[发明专利]一种基于视频的测速方法

说明书

一种基于视频的测速方法，首先训练用于检测视频图像中各种车辆的车辆检测器，而后训练车辆目标跟踪器，用于跟踪由车辆检测器检测出来的车辆，再训练图像车辆轨迹‑速度模型，并将图像车辆轨迹‑速度模型加载于后端分析服务器，同时在后端分析服务器的预定义图像画面区域内，利用训练好的车辆检测器检测画面中车辆图像，以获取跟踪车辆及跟踪车辆的车辆轨迹，最后在后端分析服务器将卡口摄像头与地面的高度数据、卡口摄像头俯仰角、跟踪车辆轨迹中心像素数据集输入至图像车辆轨迹‑速度模型中，得到跟踪车辆速度；本发明有效解决车辆测速与图像抓拍的技术问题，满足智慧交通大规模视频测速需求。

技术领域

本发明涉及智慧交通技术领域，尤其涉及一种基于视频的测速方法。

背景技术

目前，对行驶的车辆进行测速常用方法是利用雷达并结合摄像机，雷达用于测速，摄像机用于抓拍车辆图片，具体地，将雷达与摄像机设置于卡口，雷达对经过卡口的车辆测速，摄像机对经过卡口的车辆进行抓拍，以获取车辆图像，并利用图像识别技术识别车型和车牌等信息，最后通过雷达与摄像头关联，进而确定经过卡口车速和车辆信息。现有一种改进的测速方法通过预设触发线和电子标识读写器，在车辆到达预设触发线时电子标识读写器读取车辆的电子标识，将车辆到达预设触发线时的行驶速度与所读取的电子标识关联，得到该车辆的测速结果，但前述测速方法涉及到多种电子设备，复杂性高，局限性较大，对于智慧交通大规模视频测速需求以及现阶段大部分车辆没有安装或没有使用电子标识，测速方法不够简便和灵活，部署实施难度较大。

发明内容

本发明所解决的技术问题在于提供一种基于视频的测速方法，以解决上述背景技术中的问题。

本发明所解决的技术问题采用以下技术方案来实现：

一种基于视频的测速方法，具体步骤如下：

1）首先利用EfficientDet深度学习多目标检测算法，训练多类型车辆检测器，该车辆检测器用于检测视频图像中各种车辆，并得到车辆像素框数据和车辆中心像素数据；

2）利用KalmanFilter跟踪算法，训练车辆目标跟踪器，该车辆目标跟踪器用于跟踪通过步骤1）中车辆检测器检测出来的车辆，并得到车辆中心像素数据集；

3）在道路卡口采集大规模原始数据，要求原始数据覆盖面广，原始数据包括车辆检测器能够检测出的车辆像素框数据及对应的车辆速度数据、卡口摄像头与地面的高度数据、卡口摄像头俯仰角、车辆目标跟踪器得到的车辆中心像素数据集，而后对原始数据进行预处理，形成样本数据集，通过机器学习回归方法，以高度数据、卡口摄像头俯仰角、车辆中心像素数据集为输入，对应的车辆速度数据为输出，进行模型训练，得到图像车辆轨迹-速度模型，并将图像车辆轨迹-速度模型加载于后端分析服务器；

4）在后端分析服务器的预定义图像画面区域内，利用训练好的车辆检测器检测画面中车辆图像，若未检测到车辆，则后端分析服务器系统处于等待状态，若检测到车辆，则进入步骤5）；

5）通过车辆目标跟踪器对步骤4）中检测出的车辆进行跟踪；

6）获取步骤5）中跟踪到车辆的车辆轨迹中心像素，形成跟踪车辆轨迹中心像素数据集；

7）摄像头像素大小与预定义图像画面区域设置固定，在后端分析服务器将高度数据、卡口摄像头俯仰角、跟踪车辆轨迹中心像素数据集输入至图像车辆轨迹-速度模型中，得到跟踪车辆速度。

在本发明中，所述图像车辆轨迹-速度模型中设置有超速阈值与报警模块，当跟踪车辆速度大于超速阈值，则通过报警模块进行警告，同时将警告的跟踪车辆信息单独保存，以备核实，有效地节省人力、物力等成本。

有益效果：本发明仅通过单一摄像头有效解决车辆测速与图像抓拍的技术问题，满足智慧交通大规模视频测速需求；同时本发明突破传统卡口摄像头测速抓拍及其他电子设备辅助测距测速的限制，仅需通过摄像头能够达到车辆测速及图像抓拍取证的目的，工程使用方便，可有效地节省人力、物力等成本，具有实用价值和经济效益。

附图说明