CN112863193B - 一种隧道内行驶车辆的监控系统及方法 - Google Patents

Abstract

本发明涉及一种隧道内行驶车辆的监控系统及方法，通过双目摄像机采集隧道内的图像信息，通过微型处理器的深度学习与双目测距原理实时定位并检测隧道内车辆的位置信息与车牌号，进而检测隧道内是否存在车辆龟速或超速行驶的情况；当车辆龟速或超速行驶时，通过警示器将提醒信息投影至目标车辆前方，提醒其加速或减速行驶。本发明能够实现对隧道内行驶车辆的智能监测与警示，减少车辆龟速或超速行驶情况的发生，提高隧道内车辆的通行速率以及行驶安全性。

Description

一种隧道内行驶车辆的监控系统及方法

技术领域

本发明涉及车辆监控技术领域，特别涉及一种隧道内行驶车辆的监控系统及方法。

背景技术

隧道是一种位于地表或水面下的人工通道类建筑物，是人类提高地下空间资源利用率的一种方式。随着社会经济的不断发展与随之带来的科学技术蓬勃发展，我国城市的交通需求量呈现出爆炸式增长，而地上交通也承受着巨大的压力。相较而下，不受环境限制、不用拆迁地面现有建筑的地下隧道逐渐成为我国解决日益增长的交通运输需求的一种重要方式。

随着我国交通系统的不断发展与人均车辆持有量的提高，车流量的增加给交通系统带来了巨大的压力，交通道路上的龟速或超速行驶现象也逐渐成为常态。龟速行驶不仅造成交通拥堵，还会导致道路利用率下降、能源消耗增加、环境污染乃至交通事故等一系列问题；超速行驶增加了车辆碰撞的危险性，容易导致交通事故进而造成大范围交通拥堵等。尤其是在隧道内部，由于隧道内部空间狭窄、封闭的特点，一旦发生交通事故，后续车辆缺少闪躲空间，容易造成追尾等二次事故，进而加剧隧道内的拥堵现象，不仅威胁到其余车辆的安全行驶，也不利于救援人员的行动。因此保证隧道内部车辆保持一定车速行驶，不仅关系到隧道正常交通功能的进行，也关系到隧道内部驾驶员的人身安全乃至整个隧道的安全状况。

由于隧道内部空间狭窄、封闭的特点，驾驶员在行驶过程中，容易出现紧张心理，加上隧道内光线暗、能见度差等缺点，会造成驾驶员对隧道内空间距离判断出错，容易诱发驾驶员做出不当驾驶行为，因此相较于空间开阔的地上交通，隧道内更可能发生交通堵塞和交通事故。具体表现为，驾驶员进入隧道后，需要让车辆减速行驶，比较保守的驾驶员减速幅度较大，距前车距离较长，然而比较激进的驾驶员的减速幅值较小，进而保持的车距较短，若前车为比较保守的驾驶员，后车为比较激进的驾驶员，两车车距就有可能过小，进而导致拥堵乃至追尾事故。

中国发明专利CN110060487A提出了一种城市隧道可变车道分界线的控制方法，通过在隧道上方安装红外探测装置检测车辆通过的信号，经过分析不同红外探测装置接收的信号时间间隔来判断目标车辆是否为龟速车辆，若是龟速车辆则提醒后车允许变道。其缺陷在于红外探测装置仅能检测车辆是否通过，不能进一步获取目标车辆的具体信息，并且仅提醒后车变道，未能解决目标车辆的龟速行驶。中国发明专利CN108460863A一种隧道中人员和车辆的监控方法，通过在隧道出入口安装信息采集装置，判断隧道内部的车辆与人员状况，进而实现对隧道内部的监控。其缺陷在于仅在隧道出入口采集信息，能够获取隧道的整体状况而不能判断隧道内局部的拥堵，不能适用于长隧道的监控，并且预警装置仅设置在隧道入口，不能实时调控隧道内部的车辆。

发明内容

本发明的目的在于克服现有技术的不足，提出一种隧道内行驶车辆的监控系统及方法，通过对隧道内图像信息进行处理分析，实时获取隧道内车辆的车速及与前后车辆的车距，并获得隧道内龟速或超速行驶的目标车辆，将警示信息精准投影到对应的目标车辆。

本发明解决其技术问题所采用的技术方案是：

一方面，一种隧道内行驶车辆的监控系统，包括：图像采集分析警示装置及数据分析处理云平台；所述图像采集分析警示装置包括多个，多个所述图像采集分析警示装置按一定间隔设置在隧道上方；每个所述图像采集分析警示装置包括一双目摄像机、一微型处理器和一警示器；每个所述双目摄像机采集隧道内局部图像信息并发送给对应的微型处理器；所述微型处理器对接收到的图像信息进行处理以获得隧道内部分车辆的实时信息；所述微型处理器与所述数据分析处理云平台相连接以发送获得的局部图像信息及车辆的实时信息，所述数据分析处理云平台基于所述微型处理器发送的信息获得隧道内所有车辆信息及与前方车辆的车距，并将所述车距发送给微型处理器；微型处理器根据车辆的实时信息及车距控制所述警示器的动作，所述警示器动作时用于对指定车辆进行警示；车辆的实时信息包括车辆位置、车速和车牌号。

优选的，每个所述双目摄像机包括两个CCD摄像机；前后两个所述双目摄像机的图像采集范围有一定的重叠，且所有双目摄像机能够采集到整个隧道的图像信息。

优选的，所述警示器包括旋转云平台和激光投影仪，且所述警示器安装在对应的双目摄像机附近；所述激光投影仪固定于所述旋转云平台下方，随旋转云平台转动而改变投影位置，用于将警示信息投影至目标车辆前方。

优选的，所述微型处理器通过无线通信模块与所述数据分析处理云平台相连接，实现图像信息与指令信息的传递；所述微型处理器通过USB端口与所述双目摄像机相连接，以控制所述双目摄像机的启停、数据采集、数据传输，处理得到车辆的实时信息；所述微型处理器通过I/O端口与所述警示器相连接，以控制所述警示器的启停、定位和投影。

另一方面，一种隧道内行驶车辆的监控方法，基于所述的隧道内行驶车辆的监控系统，方法包括：

微型处理器根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部龟速行驶，如果会，将目标车辆的实时信息发送至警示器中，并控制警示器将预定的提醒提速信号投影至目标车辆前方，提醒目标车辆加速行驶；

微型处理器根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部超速行驶，如果会，将目标车辆的实时信息发送至警示器中，并控制警示器将预定的提醒减速信号投影至目标车辆前方，提醒目标车辆减速行驶。

优选的，微型处理器根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部龟速行驶，具体包括：

判断目标车辆的车速是否小于隧道最低限速；

判断目标车辆与前方车辆的车距是否大于安全车距的两倍；

判断目标车辆与后方车辆的车距是否均小于安全车距；

如果目标车辆的车速小于隧道最低限速、与前方车辆的车距大于安全车距的两倍以及与后方车辆的车距均小于安全车距，则判断出隧道内目标车辆会造成隧道内部龟速行驶。

优选的，微型处理器根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部超速行驶，具体包括：

判断目标车辆的车速大于隧道最高限速；

判断目标车辆与前方车辆的车距是否小于安全车距；

如果目标车辆的车速大于隧道最高限速或目标车辆与前方车辆的车距小于安全车距，则判断出隧道内目标车辆会造成隧道内部超速行驶。

优选的，所述微型处理器获得车辆位置和车牌号的方法，包括：

对获得的局部图像信息进行预处理，得到灰度图像；所述预处理包括滤波处理、灰度修正和图像增强；

通过双目摄像机的标定参数、立体匹配算法及相应的映射矩阵，计算得到局部图像的深度图，即图像中任一点对相机的相对距离；

将双目摄像机采集到的局部图像输入到训练好的深度学习模型中，通过卷积神经网络识别出图像中的车辆位置；并根据图像中的车辆位置信息定位车牌位置区域，再对车牌位置区域进行处理得到车辆的车牌号信息；

结合基于深度学习的车辆识别结果与深度图，微型处理器将得到隧道内车辆相对于摄像机的方向与距离信息，通过坐标系变换算法，将车辆信息投影到隧道平面得到车辆平面信息；所述车辆平面信息包括车辆在隧道平面的位置坐标与车牌号。

优选的，标定参数及映射矩阵的获取方法包括：

监控系统工作开始前，微型处理器获取双目摄像机采集到的局部图像信息，双目摄像机进行参数标定，获取真实世界的三维坐标系到图像二维坐标系的映射矩阵，从而得到双目摄像机的标定参数。

优选的，所述微型处理器获得车速的方法，包括：

对接收到的局部图像进行处理后得到实时车辆平面信息，即每一帧图像的车辆的车牌号与相对于隧道的平面位置坐标；

通过比较连续两帧图像中的位置信息获取车辆的实时车速。

根据本发明的实施例，本发明具有如下有益效果：

本发明通过双目摄像机实现对隧道内图像的采集，通过微型处理器实现对隧道内部车辆信息分析，通过警示器对隧道内龟速或超速行驶的目标车辆进行精准定位并提醒目标车辆提速或减速；本发明智能化程度高，为隧道内车辆的信息监控与安全行驶提供了保障。

以下结合附图及实施例对本发明作进一步详细说明，但本发明的一种隧道内行驶车辆的监控系统及方法不局限于实施例。

附图说明

图1是本发明的图像采集分析警示装置在隧道内的实施图；

图2是本发明的隧道内行驶车辆的监控系统的结构示意图；

图3是本发明的图像采集分析警示装置的结构示意图；

图4是本发明的隧道内行驶车辆的监控方法的流程图。

具体实施方式

下面详细描述本发明的实施例，需要注意的是参考附图所描述的实施例仅仅是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。以下结合附图描述根据本发明实施例的隧道内行驶车辆的监控方法及方法。

参见图1至图3所示，本发明一种隧道内行驶车辆的监控系统，包括：图像采集分析警示装置1及数据分析处理云平台2；所述图像采集分析警示装置1包括多个，多个所述图像采集分析警示装置1按一定间隔设置在隧道上方；每个所述图像采集分析警示装置1包括一双目摄像机11、一微型处理器12和一警示器13；每个所述双目摄像机11采集隧道内局部图像信息并发送给对应的微型处理器12；所述微型处理器12对接收到的图像信息进行处理以获得隧道内部分车辆的实时信息；所述微型处理器12与所述数据分析处理云平台2相连接以发送获得的局部图像信息及车辆的实时信息，所述数据分析处理云平台2基于所述微型处理器12发送的信息获得隧道内所有车辆信息及与前方车辆的车距，并将所述车距发送给微型处理器12；微型处理器12根据车辆的实时信息及车距控制所述警示器13的动作，所述警示器13动作时用于对指定车辆进行警示；车辆的实时信息包括车辆位置、车速和车牌号。

具体的，每个所述双目摄像机11包括两个CCD摄像机；前后两个所述双目摄像机11的图像采集范围有一定的重叠，且所有双目摄像机11能够采集到整个隧道的图像信息。

本实施例中，图像采集分析警示装置1按一定间距如150m均匀安装于隧道上方，保证图像采集分析警示装置1的图像采集范围之间有一定重叠，进而保证图像采集分析警示装置1能够采集到整个隧道的图像信息。

需要说明的是，尽管本实施中的图像采集分析警示装置1的安装间距设置为150m，但实际应用时可根据隧道的实际情况调整为其他数值。

所述的双目摄像机11每隔150m安装于隧道上方，以一定角度采集目标信息，即隧道内包含车辆的局部图像信息。相邻的双目摄像机11之间的图像采集范围有一定重叠，确保通过双目相机能够采集整个隧道的图像信息。

进一步的，所述警示器13包括旋转云平台132和激光投影仪131，且所述警示器13安装在对应的双目摄像机11附近。

具体的，所述旋转云平台132固定于隧道上方，用于控制激光投影仪131的方向。激光投影仪131固定于旋转云平台132下方，可随着旋转云平台132而改变投影角度，用于将提醒目标车辆提速的信息投影到目标车辆正前方。所述警示器13安装间隔为150m，且安装于双目摄像机11附近，确保能够将警示信息投影至整个隧道车道的任一点上。

本实施例中，所述微型处理器12通过无线通信模块14与所述数据分析处理云平台2相连接，实现图像信息与指令信息的传递；所述微型处理器12通过USB端口与所述双目摄像机11相连接，以控制所述双目摄像机11的启停、数据采集、数据传输，处理得到车辆的实时信息；所述微型处理器12通过I/O端口与所述警示器13相连接，以控制所述警示器13的启停、定位和投影。

具体的，所述数据分析处理云平台2用于储存、处理、分析各个图像采集分析警示装置1采集到的局部图像信息，通过数据分析处理云平台2将所有局部图像信息整合成隧道内部全局图像信息，并将处理得到的车辆信息传输回图像采集分析警示装置1的微型处理器12。

本实施例中，所述无线通信模块14采用5G无线通信模块14，用于实现数据的远程通信与传输。其他实施例中，所述无线通信模块14不局限于5G无线通信模块14，还可以是无线WIFI模块等其他无线通信模块14。

所述微型处理器12作用是进行数据分析与处理，同时通过发送指令控制双目摄像机11与警示器13进行工作。所述微型处理器12采用嵌入式系统，包括但不限于工业电脑、嵌入式单片机系统、树莓派开发板、英伟达开发板等。

本发明中的微型处理器12通过能够实时控制双目摄像机11的启停、数据采集、数据传输等指令，处理得到隧道内车辆的动态位置与车牌号信息并判断隧道内龟速或超速行驶的目标车辆，最终控制警示器13中旋转云平台132的旋转角度，定位目标车辆，进而控制激光投影仪131将警示信息投影到目标车辆前方。

参见图4所示，本发明一种一种隧道内行驶车辆的监控方法，基于所述的隧道内行驶车辆的监控系统，方法包括：

微型处理器12根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部龟速行驶，如果会，将目标车辆的实时信息发送至警示器13中，并控制警示器13将预定的提醒提速信号投影至目标车辆前方，提醒目标车辆加速行驶；

微型处理器12根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部超速行驶，如果会，将目标车辆的实时信息发送至警示器13中，并控制警示器13将预定的提醒减速信号投影至目标车辆前方，提醒目标车辆减速行驶。

具体的，各微型处理器12通过对隧道内局部图像进行处理，得到隧道内部车辆的实时信息，包括车辆位置、车速和车牌号等，并判断隧道内部是否存在龟速或超速行驶的目标车辆，工作流程如下：

工作开始前，各双目摄像机11采集隧道内的局部图像后将采集到的图像信息传输至对应的微型处理器12，微型处理器12通过对双目摄像机11进行参数标定，获取世界三维坐标系到图像二维坐标系的映射矩阵方程，从而得到双目摄像机11的标定参数。

工作开始后，各双目摄像机11采集隧道内的局部图像后，将采集到的图像信息传输至对应的微型处理器12，微型处理器12对双目摄像机11采集到的隧道内图像信息进行滤波处理、灰度修正、图像增强等预处理手段后，得到双目图像的灰度图，再通过双目摄像机11的标定参数、立体匹配算法及相应的映射矩阵方程，计算得到隧道内图像的深度图，即图像中任一点对相机的相对距离。

同时，微型处理器12将双目摄像机11采集到的隧道内图像输入到训练好的深度学习模型中(所述深度学习模型可采用现有的深度学习模型)，通过卷积神经网络识别出图像中的车辆位置。进一步地，微型处理器12根据图像中的车辆位置信息定位车牌位置区域，再对车牌区域进行字符分割、字符识别等算法得到车辆的车牌号信息。

结合基于深度学习的车辆识别结果与深度图，微型处理器12将得到隧道内车辆相对于摄像机的方向与距离信息。通过坐标系变换算法，将车辆信息投影到隧道平面得到车辆平面信息，即包含车辆在隧道平面的位置坐标与车牌号。

所述数据分析处理云平台2通过分析处理每个双目摄像机11采集的局部图像信息后，生成隧道的全局车辆平面信息，经过分析处理将得到每一辆车辆与其前后车辆的车距信息。

工作过程中，各双目摄像机11向对应的微型处理器12传输实时隧道图像，微型处理器12通过上述处理后得到实时车辆平面信息，即每一帧图像的车辆的车牌号与相对于隧道的平面位置坐标。微型处理器12通过比较连续两帧图像中的位置信息获取每一辆车辆的实时速度。由此，微型处理器12获得了隧道内车辆的实时信息，包括车辆位置、速度v、车距d和车牌号。

具体的，微型处理器12根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部龟速行驶的方法，包括：

若目标辆车：

(1)车速小于隧道最低限速，即v₁<v_min；

(2)车距大于安全车距的两倍，即d₁>2d_max；

(3)后续车辆车距均小于此车，即d_i<d₁，i＝2,3,4,5,…

其中，下标1表示目标车辆，下标i表示目标车辆的后续车辆，v_min表示隧道最低限速，d_max表示安全车距。安全车距根据不同地区的相关规定可能有所不同。

同时满足上述3个条件后，微型处理器12判断目标辆车可能造成隧道内的龟速行驶情况，将目标的车辆信息传输至警示器13中，并控制旋转云平台132带动激光投影仪131精准定位到目标车辆前方并预留一定的提前量。激光投影仪131将预定的提醒提速信号投影至目标车辆前方，提醒目标车辆加速行驶，防止隧道内龟速行驶情况的形成。

具体的，微型处理器12根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部超速行驶的方法，包括：

若目标辆车：

(1)车速大于隧道最高限速，即v₁>v_max；

(2)车距小于安全车距，且前续车辆速度小于此车，d₁<d_max，v_i<v₁，i＝2,3,4,5,…。

其中下标1表示目标车辆，下标i表示目标车辆的前续车辆，v_max表示隧道最高限速，d_max表示安全车距。安全车距根据不同地区的相关规定可能有所不同。

满足上述任何1个条件后，微型处理器12判断目标辆车为隧道内的超速行驶情况，将目标的车辆信息传输至警示器13中，并控制旋转云平台132带动激光投影仪131精准定位到目标车辆前方并预留一定的提前量。激光投影仪131将预定的提醒减速信号投影至目标车辆前方，提醒目标车辆减速行驶，防止发生追尾或超速失控问题。

以上所述的具体实施例，对本发明的目的、技术方案和效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不限制本发明，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，所做出的修改、替换和变形均属于本发明的保护之内。

Claims (7)

1.一种隧道内行驶车辆的监控系统，其特征在于，包括：图像采集分析警示装置及数据分析处理云平台；所述图像采集分析警示装置包括多个，多个所述图像采集分析警示装置按一定间隔设置在隧道上方；每个所述图像采集分析警示装置包括一双目摄像机、一微型处理器和一警示器；每个所述双目摄像机采集隧道内局部图像信息并发送给对应的微型处理器；所述微型处理器对接收到的图像信息进行处理以获得隧道内部分车辆的实时信息；所述微型处理器与所述数据分析处理云平台相连接以发送获得的局部图像信息及车辆的实时信息，所述数据分析处理云平台基于所述微型处理器发送的信息获得隧道内所有车辆信息及与前方车辆的车距，并将所述车距发送给微型处理器；微型处理器根据车辆的实时信息及车距控制所述警示器的动作，所述警示器动作时用于对指定车辆进行警示；车辆的实时信息包括车辆位置、车速和车牌号；

每个所述双目摄像机包括两个CCD摄像机；前后两个所述双目摄像机的图像采集范围有一定的重叠，且所有双目摄像机能够采集到整个隧道的图像信息；

所述警示器包括旋转云平台和激光投影仪，且所述警示器安装在对应的双目摄像机附近；所述激光投影仪固定于所述旋转云平台下方，随旋转云平台转动而改变投影位置，用于将警示信息投影至目标车辆前方；

微型处理器获得车辆位置和车牌号的方法，包括：

对获得的局部图像信息进行预处理，得到灰度图像；所述预处理包括滤波处理、灰度修正和图像增强；

通过双目摄像机的标定参数、立体匹配算法及相应的映射矩阵，计算得到局部图像的深度图，即图像中任一点对相机的相对距离；

将双目摄像机采集到的局部图像输入到训练好的深度学习模型中，通过卷积神经网络识别出图像中的车辆位置；并根据图像中的车辆位置信息定位车牌位置区域，再对车牌位置区域进行处理得到车辆的车牌号信息；

结合基于深度学习的车辆识别结果与深度图，微型处理器将得到隧道内车辆相对于摄像机的方向与距离信息，通过坐标系变换算法，将车辆信息投影到隧道平面得到车辆平面信息；所述车辆平面信息包括车辆在隧道平面的位置坐标与车牌号。

2.根据权利要求1所述的隧道内行驶车辆的监控系统，其特征在于，所述微型处理器通过无线通信模块与所述数据分析处理云平台相连接，实现图像信息与指令信息的传递；所述微型处理器通过USB端口与所述双目摄像机相连接，以控制所述双目摄像机的启停、数据采集、数据传输，处理得到车辆的实时信息；所述微型处理器通过I/O端口与所述警示器相连接，以控制所述警示器的启停、定位和投影。

3.一种隧道内行驶车辆的监控方法，其特征在于，基于如权利要求1至2中任意一项所述的隧道内行驶车辆的监控系统，方法包括：

微型处理器根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部龟速行驶，如果会，将目标车辆的实时信息发送至警示器中，并控制警示器将预定的提醒提速信号投影至目标车辆前方，提醒目标车辆加速行驶；

微型处理器根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部超速行驶，如果会，将目标车辆的实时信息发送至警示器中，并控制警示器将预定的提醒减速信号投影至目标车辆前方，提醒目标车辆减速行驶；

所述微型处理器获得车辆位置和车牌号的方法，包括：

对获得的局部图像信息进行预处理，得到灰度图像；所述预处理包括滤波处理、灰度修正和图像增强；

通过双目摄像机的标定参数、立体匹配算法及相应的映射矩阵，计算得到局部图像的深度图，即图像中任一点对相机的相对距离；

将双目摄像机采集到的局部图像输入到训练好的深度学习模型中，通过卷积神经网络识别出图像中的车辆位置；并根据图像中的车辆位置信息定位车牌位置区域，再对车牌位置区域进行处理得到车辆的车牌号信息；

结合基于深度学习的车辆识别结果与深度图，微型处理器将得到隧道内车辆相对于摄像机的方向与距离信息，通过坐标系变换算法，将车辆信息投影到隧道平面得到车辆平面信息；所述车辆平面信息包括车辆在隧道平面的位置坐标与车牌号。

4.根据权利要求3所述的隧道内行驶车辆的监控方法，其特征在于，微型处理器根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部龟速行驶，具体包括：

判断目标车辆的车速是否小于隧道最低限速；

判断目标车辆与前方车辆的车距是否大于安全车距的两倍；

判断目标车辆与后方车辆的车距是否均小于安全车距；

如果目标车辆的车速小于隧道最低限速、与前方车辆的车距大于安全车距的两倍以及与后方车辆的车距均小于安全车距，则判断出隧道内目标车辆会造成隧道内部龟速行驶。

5.根据权利要求3所述的隧道内行驶车辆的监控方法，其特征在于，微型处理器根据车辆的实时信息及车距，判断隧道内目标车辆是否会造成隧道内部超速行驶，具体包括：

判断目标车辆的车速大于隧道最高限速；

判断目标车辆与前方车辆的车距是否小于安全车距；

如果目标车辆的车速大于隧道最高限速或目标车辆与前方车辆的车距小于安全车距，则判断出隧道内目标车辆会造成隧道内部超速行驶。

6.根据权利要求3所述的隧道内行驶车辆的监控方法，其特征在于，标定参数及映射矩阵的获取方法包括：

监控系统工作开始前，微型处理器获取双目摄像机采集到的局部图像信息，双目摄像机进行参数标定，获取真实世界的三维坐标系到图像二维坐标系的映射矩阵，从而得到双目摄像机的标定参数。

7.根据权利要求3所述的隧道内行驶车辆的监控方法，其特征在于，所述微型处理器获得车速的方法，包括：

对接收到的局部图像进行处理后得到实时车辆平面信息，即每一帧图像的车辆的车牌号与相对于隧道的平面位置坐标；

通过比较连续两帧图像中的位置信息获取车辆的实时车速。

Images