一种基于目标运动轨迹的车辆速度检测方法技术

本发明专利技术公开了一种基于目标运动轨迹的车辆速度检测方法，包括步骤依次是目标分割、基于卡尔曼滤波的目标跟踪和速度计算，所述的目标分割主要采用帧间差分法和固定阈值法相结合，获得分割结果；所述的基于卡尔曼滤波的目标跟踪分为获得质心、建立运动模型、运动目标特征提取及更新状态向量，以获得目标运动轨迹；所述的速度计算方法主要涉及获得轨迹相关点信息、建立映射关系、速度计算及速度校正，其中映射关系建立主要是指图像中像素坐标到实际距离的转换，即计算出图像中每个像素点在实际坐标系中对应的实际距离，速度计算主要指依据速度计算公式用距离除以时间对车辆轨迹中提供的相关信息进行计算，并根据实际情况对计算结果进行校正。

【技术实现步骤摘要】

本专利技术属于智能交通
，特别涉及。
技术介绍
普遍存在的汽车超速行驶问题，不但增加了交通监管部门的工作难度，而且汽车超速引发的人员伤亡事故也时有发生。为此，需要对车辆行驶速度进行检测并能自动识别车牌号，使车辆管理进一步自动化、智能化。 要实现交通智能化，就要全面、准确的获取交通信息，包括车流量、车速、车型等实时交通参数信息。根据这些交通信息可以及时对交通事故进行处理，必要的时候要发出诱导信息来疏导交通。因此，在智能交通系统中，交通信息采集设备是实现智能化交通的基础，是智能交通管理技术能够实时、正确的控制和引导交通的前提。车速检测作为基于视频的交通信息采集技术的一部分，是目前交通领域的研究热点。
技术实现思路
本专利技术的目的是提供，以解决现有技术中利用道路监控视频检测车辆速度准确度不高的问题。 本专利技术的技术方案是，，所述的检测方法采用道路监控视频图像对车辆速度进行检测，包括的步骤，依次为车辆目标分割、基于卡尔曼滤波的车辆目标跟踪和车辆速度计算， 所述的车辆目标分割步骤包括用帧间差分法及固定阈值法进行运动目标分割， 所述的帧间差分法是指通过视频图像序列中相邻数帧中对应像素点进行差分运算来获得运动车辆目标轮廓的方法，其算法实现如下: pDifImg[i] = abs (pNowImg[i]-pBefImg[i]), i = 0...ff*H (I) 其中， pDifImg[i]-巾贞差结果灰度值； pNowImg[i]-当前巾贞图像灰度值； pBefImg[i]——前N帧图像灰度值； W——图像宽度； H——图像高度。； 其中N= 3; 所述的固定阈值法的算法如下: \255,pDifhng[i}>TΛ、 pBinImg[i} = \ vJ = 0..,W*H(2) [0, pDiflmg[i] < T 其中， pBinImg[i]-某点分割结果； T——分割阈值； 当所述像素点帧差结果大于设定的阈值T时，则将该点赋值为白点，即255，当该点帧差结果小于设定阈值T时，则将该点设置为黑点，即O ; 其中T的取值根据多场景测试获得； 所述的基于卡尔曼滤波的车辆目标跟踪步骤包括步骤:获得运动车辆质心、建立运动模型、运动目标特征提取和更新状态向量， 所述的获得运动车辆质心的步骤包括: 逐行逐列扫描所述目标分割结果pBinlmg，即分别横向及纵向累加其二值化结果，当结果满足式(3)时，即二值化累加结果由无到有，则确定有目标出现，记下该行位置k+1，作为目标的起始行位置yistart， * WYjpBin!mgk[i] = Q ?~(?W ' ^pBinlmgm[i]=(3)YjPBinImgkt2IilyQ ,1-o 当结果满足式(4)时，即二值化累加结果由有到无时，则表明目标消失，记下该行位置k+Ι，即为目标的终止行yimd，同理，获得目标起始列Xistart及目标终止列ximd， YdpBinImgt[i}>0 ir I pBinlmgM p] = 0, fc = O515 …,i? — 24 J i~(> YjpBinImgk+1[i} = 0 、/=0 获得运动车辆目标位置后，其质心位置计算方法如下: V _ ^iend + ^isiart Ji, ——<.........................................................tJ i(5) —Vimd + ykiart μ 一-1* 2 — IIw = xIen^xislarl < t(6) 式(5)和⑶中x、y为质心的横坐标及纵坐标，w、h为目标外接矩形的宽度及高度； 所述的建立运动模型步骤包括: 在获得了运动车辆目标质心及其外接矩形的宽度和宽度后，利用式(7)建立卡尔曼滤波理论运动模型， st = Fsh+Wh (7) zt = Hst+vt 其中，s为系统状态向量，z为系统的观测向量，Wt^1和Vt分别为均值为O的高斯白噪声； 假设状态向量: st = [xt, yt, wt, ht, vx, vy]⑶ 观测向量: zt = [xt, yt, wt, ht] (9) 其中，xt和yt为运动车辆目标质心的横纵坐标，Wt和ht为运动目标外接矩形的长和宽，Vx和Vy分别为运动车辆目标质心和外接矩形在X轴方向和I轴方向位移的速度； 将运动车辆目标近似为做匀速运动，假设速度为At，状态转移矩阵为 Fl O O O Δ? OI OI O O O Atl 0 0 1 0 0 O, χ F=(10) 丨O O O I O O丨 00 0 0 I O [0 0 0 0 O I J 观测矩阵为: I O O O O Ol ? 0 1 0 0 0 0 f 、 H =(11) 00 1 0 0 0 OO I O OJ 在建立了运动模型，定义了状态转移矩阵F，状态向量St和观测矩阵H后用卡尔曼滤波方法来预测运动车辆目标点质心和外接矩形的轨迹； 所述的运动目标特征提取步骤是选取两帧间运动车辆目标质心的距离函数、外接矩形的面积函数两者共同完成对运动目标特征的提取，即取， 第t帧的第m个运动目标的质心到第t+Ι帧第η个运动目标的质心的距离为: rf = #—.<.丨)2+(少:'Vf11)2(12) 第t帧的第m个运动目标的质心到第t+Ι帧第i个运动目标的质心的最大距离为: dm = φχ: +(y:-yLf(13) 质心的距离函数为: 「，r/ , d ^:'-^+(ν:'-ν:ηΤ L(m，n) =.—— = ■■■■■(14)过.職.s(x7 -K*\f+Cf; — y',,! )2 在对多目标跟踪时，因为运动目标的形变很微小或者没有，所以其外接矩形的面积也相对固定，通过对外接矩形的面积进行判断能很好的区分前后两帧运动物体是否为同一个，即 设第t帧的第m个运动目标外接矩形的面积与第t+Ι帧第η个运动目标外接矩形的面积差为: S=^X1I(15) 第t帧的第m个运动目标外接矩形的面积与第t+Ι帧第i个运动目标外接矩形面积最大差为: Swk = 1?* Sili,(16) 外接矩形面积函数: rrwiR9l c/,,, \_ |_j_(17) l_uuo^jI ///* //1 — —— ι........................................j.\ Jl / )s Uw —V 定义如下相似度函数: G (m, η) = a L (m, η) + β S (m, η) (18) 其中α和β为权值,两者之和为I, 当G(m，η)越小两目标为同一物体的相似度越高； 所述的更新状态向量步骤包括:寻找相似度函数G(m，n)的最小值进行状态向量的更新，将下一帧中目标点的状态向量作为卡尔曼滤波器的输入，为预测下一帧该目标点的运动方向做准备，其中， 当第k时刻的目标a和第k+Ι时刻的目标b之间的相似度函数最小，则可确定这两个不同时刻的目标为同一目标，第本文档来自技高网...

【技术保护点】
一种基于目标运动轨迹的车辆速度检测方法，其特征在于，所述的检测方法采用道路监控视频图像对车辆速度进行检测，包括的步骤，依次为车辆目标分割、基于卡尔曼滤波的车辆目标跟踪和车辆速度计算，所述的车辆目标分割步骤包括用帧间差分法及固定阈值法进行运动目标分割，所述的帧间差分法是指通过视频图像序列中相邻数帧中对应像素点进行差分运算来获得运动车辆目标轮廓的方法，其算法实现如下：pDifImg[i]＝abs(pNowImg[i]‑pBefImg[i]),i＝0...W*H   (1)其中，pDifImg[i]——帧差结果灰度值；pNowImg[i]——当前帧图像灰度值；pBefImg[i]——前N帧图像灰度值；W——图像宽度；H——图像高度。；其中N＝3；所述的固定阈值法的算法如下：pBinImg[i]=255,pDifImg[i]>T0,pDifImg[i]<T,i=0...W*H---(2)]]>其中，pBinImg[i]——某点分割结果；T——分割阈值；当所述像素点帧差结果大于设定的阈值T时，则将该点赋值为白点，即255，当该点帧差结果小于设定阈值T时，则将该点设置为黑点，即0；其中T的取值根据多场景测试获得；所述的基于卡尔曼滤波的车辆目标跟踪步骤包括：获得运动车辆质心、建立运动模型、运动目标特征提取和更新状态向量，所述的获得运动车辆质心的步骤包括：逐行逐列扫描所述目标分割结果pBinImg，即分别横向及纵向累加其二值化结果，当结果满足式(3)时，即二值化累加结果由无到有，则确定有目标出现，记下该行位置k+1，作为目标的起始行位置yistart，Σi=0WpBinImgk[i]=0Σi=0WpBinImgk+1[i]>0,k=0,1,...,H-2Σi=0WpBinImgk+2[i]>0---(3)]]>当结果满足式(4)时，即二值化累加结果由有到无时，则表明目标消失，记下该行位置k+1，即为目标的终止行yiend，同理，获得目标起始列xistart及目标终止列xiend，Σi=0WpBinImgk[i]>0Σi=0WpBinImgk+1[i]=0,k=0,1,...,H-2Σi=0WpBinImgk+2[i]=0---(4)]]>获得运动车辆目标位置后，其质心位置计算方法如下：x=xiend+xistart2y=yiend+yistart2---(5)]]>w=xiend-xistarth=yiend-yistart---(6)]]>式(5)和(6)中x、y为质心的横坐标及纵坐标，w、h为目标外接矩形的宽度及高度；所述的建立运动模型步骤包括：在获得了运动车辆目标质心及其外接矩形的宽度和宽度后，利用式(7)建立卡尔曼滤波理论运动模型，st＝Fst‑1+wt‑1                            (7)zt＝Hst+vt其中，s为系统状态向量，z为系统的观测向量，wt‑1和vt分别为均值为0的高斯白噪声；假设状态向量：st＝[xt,yt,wt,ht,vx,vy]   (8)观测向量：zt＝[xt,yt,wt,ht]   (9)其中，xt和yt为运动车辆目标质心的横纵坐标，wt和ht为运动目标外接矩形的长和宽，vx和vy分别为运动车辆目标质心和外接矩形在x轴方向和y轴方向位移的速度；将运动车辆目标近似为做匀速运动，假设速度为Δt，状态转移矩阵为F=1000Δt001000Δt001000000100000010000001---(10)]]>观测矩阵为：H=100000010000001000000100---(11)]]>在建立了运动模型，定义了状态转移矩阵F，状态向量st和观测矩阵H后用卡尔曼滤波方法来预测运动车辆目标点质心和外接矩形的轨迹；所述的运动目标特征提取步骤是选取两帧间运动车辆目标质心的距离函数、外接矩形的面积函数两者共同完成对运动目标特征的提取，第t帧的第m个运动目标的质心到第t+1帧第n个运动目标的质心的距离为：d=(xtm-xt+1n)2+(ytm-yt+1n)2---(12)]]>第t帧的第m个运动目标的质心到第t+1帧第i个运动目标的质心的最大距离为：dmax=(xtm-xt+1i)2+(ytm-yt+1i)2---(13)]]>质心的距离函数为：L(m,n)=ddmax=(xtm-xt+1n)2+(ytm-yt+1n)2(xtm-xt+1i)2+(ytm-yt+1i)2---(14)]]>在对多目标跟踪时，因为运动目标的形变很微小或者没有，所以其外接矩形的面积也相对固定，通过对外接矩形的面积进行判断能很好的区分前后两帧运动物体是否为同一个，即设第t帧的第m个运动目标外接矩形的面积与第t+1帧第n...

【技术特征摘要】
1.一种基于目标运动轨迹的车辆速度检测方法，其特征在于，所述的检测方法采用道路监控视频图像对车辆速度进行检测，包括的步骤，依次为车辆目标分割、基于卡尔曼滤波的车辆目标跟踪和车辆速度计算， 所述的车辆目标分割步骤包括用帧间差分法及固定阈值法进行运动目标分割， 所述的帧间差分法是指通过视频图像序列中相邻数帧中对应像素点进行差分运算来获得运动车辆目标轮廓的方法，其算法实现如下:pDifImg[i] = abs (pNowImg[i]-pBefImg[i])，i = 0...W*H (I) 其中， pDifImg[i]——帧差结果灰度值； pNowImg[i]-当前巾贞图像灰度值； pBefImg[i]——前N帧图像灰度值； W——图像宽度； H—图像高度。； 其中N = 3 ; 所述的固定阈值法的算法如下: I 255, pDifhmAi) > TpBijiImg[i] = \ F ' 6LJ ,/ = 0..JF*//r a [ 0,pDiflmg[i]<T 其中， pBinImg[i]-某点分割结果； T——分割阈值； 当所述像素点帧差结果大于设定的阈值T时，则将该点赋值为白点，即255，当该点帧差结果小于设定阈值T时，则将该点设置为黑点，即O ; 其中T的取值根据多场景测试获得； 所述的基于卡尔曼滤波的车辆目标跟踪步骤包括:获得运动车辆质心、建立运动模型、运动目标特征提取和更新状态向量， 所述的获得运动车辆质心的步骤包括: 逐行逐列扫描所述目标分割结果pBinlmg，即分别横向及纵向累加其二值化结果，当结果满足式(3)时，即二值化累加结果由无到有，则确定有目标出现，记下该行位置k+Ι，作为目标的起始行位置yistart， I1- Σ/,所論 ％.w=oW s,,[/]>05A =(),15...，-- — 2(3)?=0YjPBinImgktlIflyQ 当结果满足式(4)时，即二值化累加结果由有到无时，则表明目标消失，记下该行位置k+Ι，即为目标的终止行yimd，同理，获得目标起始列Xistart及目标终止列ximd， Y^pBmlmg^ijy0.pBinlmg,,_[/J = ()= (U,…3-2(4) 1-?)YdpBinImgM{i] = 0.1=0 获得运动车辆目标位置后，其质心位置计算方法如下: v _ ^iend + ^'iskift Λ —-'?2(5) ___ tend + yMan iw=xh,m^xMM(6} ]* = j?,w- 式(5)和(6)中x、y为质心的横坐标及纵坐标，w、h为目标外接矩形的宽度及高度； 所述的建立运动模型步骤包括: 在获得了运动车辆目标质心及其外接矩形的宽度和宽度后，利用式(7)建立卡尔曼滤波理论运动模型， St = FSt-l+Wt-l (7) zt = Hst+vt 其中，S为系统状态向量，z为系统的观测向量，wt_i和vt分别为均值为0的高斯白噪声; 假设状态向量: St = [xt.yt.wt，ht, vx, vy] (8) 观测向量: Zt = [xt, yt.wt，ht] (9) 其中，Xt和yt为运动车辆目标质心的横纵坐标，Wt和ht为运动目标外接矩形的长和宽，vx和Vy分别为运动车辆目标质心和外接矩形在X轴方向和1轴方向位移的速度； 将运动车辆目标近似为做匀速运动，假设速度为Λ t，状态转移矩阵为1 0 0 0 Δ? (Γ 0 1 0 0 0 Δ/ 00 1 0 0 0 ,、F=(10) 00 0 1 0 0 00 0 0 1 ο jO Ο Ο Ο Ο 1 — 观测矩阵为: 「I 0 0 0 0 0' 0 1 0 0 0 0 , 'H=\(11) 00 1 0 0 0 [0 0 0 1 0 0 在建立了运动模型，定义了状态转移矩阵F，状态向量St和观测矩阵H后用卡尔曼滤波方法来预测运动车辆目标点质心和外接矩形的轨迹； 所述的运动目标特征提取步骤是选取两帧间运动车辆目标质心的距离函数、外接矩形的面积函数两者共同完成对运动目标特征的提取， 第t帧的第m个运动目标的质心到第t+Ι帧第η个运动目标的质心的距离为:rf =和-C12) 第t帧的第m个运动目标的质心到第t+Ι帧第i个运动目标的质心的最大距离为: I=叙 02 + K_)2￠13) 质心的距离函数为: ?I/ fn ,η \2 ■ /.JH ^ η \2 L(m, η) = ^ = ψ::U:皇:::土4(14) 4ne yj(χ'?' -Xttil) + ( V* - J;.,, )~ 在对多目标跟踪时，因为运动目标的形变很微小或者没有，所以其外接矩形的面积也相对固定，通过对外接矩形的面积进行判断能很好的区分前后两帧运动物体是否为同一个，即 设第t帧的第m个运动目标外接矩形的面积与第t+Ι帧第η个运动目标外接矩形的面积差为: s = |s；-s；+1|(15) 第t帧的第m个运动目标外接矩形的面积与第t+Ι帧第i个运动目标外接矩形面积最大差为: ‘、--=卜:-4||(16) 外接矩形面积函数: C7 、S 卜 Γ _<.||r、 5( w，?) =-= 1-r(17) 卜Γ-《,I 定义如下相似度函数:G(m，n) = a L (...

【专利技术属性】
技术研发人员：袁彬，谭中慧，于艳玲，
申请(专利权)人：中海网络科技股份有限公司，
类型：发明
国别省市：上海;31