[发明专利]一种高精度视频测速方法、系统、电子设备及存储介质

说明书

本发明公开了一种高精度视频测速方法、系统、电子设备及存储介质，其中方法包括：通过双目摄像头获取视频图像，将视频图像输入至FPGA中；对视频图像进行去畸变处理，确定去畸变图像；将去畸变图像的映射关系存储至FPGA的外接存储器中，确定图像映射信息；通过预先训练好的二值神经网络模型对图像映射信息进行特征提取，确定图像特征，图像特征包括当前帧图像特征和前一帧图像特征；对当前帧图像特征进行深度计算处理，确定距离信息；根据前一帧图像特征对当前帧图像特征进行光流估计处理，确定图像光流；根据距离信息和图像光流对视频图像进行速度计算处理，确定像素速度；本发明能提高视频测速的精度和准确度，可广泛应用于视频测速技术领域。

技术领域

本发明涉及计算机视觉技术领域，尤其是一种高精度视频测速方法、系统、电子设备及存储介质。

背景技术

随着汽车保有量的快速增加，如何保证大规模车辆的安全、快速通行成为了公路建设的核心问题。而对高速上的车辆进行持续精确测速可以为高速的管理方和司乘人员提供准确的信息，是车路协同的一项重要的监测内容。高速公路上已有的精确测速设备主要还是以激光雷达和毫米波雷达为主。但是，使用单目车辆测速技术存在精度差、速度慢等问题。另一方面，使用激光雷达虽然可以提高精度，但是存在造价昂贵、数据单一等问题。综合上述，相关技术中存在的技术问题亟需得到解决。

发明内容

有鉴于此，本发明实施例提供一种高精度视频测速方法、系统、电子设备及存储介质，以实现。

一方面，本发明提供了一种高精度视频测速方法，包括：

通过双目摄像头获取视频图像，将所述视频图像输入至FPGA中；

对所述视频图像进行去畸变处理，确定去畸变图像；

将所述去畸变图像的映射关系存储至所述FPGA的外接存储器中，确定图像映射信息；

通过预先训练好的二值神经网络模型对所述图像映射信息进行特征提取，确定图像特征，所述图像特征包括当前帧图像特征和前一帧图像特征；

对所述当前帧图像特征进行深度计算处理，确定距离信息；

根据所述前一帧图像特征对所述当前帧图像特征进行光流估计处理，确定图像光流；

根据所述距离信息和所述图像光流对所述视频图像进行速度计算处理，确定像素速度。

可选地，所述对所述视频图像进行去畸变处理，确定去畸变图像，包括：

获取标定板；

根据所述标定板获取所述双目摄像头的内外参数；

根据所述内外参数对所述视频图像进行像素位置校正处理，确定去畸变图像。

可选地，所述将所述去畸变图像的映射关系存储至所述FPGA的外接存储器中，确定图像映射信息，包括：

对去畸变图像进行位置信息读取处理，确定图像位置信息；

根据所述图像位置信息对所述去畸变图像进行地址编码处理，确定图像映射关系；

将所述图像映射关系存储至所述FPGA的外接存储器中，确定图像映射信息。

可选地，所述通过预先训练好的二值神经网络模型对所述图像映射信息进行特征提取，确定图像特征，所述图像特征包括当前帧图像特征和前一帧图像特征，包括：

对所述图像映射信息进行数据拼接处理，确定二进制数据；

将所述二进制数据输入所述二值神经网络模型中进行特征提取处理，确定输出数据；

对所述输出数据进行数据复原处理，确定图像特征。