[发明专利]基于视频车辆检测和雷达信号融合的车辆测速方法

权利要求书

1.一种基于视频车辆检测和雷达信号融合的车辆测速方法，其特征在于，步骤如下：

步骤1、车辆识别跟踪：利用摄像头采集车辆视频信息，进行车辆的识别和跟踪；

步骤2、测速测量：利用雷达获取的回波信号，确定车辆的速度、距离和方位信息；

步骤3、结果融合：根据雷达检测的车辆距离和方位信息，确定车辆质心坐标和行驶方向，将其与视频检测得到的车辆质心坐标和行驶方向进行匹配，在视频上显示车辆的速度信息。

2.根据权利要求1所述的基于视频车辆检测和雷达信号融合的车辆测速方法，其特征在于，步骤1利用YOLOv3算法进行车辆识别，利用卡尔曼滤波跟踪进行车辆跟踪。

3.根据权利要求2所述的基于视频车辆检测和雷达信号融合的车辆测速方法，其特征在于，步骤1利用YOLOv3算法进行车辆识别的具体方法为：

对摄像头读取的一帧图片进行归一化处理，并划分成S×S网格，选择物体中心位置落在的网格负责物体的检测，由于每个边界框拥有5个参数，分别为目标的中心坐标(x₀，y₀)，宽w、高h和边界框置信度，将中心坐标(x₀，y₀)相对于所在的目标中心单元格归一化到0-1之间，w、h用图像自身的宽和高归一化到0和1之间；

根据归一化后的边界框参数确定边界框置信度其中Pr(object)表示边界框含有目标的可能性，当边界框内有目标时，Pr(object)＝1，当边界框内没有目标时，Pr(object)＝0，表示为边界框的准确度，计算公式为其中Box_truth代表真实的目标边界框，Box_pred代表预测的目标边界框，根据的阈值去除可能性比较低的窗口，使用非极大值抑制去除冗余窗口，输出最终的目标检测框。

4.根据权利要求2所述的基于视频车辆检测和雷达信号融合的车辆测速方法，其特征在于，步骤1的卡尔曼滤波跟踪选取车辆的质心坐标为车辆的跟踪点，将跟踪分为初始化、预测、匹配和更正四个阶段，具体方法为：

将车辆出现在第一帧图像中的像素坐标作为卡尔曼滤波跟踪的初始值；

对当前所有的运动目标进行卡尔曼滤波预测，由于物体在短时间内的运动可以看作是匀速直线运动，所以定义其状态转移矩阵A为A＝[1,0,△t,0；0,1,0,△t；0,0,1,0；0,0,0,1]，其中△t表示视频读取一帧的时间，将状态矩阵和当前帧的预测结果代入状态转移方程，得到下一帧的状态预测值；

对多个跟踪目标进行匹配，由于视频处理一帧的时间短，所以车辆的行驶距离不会很远，设定一个阈值T，x_k+1,x_k分别是视频下一帧和当前帧车辆质心的横坐标，y_k+1,y_k分别是视频下一帧和当前帧车辆质心的纵坐标，匹配时利用车辆出现在视频前后帧中的像素坐标计算出欧氏距离当最小欧氏距离小于阈值T且对应的跟踪车辆和检测车辆的标识位都显示没有匹配成功时，将检测目标和跟踪目标进行匹配，否则，判定车辆匹配失败；

对卡尔曼滤波的估计值进行修正，将得到的车辆质心坐标的估计值和测量值利用卡尔曼系数即可计算当前车辆质心坐标的最优估计值。

5.根据权利要求1所述的基于视频车辆检测和雷达信号融合的车辆测速方法，其特征在于，步骤2进行测速测量的具体方法为：

将接收机收到的回波信号进行A/D和混频处理转换为差拍信号，并利用窗函数进行FFT变换，对得到的频谱图做非相干累积处理来抑制其他目标杂波的干扰；

进行有序统计恒虚警检测，将处理结果与门限值比较，如果大于门限，则判断目标存在，进行速度和距离的解耦合操作，由于差拍信号的频率是由速度和距离信息组成，根据频谱图的峰值谱线计算出相邻帧之间的相位差，利用不模糊距离和差拍信号频率求解出距离模糊得到目标的距离，代入式即可求

解出车辆的径向速度，其中f是差拍信号的频率，μ是调频斜率，c是光速，R是目标的距离，V是目标的径向速度，f₀是雷达发射信号的频率；

根据波程差确定车辆的方位角计算公式为其中，λ是雷达的波长，ΔR是测量其波程差。