[发明专利]一种基于枚举试探的车速检测方法

权利要求书

1.一种基于枚举试探的车速检测方法，其特征在于，该方法按照以下步骤进行：

步骤一，图像预处理：将采集到的交通视频处理成720×228像素大小的灰度图像，在图像上画出三条车道线，选择其中任意相邻的两条车道线手动标记不少于三对特征点，这三对特征点取车道虚线的端点，建立图像像素到路面实际距离的映射关系，即映射表；

步骤二，划定跟踪区域：在视频图像中，依据给定目标车尾点的位置，沿着车辆行驶的方向向前寻找m行，向左扩展n个像素，向右扩展n-1个像素，形成一个2×m×n的跟踪区域，并以跟踪区域内车尾点所在的直线作为车辆行驶的轨迹线，其中：

所述的m取90，所述的n取8；

步骤三，采用帧差法提取投影数据，车辆运动使图像的灰度值发生变化，从而帧差法就可以很好的检测出车辆的运动情况，对划定的跟踪区域，连续跟踪10帧,因为视频的采集速度为25帧/秒，相邻两帧图像间的灰度差别不大，所以在利用帧差法提取投影数据时采用隔1帧相减的方法，即第M+2帧与第M帧做减法，提取8个投影序列，灰度值数据存储在数组Gray[M][N]中，计算公式为：

Gray[M][N]=Σi=-8i=7(grayM+2(N,i)-grayM(N,i))]]>

式中：

M表示连续跟踪的帧数，M＝0,1…6,7；

N表示依据给定车尾点之后向前寻找的行数，N＝0,1…88,89；

gray表示选定的跟踪区域中像素点的灰度值；

步骤四，利用比率法寻找特征点：将步骤三中提取的8个投影序列中的第一个序列的90个灰度值相加，取和值的1/20作为寻找特征点的阈值，将图像中的噪声影响分散，降低图像噪声对特征点选取的影响，然后从第一个投影值开始依次向后叠加，当叠加的值达到上述的寻找特征点的阈值，此时所在的点就作为特征点；

步骤五，利用枚举试探的方法计算车速：依据步骤二中所标定的车尾点求得的速度能够代表整辆车的行驶速度，以步骤四中得到的特征点对应的实际距离作为目标车辆的初始位置，枚举一系列速度值赋给车辆，连续跟踪8帧，得到8个距离值，反查映射表及数组Gray[M][N]得到这8个距离值在投影序列中对应的灰度值，与步骤四中得到的特征点对应的投影序列灰度值作比较，最接近的一组灰度值所对应的速度即为目标车辆的实际速度，具体计算过程分为粗调和细调两个部分：

计算前先将步骤四中找到的特征点的值转化成实际路面上的距离值，步骤四中找到的特征点是一个以给定车尾点为零点的像素行，将这个像素行值转换成像素坐标点，查找映射表得到这个像素点对应的实际路面距离值，即目标车辆的初始位置S₀；

（1）粗调：给目标车辆一个初始速度5km/h,以5km/h为间隔依次增加，根据实际车速的范围设定一组速度值：5km/h、10km/h、15km/h、20km/h……170km/h、175km/h、180km/h，共36个速度值，将这36个速度值，依次带入公式

s_ij＝v_it_j+s₀    （i=0，1……34，35；j=0，1……6，7）

式中：

s_ij表示车辆在其轨迹线上的实际距离值，单位：m；

s₀表示车辆的初始位置，单位：m；

v_i表示速度值，单位：m/s；

t_j表示跟踪时间，即0.04s的j倍，单位：s；

带入8个跟踪时间值t_j就会得到8个s_ij值，通过反查映射表可以得到s_ij在跟踪区域里对应的行值，查找数组Gray[M][N]，其中：M=j,N为s_ij在跟踪区域里对应的行值，得到这些行值在投影序列中对应的灰度值，用g_ij表示，其中：g_i0即步骤四中得到的特征点对应的投影序列灰度值，将这8个灰度值的和记为sum，平均值记为average，则有：

sum＝g_i0+g_i1+…+g_i7）

average＝sum/8

对sum和average作一个换算，具体方法为：

differsub＝|g_i0-average|+|g_i1-average|+…|g_i7-average|

sumsub＝sum-differsub

即可得到36个速度，36个sumsub值，找出最大的sumsub所对应的速度就是所求的速度，记为p；

（2）细调：细调的方法与粗调一致，区别仅在于其设定的速度间隔不同，在粗调得到的速度p的基础上，细调过程以1km/h为速度间隔依次增加速度值，再给车辆赋一组速度值：

(p-15),(p-14),……，（p-1）,p,(p+1),……（p+14）,

共30个速度值，将这30个速度值依次带入公式

s_ij＝v_it_j+s₀  （i=0,1,……29；j=0,1……7）中；

重复上述调节过程，最终得到车辆的精确速度。