[发明专利]一种从道路监控视频获取车辆车速的方法

摘要

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。

主权项

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#：$K=\frac{2AmL}{mn+n^2+nL-mL}---\left(3\right)$区域B#：$K=\frac{2AmL}{mn+n^2+mL-nL}---\left(4\right)$区域C#：$K=\frac{2AnL}{mn+m^2+nL-mL}---\left(5\right)$区域D#：$K=\frac{2AmL}{mn+n^2+nL-mL}---\left(6\right)$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，$y=\frac{(x-x1)(y1-y2)}{(x1-x2)}+y1---\left(7\right)$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：$S_g\[n\]=\underset{i=-16}{\overset{16}{\Σ}}\left(g_m\right(i,n)-g_{m-2}(i,n\left)\right)---\left(8\right)$其中S_g[n]表示区域内第n行投影值，g_m(i,n)和g_m‑2(i,n)表示相隔1帧对应的像素点灰度值；所述的车辆空间定位，过程包括：A1.投影序列特征值提取先找出每一帧投影的最大值，然后用最大值的一定比率作为最终的阈值重新扫描这一帧的投影，找出投影数据首次到达该阈值的位置；A2.特征值像素位置定位找到了特征值，它们在图像里的具体像素坐标的计算公式如下：$\left\{\begin{array}{c}{y}_i=y_R+R\[i\]\\ x_i=X_R+{\mathrm{\Δ}}_i\end{array}\right.---\left(9\right)$其中(x_i,y_i)为特征值对应的像素坐标位置，(x_R,y_R)为已知矩形区域参考位置，Δ_i为车道前后的横向修正值，与像素点纵坐标位置和车道斜率有关；A3.查表定位车辆空间位置根据特征值在图像中的位置(x_i,y_i)，查找像素‑>距离映射关系表T[m][n]，得到8个映射距离；以时间为横轴，距离为纵轴，建立二维直角坐标系。根据查表结果，得到坐标系中的8个点；所述的速度拟合，包括：B1.时间和距离最小二乘关系从一组观测值去寻找t与s之间的函数关系s＝f(t)，在函数类(10)中找一个函数，使式(11)误差平方和最小，即满足式(12),所求曲线就是最小二乘解。若取Φ＝H_n，所求得的拟合曲线称为多项式拟合曲线，其中H_n＝{a₀+a₁t+...+a_ntⁿ|a₀,a₁,...,a_n∈R}   (13)得到多项式拟合的法方程$\left[\begin{array}{cccc}(1,1)& (1,t)& ...& (1,t^n)\\ (t,1)& (t,t)& ...& (t,t^n)\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& & \·\\ (t^n,1)& (t^n,t)& ...& (t^n,t^n)\end{array}\right]\left[\begin{array}{c}{a}_0\\ a_1\\ \·\\ \·\\ \·\\ a_n\end{array}\right]=\left[\begin{array}{c}(1,s)\\ (x,s)\\ \·\\ \·\\ \·\\ (t^n,s)\end{array}\right]---\left(14\right)$B2.基于最小二乘法的一元线性拟合采样的数据是在8帧连续的视频图中提取的，8帧图像只有320ms的时间，假设车辆是匀速行驶的，这样s和t就是一个最简单的线性关系,即满足s＝v×t+s₀,即在式(14)中取n＝1，变成了$\left[\begin{array}{c}(1,1)(1,t)\\ (t,1)(t,t)\end{array}\right]\left[\begin{array}{c}{a}_0\\ a_1\end{array}\right]=\left[\begin{array}{c}(1,s)\\ (t,s)\end{array}\right]---\left(15\right)$这里a₀就可以表示起始距离，a₁就可以表示匀速行驶的速度，所以直接用s₀代替a₀，用v代替a₁，再求解系数矩阵的内积，将式(15)变成$\left[\begin{array}{cc}M& \underset{i=0}{\overset{m}{\Σ}}ti\\ \underset{i=0}{\overset{m}{\Σ}}ti& \underset{i=0}{\overset{m}{\Σ}}{\mathrm{ti}}^2\end{array}\right]\left[\begin{array}{c}{s}_0\\ v\end{array}\right]=\left[\begin{array}{c}\underset{i=0}{\overset{m}{\Σ}}si\\ \underset{i=0}{\overset{m}{\Σ}}ti*si\end{array}\right]---\left(16\right)$计算得$v=(M*\underset{i=0}{\overset{m}{\Σ}}\left(si*ti\right)-\left(\underset{i=0}{\overset{m}{\Σ}}ti\right)*\left(\underset{i=0}{\overset{m}{\Σ}}si\right))/(M*\underset{i=0}{\overset{m}{\Σ}}{\mathrm{ti}}^2-{\left(\underset{i=0}{\overset{m}{\Σ}}ti\right)}^2)---\left(17\right)$$s_0=(\underset{i=0}{\overset{m}{\Σ}}si-v*\underset{i=0}{\overset{m}{\Σ}}ti)/M---\left(18\right)$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。