[发明专利]基于卡尔曼滤波的车辆视频测速方法和计算机可读存储介质

权利要求书

1.一种基于卡尔曼滤波的车辆视频测速方法，其特征在于，包括：

获取n帧待测速图片，n为大于零的整数；

根据n帧所述待测速图片得到n帧第一车牌图片，所述第一车牌图片包括待测速车辆的车牌；其中，基于Cascade级联分类器，按照滑动窗口的方式对所述待测速图片进行遍历，以确定所述待测速图片的第一车牌区域；扩展所述第一车牌区域至第二车牌区域，且利用CNNRegression确定所述第二车牌区域中车牌的边界，以得到所述第一车牌图片；

对n帧所述第一车牌图片分别做透视变换得到n帧第二车牌图片；

根据所述第二车牌图片得到换算关系，所述换算关系为图像像素距离与实际距离的比值；

根据n帧所述第二车牌图片的车牌预设位置坐标、视频流数据和所述换算关系得到车辆的平均速度；

基于卡尔曼滤波，根据所述车辆的平均速度得到最终的测速结果；其中，将车辆的平均速度作为卡尔曼滤波的初始值X₀，将所有相邻两帧的实际移动距离和时间作为卡尔曼滤波的输入，卡尔曼滤波对相邻两帧的速度进行迭代和更新，进行误差消除，输出待测速车辆的最终的测速结果；根据对卡尔曼滤波实现的变量定义以及卡尔曼滤波进行视频测速的算法为代码，初始化变量X、P、Q、F、H、z，对得到的平均速度使用卡尔曼滤波进行迭代和更新，进行误差消除，获取最终的测速结果；X为状态矩阵，x代表当前位置，v代表当前速度，初始值F为状态转移矩阵Δ_T代表帧之间行驶时间，Q为过程协方差矩阵，σ_t为视频帧时间方差，σ_v为速度方差，P为状态协方差，初始值σ_R为视频换算距离方差，H为测量方程H＝[1 0]，z为视频换算距离。

2.根据权利要求1所述的基于卡尔曼滤波的车辆视频测速方法，其特征在于，获取n帧待测速图片，包括：

获取n帧初始待测速图片；

通过对所述初始待测速图片进行压缩处理得到待测速图片。

3.根据权利要求2所述的基于卡尔曼滤波的车辆视频测速方法，其特征在于，通过对所述初始待测速图片进行压缩处理得到待测速图片，包括：

通过对所述初始待测速图片进行压缩处理得到压缩后的初始待测速图片；

通过对压缩后的初始待测速图片设置像素区域得到所述待测速图片，所述像素区域包括有待测速车辆。

4.根据权利要求1所述的基于卡尔曼滤波的车辆视频测速方法，其特征在于，根据所述第二车牌图片得到换算关系，包括：

获取标志物的实际距离；

根据所述第二车牌图片对应的所述标志物得到所述标志物的图像像素距离；

根据所述实际距离和所述图像像素距离的比值得到所述换算关系。

5.根据权利要求1所述的基于卡尔曼滤波的车辆视频测速方法，其特征在于，根据所述第二车牌图片的车牌预设位置坐标、视频流数据和所述换算关系得到车辆的平均速度，包括：

根据n帧所述第二车牌图片得到n个车牌预设位置坐标和n个视频流的帧数；

基于实际移动距离计算公式，根据相邻两帧所述第二车牌图片的车牌预设位置和所述换算关系得到相邻两帧的实际移动距离；

基于真实时间差计算公式，根据相邻两帧所述第二车牌图片的帧数和帧率得到相邻两帧的真实时间差；

根据所述实际移动距离和所述真实时间差得到相邻两帧的车速；

根据所有所述相邻两帧的车速得到车辆的平均速度。

6.根据权利要求5所述的基于卡尔曼滤波的车辆视频测速方法，其特征在于，所述实际移动距离计算公式为：

其中，为第(i+1)帧所述第二车牌图片和第i帧所述第二车牌图片的实际移动距离，y_i+1为第(i+1)帧所述第二车牌图片的车牌预设位置的y轴坐标，y_i为第i帧所述第二车牌图片的车牌预设位置的y轴坐标，λ_Conv为所述换算关系。