍数计算所述第一像素坐标对应的第一相机坐标；
根据所述第一相机坐标、所述相机坐标系到世界坐标系的坐标转换关系，将所述第一相机坐标转换为世界坐标，得到所述第一世界坐标。
在一种可能的实现方式中，还包括：
生成单元，用于从参考图像中获取至少4个像素点的像素坐标；所述参考图像是所述摄像机架设完成后拍摄得到的图像；展示世界坐标输入界面，所述世界坐标输入界面上提供所述至少4个像素点对应的世界坐标输入控件；检测到针对于所述输入控件的坐标输入操作，获取所述坐标输入操作输入的坐标作为所述至少4个像素点对应的世界坐标；根据所述至少4个像素点的像素坐标以及所述至少4个像素点对应的世界坐标计算所述相机坐标系和世界坐标系之间的坐标转换关系。
在一种可能的实现方式中，生成单元具体可以用于：根据所述至少4个像素点的像素坐标以及对应的世界坐标计算像素坐标到相机坐标的第一投影缩放倍数；根据所述第一投影缩放倍数、所述至少4个像素点的像素坐标以及对应的世界坐标，计算所述相机坐标系和世界坐标系之间的坐标转换关系。
在一种可能的实现方式中，计算单元840还可以用于：确定所述第一外接框的指定边的第一像素坐标达到预设阈值，根据已经计算得到的所述第一车辆的速度计算平均值或者中位数，得到所述第一车辆的目标速度，所述第一车辆的目标速度是所述第一车辆速度的测量结果。
在一种可能的实现方式中，计算单元840还可以用于：
在包括所述第一车辆的外接框的目标视频帧的个数与预设数值相等后，根据已计算得到的第一车辆的速度计算所述第一目标视频帧中第一车辆的预测速度和预测加速度；
在包括所述第一车辆的外接框的目标视频帧的个数大于预设数值后，根据所述第二目标视频帧中第一车辆的预测速度和预测加速度，对计算得到的所述第一车辆的速度进行卡尔曼滤波处理，将滤波处理得到的速度作为所述第一车辆的速度。
图8所示实施例提供的装置800可用于执行本申请图4～图7所示方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
应理解以上图8所示的装置的各个单元的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些单元可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分单元以软件通过处理元件调用的形式实现，部分单元通过硬件的形式实现。例如，获取单元可以为单独设立的处理元件，也可以集成在电子设备的某一个芯片中实现。其它单元的实现与之类似。此外这些单元全部或部分可以集成在一起，也可以独立实现。在实现过程中，上述方法的各步骤或以上各个单元可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些单元可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit；以下简称：ASIC)，或，一个或多个微处理器(Digital Singnal Processor；以下简称：DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array；以下简称：FPGA)等。再如，这些单元可以集成在一起，以片上系统(System-On-a-Chip；以下简称：SOC)的形式实现。
本申请还提供一种处理设备，包括：一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行本申请图4～图7所示方法实施例的技术方案。
本申请还提供一种速度测量系统，包括摄像机和处理设备；其中，所述处理设备用于执行本申请图4～图7所示方法实施例的技术方案。
本申请还提供一种处理设备，所述设备包括存储介质和中央处理器，所述存储介质可以是非易失性存储介质，所述存储介质中存储有计算机可执行程序，所述中央处理器与所述非易失性存储介质连接，并执行所述计算机可执行程序以实现本申请图4～图7所示实施例提供的方法。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行本申请图4～图7所示实施例提供的方法。
本申请实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，当其在计算机上运行时，使得计算机执行本申请图4～图7所示实施例提供的方法。
本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a，b，c可以是单个，也可以是多个。
本领域普通技术人员可以意识到，本文中公开的实施例中描述的各单元及算法步骤，能够以电子硬件、计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，任一功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory；以下简称：ROM)、随机存取存储器(Random Access Memory；以下简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种速度测量方法，其特征在于，包括：
获取第一目标视频帧；
从所述第一目标视频帧中确定第一外接框，所述第一外接框用于表示所述第一目标视频帧中第一车辆所在的区域；
在所述第一外接框与第二目标视频帧中的第二外接框匹配成功后，获得所述第一外接框的指定边对应的第一世界坐标、以及所述第二外接框的指定边对应的第二世界坐标；所述第二目标视频帧是所述第一目标视频帧的前一个目标视频帧；所述世界坐标是世界坐标系中的坐标；所述第二外接框用于表示所述第二目标视频帧中所述第一车辆所在的区域；所述第一外接框的指定边和所述第二外接框的指定边是外接框上相同方向的边；
根据所述第一世界坐标、所述第二世界坐标、以及第一时长计算所述第一车辆的速度；所述第一时长是所述第一目标视频帧和所述第二目标视频帧之间的时间间隔。
2.根据权利要求1所述的方法，其特征在于，所述第一外接框与第二目标视频帧中的第二外接框匹配成功，包括：
计算所述第二目标视频帧中每个外接框与所述第一外接框的相似度；所述第二目标视频帧中的外接框用于表示所述第二目标视频帧中车辆所在的区域；
获取与所述第一外接框的相似度最高且大于预设阈值的外接框，作为所述第二外接框。
3.根据权利要求2所述的方法，其特征在于，所述计算所述第二目标视频帧中每个外接框与所述第一外接框的相似度，包括：
对于所述第二目标视频帧中的外接框，获取该外接框的目标信息，所述目标信息包括以下至少之一：该外接框与所述第一外接框之间的距离以及该距离的权重，该外接框的车牌识别结果与所述第一外接框的车牌识别结果之间的匹配值以及该匹配值的权重，以及该外接框中图像与所述第一外接框中图像的颜色分布相似度以及该颜色分布相似度的权重；
根据所述目标信息，计算该外接框与所述第一外接框的相似度。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述获得所述第一外接框的指定边对应的第一世界坐标，包括：
获取所述第一外接框的指定边的第一像素坐标；所述像素坐标是像素坐标系中的坐标；
根据所述第一像素坐标、预设的相机坐标系和世界坐标系之间的坐标转换关系，计算所述第一像素坐标到相机坐标的第二投影缩放倍数；
根据所述第二投影缩放倍数计算所述第一像素坐标对应的第一相机坐标；
根据所述第一相机坐标、所述相机坐标系到世界坐标系的坐标转换关系，将所述第一相机坐标转换为世界坐标，得到所述第一世界坐标。
5.根据权利要求4所述的方法，其特征在于，所述相机坐标系和世界坐标系之间的坐标转换关系的生成方法包括：
从参考图像中获取至少4个像素点的像素坐标；所述参考图像是摄像机架设完成后拍摄得到的图像；
展示世界坐标输入界面，所述世界坐标输入界面上提供所述至少4个像素点对应的世界坐标输入控件；检测到针对于所述输入控件的坐标输入操作，获取所述坐标输入操作输入的坐标作为所述至少4个像素点对应的世界坐标；
根据所述至少4个像素点的像素坐标以及所述至少4个像素点对应的世界坐标计算所述相机坐标系和世界坐标系之间的坐标转换关系。
6.根据权利要求5所述的方法，其特征在于，所述根据所述至少4个像素点的像素坐标以及所述至少4个像素点对应的世界坐标计算所述坐标转换关系，包括：
根据所述至少4个像素点的像素坐标以及对应的世界坐标计算像素坐标到相机坐标的第一投影缩放倍数；
根据所述第一投影缩放倍数、所述至少4个像素点的像素坐标以及对应的世界坐标，计算所述相机坐标系和世界坐标系之间的坐标转换关系。
7.根据权利要求1所述的方法，其特征在于，所述计算所述第一车辆的速度之后，还包括：
确定所述第一外接框的指定边的第一像素坐标达到预设阈值，根据已经计算得到的所述第一车辆的速度计算平均值或者中位数，得到所述第一车辆的目标速度，所述第一车辆的目标速度是对于所述第一车辆速度的测量结果。
8.根据权利要求7所述的方法，其特征在于，所述计算所述第一车辆的速度之后，还包括：
在包括所述第一车辆的外接框的目标视频帧的个数与预设数值相等后，根据已计算得到的第一车辆的速度计算所述第一目标视频帧中第一车辆的预测速度和预测加速度；
在包括所述第一车辆的外接框的目标视频帧的个数大于预设数值后，根据所述第二目标视频帧中第一车辆的预测速度和预测加速度，对计算得到的所述第一车辆的速度进行卡尔曼滤波处理，将滤波处理得到的速度作为所述第一车辆的速度。
9.一种速度测量装置，其特征在于，包括：
获取单元，用于获取第一目标视频帧；
确定单元，用于从所述第一目标视频帧中确定第一外接框，所述第一外接框用于表示所述第一目标视频帧中第一车辆所在的区域；
获得单元，用于在所述第一外接框与第二目标视频帧中的第二外接框匹配成功后，获得所述第一外接框的指定边对应的第一世界坐标、以及所述第二外接框的指定边对应的第二世界坐标；所述第二目标视频帧是所述第一目标视频帧的前一个目标视频帧；所述世界坐标是世界坐标系中的坐标；所述第二外接框用于表示所述第二目标视频帧中所述第一车辆所在的区域；所述第一外接框的指定边和所述第二外接框的指定边是外接框上相同位置的边；
计算单元，用于根据所述第一世界坐标、所述第二世界坐标、以及第一时长计算所述第一车辆的速度；所述第一时长是所述第一目标视频帧和所述第二目标视频帧之间的时间间隔。
10.一种处理设备，其特征在于，包括：
一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行权利要求1至8任一项所述的方法。
11.一种速度测量系统，其特征在于，包括摄像机和处理设备；其中，所述处理设备用于执行权利要求1至8任一项所述的方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行权利要求1至8任一项所述的方法。
CN202011612341.6A 2020-12-30 2020-12-30 速度测量方法、装置和设备 Active CN112798811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011612341.6A CN112798811B (zh) 2020-12-30 2020-12-30 速度测量方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011612341.6A CN112798811B (zh) 2020-12-30 2020-12-30 速度测量方法、装置和设备

Publications (2)

Publication Number Publication Date
CN112798811A true CN112798811A (zh) 2021-05-14
CN112798811B CN112798811B (zh) 2023-07-28

Family

ID=75805823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011612341.6A Active CN112798811B (zh) 2020-12-30 2020-12-30 速度测量方法、装置和设备

Country Status (1)

Country Link
CN (1) CN112798811B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113433339A (zh) * 2021-06-17 2021-09-24 武汉唯理科技有限公司 一种基于双摄像机的测速方法、系统、计算机设备及可读介质
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
CN113657278A (zh) * 2021-08-18 2021-11-16 成都信息工程大学 一种运动姿态识别方法、装置、设备及存储介质
CN115684637A (zh) * 2022-12-30 2023-02-03 南京理工大学 基于路侧单目相机标定的高速公路车辆测速方法及设备
WO2023124383A1 (zh) * 2021-12-28 2023-07-06 京东方科技集团股份有限公司 一种车辆速度检测、撞车预警方法及电子设备
CN116884235A (zh) * 2023-08-09 2023-10-13 广东省交通运输规划研究中心 基于撞线的视频车速检测方法、装置、设备以及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101118648A (zh) * 2007-05-22 2008-02-06 南京大学 交通监视环境下的路况摄像机标定方法
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
US20160350896A1 (en) * 2015-05-28 2016-12-01 Casio Computer Co., Ltd. Image processing apparatus capable of appropriate image conversion in all regions of an image in image transformation processing
CN109118786A (zh) * 2018-08-20 2019-01-01 浙江工业大学 一种基于量化自适应卡尔曼滤波的车辆速度预测方法
CN109325967A (zh) * 2018-09-14 2019-02-12 腾讯科技（深圳）有限公司 目标跟踪方法、装置、介质以及设备
CN109979206A (zh) * 2017-12-28 2019-07-05 杭州海康威视系统技术有限公司 车辆测速方法、装置、系统、电子设备及存储介质
CN110307791A (zh) * 2019-06-13 2019-10-08 东南大学 基于三维车辆边界框的车辆长度及速度计算方法
US20200007836A1 (en) * 2017-03-21 2020-01-02 Olympus Corporation Calibration apparatus, calibration method, optical apparatus, image capturing apparatus, and projection apparatus
CN110929567A (zh) * 2019-10-17 2020-03-27 北京全路通信信号研究设计院集团有限公司 基于单目相机监控场景下目标的位置速度测量方法及系统
CN111462503A (zh) * 2019-01-22 2020-07-28 杭州海康威视数字技术股份有限公司 车辆测速方法、装置及计算机可读存储介质
CN111882605A (zh) * 2020-06-30 2020-11-03 浙江大华技术股份有限公司 监控设备图像坐标转换方法、装置和计算机设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101118648A (zh) * 2007-05-22 2008-02-06 南京大学 交通监视环境下的路况摄像机标定方法
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
US20160350896A1 (en) * 2015-05-28 2016-12-01 Casio Computer Co., Ltd. Image processing apparatus capable of appropriate image conversion in all regions of an image in image transformation processing
US20200007836A1 (en) * 2017-03-21 2020-01-02 Olympus Corporation Calibration apparatus, calibration method, optical apparatus, image capturing apparatus, and projection apparatus
CN109979206A (zh) * 2017-12-28 2019-07-05 杭州海康威视系统技术有限公司 车辆测速方法、装置、系统、电子设备及存储介质
CN109118786A (zh) * 2018-08-20 2019-01-01 浙江工业大学 一种基于量化自适应卡尔曼滤波的车辆速度预测方法
CN109325967A (zh) * 2018-09-14 2019-02-12 腾讯科技（深圳）有限公司 目标跟踪方法、装置、介质以及设备
CN111462503A (zh) * 2019-01-22 2020-07-28 杭州海康威视数字技术股份有限公司 车辆测速方法、装置及计算机可读存储介质
CN110307791A (zh) * 2019-06-13 2019-10-08 东南大学 基于三维车辆边界框的车辆长度及速度计算方法
CN110929567A (zh) * 2019-10-17 2020-03-27 北京全路通信信号研究设计院集团有限公司 基于单目相机监控场景下目标的位置速度测量方法及系统
CN111882605A (zh) * 2020-06-30 2020-11-03 浙江大华技术股份有限公司 监控设备图像坐标转换方法、装置和计算机设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张子淼;王鹏;孙长库;: "单目视觉位姿测量方法及数字仿真", 天津大学学报, no. 05 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113433339A (zh) * 2021-06-17 2021-09-24 武汉唯理科技有限公司 一种基于双摄像机的测速方法、系统、计算机设备及可读介质
CN113433339B (zh) * 2021-06-17 2023-09-08 武汉唯理科技有限公司 一种基于双摄像机的测速方法、系统、计算机设备及可读介质
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
CN113657278A (zh) * 2021-08-18 2021-11-16 成都信息工程大学 一种运动姿态识别方法、装置、设备及存储介质
WO2023124383A1 (zh) * 2021-12-28 2023-07-06 京东方科技集团股份有限公司 一种车辆速度检测、撞车预警方法及电子设备
CN115684637A (zh) * 2022-12-30 2023-02-03 南京理工大学 基于路侧单目相机标定的高速公路车辆测速方法及设备
CN116884235A (zh) * 2023-08-09 2023-10-13 广东省交通运输规划研究中心 基于撞线的视频车速检测方法、装置、设备以及存储介质
CN116884235B (zh) * 2023-08-09 2024-01-30 广东省交通运输规划研究中心 基于撞线的视频车速检测方法、装置、设备以及存储介质

Also Published As

Publication number Publication date
CN112798811B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
CN112798811A (zh) 速度测量方法、装置和设备
KR102628654B1 (ko) 차선을 표시하는 방법 및 장치
CN107272021B (zh) 使用雷达和视觉定义的图像检测区域的对象检测
US11670087B2 (en) Training data generating method for image processing, image processing method, and devices thereof
CN104282020B (zh) 一种基于目标运动轨迹的车辆速度检测方法
CN107341453B (zh) 一种车道线提取方法及装置
CN113255481B (zh) 一种基于无人巡逻车的人群状态检测方法
CN111856963B (zh) 一种基于车载环视系统的泊车仿真方法及装置
EP2798611B1 (en) Camera calibration using feature identification
CN110175576A (zh) 一种结合激光点云数据的行驶车辆视觉检测方法
US8564657B2 (en) Object motion detection system based on combining 3D warping techniques and a proper object motion detection
EP2209091B1 (en) System and method for object motion detection based on multiple 3D warping and vehicle equipped with such system
CN112292711A (zh) 关联lidar数据和图像数据
CN108596058A (zh) 基于计算机视觉的行车障碍物测距方法
CN110379168B (zh) 一种基于Mask R-CNN的交通车辆信息获取方法
EP3070430B1 (en) Moving body position estimation device and moving body position estimation method
EP4033324B1 (en) Obstacle information sensing method and device for mobile robot
CN109583267A (zh) 车辆用目标检测方法、车辆用目标检测装置和车辆
Zhang et al. A real-time curb detection and tracking method for UGVs by using a 3D-LIDAR sensor
CN107067755A (zh) 一种基于计算机视觉自动校准交通监控相机的方法
CN105957107A (zh) 行人检测与跟踪方法及装置
CN107316332A (zh) 一种应用智能驾驶的相机和场景关联标定方法及系统
CN114325634A (zh) 一种基于激光雷达的高鲁棒性野外环境下可通行区域提取方法
CN107808524A (zh) 一种基于无人机的道路交叉口车辆检测方法
Zhang et al. Deep learning based object distance measurement method for binocular stereo vision blind area

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