CN113192011A - 一种基于监控视频图像的交通事故车速测量方法 - Google Patents
一种基于监控视频图像的交通事故车速测量方法 Download PDFInfo
- Publication number
- CN113192011A CN113192011A CN202110393578.8A CN202110393578A CN113192011A CN 113192011 A CN113192011 A CN 113192011A CN 202110393578 A CN202110393578 A CN 202110393578A CN 113192011 A CN113192011 A CN 113192011A
- Authority
- CN
- China
- Prior art keywords
- image
- speed
- points
- target
- 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.)
- Pending
Links
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 12
- 238000012544 monitoring process Methods 0.000 title claims abstract description 9
- 238000000691 measurement method Methods 0.000 title claims description 8
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000006073 displacement reaction Methods 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 5
- 239000003550 marker Substances 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
-
- 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
- G01P3/64—Devices characterised by the determination of the time taken to traverse a fixed distance
- G01P3/68—Devices characterised by the determination of the time taken to traverse a fixed distance using optical means, i.e. using infrared, visible, or ultraviolet light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Power Engineering (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种基于监控视频图像的交通事故车速测量方法,主要根据图像处理技术来计算视频中目标的速度,其测速步骤包括:一:目标像素点位移的计算;二,图像距离的标定;三,速度的生成。通过上述方式,本发明能够对固定摄像机所拍摄的视频图像进行处理,测量图像中目标的速度,计算过程不需要摄像机的任何信息,只通过图像中路面的车道线等标记物进行计算。本发明属于后期测速过程,可以应用于未安装测速功能的摄像机拍摄视频进行测速,适用范围广,测量精度高,操作灵活、方便。
Description
技术领域
本发明涉及视车速鉴定速领域,特别是涉及一种基于监控视频图像的交通事故车速测量方法。
背景技术
随着社会的发展,车辆的数量越来越多,同时由车辆而引发的事故也会随之增加,对于还原事故发生前后车辆的速度情况,可以对现场进行勘探,利用仿真的方法进行还原,可是这对人员的勘探水平要求很高。现在监控视频已经非常普遍,利用摄像机所拍摄的视频对车速进行还原,硬件需求非常低,操作也十分简单,因此,可以利用图像处理的相关算法设计出比较简单、实用的视频测速方法,在不知道摄像机参数的情况下,只根据视频画面与画面中标志物的相对距离来还原车辆发生事故前的运动速度。
虽然现在有大量的针对于视频测速的研究,但也只是针对某一种特定的场景,算法的通用性较差,且大多数是针对目标实时性测速的,后期测速相对于实时测速来说算法等一些方面相对简单,所以本发明根据后期测速的特点设计了此车速计算方法。
发明内容
本发明主要解决的技术问题是提供一种基于监控视频图像的交通事故车速测量方法,能够在发生交通事故后通过所拍视频和路面信息计算视频中目标的速度。
本发明采用如下步骤实现发明目的:
S11:视频获取和预处理
得到需要分析的视频文件,利用格式转换软件转换为.avi格式,将视频进行剪辑,得到目标帧间范围;
S12:利用优化的归一化互相关算法或手动对目标进行匹配;
其中归一化互相关算法匹配过程如下:
第一步:在一帧图片中框选需要计算速度的目标作为模板图像,大小为m×n,模板图像左上角的位置在原图像中的坐标为(u 0 ,v 0 );
第三步:在第下一帧中,搜索区域原点为(u 0 -m/2,v 0 -n/2),搜索区域的大小为2m*2n,让搜索窗口在此区域中遍历待检测的像素点,每移动一次就利用公式(1)计算相关系数;
第四步:在搜索区域内计算完每一个待检测点的相关系数后,取其中最大相关系数的点作为目标在此帧中的最佳匹配位置,更新此位置为(u 0,v 0),并将此位置保存作为当前帧中的目标位置;
第五步:判断是否匹配完成三帧图像,如果是,则更新模板为第四步中最佳匹配位置图像,返回第二步,如果否,则返回第三步;
第六步:全部帧检测完成,完成匹配;
S13:图像距离标定包括基于对应点的标定法和基于消失点的标定法:
对应点的标定方法:设世界坐标点为(X w ,Y w ,Z w ),其对应于图像坐标上的点为(u,v),通过4个道路上的点与这4个点在图像中的像素坐标求解式(2)的八个参数,得到对应关系,从而实现图像中任意一点转化为世界坐标的点:
基于消失点的标定法:
设图像大小为(w,h),已知图像中任意一像素位置为P i (u,v,1,1),其对应于世界坐标位置为P w (x w ,y w ,-1,1),使用消失点对图像进行标定并计算P w 的步骤如下:
步骤一:通过两条直线或者相关算法计算图像中消失点坐标为(u v ,v v );
步骤二:利用下式(3)计算θ;
步骤三:选择图像中标定物(如车道线)的端点,利用式(4)转化为P w1,并计算转换完后两点间距离为L,已知标定物端点实际距离为L w ,则比例系数为S=L/Lw;其中,c 1=cosα,c 2=cosφ,s 1=sinα,s 2=sinφ,f=1200,P w1为与世界坐标P w 相差固定倍数的点;
步骤四:图像中任意一点P i 通过式(4)计算得到P w1,则P i 对应于世界坐标点为P w = S *P w1。
S14;速度的获取步骤如下:
步骤一:根据路面信息,使用消失点或对应点的标定方法,对图像进行标定;
步骤二:使用归一化互相关算法,分别框选画面中目标,获取目标在画面中的像素位置,目标较模糊也可通过手动点选,记为P 1,P 2,…,P n ,其中n为帧序号数;
步骤三:通过标定矩阵将像素点转换为世界坐标上的点Pw 1,Pw 2,…,Pw n ,若使用消失点的标定法,还需要乘以比例系数,则检测开始后任意两帧间目标的真实位移为:S m =Pw n+1-Pw n ,m=n+1,为间隔数,以第一帧为原点,位移可表示为每一帧位移累加的形式:;
步骤四:通过检测帧率T获得每一个帧间隔的时间,则检测开始后时间为t m =m /T:,根据D m 和t m 生成时间位移曲线,对曲线进行线性拟合,斜率作为目标在这段时间的平均速度。
本发明的有益效果是:本发明可以用于基于视频的车速鉴定,使用范围广,不需要已知摄像机的任何参数,对于其他固定摄像机拍摄的画面同样可以进行测速,且测速精度高,简单易操作。
附图说明
图1是本发明的车速测量方法流程图;
图2是本发明的车速测速系统的功能图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1和图2,本发明实施方式提供了一种基于监控视频图像的交通事故车速测量方法包括以下步骤:
S11:视频获取和预处理
得到需要分析的视频文件,利用格式转换软件转换为.avi格式,将视频进行剪辑,得到目标帧间范围;
S12:利用优化的归一化互相关算法或手动对目标进行匹配;
其中归一化互相关算法匹配过程如下:
第一步:在一帧图片中框选需要计算速度的目标作为模板图像,大小为m×n,模板图像左上角的位置在原图像中的坐标为(u 0 ,v 0 );
第三步:在第下一帧中,搜索区域原点为(u 0 -m/2,v 0 -n/2),搜索区域的大小为2m*2n,让搜索窗口在此区域中遍历待检测的像素点,每移动一次就利用公式(1)计算相关系数;
第四步:在搜索区域内计算完每一个待检测点的相关系数后,取其中最大相关系数的点作为目标在此帧中的最佳匹配位置,更新此位置为(u 0,v 0),并将此位置保存作为当前帧中的目标位置;
第五步:判断是否匹配完成三帧图像,如果是,则更新模板为第四步中最佳匹配位置图像,返回第二步,如果否,则返回第三步;
第六步:全部帧检测完成,完成匹配;
S13:图像距离标定包括基于对应点的标定法和基于消失点的标定法:
基于对应点的标定方法:设世界坐标点为(X w ,Y w ,Z w ),其对应于图像坐标上的点为(u,v),通过4个道路上的点与这4个点在图像中的像素坐标求解式(2)的八个参数,得到对应关系,从而实现图像中任意一点转化为世界坐标的点:
基于消失点的标定法:设图像大小为(w,h),已知图像中任意一像素位置为P i (u,v,1,1),其对应于世界坐标位置为P w (x w ,y w ,-1,1),使用消失点对图像进行标定并计算P w 的步骤如下:
步骤一:通过两条直线或者相关算法计算图像中消失点坐标为(u v ,v v );
步骤二:利用下式(3)计算θ;
步骤三:选择图像中标定物(如车道线)的端点,利用式(4)转化为P w1,并计算转换完后两点间距离为L,已知标定物端点实际距离为L w ,则比例系数为S=L/Lw;其中,c 1=cosα,c 2=cosφ,s 1=sinα,s 2=sinφ,f=1200,P w1为与世界坐标P w 相差固定倍数的点;
步骤四:图像中任意一点P i 通过式(4)计算得到P w1,则P i 对应于世界坐标点为P w = S *P w1。
S14;速度的获取步骤如下:
步骤一:根据路面信息,使用消失点或对应点的标定方法,对图像进行标定;
步骤二:使用归一化互相关算法,分别框选画面中目标,获取目标在画面中的像素位置,目标较模糊也可通过手动点选,记为P 1,P 2,…,P n ,其中n为帧序号数;
步骤三:通过标定矩阵将像素点转换为世界坐标上的点Pw 1,Pw 2,…,Pw n ,若使用消失点的标定法,还需要乘以比例系数,则检测开始后任意两帧间目标的真实位移为:S m =Pw n+1-Pw n ,m=n+1,为间隔数,以第一帧为原点,位移可表示为每一帧位移累加的形式:;
步骤四:通过检测帧率T获得每一个帧间隔的时间,则检测开始后时间为t m =m /T:,根据D m 和t m 生成时间位移曲线,对曲线进行线性拟合,斜率作为目标在这段时间的平均速度。
在城市公路上的一个案例中,车辆发生事故前被天眼系统拍摄,但此天眼系统未安装测速功能,为了判定车辆发生事故前的运行速度,得到天眼系统的拍摄的视频文件,并对公路上的车道线标志进行实地测量,利用此发明的测速方法及系统,首先将视频文件转换为.avi格式,然后裁剪成包含测速目标的较小的视频序列,框选目标并通过归一化互相关算法计算目标的像素位置,此场景使用对应点的标定法,将实地测量的数据与图像的像素点计算标定矩阵,最后生成时间-位移曲线,曲线的斜率为目标的速度,还原了此车辆发生事故前的运行速度。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种基于监控视频图像的交通事故车速测量方法,其特征在于测量步骤包括以下:
第一步:计算目标像素位置;第二步:图像距离标定;第三步,计算速度。
2.根据权利要求1所述的一种基于监控视频图像的交通事故车速测量方法,其特征在于第一步,计算目标像素位置的方法包括步骤为:
第一步:在一帧图片中框选需要计算速度的目标作为模板图像,大小为m×n,模板图像左上角的位置在原图像中的坐标为(u 0 ,v 0 );
第三步:在第下一帧中,搜索区域原点为(u 0 -m/2,v 0 -n/2),搜索区域的大小为2m*2n,让搜索窗口在此区域中遍历待检测的像素点,每移动一次就利用公式(1)计算相关系数;
第四步:在搜索区域内计算完每一个待检测点的相关系数后,取其中最大相关系数的点作为目标在此帧中的最佳匹配位置,更新此位置为(u 0,v 0),并将此位置保存作为当前帧中的目标位置;
第五步:判断是否匹配完成三帧图像,如果是,则更新模板为第四步中最佳匹配位置图像,返回第二步,如果否,则返回第三步;
第六步:全部帧检测完成,完成匹配;
3.根据权利要求1所述的一种基于监控视频图像的交通事故车速测量方法,其特征在于第二步,图像距离标定包括基于对应点的标定法和基于消失点的标定法:
基于对应点的标定方法:设世界坐标点为(X w ,Y w ,Z w ),其对应于图像坐标上的点为(u,v),通过4个道路上的点与这4个点在图像中的像素坐标求解式(2)的八个参数,得到对应关系,从而实现图像中任意一点转化为世界坐标的点:
基于消失点的标定法:设图像大小为(w,h),已知图像中任意一像素位置为P i (u,v,1,1),其对应于世界坐标位置为P w (x w ,y w ,-1,1),使用消失点对图像进行标定并计算P w 的步骤如下:
步骤一:通过两条直线或者相关算法计算图像中消失点坐标为(u v ,v v );
步骤二:利用下式(3)计算θ;
步骤三:选择图像中标定物(如车道线)的端点,利用式(4)转化为P w1,并计算转换完后两点间距离为L,已知标定物端点实际距离为L w ,则比例系数为S=L/Lw;其中,c 1=cosα,c 2=cosφ,s 1=sinα,s 2=sinφ,f=1200,P w1为与世界坐标P w 相差固定倍数的点;
步骤四:图像中任意一点P i 通过式(4)计算得到P w1,则P i 对应于世界坐标点为P w = S *P w1。
4.根据权利要求1所述的一种基于监控视频图像的交通事故车速测量方法,其特征在于第三步,速度的计算步骤如下:
步骤一:根据路面信息,使用消失点或对应点的标定方法,对图像进行标定;
步骤二:使用归一化互相关算法,分别框选画面中目标,获取目标在画面中的像素位置,目标较模糊也可通过手动点选,记为P 1,P 2,…,P n ,其中n为帧序号数;
步骤三:通过标定矩阵将像素点转换为世界坐标上的点Pw 1,Pw 2,…,Pw n ,若使用消失点的标定法,还需要乘以比例系数,则检测开始后任意两帧间目标的真实位移为:S m =Pw n+1-Pw n ,m=n+1,为间隔数,以第一帧为原点,位移可表示为每一帧位移累加的形式:;
步骤四:通过检测帧率T获得每一个帧间隔的时间,则检测开始后时间为t m =m /T:,根据D m 和t m 生成时间位移曲线,对曲线进行线性拟合,斜率作为目标在这段时间的平均速度。
5.根据权利要求1所述的一种基于监控视频图像的交通事故车速测量方法,其特征在于完成此方法的系统包含以下的功能:
一、基本功能模块,用于视频的导入,播放,显示视频信息;
二、辅助功能模块,用于裁剪画面和剪辑视频;
三、目标匹配模块,用于匹配需要计算速度的目标,得到其像素坐标;
四、图像标定模块,用于计算图像坐标与世界坐标的关系矩阵;
五、速度生成模块,用于生成时间-位移曲线,计算最终的速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110393578.8A CN113192011A (zh) | 2021-04-13 | 2021-04-13 | 一种基于监控视频图像的交通事故车速测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110393578.8A CN113192011A (zh) | 2021-04-13 | 2021-04-13 | 一种基于监控视频图像的交通事故车速测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113192011A true CN113192011A (zh) | 2021-07-30 |
Family
ID=76975584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110393578.8A Pending CN113192011A (zh) | 2021-04-13 | 2021-04-13 | 一种基于监控视频图像的交通事故车速测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192011A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114527294A (zh) * | 2022-04-24 | 2022-05-24 | 安徽科大擎天科技有限公司 | 一种基于单个摄像头的目标速度测量方法 |
-
2021
- 2021-04-13 CN CN202110393578.8A patent/CN113192011A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114527294A (zh) * | 2022-04-24 | 2022-05-24 | 安徽科大擎天科技有限公司 | 一种基于单个摄像头的目标速度测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462135B (zh) | 基于视觉slam与二维语义分割的语义建图方法 | |
CN110567469B (zh) | 视觉定位方法、装置、电子设备及系统 | |
Wu et al. | Vehicle localization using road markings | |
CN110738121A (zh) | 一种前方车辆检测方法及检测系统 | |
CN104575003B (zh) | 一种基于道路监控视频的车辆速度检测方法 | |
CN107784038B (zh) | 一种传感器数据的标注方法 | |
CN112801074B (zh) | 一种基于交通摄像头的深度图估计方法 | |
CN103578109A (zh) | 一种监控摄像机测距方法及装置 | |
CN111443704B (zh) | 用于自动驾驶系统的障碍物定位方法及装置 | |
CN114359181B (zh) | 一种基于图像和点云的智慧交通目标融合检测方法及系统 | |
CN111783675A (zh) | 基于车辆语义感知的智慧城市视频自适应hdr控制方法 | |
CN114719873B (zh) | 一种低成本精细地图自动生成方法、装置及可读介质 | |
Wang et al. | Preliminary research on vehicle speed detection using traffic cameras | |
CN112446915A (zh) | 一种基于图像组的建图方法及装置 | |
CN113223300A (zh) | 一种基于车载视频图像的交通事故车速测量方法 | |
TWI682361B (zh) | 路面影像重建與載具定位之方法與系統 | |
CN115077519A (zh) | 基于模板匹配与激光惯导松耦合的定位建图方法和装置 | |
CN113192011A (zh) | 一种基于监控视频图像的交通事故车速测量方法 | |
CN112255604B (zh) | 一种雷达数据准确性的判断方法、装置及计算机设备 | |
CN117541655A (zh) | 融合视觉语义消除radar建图z轴累积误差的方法 | |
KR20190134303A (ko) | 영상 인식 장치 및 그 방법 | |
CN115100290B (zh) | 交通场景下的单目视觉定位方法及装置、设备、存储介质 | |
CN112985388B (zh) | 基于大位移光流法的组合导航方法及系统 | |
WO2022133986A1 (en) | Accuracy estimation method and system | |
Boschenriedter et al. | Multi-session visual roadway mapping |
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 |