基于三維垂直逆投影面的枚舉車速檢測(cè)算法

劉瑞芝，孫士杰，王菽裕，孫麗婷，關(guān) 琦

（長(zhǎng)安大學(xué) 信息工程學(xué)院，陜西 西安　710064）

基于三維垂直逆投影面的枚舉車速檢測(cè)算法

劉瑞芝，孫士杰，王菽裕，孫麗婷，關(guān) 琦

（長(zhǎng)安大學(xué) 信息工程學(xué)院，陜西 西安710064）

在傳統(tǒng)的基于視頻圖像處理技術(shù)，一般在二維平面上進(jìn)行，但是由于三維空間到二維空間的透視變換，使得同一剛性目標(biāo)在圖像中體現(xiàn)出非常顯著的尺度變化和幾何形變，這種變化使基于圖像的目標(biāo)檢測(cè)和識(shí)別變得復(fù)雜和困難，直接造成了對(duì)于高度信息的丟失。在目標(biāo)的檢測(cè)和跟蹤中造成，進(jìn)而造成車速檢測(cè)的不精確性。本文提出了一種基于三維逆投影面的SAD模板匹配和枚舉測(cè)速算法。主要是基于逆投影數(shù)據(jù)，利用SAD匹配算法和枚舉結(jié)合的車速檢測(cè)算法。首先利用已知的像素點(diǎn)和實(shí)際空間的坐標(biāo)點(diǎn)，并求出二維到三維空間的轉(zhuǎn)換矩陣，然后設(shè)立貼合車尾的垂直逆投影面，恢復(fù)車尾的逆投影數(shù)據(jù)，記為標(biāo)準(zhǔn)值，最后利用SAD匹配和枚舉方法預(yù)測(cè)十幀以后該車輛的位置，求得最佳速度。

圖像處理；逆投影數(shù)據(jù)；枚舉測(cè)速；SAD模板匹配

交通的事件檢測(cè)中車速的檢測(cè)［1-4］成為交通管制，限速，防止造成交通事故，避免人員傷亡，進(jìn)行交通預(yù)警的一個(gè)重要因素，也為日后分析和管理提供了有力的依據(jù)。

目前常用的交通信息采集技術(shù)有環(huán)形線圈檢測(cè)器、測(cè)速雷達(dá)、紅外線檢測(cè)器、微波探測(cè)器、超聲波探測(cè)器、基于視頻圖像的處理技術(shù)等。但是每種檢測(cè)技術(shù)都有其缺陷，基于視頻的檢測(cè)技術(shù)有其與生俱來(lái)的優(yōu)越性。但是由于三維空間到二維空間的透視變換，使得同一剛性目標(biāo)在圖像中體現(xiàn)出非常顯著的尺度變化和幾何形變，這種變化使基于圖像的目標(biāo)檢測(cè)和識(shí)別變得復(fù)雜和困難，直接造成了對(duì)于高度信息的丟失，在目標(biāo)的檢測(cè)，跟蹤中造成，進(jìn)而造成車速檢測(cè)的不精確性。

基于以上分析，本文提出一種基于三維逆投影面［5］的車速檢測(cè)算法。首先進(jìn)行相機(jī)的標(biāo)定［6-10］并求出二維到三維空間的轉(zhuǎn)換矩陣，設(shè)置貼合車尾的垂直逆投影面［5］，恢復(fù)車尾的逆投影數(shù)據(jù)［5］，記為標(biāo)準(zhǔn)值，最后利用SAD匹配［11-13］和枚舉方法［14］預(yù)測(cè)十幀以后該車輛的位置，求得最佳速度。枚舉［8］即利用粗調(diào)和細(xì)調(diào)的方法進(jìn)行SAD模板匹配［11-13］，進(jìn)而求得最佳的瞬時(shí)速度。（通過(guò)恢復(fù)三維空間的數(shù)據(jù)，可以消除圖像中的尺度變化和幾何形變，進(jìn)行車輛的更加精確的跟蹤和速度的準(zhǔn)確檢測(cè)。）

1　基于三維逆投影數(shù)據(jù)的枚舉車速檢測(cè)

1.1基本概念

1）攝像機(jī)標(biāo)定

攝像機(jī)標(biāo)定［6-10］是計(jì)算機(jī)視覺(jué)領(lǐng)域中從二維圖像獲取三維空間信息必不可少的步驟。三維場(chǎng)景與二維圖像之間的映射關(guān)系是由攝像機(jī)的內(nèi)外參數(shù)共同決定的，恢復(fù)攝像機(jī)內(nèi)外參數(shù)的過(guò)程稱為攝像機(jī)標(biāo)定。其中，內(nèi)部參數(shù)是指攝像機(jī)的焦距、特征比、畸變因子和主點(diǎn)等，外部參數(shù)是指世界坐標(biāo)和攝像機(jī)坐標(biāo)之間的相對(duì)旋轉(zhuǎn)和平移。

2）SAD（Sum of absolute differences）

SAD模板匹配［11-13］，即在模板中選取一個(gè)小窗口像素塊u1，預(yù)測(cè)摸板中的像素塊u2。用u1和u2兩像素塊對(duì)應(yīng)坐標(biāo)處的每個(gè)像素值做差，然后求絕對(duì)值之和，找到SAD的最佳值（也就是最佳值），此時(shí)u2就是最佳的預(yù)測(cè)模板。

3）逆投影面

在一個(gè)已標(biāo)定的交通場(chǎng)景中，我們?cè)谌S空間中設(shè)置一個(gè)位置已知的平面，那么圖像到這個(gè)平面的映射是確定的，可以將二維圖像上的數(shù)據(jù)逆投影到這個(gè)平面，得到逆投影圖［7］，這個(gè)過(guò)程我們稱為圖像逆投影，購(gòu)置的平面稱為逆投影面。

1.2測(cè)速算法

本測(cè)速算法如下：本文提出一種基于三維垂直逆投影面［5］的車速檢測(cè)算法。首先進(jìn)行相機(jī)的標(biāo)定并求出二維到三維空間的轉(zhuǎn)換矩陣，設(shè)置貼合車尾的垂直逆投影面，恢復(fù)車尾的逆投影數(shù)據(jù)，記為標(biāo)準(zhǔn)值，最后利用SAD匹配［11-13］和枚舉［14］方法預(yù)測(cè)十幀以后該車輛的位置，求得最佳速度。枚舉［14］即利用粗調(diào)和細(xì)調(diào)的方法進(jìn)行SAD模板匹配［11-13］，進(jìn)而求得最佳的瞬時(shí)速度。粗調(diào)是以速度間隔為主，求得十幀以后的位移值，恢復(fù)各個(gè)逆投影數(shù)據(jù)［5］，進(jìn)行SAD模板匹配［11-13］，求得最佳位移值。細(xì)調(diào)則是在粗調(diào)的基礎(chǔ)上對(duì)在位置上做微調(diào)，恢復(fù)各個(gè)的逆投影數(shù)據(jù)，進(jìn)行SAD匹配求取最佳位移值，進(jìn)而求得最佳速度值。具體步驟如下：

1）攝像機(jī)標(biāo)定

攝像機(jī)標(biāo)定就是將實(shí)際空間坐標(biāo)M以及其相應(yīng)的圖像坐標(biāo)m，通過(guò)透視矩陣C進(jìn)行轉(zhuǎn)換和表示，關(guān)系式如下：

其中，C是一個(gè)3×4大小的攝像機(jī)標(biāo)定矩陣，m=［u，v，1］T和M=［x，y，z，1］T分別是圖像點(diǎn)及其對(duì)應(yīng)的三維空間點(diǎn)的齊次坐標(biāo)，它們之間的關(guān)系可用矩陣形式表示，如下：

選取已知的6個(gè)點(diǎn)，求得透視矩陣C，得到像素點(diǎn)和空間點(diǎn)的像素轉(zhuǎn)換關(guān)系。如圖1所示。

2）設(shè)置垂直的逆投影面

在攝像機(jī)進(jìn)行標(biāo)定完之后，對(duì)車輛進(jìn)行標(biāo)記。記錄車尾點(diǎn)的坐標(biāo)（u，v），并在車尾部分設(shè)置垂直逆投影面。由于對(duì)整個(gè)車尾信息進(jìn)行跟蹤會(huì)增加運(yùn)算量，選取貼合車尾的一部分檢測(cè)面進(jìn)行跟蹤匹配。本文我們選取200*100大小的跟蹤區(qū)域進(jìn)行研究（即：在車尾點(diǎn)對(duì)應(yīng)的y值確定的基礎(chǔ)上，x向左向右各擴(kuò)展1 m，z的高度擴(kuò)展1 m）。根據(jù)跟蹤區(qū)域的選定，恢復(fù)三維逆投影數(shù)據(jù)。設(shè)置的逆投影面如圖2所示。

圖1　攝像機(jī)三維標(biāo)定的6個(gè)點(diǎn)

圖2　設(shè)置的垂直逆投影面

3）車輛的預(yù)測(cè)與匹配

因?yàn)樵诙虝r(shí)間內(nèi)的瞬時(shí)速度是不變的，選取跟蹤后的第十幀圖像進(jìn)行研究。根據(jù)設(shè)置貼合車尾的垂直檢測(cè)面，恢復(fù)車尾的逆投影數(shù)據(jù)，記為標(biāo)準(zhǔn)值，預(yù)測(cè)十幀以后該車輛的位置，求得最佳速度。預(yù)測(cè)分為粗調(diào)和細(xì)調(diào)兩步。

粗調(diào)：

粗調(diào)是以速度間隔為主，求得十幀以后的位移值，恢復(fù)此時(shí)的三維逆投影數(shù)據(jù)，進(jìn)行SAD模板匹配，求得最佳位移值。位移公式如下：

式中：Interspeed代表速度間隔為5 cm/幀，即每幀圖像物體運(yùn)動(dòng)5 cm。FrameNum為間隔的幀數(shù)，取常數(shù)10。k=0、1、2 …19；則第k個(gè)速度對(duì)應(yīng)的位移值為：

恢復(fù)第k個(gè)位移值對(duì)應(yīng)的三維逆投影數(shù)據(jù)與標(biāo)準(zhǔn)的逆投影數(shù)據(jù)做SAD模板匹配。求得每個(gè)速度對(duì)應(yīng)的SAD模板匹配值。最小的SAD值對(duì)應(yīng)的位移就是粗調(diào)位置，記為RoughSk，此時(shí)的粗調(diào)速度為：

細(xì)調(diào)：

細(xì)調(diào)則是在粗調(diào)的最佳位置上做微調(diào)，恢復(fù)不同位置的三維逆投影數(shù)據(jù)，進(jìn)行SAD模板匹配求取最佳位移值，進(jìn)而求得最佳的速度值。

細(xì)調(diào)時(shí)在粗調(diào)位置的基礎(chǔ)上，以0.05 m為單位在其基礎(chǔ)上移動(dòng)（移動(dòng)20次，向右向左各移動(dòng)10次，Num=20），則第m次移動(dòng)時(shí)對(duì)應(yīng)的位移值為：

式子中:m=0、1、2...19，求它每個(gè)位移值對(duì)應(yīng)的三維逆投影數(shù)據(jù)，用第m次移動(dòng)時(shí)的逆投影數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)做SAD模板匹配。存儲(chǔ)細(xì)調(diào)位移對(duì)應(yīng)的一系列SAD匹配值。最小的SAD值對(duì)應(yīng)的位移就是細(xì)調(diào)位置，記為DetailSm，對(duì)應(yīng)的細(xì)調(diào)速度為：

Dspeed就是此時(shí)的最佳速度值。

2　測(cè)試結(jié)果

文中選取任意的一段公路行駛視頻，在行駛的車輛中，隨機(jī)的選取一輛車以檢測(cè)其行駛速度。視頻以每40 ms/幀播放，十幀的時(shí)間為0.4 s。如圖3所示，選定一輛白色的小轎車，如圖3所示；此時(shí)為第138幀，初始位置為4.69 m，如圖4所示；跟蹤到148幀的時(shí)候，粗調(diào)預(yù)測(cè)位置為10.19 m，速度為49.5 km/h，如圖5所示；細(xì)調(diào)之后，預(yù)測(cè)位置為9.94 m，速度為47.25 km/h，如圖6所示?？梢钥闯鰷y(cè)出的車速與一般的車速誤差不大。傳統(tǒng)的視頻車速檢測(cè)方法94.8%，用時(shí)5 s，利這個(gè)方法精度達(dá)到96.4%，用時(shí)3 s，可以達(dá)到可以實(shí)時(shí)準(zhǔn)確的檢測(cè)出車速。

圖3　手動(dòng)跟蹤的待檢測(cè)車輛的垂直逆投影面

圖4　跟蹤的逆投影面

圖5　枚舉的粗調(diào)結(jié)果

圖6　枚舉的細(xì)調(diào)結(jié)果

3　結(jié)　論

針對(duì)傳統(tǒng)的基于視頻圖像處理技術(shù)，一般在二維平面上進(jìn)行，但是由于三維空間到二維空間的透視變換，使得同一剛性目標(biāo)在圖像中體現(xiàn)出非常顯著的尺度變化和幾何形變，這種變化使基于圖像的目標(biāo)檢測(cè)和識(shí)別變得復(fù)雜和困難，直接造成了對(duì)于高度信息的丟失，在目標(biāo)的檢測(cè)，跟蹤中造成，進(jìn)而造成車速檢測(cè)的不精確性。本文提出了一種基于三維逆投影面的枚舉車速檢測(cè)算法，主要是基于逆投影數(shù)據(jù)，利用SAD匹配算法和枚舉結(jié)合的車速檢測(cè)算法。實(shí)驗(yàn)表明，該方法的測(cè)速檢測(cè)準(zhǔn)確率比在二維平面提高很多，達(dá)到96.4%，具有較強(qiáng)的精確度和實(shí)時(shí)性。

［1］宋俊芳.基于視頻的車流量檢測(cè)統(tǒng)計(jì)技術(shù)研究［D］.西安：長(zhǎng)安大學(xué)，2010.

［2］馬慧明.車速檢測(cè)技術(shù)述評(píng)［J］.中北大學(xué)學(xué)報(bào)：自然科學(xué)版，2007（z1）:i39-144.

［3］童建軍，鄒明福.基于監(jiān)控視頻圖像的車輛測(cè)速［J］.中國(guó)圖像圖形學(xué)報(bào)：A輯，2005，10（2）:192-196.

［4］任述明，向懷坤，劉建偉，等.基于視頻圖像的車速檢測(cè)研究［J］.交通與計(jì)算機(jī)，2007（1）:90-93.

［5］張茜婷，閆國(guó)偉.基于三維逆投影圖的車速檢測(cè).現(xiàn)代電子技術(shù)，2015（16）:70-72.

［6］YANGZhong-gen，RENLei.SVD-basedameraelfcalibrationand3-Dreconstructionfromsingle-view［C］// Machine Learning and Cybernetics，2004.Proceedings of2004 International Conference on，2004：4090-4095.

［7］馬頌德，張正友.計(jì)算機(jī)視覺(jué)：計(jì)算理論于算法基礎(chǔ)［M］.北京：科學(xué)出版社，1998.

［8］于泓.攝像機(jī)標(biāo)定算法研究［D］.濟(jì)南：山東大學(xué)，2006.

［9］陳鐸.攝像機(jī)標(biāo)定方法研究與實(shí)現(xiàn)［D］.沈陽(yáng)：東北大學(xué)，2008.

［10］B adalkhani，S.，Badamchizadeh，M.A.Amodified technique for 3D camera calibration［C］//Industrial Electronics（ISIE），2014 IEEE 23rd International Symposium on，2014：1914-1919.

［11］岳陳平，孟麗婭.基于SAD算法的立體匹配的實(shí)現(xiàn)［J］.微型機(jī)與應(yīng)用，2013，32（6）:41-43.

［12］金芳，李俊波，楊勇.基于模板匹配與運(yùn)動(dòng)預(yù)測(cè)的跟蹤算法研究［J］.微計(jì)計(jì)算機(jī)信息:測(cè)控自動(dòng)化，2007，23（7-1）：313-315.

［13］李強(qiáng)，張鈸.一種基于圖像灰度的快速匹配算法［J］.軟件學(xué)報(bào)，2006，17（2）:216-222.

［14］蘭娟，孫強(qiáng).一種枚舉生成所有最小-最大堆的算法［J］.計(jì)算機(jī)應(yīng)用與軟件，2013，30（8）:291-293.

［15］E Xiaochen，YUNG N H C.Anovel algorithm for estimating vehicle seed from tow consecutive images［C］//IEEE workshop on Applications of Computer Vision.［S.l.］:IEEE，2007:111-120.

The enumeration of speed detection algorithm based on three-dimensional vertical plane

LIU Rui-zhi，SUN Shi-jie，WANG Shu-yu，SUN Li-ting，GUAN Qi
（Department of Information Engineering，Chang’an University，Xi’an 710064，China）

In traditional methods based on video image processing technology，generally in the two-dimensional plane，but due to the perspective transformation of three-dimensional space to two-dimensional space，makes the same rigid target in the image change and the geometric deformation of the scale significantly.This change makes the target detection and recognition complicated and difficult based on image，directly causing the loss of height information.In the target detection and tracking，it causes less precise in the speed detection.This paper proposes a SAD matching and enumeration speed algorithm，mainly based on three dimensional inverse projective planes.It is based on the inverse projection data，using the SAD matching algorithm combined with the enumeration of speed detection algorithm.First using the known the coordinates of the point of pixel and real space 3D coordinates gets the transformation matrix from 2D to 3D，and then set up the vertical inverse projective planes，recoveringthe inverse projection data of the rear and recording the standard.Finally using SAD matching and enumeration method to predict the vehicle position and getting the best speed after ten frames.

image processing；reverse projection data；enumeration the detection of speed；SAD template matching

TN911.73

A

1674-6236（2016）14-0165-03

2016-03-09稿件編號(hào)：201603115

國(guó)家自然科學(xué)基金項(xiàng)目（61572083）；陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目（2015JZ018）

劉瑞芝（1989—），女，山西晉中人，碩士研究生。研究方向:視頻檢測(cè)技術(shù)，圖像處理。