CN115050193B - 一种基于道路监控视频图像的车辆测速方法及系统 - Google Patents
一种基于道路监控视频图像的车辆测速方法及系统 Download PDFInfo
- Publication number
- CN115050193B CN115050193B CN202210493479.1A CN202210493479A CN115050193B CN 115050193 B CN115050193 B CN 115050193B CN 202210493479 A CN202210493479 A CN 202210493479A CN 115050193 B CN115050193 B CN 115050193B
- Authority
- CN
- China
- Prior art keywords
- difference
- pixel
- coordinate
- latitude
- vehicle
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- 238000000691 measurement method Methods 0.000 title claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 113
- 238000006243 chemical reaction Methods 0.000 claims abstract description 89
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 79
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 84
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 10
- 238000006073 displacement reaction Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000012886 linear function Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000006698 induction Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 102220495889 Translocation protein SEC62_S44A_mutation Human genes 0.000 description 1
- 102220495891 Translocation protein SEC62_S44C_mutation Human genes 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种基于道路监控视频图像的车辆测速方法及系统，其包括步骤获取待监控路面的视频图像数据；获取用户终端选定的视频图像数据的若干帧图像画面；分别获取两帧图像画面中同一车辆的中心像素点，并获取中心像素点的车辆像素坐标据；将车辆像素坐标数据输入至转换算法模型并输出对应的车辆经纬度坐标数据；获取两帧图像画面的间隔时长，基于同一辆车在两帧图像画面中经纬度坐标数据的变化，计算得到间隔时长内车辆的速度数据。本申请具有使车辆行驶速度的检测更为方便和精准的效果。
Description
技术领域
本申请涉及道路监控的技术领域，尤其是涉及一种基于道路监控视频图像的车辆测速方法及系统。
背景技术
为了提高道路行驶的安全性，通常需要对道路上行驶的车辆的行驶速度进行检测，尤其是交通事故高发的路口交汇处，更需要对车辆行驶速度进行约束，降低交通事故发生的风险。
目前所采用车辆测速方法主要包括地感线圈测速、雷达测速以及视频图像测速；其中，电感线圈测速通过将若干感应线圈间隔埋设于地面，车辆经过时切割磁力线引起电感量变化，计算间隔的感应线圈可计算出车辆速度；雷达测速根据接收到的反射波频移量的计算而得出被测物体的运动速度；视频图像测速则是通过摄像机获取车辆图像并根据车辆在图像中的坐标以及视频帧率计算的到车辆速度。
但上述三种车辆测速方法中，地感线圈测速的埋设于地面，施工量大且故障时对路面结构的破坏大，导致测量难度大；采用雷达测速时，当探测区域存在多个车辆时，较难准确辨识所测速度对应的车辆，而视频图像测速对摄像机安装位置和抓拍角度要求高且摄像机可视范围较小，基于图片测量的速度存在较大误差，因此，车辆的测速方法存在较多的缺陷，需要进行改进。
发明内容
为了使车辆行驶速度的检测更为方便和精准，本申请提供了一种基于道路监控视频图像的车辆测速方法及系统。
本申请的上述发明目的一是通过以下技术方案得以实现的：
一种基于道路监控视频图像的车辆测速方法，包括步骤：
获取待监控路面的视频图像数据；
获取用户终端选定的视频图像数据的若干帧图像画面；
分别获取两帧图像画面中同一车辆的中心像素点，并获取中心像素点的车辆像素坐标数据；将车辆像素坐标数据输入至转换算法模型并输出对应的车辆经纬度坐标数据；
获取两帧图像画面的间隔时长，基于同一辆车在两帧图像画面中经纬度坐标数据的变化，计算得到间隔时长内车辆的速度数据。
通过采用上述技术方案，通过获取监控路面的视频图像数据，用户终端能够选定视频图像数据中被提取出的两帧图像画面，例如车辆驶入路口交汇处的画面以及车辆驶出路口交汇处的画面，通过将车辆的中心像素点将车辆的位置坐标化，并经过预设的转换算法模型进行像素坐标与经纬度坐标的换算，能够获得两帧图像画面中同一车辆的经纬度坐标，进而能够通过计算经纬度变化值，获知车辆从第一帧画面至第二帧图像画面的位移距离，再通过两帧图像画面的间隔时长，既能够得到同一车辆在间隔时长内的速度，因此得到车辆从进入路口交汇处至驾离路口交汇处的行驶速度，达到速度监测的目的。
采用车辆图像坐标转换成实际经纬度坐标的方式，只需在固定一个位置获取监控路面图像，监测方式方便，同时，每个车辆的坐标在不同图像画面均有唯一的对应经纬度，计算精准，且经纬度作为算法的变量，对抓拍角度、位置的要求较低，因此使车辆行驶速度的检测更为方便和精准。
本申请在一较佳示例中：所述将车辆像素坐标数据输入至转换算法模型并输出对应的车辆经纬度坐标数据的步骤之前，具体包括：
基于视频图像数据的任一帧图像画面，基于图像画面的尺寸方向构建平面坐标系；
基于平面坐标系，获取至少四个以上像素点的基础像素坐标数据，且任四个像素点之间均能连接形成四边形，基础像素坐标数据包括x轴坐标以及y轴坐标；
基于图像画面中像素点的位置信息，获取与基础像素坐标数据对应的基础经纬度坐标数据，基础经纬度坐标数据包括纬度坐标和经度坐标；
基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为经纬度坐标的转换算法模型。
通过采用上述技术方案，基于获取图像的尺寸方向即图像的宽度和高度构建坐标系；并在坐标系中获取四个以上的像素点，且任四个像素点能够连接形成四边形以满足换算的规律计算，进一步获取像素点在平面坐标系中的像素坐标，通过实地测量获取到对应像素坐标的实际经纬度坐标；已知像素点的像素坐标和对应的经纬度坐标作为已知的变量，能够计算出像素坐标与经纬度坐标换算的公式，进而能够对图像画面中像素坐标对应的经纬度数据进行拟合。
本申请在一较佳示例中：所述基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为经纬度坐标的转换算法模型的步骤，包括：
计算并提取任两个像素点的纬度坐标差X差、及x轴坐标差x差；
计算X差/x差，得到纬度方向上X差随x差变化的变化率参数K1；
基于K1，生成纬度方向上纬度坐标差随x轴坐标差变化的第一拟合函数X差＝K1*x差^(n)，n为可调控参数；
将第一拟合函数X差＝K1*x差^(n)应用至转换算法模型。
通过采用上述技术方案，将经纬度换算分为纬度和经度的换算，使得经纬度坐标的计算更为准确，X差为实际情况中两个点的纬度变化量，x差为两个实际的点图像画面中的x坐标变化量，X差/x差即能得到x坐标变化与实际纬度坐标变化之间的关系。
由于图像画面存在近大远小的特性，当经纬度方向均未与平面坐标的x轴平行时，图像的上方随y轴坐标变化，经纬度变化范围大，图像下方随y轴坐标变化，经纬度的变化范围小，因此经过已知的像素点进行多次测试，即对n值的调控，则能拟合X差与x差之间的函数关系，进一步将线性或非线性的第一拟合函数X差＝K1*x差^(n)应用至转换算法模型，以在转换算法模型接收到x坐标时，计算得到纬度变化量X差后再基于一个已知的纬度坐标，即能得到所要换算的纬度坐标。
本申请在一较佳示例中：所述基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为经度坐标的转换算法模型的步骤，还包括：
计算并提取任两个像素点的经度坐标差Y差以及y轴坐标差y差；
计算Y差/y差，得到经度方向上Y差随y差变化的变化率参数K2；
基于K2，生成经度方向上经度坐标差随y轴坐标差变化的第二拟合函数Y差＝K2*y差^(n)；将第二拟合函数Y差＝K2*y差^(n)应用至转换算法模型。
通过采用上述技术方案，Y差为实际情况中两个点的经度变化量，y差为两个实际的点图像画面中的y坐标变化量，Y差/y差即能得到y坐标变化与实际经度坐标变化之间的关系。
将线性或非线性的第二拟合函数Y差＝K2*y差^(n)应用至转换算法模型，以在转换算法模型接收到y坐标时，计算得到经度变化量Y差后再基于一个已知的经度坐标，即能得到所要换算的经度坐标。
本申请在一较佳示例中：像素点包括A点，A点基础像素坐标数据为(xa，ya),对应的基础经纬度数据为(XA，YA)，所述获取图像画面中车辆的中心像素点作为车辆像素坐标数据，将车辆像素坐标数据输入至转换算法模型并输出对应车辆经纬度坐标数据的步骤，包括：
通过目标检测算法获取车辆在图像画面中的中心像素点，作为车辆像素坐标数据；
提取车辆像素坐标数据的x轴坐标x车，将x车减去任一已知的像素点的x轴坐标xa；
将x车-xa输入转换算法模型并代入第一拟合函数X差＝K1*(x车-xa)^(n)，得到车辆的纬度坐标X车＝X差+XA；
提取车辆像素坐标数据的y轴坐标y车，将y车减去任一已知的像素点的y轴坐标ya；
将y车-ya输入转换算法模型并代入第二拟合函数Y差＝K2*(y车-ya)^(n)，得到车辆的经度坐标Y车＝Y差+YA。
通过采用上述技术方案，获取车辆中心点作为像素坐标数据，并选取已知的基础像素点A作为用于辅助计算的已知量，n为经过多次调试后的确定值，通过X差+XA既能够得到车辆的纬度坐标，Y差+YA能够得到车辆的经度坐标，即得到车辆在某一图像画面中具体的经纬度坐标，基于视频图像数据能够实现对车辆的定位，同时也实现两帧图像画面中经纬度坐标变化量的计算。
本申请在一较佳示例中：所述计算并提取任两个像素点的纬度坐标差X差、及x轴坐标差x差的步骤之前，执行如下步骤：
判断图像画面中纬度方向是否与坐标系的x轴平行；
若纬度方向与坐标系的x轴平行，则判定第一拟合函数中的n＝1；
和/或，
基础像素坐标数据还包括B(xb，yb)、C(xc，yc)、D(xd，Yd)像素点，分别对应的基础经纬度坐标数据为(XB，YB)、(XC，YC)、(XD，YD)，且ya、yb、yc以及yd互不相同；计算X差/x差，得到纬度方向上X差随x差变化的变化率参数K1的步骤具体为：
计算(XA-XB)/(xa-xb)，得到像素点A与像素点B之间连线的变化率K3，则得到像素点A与像素点B之间连线上纬度坐标随x轴坐标变化的变化率为K3；
获取像素坐标数据落在像素点A和像素点B连线上且纬度与像素点C相同的第一辅助像素点C1，计算得到第一辅助像素点C1的像素坐标数据(xc1，yc1)；
获取像素坐标数据落在像素点A和像素点B连线上且纬度与像素点D相同的第二辅助像素点D1，计算得到第二辅助像素点D1的像素坐标数据(xd1，yd1)；
获取纬度坐标与像素点D相同且y轴坐标与第一辅助像素点C1相同的第三辅助像素点D2，计算得到第三辅助像素点D2的x轴坐标xd2；
基于第一辅助像素点C1和第三辅助像素点D2之间的x差和X差，计算得到K1。
通过采用上述技术方案，判断纬度方向是否与x轴平行，若不平行，则通过多次测试确定第一拟合函数和第二拟合函数；若纬度方向与x轴平行，即纬度方向的像素坐标和纬度坐标的换算不存在图像画面存在近大远小的特性。能够采用通过线性函数实现像素坐标和纬度坐标的转换，无需进行n的多次调试，则n＝1；在实际应用中尽量使x轴与纬度方向平行。
通过已知的四个能够连接形成四边形的像素点，采用几何算法，找到图像画面中两个相互之间连线与x轴平行的辅助像素点，即y坐标相同的两个辅助像素点C1以及D2，通过计算得到C1和D2的像素坐标和经纬度数据，进一步得到K1，则能够得到第一拟合函数为X差＝K1*x差，使得转换算法模型的换算更为精准且换算的方式更为简便。
本申请在一较佳示例中：所述基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为经度坐标的转换算法模型的步骤，还包括：
沿平面坐标系的y轴方向，计算相邻两个的像素点的经度坐标差Y差、及对应的y轴坐标差y差，得到多组Y差和y差；
基于多组Y差和y差，得到不同的变化率参数；
基于不同的变化率参数，沿y轴方向生成不同的第二拟合函数Y差＝K2*y差^(n)，K2为变量；
和/或，
提取车辆像素坐标数据的y轴坐标y车的步骤之后，执行如下步骤：
基于y车，判断并匹配对应的变化率参数以代入第二拟合函数Y差＝K2*y差^(n)。
通过采用上述技术方案，由于图像画面存在近大远小的特性，通过Y差和y差，计算得到沿y轴方向分布的不同变化率，其中，相邻两个像素点的y坐标之间形成一个变化率相同的区间，判断输入至转换算法模型的像素点的y坐标位于哪两个已知且相邻的y坐标之间，则采用该区间对应的变化率代入第二拟合函数Y差＝K2*y差^(n)；例如，车辆进入监控路面时靠近图像画面的底部，此时车辆的中心像素点的y轴坐标位于像素点A和像素点B之间，对应的变化率为1.5，车辆准备驶离监控路面时靠近图像画面的顶部，此时车辆的中心像素点的y轴坐标位于像素点C和像素点D之间，对应的变化率为2；通过计算y轴方向的不同变化率，并基于车辆中心像素点的y轴坐标落入的区间匹配对应的变化率进行比较，使得经度的换算结果更为准确；
上述技术方案采用的方法同样适用于第一拟合函数X差＝K1*x差^(n)，即计算计沿x轴方向分布的不同变化率。
本申请的上述发明目的二是通过以下技术方案得以实现的：
一种基于道路监控视频图像的车辆测速系统，包括：
视频获取模块，用于获取待监控路面的视频图像数据；
图像模块，用于获取用户终端选定的视频图像数据的两帧图像画面；
车辆像素获取模块，用于分别获取两帧图像画面中同一车辆的中心像素点，并获取中心像素点的车辆像素坐标据；
转换模块，用于将车辆像素坐标数据输入至转换算法模型并输出对应的车辆经纬度坐标数据；速度计算模块，用于获取两帧图像画面的间隔时长，基于同一辆车在两帧图像画面中经纬度坐标数据的变化，计算得到间隔时长内车辆的速度数据。
通过采用上述技术方案，通过获取监控路面的视频图像数据，用户终端能够选定视频图像数据中被提取出的两帧图像画面，例如车辆驶入路口交汇处的画面以及车辆驶出路口交汇处的画面，通过将车辆的中心像素点将车辆的位置坐标化，并经过预设的转换算法模型进行像素坐标与经纬度坐标的换算，能够获得两帧图像画面中同一车辆的经纬度坐标，进而能够通过计算经纬度变化值，获知车辆从第一帧画面至第二帧图像画面的位移距离，再通过两帧图像画面的间隔时长，既能够得到同一车辆在间隔时长内的速度，因此得到车辆从进入路口交汇处至驾离路口交汇处的行驶速度，达到速度监测的目的。
采用车辆图像坐标转换成实际经纬度坐标的方式，只需在固定一个位置获取监控路面图像，监测方式方便，同时，每个车辆的坐标在不同图像画面均有唯一的对应经纬度，计算精准，且经纬度作为算法的变量，对抓拍角度、位置的要求较低，因此使车辆行驶速度的检测更为方便和精准。
本申请的上述目的三是通过以下技术方案得以实现的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于道路监控视频图像的车辆测速方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于道路监控视频图像的车辆测速方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1.采用车辆图像坐标转换成实际经纬度坐标的方式，只需在固定一个位置获取监控路面图像，监测方式方便，同时，每个车辆的坐标在不同图像画面均有唯一的对应经纬度，计算精准，且经纬度作为算法的变量，对抓拍角度、位置的要求较低，因此使车辆行驶速度的检测更为方便和精准；
2.将线性或非线性的第一拟合函数X差＝K1*x差^(n)应用至转换算法模型，以在转换算法模型接收到x坐标时，计算得到纬度变化量X差后再基于一个已知的纬度坐标，即能得到所要换算的纬度坐标；
3.将线性或非线性的第二拟合函数Y差＝K2*y差^(n)应用至转换算法模型，以在转换算法模型接收到y坐标时，计算得到经度变化量Y差后再基于一个已知的经度坐标，即能得到所要换算的经度坐标。
附图说明
图1是本申请一种基于道路监控视频图像的车辆测速方法一实施例的流程图；
图2是本申请一种基于道路监控视频图像的车辆测速方法另一实施例的实现流程图；
图3是本申请一种基于道路监控视频图像的车辆测速方法另一实施例的实现流程图；
图4是本申请一种基于道路监控视频图像的车辆测速方法另一实施例的实现流程图；
图5是本申请一种基于道路监控视频图像的车辆测速方法中模拟界面的展示图；
图6是本申请一种基于道路监控视频图像的车辆测速方法中辅助像素点示意图；
图7是本申请一种计算机设备的一原理框图。
具体实施方式
以下结合附图1-7对本申请作进一步详细说明。
在一实施例中，如图1所示，本申请公开了一种基于道路监控视频图像的车辆测速方法，具体包括如下步骤：
S10：获取待监控路面的视频图像数据；
在本实施例中，通过在需要监控的路面附近安装摄像机以获取监控路面的视频画面，安装位置固定，通常安装在道路正上方的测速架上，摄像机斜向下获取前方路面的视频画面。
具体的，在待监控路面附近处安装摄像头，并实时获取摄像头所拍摄的视频画面，得到视频图像数据。
S20：获取用户终端选定的视频图像数据的若干帧图像画面；
在本实施例中，用户终端是指与车辆测速监管人员所操作的PC端或移动终端，当用户终端能够通过设置自动获取图像画面的间隔时间，使得系统每间隔一段时间获取一次图像画面，即实现用户终端对于若干帧图像画面的选定；可选的，用户终端能够通过获取到的视频图像，发送调取指令进而调取所需的图像画面。
具体的，获取用户终端设置的所要选定的若干帧图像画面。
S30：分别获取两帧图像画面中同一车辆的中心像素点，并获取中心像素点的车辆像素坐标据；
在本实施例中，车辆的中心像素点通过目标检测算法获得，车辆像素坐标数据是指车辆的像素中心在图像画面中的像素坐标，即x坐标值和y坐标值。
具体的，分别获取两帧图像画面中，统一车辆的中心像素点，并获取中心像素点在图像画面中的x坐标值和y坐标值。
S40：将车辆像素坐标数据输入至转换算法模型并输出对应的车辆经纬度坐标数据；
在本实施例中，转换算法模型预设有转换公式，转换公式包括线性公式和非线性公式，线性公式通过计算获取，非线性公式通过多次数据测试获取；转换算法模型用于将图像画面中的像素点的坐标转换成像素点实际对应路面位置的经纬度。
具体的，将车辆在图像画面中的像素坐标输入至转换算法模型，转换算法模型接收到像素坐标后将像素坐标转换成图像画面中像素点在实际路面的经纬度坐标；
S50：获取任两帧图像画面的间隔时长，基于同一辆车在两帧图像画面中经纬度坐标数据的变化，计算得到间隔时长内车辆的速度数据。
在本实施例中，获取到的两帧图像画面在视频图像数据中均有对应的时间点，通过两帧图像画面的时间点可计算出两帧图像画面之间间隔的时长；通过两帧图像画面中同一车辆的经纬度坐标，通过勾股定理能够计算出车辆中心像素点的在间隔时长内的位移，即车辆的位移距离，通过距离/时间＝速度的公式计算得到车辆在间隔时长内行驶的速度，实现对车辆速度的监测，进而能够判断车辆在规定不能超速的道路区间内是否存在超速行为。
具体的，获取任两帧图像画面对应的时间点，并计算两帧图像画面之间的间隔时长，利用勾股定理计算同一辆车在两帧图像画面中经纬度坐标之间的直线距离，根据速度＝距离/时间的公式计算得到车辆在间隔时长内的行驶速度。
在一实施例中，步骤S40之前，包括步骤：
S41：基于视频图像数据的任一帧图像画面，基于图像画面的尺寸方向构建平面坐标系；
S42：基于平面坐标系，获取至少四个以上像素点的基础像素坐标数据，且任四个像素点之间均能连接形成四边形，基础像素坐标数据包括x轴坐标以及y轴坐标；
S43：基于图像画面中像素点的位置信息，获取与基础像素坐标数据对应的基础经纬度坐标数据，基础经纬度坐标数据包括纬度坐标和经度坐标；
S44：基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为纬度坐标的转换算法模型。
在本实施例中，图像画面的尺寸方向是指所拍摄图像的宽度方向和高度方向，以图像的宽度方向作为x轴方向，高度方向作为y轴方向。
基础像素坐标数据以及对应的基础经纬度坐标数据用于计算转换算法模型中的转换公式。本实施例中，获取四个像素点的基础像素坐标数据和对应的基础经纬度坐标数据，四个以上基础像素坐标数据对应的经纬度坐标数通过经纬度测量仪实测获取。
四个像素点之间连线能够形成四边形，即任三个像素点的基于x轴、y轴均不平行，以实现线性转换公式的计算。
具体的，以视频图像数据中任一个图像画面的宽度为x轴、高度为y轴建立平面坐标系，从图像画面中获取四个像素点且四个像素点的连线能够形成四边形；进一步基于平面坐标系获取四个像素点的坐标，基于像素点，找到对应的实际路面的位置并测量经纬度坐标；进一步基于获得的四个像素点在图像画面中的像素坐标，以及四个像素点对应的实际路面位置的经纬度坐标，拟合像素坐标和经纬度坐标的换算公式，换算公式包括线性以及非线性换算公式。
在一实施例中，参照图2，步骤S44包括步骤：
S441：计算并提取任两个像素点的纬度坐标差X差、及x轴坐标差x差；
S442：计算X差/x差，得到纬度方向上X差随x差变化的变化率参数K1；
S443：基于K1，生成纬度方向上纬度坐标差随x轴坐标差变化的第一拟合函数X差＝K1*x差^(n)，n为可调控参数；
S444：将第一拟合函数X差＝K1*x差^(n)应用至转换算法模型。
在本实施例中，变化率参数K1是指在图像画面中，纬度方向上的纬度坐标差随像素坐标差变化的变化规律。
由于图像画面存在近大远小的特性，图像的上方随y轴坐标变化，经纬度变化范围大，图像下方随像y轴坐标变化，经纬度的变化范围小，因此沿y轴方向的经纬度变化不呈线性关系，应采用非线性拟合函数来拟合像素坐标变化量和纬度坐标变化量的换算，需要经过多次的数据测试。即调试n的值；
而当纬度方向与x轴平行时，则纬度方向的坐标受到图像画面近大远小特征的影响较小，则纬度坐标变化与像素坐标变化均为线性关系，则令n＝1，第一拟合函数X差＝K1*x差为线性函数；但经度仍受到影响，经度坐标变化量和像素坐标变化量仍需通过非线性函数拟合。
同理当经度方向与x轴平行时，则经度不易受到影响，采用线性函数，纬度受到影响采用非线性函数拟合像素坐标和纬度坐标的变化关系，此时n不等于1。
具体的，计算已知的两个像素点的纬度坐标差X差、及两个像素点的x轴坐标差x差，通过X差/x差得到纬度方向上的纬度坐标差随像素坐标差变化的变化规律，即变化率K1，基于变化率K1，以及已知的所有像素点的基础像素坐标数据和基础经纬度坐标数据作为变量，经过多次数据测试生成像素坐标变化量和纬度坐标变化量的第一拟合函数。
进一步，将第一拟合函数应用至转换算法模型，以在转换算法模型接收到车辆像素坐标数据时，基于已知的像素点计算得到纬度变化量X差和x差，通过第一拟合函数X差＝K1*x差^(n)即能得到所要换算的纬度坐标。
在一实施例中，参照图3，步骤S44还包括步骤：
S445：计算并提取任两个像素点的经度坐标差Y差以及y轴坐标差y差；
S446：计算Y差/y差，得到经度方向上Y差随y差变化的变化率参数K2；
S447：基于K2，生成经度方向上经度坐标差随y轴坐标差变化的第二拟合函数Y差＝K2*y差^(n)；
S448：将第二拟合函数Y差＝K2*y差^(n)应用至转换算法模型。
在本实施例中，变化率参数K2是指在图像画面中，经度方向上的纬度坐标差随像素坐标差变化的变化规律；
而当经度方向与y轴平行时，则经度方向的坐标受到图像画面近大远小特征的影响较小，则经度坐标变化与像素坐标变化均为线性关系，则令n＝1，第二拟合函数Y差＝K2*y差为线性函数；但纬度仍受到影响，纬度坐标变化量和像素坐标变化量仍需通过非线性函数拟合。
具体的，计算已知的两个像素点的经度坐标差Y差、及两个像素点的y轴坐标差y差，通过Y差/y差得到经度方向上的经度坐标差随像素坐标差变化的变化规律，即变化率K2，基于变化率K2，以及已知的所有像素点的基础像素坐标数据和基础经纬度坐标数据作为变量，经过多次数据测试生成像素坐标变化量和经度坐标变化量的第二拟合函数。
进一步，将第二拟合函数应用至转换算法模型，以在转换算法模型接收到车辆像素坐标数据时，基于已知的像素点计算得到经度变化量Y差和y差，通过第二拟合函数Y差＝K2*y差^(n)即能得到所要换算的经度坐标。
在一实施例中，像素点包括A点，A点基础像素坐标数据为(xa，ya),对应的基础经纬度数据为(XA，YA)，参照图4，步骤S40包括：
S401：通过目标检测算法获取车辆在图像画面中的中心像素点，作为车辆像素坐标数据；
S402：提取车辆像素坐标数据的x轴坐标x车，将x车减去任一已知的像素点的x轴坐标xa；
S403：将x车-xa输入转换算法模型并代入第一拟合函数X差＝K1*(x车-xa)^(n)，得到车辆的纬度坐标X车＝X差+XA；
S404：提取车辆像素坐标数据的y轴坐标y车，将y车减去任一已知的像素点的x轴坐标ya；
S405：将x车-ya输入转换算法模型并代入第二拟合函数Y差＝K2*(y车-ya)^(n)，得到车辆的经度坐标Y车＝Y差+YA。
在本实施例中，通过车辆的中心像素点代替车辆在图像画面中的像素坐标和实际路面上的经纬度坐标，便于对车辆移动距离的计算。
车辆像素坐标数据的x轴坐标x车对应的纬度坐标为X车，y轴坐标y车对应的纬度坐标为Y车，且K1和n为经过测算得到的已知数值，例如K1＝3，n＝2，代入第一拟合函数为(X车-XA)＝3*(x车-xa)^(2)，且XA、X车以及x车均为已知量，则能够求解X车，得到图像画面中车辆的纬度坐标；
同理，例如K2＝2，通过(Y车-YA)＝2*(y车-ya)^(2)能够得到图像画面中车辆的经度坐标，实现对图像画面中任意车辆在任意位置的经纬度获取，进而实现对不同帧图像画面中同一车辆的经纬度变化量的获取。
同时，对图像画面中车辆在任意位置的经纬度获取，也是实现对车辆在监控路面上实时定位的功能。
具体的，通过目标检测算法，获取到车辆的中心像素点，并获取中心像素点的像素坐标和经纬度坐标；
基于车辆的经纬度坐标和像素坐标、以及已知像素点的像素坐标和经纬度坐标，代入第一拟合函数X差＝K1*(x车-xa)^(n)计算得到车辆的纬度坐标，代入Y差＝K2*(y车-ya)^(n)计算得到车辆的经度坐标。
进一步，获取到两帧图像画面中同一车辆的经纬度坐标，既能够计算车辆在间隔时长内的移动距离，从而得到间隔时长内车辆的行驶速度，达到对车辆监控的目的；通过第一拟合函数和第二拟合函数计算得到的经纬度坐标误差在米级的范围内。
在另一实施例中，获取车辆的经纬度坐标后，还包括步骤：
S406：获取并转换车辆经纬度坐标数据的数据格式；
S407：将完成数据格式转换的经纬度坐标数据发送至高精度地图平台；
S408：高精度地图平台生成车辆在待监控路面的实时位置的模拟界面并发送至用户终端。
在本实施例中，参照图5，模拟界面用于展示车辆在待监控路面的模拟画面，且模拟画面中车辆模型的位置随实际车辆位移而移动，模拟的画面发送至用户终端，便于监控人员直观获知车辆在监控路面的位置。
在一实施例中，步骤S441之前，执行如下步骤：
S4411：判断图像画面中纬度方向是否与坐标系的x轴平行；
S4412：若纬度方向与坐标系的x轴平行，则判定第一拟合函数中的n＝1；
在本实施例中，判断x轴是否与纬度方向平行，若x轴与纬度方向平行，则纬度方向上像素坐标变化量与纬度变化量采用线性函数计算，第一拟合函数X差＝K1*(x车-xa)^(n)中n＝1；同理，若判断y轴与纬度方向平行，则第二拟合函数Y差＝K2*(y车-ya)^(n)中n＝1。
和/或，参照图6，基础像素坐标数据包括A、(xa，ya)、B(xb，yb)、C(xc，yc)、D(xd，yd)像素点，分别对应的基础经纬度坐标数据为(XA，YA)、(XB，YB)、(XC，YC)以及(XD，YD)，且ya、yb、yc以及yd互不相同；步骤S442，具体为：
S4421：计算(XA-XB)/(xa-xb)，得到像素点A与像素点B之间连线的变化率K3，则得到像素点A与像素点B之间连线上纬度坐标差随x轴坐标差变化的变化率为K3；
S4422：获取像素坐标数据落在像素点A和像素点B连线上且纬度与像素点C相同的第一辅助像素点C1，计算得到第一辅助像素点C1的像素坐标数据(xc1，yc1)；
S4423：获取像素坐标数据落在像素点A和像素点B连线上且纬度与像素点D相同的第二辅助像素点D1，计算得到第二辅助像素点D1的像素坐标数据(xd1，yd1)；
S4424：获取纬度坐标与像素点D相同且y轴坐标与第一辅助像素点C1相同的第三辅助像素点D2，计算得到第三辅助像素点D2的x轴坐标xd2；
S4425：基于第一辅助像素点C1和第三辅助像素点D2之间的x差和X差，计算得到K1。
在本实施例中，以纬度方向与x轴方向平行为例，通过A、B、C以及D四个已知像素点，既能够得到纬度方向的第一拟合函数，计算目的为：通过四个已知的像素点，利用几何变换的原理得到两个y坐标相同、x轴坐标不同的辅助像素点，并通过两个辅助像素点的像素坐标和经纬度，计算得到纬度方向上经纬度坐标差随像素坐标差的变化率K1。
具体的，参照图6，(XA-XB)/(xa-xb)得到像素点A和像素点B之间的变化率K3(K3不是纬度方向上的变化率)，且通过(ya-yb)/(xa-xb)像素点A与像素点B线的斜率)；
已知像素点C1的经度与像素点C相同且像素点C1落在像素点A和像素点B的连线上，且已知像素点A与像素点B之间的线性拟合函数XA-XB＝K3*(xa-xb)，通过xc1-xb＝(XC1-XB)/K3，得到像素点C1的x坐标xc1，再通过斜率计算公式，得到像素点C1的y坐标yc1；
同理通过xd1-xa＝(XD1-XA)/K3和斜率计算公式，得到像素点D1的x坐标xd1和y坐标yd1，但此时像素点D1的y坐标与C1的y坐标不同，仍需作出第三个辅助像素点D2，D2的y坐标与像素点C1的y轴坐标相同且D2的纬度与D1、D的纬度均相同。
通过像素点A和像素点D斜率计算公式计算得到连线AD的斜率，D2的纬度与D1、D的纬度均相同，因此D2位于AD连线的延长线上，通过(yd1-yd2)/(xd1-xd2)＝连线AD的斜率，计算得到yd2，进而获取到了两个y坐标相同、x轴坐标不同的辅助像素点C1和像素点D2；
进而能够得到纬度方向变化率K1＝(XC-XD)/(xc1-xd2)。
进一步的，当经度方向与x轴平行时，采用同样的计算方法，能够得到经度方向变化率K2。
在一实施例中，步骤S44还包括：
S44A：沿平面坐标系的y轴方向，计算相邻两个的像素点的经度坐标差Y差、及对应的y轴坐标差y差，得到多组Y差和y差；
S44B：基于多组Y差和y差，得到不同的变化率参数；
S44C：基于不同的变化率参数，沿y轴方向生成不同的第二拟合函数Y差＝K2*y差^(n)，K2为变量。
在本实施例中，不同组Y差和y差的比值，得到的变化率不同，即本实施例中的K2为变量；由于图像画面近大远小的特性，将相邻两个像素点的y坐标之间划分为一个变化率相同的区间，使得第二拟合函数Y差＝K2*y差^(n)的换算更为精准，且已知的像素点越多，即划分的区间越多，计算越精准。
和/或，步骤S404中的“提取车辆像素坐标数据的y轴坐标y车”的步骤之后，执行如下步骤：
S4041：基于y车，判断并匹配对应的变化率参数以代入第二拟合函数Y差＝K2*y差^(n)。
在本实施例中，当获得车辆像素坐标数据中的y坐标y车时，判断y车位于哪两个已知的y坐标之间，即采用该区间的变化率进行经度坐标差与y坐标差的换算，例如，车辆进入监控路面时靠近图像画面的底部，此时车辆的中心像素点的y轴坐标位于像素点A和像素点B之间，对应的变化率为1.5，则拟合函数为Y车-YA＝1.5*(y车-ya)^(n)，车辆准备驶离监控路面时靠近图像画面的顶部，此实车辆的中心像素点的y轴坐标位于像素点C和像素点D之间，对应的变化率为2；此时拟合函数为Y车-YA＝2*(y车-ya)^(n)，进而经度坐标的换算更为精准。
进一步，同理适用于第一拟合函数X差＝K1*x差^(n)，K1为变量。
在一实施例中，某车辆驶入一个通过道路监控视频图像的车辆测速系统进行车辆测速的十字路口，车辆进入十字路口时获取了一帧图像画面，车辆形式至十字路口中间又获取了第二帧图像画面，第一帧图像画面中车辆的像素坐标为(1、6)，计算得到的经纬度坐标为(40.0000°N，116.0000°E)第二帧图像画面中车辆的像素坐标为(6、2)，计算得到的经纬度坐标为(40.0001°N，116.0001°E)，通过经纬度换算以及勾股定理计算得到车辆位移的距离为13.5m，且两针画面的间隔时间为0.25s，车辆进入十字路口并到十字路口速度v＝13.5m/0.25s＝54m/s，而驶入该十字路口的限制速度为30m/s，则判定该车超速。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一实施例中，提供一种基于道路监控视频图像的车辆测速系统，该一种基于道路监控视频图像的车辆测速系统与上述实施例中一种基于道路监控视频图像的车辆测速方法对应。该一种基于道路监控视频图像的车辆测速系统包括：
视频获取模块，用于获取待监控路面的视频图像数据；
图像模块，用于获取用户终端选定的视频图像数据的两帧图像画面；
车辆像素获取模块，用于分别获取两帧图像画面中同一车辆的中心像素点，并获取中心像素点的车辆像素坐标据；
转换模块，用于将车辆像素坐标数据输入至转换算法模型并输出对应的车辆经纬度坐标数据；速度计算模块，用于获取两帧图像画面的间隔时长，基于同一辆车在两帧图像画面中经纬度坐标数据的变化，计算得到间隔时长内车辆的速度数据。
可选的，还包括：
坐标系构件模块，用于基于视频图像数据的任一帧图像画面，基于图像画面的尺寸方向构建平面坐标系；
像素点获取模块，用于基于平面坐标系，获取至少四个以上像素点的基础像素坐标数据，且任四个像素点之间均能连接形成四边形，基础像素坐标数据包括x轴坐标以及y轴坐标；经纬度坐标获取模块，用于基于图像画面中像素点的位置信息，获取与基础像素坐标数据对应的基础经纬度坐标数据，基础经纬度坐标数据包括纬度坐标和经度坐标；
算法构建模块，用于基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为纬度坐标的转换算法模型。
可选的，算法构建模块包括：
坐标提取子模块，用于计算并提取任两个像素点的纬度坐标差X差、及x轴坐标差x差，并用于计算并提取任两个像素点的纬度坐标差Y差以及y轴坐标差y差；
变化率计算子模块，用于计算X差/x差，得到纬度方向上X差随x差变化的变化率参数K1；并用于计算Y差/y差，得到纬度方向上Y差随y差变化的变化率参数K2；
拟合函数子模块，用于基于K1，生成纬度方向上纬度坐标差随x轴坐标差变化的第一拟合函数X差＝K1*x差^(n)，n为可调控参数；并用于基于K2，生成经度方向上经度坐标差随y轴坐标差变化的第二拟合函数Y差＝K2*y差^(n)。
函数应用子模块，用于将第一拟合函数X差＝K1*x差^(n)应用至转换算法模型，以及用于将第二拟合函数Y差＝K2*y差^(n)应用至转换算法模型。
可选的，像素点包括A点，A点基础像素坐标数据为(xa，ya),对应的基础经纬度数据为(XA，YA)，车辆像素获取模块包括：
车辆坐标获取子模块，用于通过目标检测算法获取车辆在图像画面中的中心像素点，作为车辆像素坐标数据；
x车计算子模块，用于提取车辆像素坐标数据的x轴坐标x车，将x车减去任一已知的像素点的x轴坐标xa；
X车计算子模块，用于将x车-xa输入转换算法模型并代入第一拟合函数X差＝K1*(x车-xa)^(n)，得到车辆的纬度坐标X车＝X差+XA；
y车计算子模块，用于提取车辆像素坐标数据的y轴坐标y车，将y车减去任一已知的像素点的x轴坐标ya；
Y车计算子模块，用于将x车-ya输入转换算法模型并代入第二拟合函数Y差＝K2*(y车-ya)^(n)，得到车辆的经度坐标Y车＝Y差+YA。
可选的，还包括：
格式转换模块，用于获取并转换车辆经纬度坐标数据的数据格式；
地图模块，用于将完成数据格式转换的经纬度坐标数据发送至高精度地图平台；
模拟展示模块，用于高精度地图平台生成车辆在待监控路面的实时位置的模拟界面并发送至用户终端。
可选的，还包括：
方向判断模块，用于判断图像画面中纬度方向是否与坐标系的x轴平行；
判定模块，用于若纬度方向与坐标系的x轴平行，则判定第一拟合函数中的n＝1；
可选的，基础像素坐标数据包括A、(xa，ya)、B(xb，yb)、C(xc，yc)、D(xd，Yd)像素点，分别对应的基础经纬度坐标数据为(XA，YA)、(XB，YB)、(XC，YC)以及(XD，YD)，且ya、yb、yc以及yd互不相同；变化率计算子模块包括：
K3计算单元，用于计算(XA-XB)/(xa-xb)，得到像素点A与像素点B之间连线的变化率K3，则得到像素点A与像素点B之间连线上纬度坐标差随x轴坐标差变化的变化率为K3；C1计算单元，用于获取像素坐标数据落在像素点A和像素点B连线上且纬度与像素点C相同的第一辅助像素点C1，计算得到第一辅助像素点C1的像素坐标数据(xc1，yc1)；
D1计算单元，用于获取像素坐标数据落在像素点A和像素点B连线上且纬度与像素点D相同的第二辅助像素点D1，计算得到第二辅助像素点D1的像素坐标数据(xd1，yd1)；
D2计算单元，用于获取纬度坐标与像素点D相同且y轴坐标与第一辅助像素点C1相同的第三辅助像素点D2，计算得到第三辅助像素点D2的x轴坐标xd2；
K1计算单元，用于基于第一辅助像素点C1和第三辅助像素点D2之间的x差和X差，计算得到K1。
可选的，算法构建模块还包括：
分段计算子模块，用于沿平面坐标系的y轴方向，计算相邻两个的像素点的经度坐标差Y差、及对应的y轴坐标差y差，得到多组Y差和y差；
分段变化率模块，用于基于多组Y差和y差，得到不同的变化率参数；
分段拟合函数模块，用于基于不同的变化率参数，沿y轴方向生成不同的第二拟合函数Y差＝K2*y差^(n)，K2为变量。
可选的，y车计算子模块还包括：
函数匹配单元，用于基于y车，判断并匹配对应的变化率参数以代入第二拟合函数Y差＝K2*y差^(n)。
关于基于道路监控视频图像的车辆测速系统的具体限定可以参见上文中对于一种基于道路监控视频图像的车辆测速方法的限定，在此不再赘述。上述一种基于道路监控视频图像的车辆测速系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储算法转换模型、第一拟合函数X差＝K1*x差^(n)，第二拟合函数Y差＝K2*y差^(n)，车辆像素坐标数据、车辆经纬度坐标数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于道路监控视频图像的车辆测速方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现基于道路监控视频图像的车辆测速方法。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现基于道路监控视频图像的车辆测速方法。
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，本申请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。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (7)
1.一种基于道路监控视频图像的车辆测速方法，其特征在于：包括步骤：
获取待监控路面的视频图像数据；
获取用户终端选定的视频图像数据的若干帧图像画面；
分别获取两帧图像画面中同一车辆的中心像素点，并获取中心像素点的车辆像素坐标数据；将车辆像素坐标数据输入至转换算法模型并输出对应的车辆经纬度坐标数据；
获取两帧图像画面的间隔时长，基于同一辆车在两帧图像画面中经纬度坐标数据的变化，计算得到间隔时长内车辆的速度数据；
其中，所述将车辆像素坐标数据输入至转换算法模型并输出对应的车辆经纬度坐标数据的步骤之前，具体包括：
基于视频图像数据的任一帧图像画面，基于图像画面的尺寸方向构建平面坐标系；
基于平面坐标系，获取至少四个以上像素点的基础像素坐标数据，且任四个像素点之间均能连接形成四边形，基础像素坐标数据包括x轴坐标以及y轴坐标；
基于图像画面中像素点的位置信息，获取与基础像素坐标数据对应的基础经纬度坐标数据，基础经纬度坐标数据包括纬度坐标和经度坐标；
基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为经纬度坐标的转换算法模型；
其中，所述基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为纬度坐标的转换算法模型的步骤，包括：
计算并提取任两个像素点的纬度坐标差X差、及x轴坐标差x差；
计算X差/x差，得到纬度方向上X差随x差变化的变化率参数K1；
基于K1，生成纬度方向上纬度坐标差随x轴坐标差变化的第一拟合函数X差＝K1*x差^(n)，n为可调控参数；
将第一拟合函数X差＝K1*x差^(n)应用至转换算法模型；
其中，所述基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为经度坐标的转换算法模型的步骤，包括：
计算并提取任两个像素点的经度坐标差Y差以及y轴坐标差y差；
计算Y差/y差，得到经度方向上Y差随y差变化的变化率参数K2；
基于K2，生成经度方向上经度坐标差随y轴坐标差变化的第二拟合函数Y差＝K2*y差^(n)；将第二拟合函数Y差＝K2*y差^(n)应用至转换算法模型。
2.根据权利要求1所述的一种基于道路监控视频图像的车辆测速方法，其特征在于：像素点包括A点，A点基础像素坐标数据为(xa，ya),对应的基础经纬度数据为(XA，YA)，所述获取图像画面中车辆的中心像素点作为车辆像素坐标数据，将车辆像素坐标数据输入至转换算法模型并输出对应车辆经纬度坐标数据的步骤，包括：
通过目标检测算法获取车辆在图像画面中的中心像素点，作为车辆像素坐标数据；
提取车辆像素坐标数据的x轴坐标x车，将x车减去任一已知的像素点的x轴坐标xa；
将x车-xa输入转换算法模型并代入第一拟合函数X差＝K1*(x车-xa)^(n)，得到车辆的纬度坐标X车＝X差+XA；
提取车辆像素坐标数据的y轴坐标y车，将y车减去任一已知的像素点的y轴坐标ya；
将y车-ya输入转换算法模型并代入第二拟合函数Y差＝K2*(y车-ya)^(n)，得到车辆的经度坐标Y车＝Y差+YA。
3.根据权利要求1所述的一种基于道路监控视频图像的车辆测速方法，其特征在于：所述计算并提取任两个像素点的纬度坐标差X差、及x轴坐标差x差的步骤之前，执行如下步骤：
判断图像画面中纬度方向是否与坐标系的x轴平行；
若纬度方向与坐标系的x轴平行，则判定第一拟合函数中的n＝1；
和/或，
基础像素坐标数据还包括B(xb，yb)、C(xc，yc)、D(xd，Yd)像素点，分别对应的基础经纬度坐标数据为(XB，YB)、(XC，YC)、(XD，YD)，且ya、yb、yc以及yd互不相同；计算X差/x差，得到纬度方向上X差随x差变化的变化率参数K1的步骤具体为：
计算(XA-XB)/(xa-xb)，得到像素点A与像素点B之间连线的变化率K3，则得到像素点A与像素点B之间连线上纬度坐标随x轴坐标变化的变化率为K3；
获取像素坐标数据落在像素点A和像素点B连线上且纬度与像素点C相同的第一辅助像素点C1，计算得到第一辅助像素点C1的像素坐标数据(xc1，yc1)；
获取像素坐标数据落在像素点A和像素点B连线上且纬度与像素点D相同的第二辅助像素点D1，计算得到第二辅助像素点D1的像素坐标数据(xd1，yd1)；
获取纬度坐标与像素点D相同且y轴坐标与第一辅助像素点C1相同的第三辅助像素点D2，计算得到第三辅助像素点D2的x轴坐标xd2；
基于第一辅助像素点C1和第三辅助像素点D2之间的x差和X差，计算得到K1。
4.根据权利要求1所述的一种基于道路监控视频图像的车辆测速方法，其特征在于：所述基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为经度坐标的转换算法模型的步骤，还包括：
沿平面坐标系的y轴方向，计算相邻两个的像素点的经度坐标差Y差、及对应的y轴坐标差y差，得到多组Y差和y差；
基于多组Y差和y差，得到不同的变化率参数；
基于不同的变化率参数，沿y轴方向生成不同的第二拟合函数Y差＝K2*y差^(n)，K2为变量；
和/或，
提取车辆像素坐标数据的y轴坐标y车的步骤之后，执行如下步骤：
基于y车，判断并匹配对应的变化率参数以代入第二拟合函数Y差＝K2*y差^(n)。
5.一种基于道路监控视频图像的车辆测速系统，其特征在于：包括：
视频获取模块，用于获取待监控路面的视频图像数据；
图像模块，用于获取用户终端选定的视频图像数据的两帧图像画面；
车辆像素获取模块，用于分别获取两帧图像画面中同一车辆的中心像素点，并获取中心像素点的车辆像素坐标据；
转换模块，用于将车辆像素坐标数据输入至转换算法模型并输出对应的车辆经纬度坐标数据；速度计算模块，用于获取两帧图像画面的间隔时长，基于同一辆车在两帧图像画面中经纬度坐标数据的变化，计算得到间隔时长内车辆的速度数据；
其中，所述将车辆像素坐标数据输入至转换算法模型并输出对应的车辆经纬度坐标数据的步骤之前，具体包括：
基于视频图像数据的任一帧图像画面，基于图像画面的尺寸方向构建平面坐标系；
基于平面坐标系，获取至少四个以上像素点的基础像素坐标数据，且任四个像素点之间均能连接形成四边形，基础像素坐标数据包括x轴坐标以及y轴坐标；
基于图像画面中像素点的位置信息，获取与基础像素坐标数据对应的基础经纬度坐标数据，基础经纬度坐标数据包括纬度坐标和经度坐标；
基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为纬度坐标的转换算法模型；
其中，所述基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为纬度坐标的转换算法模型的步骤，包括：
计算并提取任两个像素点的纬度坐标差X差、及x轴坐标差x差；
计算X差/x差，得到纬度方向上X差随x差变化的变化率参数K1；
基于K1，生成纬度方向上纬度坐标差随x轴坐标差变化的第一拟合函数X差＝K1*x差^(n)，n为可调控参数；
将第一基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为经度坐标的转换算法模型；
其中，所述基于所获取的基础经纬度坐标数据和对应的基础像素坐标数据，建立用于将像素坐标转换为经度坐标的转换算法模型的步骤，包括：
计算并提取任两个像素点的经度坐标差Y差、及y轴坐标差y差；
计算Y差/y差，得到经度方向上Y差随y差变化的变化率参数K2；
基于K2，生成经度方向上经度坐标差随y轴坐标差变化的第二拟合函数Y差＝K2*x差^(n)，n为可调控参数；
将第二拟合函数Y差＝K2*y差^(n)应用至转换算法模型；拟合函数Y差＝K2*y差^(n)应用至转换算法模型。
6.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述基于道路监控视频图像的车辆测速方法的步骤。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于道路监控视频图像的车辆测速方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210493479.1A CN115050193B (zh) | 2022-05-07 | 2022-05-07 | 一种基于道路监控视频图像的车辆测速方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210493479.1A CN115050193B (zh) | 2022-05-07 | 2022-05-07 | 一种基于道路监控视频图像的车辆测速方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115050193A CN115050193A (zh) | 2022-09-13 |
| CN115050193B true CN115050193B (zh) | 2023-12-15 |
Family
ID=83158512
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210493479.1A Active CN115050193B (zh) | 2022-05-07 | 2022-05-07 | 一种基于道路监控视频图像的车辆测速方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115050193B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN103913375A (zh) * | 2014-02-14 | 2014-07-09 | 济南时代试金试验机有限公司 | 一种基于数字图像相关的拉伸试样形变测量方法 |
| JP2018009852A (ja) * | 2016-07-12 | 2018-01-18 | 株式会社小野測器 | 回転速度計測装置 |
| US9990753B1 (en) * | 2017-01-11 | 2018-06-05 | Macau University Of Science And Technology | Image stitching |
| KR20180068483A (ko) * | 2016-12-14 | 2018-06-22 | 현대자동차주식회사 | 도로표지판의 위치정보 데이터베이스 구축 시스템 및 그 방법과 이를 이용한 차량의 위치 추정 장치 및 그 방법 |
| CN108470453A (zh) * | 2018-03-16 | 2018-08-31 | 长安大学 | 一种车辆直行的车速计算方法 |
| KR20190036359A (ko) * | 2017-09-27 | 2019-04-04 | 주식회사 센서뷰 | 전방위 영상을 이용한 gps 좌표 맵핑 방법 및 장치 |
| CN112836737A (zh) * | 2021-01-29 | 2021-05-25 | 同济大学 | 一种基于车路数据融合的路侧组合感知设备在线标定方法 |
| CN113223300A (zh) * | 2021-04-13 | 2021-08-06 | 河北科技大学 | 一种基于车载视频图像的交通事故车速测量方法 |
| CN113409588A (zh) * | 2021-06-17 | 2021-09-17 | 郑州大学 | 一种基于视频压缩域的多车测速方法 |
| RU2770145C1 (ru) * | 2021-06-07 | 2022-04-14 | Общество С Ограниченной Ответственностью "Автодория" | Устройство и система регистрации объектов в области автодороги |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9052329B2 (en) * | 2012-05-03 | 2015-06-09 | Xerox Corporation | Tire detection for accurate vehicle speed estimation |
| US8698896B2 (en) * | 2012-08-06 | 2014-04-15 | Cloudparc, Inc. | Controlling vehicle use of parking spaces and parking violations within the parking spaces using multiple cameras |
| US9582722B2 (en) * | 2012-08-31 | 2017-02-28 | Xerox Corporation | Video-based vehicle speed estimation from motion vectors in video streams |
| US10909845B2 (en) * | 2013-07-01 | 2021-02-02 | Conduent Business Services, Llc | System and method for enhancing images and video frames |
-
2022
- 2022-05-07 CN CN202210493479.1A patent/CN115050193B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN103913375A (zh) * | 2014-02-14 | 2014-07-09 | 济南时代试金试验机有限公司 | 一种基于数字图像相关的拉伸试样形变测量方法 |
| JP2018009852A (ja) * | 2016-07-12 | 2018-01-18 | 株式会社小野測器 | 回転速度計測装置 |
| KR20180068483A (ko) * | 2016-12-14 | 2018-06-22 | 현대자동차주식회사 | 도로표지판의 위치정보 데이터베이스 구축 시스템 및 그 방법과 이를 이용한 차량의 위치 추정 장치 및 그 방법 |
| US9990753B1 (en) * | 2017-01-11 | 2018-06-05 | Macau University Of Science And Technology | Image stitching |
| KR20190036359A (ko) * | 2017-09-27 | 2019-04-04 | 주식회사 센서뷰 | 전방위 영상을 이용한 gps 좌표 맵핑 방법 및 장치 |
| CN108470453A (zh) * | 2018-03-16 | 2018-08-31 | 长安大学 | 一种车辆直行的车速计算方法 |
| CN112836737A (zh) * | 2021-01-29 | 2021-05-25 | 同济大学 | 一种基于车路数据融合的路侧组合感知设备在线标定方法 |
| CN113223300A (zh) * | 2021-04-13 | 2021-08-06 | 河北科技大学 | 一种基于车载视频图像的交通事故车速测量方法 |
| RU2770145C1 (ru) * | 2021-06-07 | 2022-04-14 | Общество С Ограниченной Ответственностью "Автодория" | Устройство и система регистрации объектов в области автодороги |
| CN113409588A (zh) * | 2021-06-17 | 2021-09-17 | 郑州大学 | 一种基于视频压缩域的多车测速方法 |
Non-Patent Citations (1)
| Title |
|---|
| 一种基于视频图像的车辆测速算法;王成钢 等;上海船舶运输科学研究所学报;第42卷(第1期);第65-69，83页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115050193A (zh) | 2022-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI608221B (zh) | 液面高度檢測系統及其方法 | |
| CN112880642B (zh) | 测距系统和测距方法 | |
| CN109781163B (zh) | 标定参数有效性检验方法、装置、设备及存储介质 | |
| CN111192331A (zh) | 一种激光雷达和相机的外参标定方法及装置 | |
| CN113376651B (zh) | 基于三维激光的集卡防吊起检测方法、装置和计算机设备 | |
| CN109918977A (zh) | 确定空闲车位的方法、装置及设备 | |
| CN110135278B (zh) | 一种障碍物检测方法、装置及电子设备 | |
| CN113744348A (zh) | 一种参数标定方法、装置及雷视融合检测设备 | |
| JP6736931B2 (ja) | 立体物検出方法及び立体物検出装置 | |
| CN111753649A (zh) | 车位检测方法、装置、计算机设备和存储介质 | |
| KR20160070874A (ko) | 모바일 기기를 이용한 위치기반 시설물 관리 시스템 | |
| CN113032272A (zh) | 自动泊车系统试验评价方法、装置、设备及存储介质 | |
| CN112017236A (zh) | 一种基于单目相机计算目标物位置的方法及装置 | |
| CN115797467A (zh) | 车辆相机标定结果检测方法、装置、设备及存储介质 | |
| CN115050193B (zh) | 一种基于道路监控视频图像的车辆测速方法及系统 | |
| CN116884235B (zh) | 基于撞线的视频车速检测方法、装置、设备以及存储介质 | |
| CN113344906A (zh) | 车路协同中相机评估方法、装置、路侧设备和云控平台 | |
| CN114063024A (zh) | 传感器的标定方法、装置、电子设备和存储介质 | |
| CN111985266A (zh) | 尺度图确定方法、装置、设备及存储介质 | |
| CN111982040B (zh) | 基于滚动测距仪的距离测算方法、装置、计算机设备及存储介质 | |
| JP2022145441A (ja) | 測量情報管理システム、測量情報管理方法、及び測量情報管理プログラム | |
| CN113870285A (zh) | 一种集成北斗和视觉的基础设施结构形变测量方法及系统 | |
| CN113643374A (zh) | 基于道路特征的多目相机标定方法、装置、设备和介质 | |
| CN112580402A (zh) | 一种单目视觉行人测距方法及其系统、车辆、介质 | |
| CN117506884B (zh) | 机器人的视觉识别定位方法、装置、设备及存储介质 |
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 |