基于固定式視頻的車速鑒定方法研究

趙麗麗，唐陽山

（遼寧工業大學，遼寧 錦州 121000）

引言

隨著城市化進程的發展，我國汽車保有量日益增多，在為人民群眾帶來便利的同時，也引發了諸多交通安全問題，交通事故頻發問題尤為嚴重，不僅給人民群眾的生命安全造成了嚴重損失，也大大阻礙了我國經濟發展。近年來在政府各相關職能部門的聯合管控下，雖然形勢有所好轉，但是其絕對數仍相對較高。如何公平公正地處理事故，進而從已發事故中尋找規律來預防事故，是交通管理部門一直思索和研究的問題，而目前事故處理中面臨的較大難題是事故車輛行駛速度的計算。車速的鑒定結果不僅可以分析交通事故的性質，確定交通事故發生原因，而且是認定劃分交通事故責任的重要依據。傳統的車速鑒定方法（如雷達檢測器、地下線圈檢測器等）雖然在車速鑒定領域的應用已經較為成熟，但其成本較高，且對于復雜的交通事故難以精確測量。而基于視頻的車速鑒定方法不僅成本低，而且可方便快捷地對車速進行鑒定，還可還原交通事故發生場景，從而對復雜的交通事故進行精確測量。因此，近年來國內外許多研究學者在視頻測速領域進行了大量研究。尹國祥［1］在肇事車輛的車速鑒定中，根據視頻圖像的幀速率、起點與終點間單幀圖像的數量和交通事故現場的實測距離，計算出起點與終點間肇事車輛的平均速度。該方法只能計算“點對點”條件下固定間隔特征點對應的車速，無法算出固定間隔特征點間任意位置的車速。倪志海等［2］提出了時間插值法和距離插值法的車速計算數學模型。為了提高車速鑒定精度，何烈云［3］提出了利用直接線性變換法進行像方坐標系和物方坐標系的相互轉換，從而由目標車輛特征點的像方坐標獲得目標車輛特征點的物方坐標，再利用幀間差分法來測算出車輛行駛速度。ELNAZ［4］等提出了一種基于成像系統的幾何形狀和定義固心角的新方法。該方法通過提取視頻幀，在兩幀中確定車牌在圖像平面上的位置，計算車牌圖像中的像素數。然后，利用立體角關系計算兩幀內車輛的位移和速度。該方法雖然不受車牌高度、攝像頭安裝高度和車道的影響，但復雜度高，魯棒性差，計算精度較低。

針對現有的基于視頻的車速鑒定方法只能獲得車速范圍而無法得到精確車速的缺點，提出了改進的車速鑒定方法。

1 提高視頻圖像質量與效率

張重德和張崇巍［5］所選取的特征點為車尾線，XIAO［6］所選取的特征點為車廂前后連接點，劉虹伯［7］所選取的特征點為輪胎接地點，選取目標車輛的輪胎中心為特征點進行車速計算。因此，需要獲取車輪中心的坐標位置。

1.1 提高視頻圖像質量

在對圖像采集過程中，由于車輪表面的污漬、天氣狀況、照明條件等因素導致采集的圖像存在一定干擾和噪聲，而圖像預處理可以有效地突出車輛圖像的有用信息，消除或減少無用信息，從而初步提升視頻圖像質量［8］。圖像增強處理目的在于突出圖像中感興趣的成分，將原來不清晰的圖像變得清晰。因此，需要通過對二值化圖像進行圖像增強、圖像去噪來增強圖像質量，在對車輪中心進行標定前需對采集到的圖像進行質量增強處理。

1.2 提高視頻圖像處理效率

ROI 即感興趣區域，為包含目標的區域，通過ROI 定位選擇車輛輪胎為感興趣區域可以大大減少之后步驟的運算量［9］。因此，通過ROI 定位及對圖像進行適當裁剪可以提高視頻圖像處理效率。為處理方便，把RGB 真彩色圖像轉化為灰度圖像，使用合適的閾值將灰度圖像轉化為二值圖像。最后，利用Kinovea 軟件可以快速獲取視頻圖像中目標車輛特征點及虛擬參照線的圖像坐標，從而提高處理效率。

2 固定式視頻的車速鑒定方法

針對目標車輛直線行駛的情況進行分析，目前基于固定式視頻目標車輛直線行駛時的車速鑒定方法有兩種，一種是利用道路環境參照距離計算車輛行駛速度；一種是利用目標車輛參照距離計算車輛行駛速度。

2.1 現有的車速鑒定方法

（1） 逐幀檢測視頻圖像，觀測視頻圖像的幀率f，計算相鄰兩幀圖像之間的間隔時間在目標車輛同側車身表面距地等高位置上選取兩個至車輛縱向對稱面等距離的特征點；（3） 選取一個道路環境參照物或設定一個虛擬參照物；（4） 記錄目標車輛兩個特征點通過該參照物所用圖像幀數n=（n1，n2），其中n1＜n2；（5） 測量目標車輛兩個特征點之間的距離S'；（6） 確定目標車輛兩個特征點通過道路環境參照物時的行駛速度v。

2.2 改進的車速鑒定方法

由于現有的車速鑒定方法只能求得目標車輛行駛速度范圍值，而無法求得其精確的行駛速度，故將利用時間插值法對其進行改進，從而獲得精確的目標車輛行駛速度。圖1為時間插值法車速計算模型。

圖1 時間插值法車速計算模型

圖中：X（0）q、X（0）h—前、后輪中心在第一幀時的橫坐標；X（n）q、X（n）h—前、后輪中心在第n幀時的橫坐標；X（n+1）q、X（n+1）h—前、后輪中心在第（n+1）幀時的橫坐標；L—前、后車輪中心之間的距離，為一個特征長度，m。

由于當車輛行駛到第n幀時，后輪中心位置在X（0）q之后，第n+1 幀時在X（0）q之前，很難與X（0）q重合。因此，需要在n～（n+1）幀圖像之間進行插值計算，求出兩個特征點重合的時間。

改進算法：

（1）逐幀檢測視頻圖像，觀測視頻圖像的幀率f，計算相鄰兩幀圖像之間的間隔時間

（2）在目標車輛上選取同側的前后車輪中心作為目標車輛特征點。

（3）在視頻圖像上畫一條參照線作為虛擬參照物。

（4）利用插值法計算目標車輛兩個特征點通過該參照物所用時間，則目標車輛行駛過一個特征長度的時間：

式中： —X（0）q與X（n）h或X（n+1）h重合前的整幀數的數量。

（5） 目標車輛行駛過一個特征長度的平均速度：

（6） 隨著目標車輛一直向前行駛，則以視頻圖像的第二幀為起點，一直重復上述過程，可以計算出多個連續幀間車速vm，對多個連續幀間車速計算其平均速度作為最終鑒定車速。

3 實例驗證

以小型面包車沿A 路由南向北行駛至某路口時，大眾牌小型轎車沿A 路由北向南行駛至此發生碰撞，造成兩駕駛員和兩車受損的道路交通事故為例，見圖2。

圖2 設定虛擬參照線

首先利用Kinovea 軟件獲取目標車輛特征點及虛擬參照線。然后利用改進的車速鑒定方法對本案例車速進行鑒定，經計算可得事故車輛的平均車速為65.128 km/h。利用現有的車速鑒定方法計算所得到的車速鑒定范圍為64 ～66 km/h，而案例中事故車輛的實際車速為65 km/h。經比較可得，利用所改進的車速鑒定方法可獲得較高精度的車速鑒定結果，且其計算結果誤差在國家允許范圍之內。而現有的車速鑒定方法只能獲得車速范圍而無法獲得一個精確的鑒定結果。故改進方法具有一定的有效性。

4 結語

利用圖像預處理、圖像增強及圖像去噪等技術提高圖像質量，再利用Kinovea 軟件獲取目標車輛特征點及虛擬參照線的圖像坐標，避免了因圖像質量噪聲問題帶來的誤差，提高了特征點的坐標標定精度。利用所提出改進的車速鑒定方法進行車速鑒定，可獲得事故車輛精確的車速結果，而不是一個車速范圍，從而提高了車速的鑒定精度。