基于視頻序列圖像的車輛測速的實現方法

林柏林

（湖北第二師范學院 機電系，湖北 武漢 430205）

0 引言

隨著我國經濟的發展，道路運輸已經取代鐵路成為最重要的運輸方式之一，目前我國公路建設規模不斷擴大，如何有效的對交通環境進行監管是當前面臨的一個重要問題，而“車輛測速”作為交通監管的重要部分受到了人們的廣泛重視。

文中通過連續兩幀序列圖像測定目標車輛的車速，通過運用圖像處理技術對視頻幀圖像中的車輛進行定位，運用車道劃分、車輛定位判別的思想提高測速的精度，作為一種描述行車擁堵程度的車流平均速度，通過多次或多車的測試來提高其測量準確度。

1 測速原理

1.1 攝像機定位

攝像機、車輛、隔離帶平面位置如圖1所示。文中模擬道路移動測速裝置的使用對攝像機進行定位[1-2]，路面劃分為1、2車道，h為攝像機的高度,d為攝像機距離車道的距離。

圖1 攝像機位置與拍攝示意

1.2 基本原理分析

基于視頻序列圖像的車速檢測主要是根據對幀間隔固定的序列圖像的分析處理來實現車輛速度的測定[3]，對于攝像機中攝錄的視頻圖像有如下特點:

1）幀間隔固定的兩幀序列圖像間時間間隔相同。

2）幀間隔固定的的兩幀序列圖像有相對移動。

根據物理學公式目標的運動速度:

根據視頻信號的固定的兩幀連續圖像的間隔時間和間隔幀數目，正如圖2所示，可以計算出時間ΔT，而通過車輛目標的位置檢測，可以得到車輛的相對位移距離ΔS，利用上述公式計算出速度v。

圖2 測速原理示意

1.2.1 比例系數估算

為求出目標車輛的實際行駛速度，可假設一個比例系數 e，單位為“米/像素”。此為視頻序列圖像中每個像素點和實際道路長度“米”之間的對應關系。

下面先探討攝像機的視角問題[4-5]，如圖3所示。

圖3 攝像機拍攝視角示意

從圖3可見，攝像機由于存在一個視角θ，會使得距離攝像機較遠的道路長度L1（單位為“米”）實際上大于距離攝像機較近的道路長度L2（單位為“米”）。假設視頻序列圖像的寬度為n（單位為“像素），則有式 (2)成立:

因此，若有兩個目標車輛object1與object2，則離攝像機遠的object1和離攝像機較近的object2的速度有Vobject1＞Vobject2成立。

相對于此，若將object1與object2作為相同的移動目標看待，會出現一定的誤差。文中用如下方法來解決。

如圖4所示，將圖像劃分成上下兩個部分，上半部分為天空，和街邊景物，而道路處于圖像的下半部分，將下半部分視為有效區域。而道路區域的劃分為實際序列圖像的車道劃分，如圖5所示。

圖4 道路與天空劃分示意

圖5 道路區域劃分示意

將上述道路劃分區域后，對于a1、a2這兩個區域分別賦予一個比例系數 e1、e2，用這兩個比例系數分別表示兩個不同區域的“實際距離與像素的比”，單位為“米/像素”。

1.2.2 速度算法分析

在對于各個參數分析的基礎上，可以獲取到用于目標車輛測速的各項數據。首先設法精確的計算出間隔時間Δt的兩幀視頻序列圖像中目標車輛的形心位置或車頭點位置的相對移動距離，可用相對移動的像素個數來表征，記為Δp。文中選用攝像機的拍攝速率設定為30 b/s，因此相鄰兩幀序列圖像的間隔為xs=1/30s。另外可以設定攝像機攝錄的視頻序列圖像的間隔幀數為sum幀，比例系數ex的取值由x所處的區域位置確定，利用下面式(3)計算出目標車輛的實際行駛速度。

2 系統的定位實現

2.1 背景減法簡介

視頻測速是把視頻短片轉換為圖片幀，然后通過圖像處理檢測運動目標。對于序列圖像中利用信號檢測的方法自動分離出運動像素點和靜止像素點。目前比較流行的運動區域檢測方法可以分為:模版匹配、光流、時間差分、背景減除法[6]。圖 6為背景減法流程。

圖6 背景減法流程

2.2 目標檢測的主要步驟

目標檢測的主要步驟如下:

1）將兩個方向模板的一個像素移到另一個像素，使得中心像素與圖像中的某個像素位置重合。

2）將對應的圖像像素值和模板內的系數相乘。

3）將乘積進行相加。

4）模版中心位置的像素的新灰度值取兩個卷積的最大值。

5) 若像素新灰度值超過閾值，則可確定該像素點是邊緣點。

3 實驗結果

3.1 圖像定位

文中用30b/s的速率拍攝目標車輛的視頻序列圖像。圖7為目標定位流程圖。

圖7 目標定位流程

表1 給出了目標車輛的像素位移與實際位移，而表2給出車輛的實際運動速度和正確速度的誤差。

3.2 數據處理

如表1所示，通過定位圖片得到間隔幀圖像[7]的像素位移，由原理分析部分以及汽車所在車道得到的像素與實際距離的對應關系e=0.0278 m/像素，得到車輛間隔幀實際位移。表2 為目標車輛速度測定結果。

表1 目標車輛位移測定

表2 目標車輛速度測定結果

對誤差大小作如下定義:

用相同的方法再對不同的車輛進行測速，求得均值即可得到路段交通流數值。

4 結語

總的來說，使用視頻測速從理論上來說可達到很高的測速精度，能滿足道路交通對于交通車輛的管理和檢測[8]。但是在具體應用中會受到天氣和道路劃分的限制。另外測速用的攝像頭也可以作為城市警用系統的監控設備，一機二用，提高設備的使用效率。在今后的工作中，可以考慮在識別車輛類型的同時通過確定車輛的實際長度和車輛所占像素個數的比例來確定比例系數e，這是下一步工作的重點。

[1]高浩軍,杜宇人.基于視頻序列圖像的車輛測速研究[J].電子測量技術,2007,30(02):40-45.

[2]CHAUSSE F, AUFRERE R,CHAPUIS R.Recovering the 3-D Shape of a Road by On-board Monocular Vision[J].Proc. 15th Int. Conf. Pattern Recognition,2000(01):325-328.

[3]樊秋月.基于彩色視頻圖像處理的小區監視及人數統計[J].通信技術,2010,43(07):187-189.

[4]LAI A,YUNG N. Lane Detection by Orientation and Length Discrimination[J].IEEE Trans. Syst., Man,Cybern.B,2000(30):539-548.

[5]MOHAN A, PAPAGEORGIOU C. Example-based Object Detection in Images by Components[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2001,23(04):349-361.

[6]張志付.基于背景減法的運動檢測算法研究[D].上海:上海交通大學,2008.

[7]張怡,馮飛,宋冠群.基于FPGA的圖像預處理縮放算法[J].信息安全與通信保密,2007(01):77-78,81.

[8]孫秀敏,楊新,杜嘯曉.基于小波變換的視頻壓縮的硬件實現[J].通信技術,2001(06):100-102.