[发明专利]一种从道路监控视频获取车辆车速的方法

权利要求书

1.一种从道路监控视频获取车辆车速的方法，其特征在于，所述的从道路监控 视频获取车辆车速的方法包括5个主步骤，分别是预处理、建立映射关系、 提取车辆投影序列、车辆空间定位和速冻拟合，

所述的预处理包括分步骤：灰度变换和分辨率变换，

所述的灰度变换是指，获取道路监控视频图像的亮度信息，通过对 前端摄像机采集的RGB彩色图像进行颜色空间转换，得到Y空间图 像，转换公式如下：

Y_i＝R_i×0.299+G_i×0.587+B_i×0.114(1)

其中Y_i为图像第i个像素点(R_i,G_i,B_i)的灰度值，

所述的分辨率变换是指，若所述道路监控视频图像是高清视频图像，则 进行隔行、隔列抽样，以降低图像分辨率，抽样公式如下：

p_(i,j)＝P_(i×2,j×2)(2)

其中p_(i,j)为抽样之后新图像第i行、第j列对应位置像素，P_(i×2,j×2)为源图 像对应像素；

所述建立映射关系包括分步骤：建立一维映射和建立二维映射关 系，

所述的建立一维映射是指将摄像机视频图像抽象出几何关系 模型，其中A#、B#、C#、D#表示视频图像上4个不同的求解区域， 初实线和细实线分别表示车道和光线；m，n表示视频图像上的两个 像素段，这两个像素段对应的实际距离相等，假设都是A；在区域 B#里，L表示在视频图上以n的下端点为基准向上伸展的像素；在区 域C#里，L表示在视频图上以m的上端点为基准向下伸展的像素； 在区域D#里，L表示在视频图上以m的上端点为基准向上伸展的像 素；K表示根据m，n这两段相等的实际距离，当L移动时对应的实 际距离的变化量，

m，n所代表的实际距离相等，这里假设它就是A，那么L变化 的同时K也跟着做相应的变化，即L→K这个函数关系是求解最终的 映射表的基础，

根据几何模型和相似三角形关系，可得到各区间函数关系：

区域A#：K=2AmLmn+n2+nL-mL---(3)]]>

区域B#：K=2AmLmn+n2+mL-nL---(4)]]>

区域C#：K=2AnLmn+m2+nL-mL---(5)]]>

区域D#：K=2AmLmn+n2+nL-mL---(6)]]>利用这4个公式得到中间车道线上各个像素点对应的空间距离，进 而得到行->距离一维映射关系；

所述的建立二维映射关系，包括步骤：

A)通过等距离线初步创建二维映射关系，即，

手动定位一组在监控视频图像上两个实际距离相等的点，中间车 道线上的每个点在右车道线上都同样有一个和它的实际距离相等的 点，这些点的像素位置是已知的，即假设已知点p1(x1,y1)，p2(x2,y2)， 要求出所有p(x,y)，用式(7)一元线性方程式求出p1(x1,y1)，p2(x2,y2) 所在的直线上随着x变化的所有y值，这样就确定了所有具有相同实 际距离的p(x,y)像素集，

y=(x-x1)(y1-y2)(x1-x2)+y1---(7)]]>

每两条手动设置的等距离线中间部分，每次按照y方向1个像素 的增量，以最靠近该点的已知等距线的斜率为其斜率，分别计算其 他各条等距线穿过的像素位置，

假设图像纵向有N行像素，即可得到N组等距线所穿过像素，查 询一维映射关系表，即可得到这些像素对应的实际距离，即初步得 到像素->距离二维映射关系图，用不同的灰度值代表不同的距离；

B)距离插值

在像素->距离二维映射关系图中，表示等距线没有穿过这些像 素，这些像素点对应的距离仍然没有赋值，

采用临近值填充法进行距离插值，假设点N的值为0，分别按照 单位1的增量搜索其左、右两边，搜索到最近的非零值，即为该点 的距离值，插值填充之后的形成对应的二维数组即为完整二维映射 关系表T[m][n]；

所述的提取车辆投影序列，过程是：

用手动或者自动方式确定车尾位置，然后沿着车辆行驶方向增加 N行，并且每行左右各扩展K个像素，跟踪这样一个四边形区域， 一共2×K×N个像素，记录这个区域连续10帧的灰度值，经过几何 关系矫正，得到灰度序列，

为了增加差异显著性，采用隔帧差法，共需计算8个帧差，需跟 踪10帧图像，帧差法投影算法的计算公式如下：

Sg[n]=Σi=-1616(gm(i,n)-gm-2(i,n))---(8)]]>

其中S_g[n]表示区域内第n行投影值，g_m(i,n)和g_m-2(i,n)表示相隔1帧对 应的像素点灰度值；

所述的车辆空间定位，过程包括：

A1.投影序列特征值提取

先找出每一帧投影的最大值，然后用最大值的一定比率作为最终 的阈值重新扫描这一帧的投影，找出投影数据首次到达该阈值的位 置；

A2.特征值像素位置定位

找到了特征值，它们在图像里的具体像素坐标的计算公式如下：

yi=yR+R[i]xi=XR+Δi---(9)]]>

其中(x_i,y_i)为特征值对应的像素坐标位置，(x_R,y_R)为已知矩形区 域参考位置，Δ_i为车道前后的横向修正值，与像素点纵坐标位置和 车道斜率有关；

A3.查表定位车辆空间位置

根据特征值在图像中的位置(x_i,y_i)，查找像素->距离映射关系表 T[m][n]，得到8个映射距离；

以时间为横轴，距离为纵轴，建立二维直角坐标系。根据查表结 果，得到坐标系中的8个点；

所述的速度拟合，包括：

B1.时间和距离最小二乘关系

从一组观测值去寻找t与s之间的函数关系s＝f(t)，在函 数类(10)中找一个函数，使式(11)误差平方和最小，即满足式 (12),

所求曲线就是最小二乘解。若取Φ＝H_n，所求得的拟合曲 线称为多项式拟合曲线，其中

H_n＝{a₀+a₁t+...+a_ntⁿ|a₀,a₁,...,a_n∈R}(13)

得到多项式拟合的法方程

(1,1)(1,t)...(1,tn)(t,1)(t,t)...(t,tn)·········(tn,1)(tn,t)...(tn,tn)a0a1···an=(1,s)(x,s)···(tn,s)---(14)]]>

B2.基于最小二乘法的一元线性拟合

采样的数据是在8帧连续的视频图中提取的，8帧图像只有320ms 的时间，假设车辆是匀速行驶的，这样s和t就是一个最简单的线性 关系,即满足s＝v×t+s₀,即在式(14)中取n＝1，变成了

(1,1)(1,t)(t,1)(t,t)a0a1=(1,s)(t,s)---(15)]]>

这里a₀就可以表示起始距离，a₁就可以表示匀速行驶的速度，所 以直接用s₀代替a₀，用v代替a₁，再求解系数矩阵的内积，将式(15) 变成

MΣi=0mtiΣi=0mtiΣi=0mti2s0v=Σi=0msiΣi=0mti*si---(16)]]>

计算得

v=(M*Σi=0m(si*ti)-(Σi=0mti)*(Σi=0msi))/(M*Σi=0mti2-(Σi=0mti)2)---(17)]]>

s0=(Σi=0msi-v*Σi=0mti)/M---(18)]]>

其中M为坐标点个数，m比其小1；

B3.二次线性拟合

采用直线上方或者下方的样本值进行二次拟合。