基于无人机多源影像的车辆目标运动速度检测方法技术

本发明专利技术公开一种基于无人机多源影像的车辆目标运动速度检测方法，包括以下步骤：搭建无人机多源影像采集平台；利用影像采集平台进行影像数据采集，通过无人机平台的电脑主板获取可见光相机和热红外相机的多源影像，将多源影像数据通过4G传输至地面监控客户端，完成影像的实时获取；对获取的影像数据进行校正，以减少影像数据的几何畸变；对校正后的多源影像数据进行配准；对配准后的多元影像数据进行加权融合；基于加权融合后的多源影像数据，对车辆目标进行检测；对车辆目标进行跟踪；计算车辆目标运动速度。本发明专利技术为车辆监控管理部门提供了一种易操作、高效率、机动灵活的车速监控方式。

【技术实现步骤摘要】
基于无人机多源影像的车辆目标运动速度检测方法
本专利技术涉及视频图像处理
，尤其涉及一种基于无人机多源影像的车辆目标运动速度检测方法。
技术介绍
随着科学技术的不断发展，现代交通在经济活动中越来越重要，而伴随着交通的现代化发展，出现了越来越多的交通问题，在这样的大环境下，智能交通系统（IntelligentTrafficSystem，ITS）应运而生，各国研究学者都积极研发来改善交通监控方法，其中计算机视觉技术为智能交通系统提供了重要技术支持。车辆运动速度的检测是智能交通系统的重要环节，也是研究中的热点和难点，对车辆速度的监控一方面可以监控超速违章问题以及判断道路拥挤情况，另一方面可以对感兴趣车辆进行监控，进而迅速采取相关措施进行道路交通的维护，从而实现智能交通系统。车辆速度检测是智能交通监控系统的基础，目前大多数的车辆速度检测依靠电子摄像系统进行交通管制，进而实现无人监测的目的，国内外常用的方法有：磁性测速、雷达测速、红外测速、激光测速和视频测速等。其中电磁感应原理的检测技术因布置相对较为复杂，监控地点比较固定；激光和雷达检测技术相对成本较高，存在一定误差，使得在实际应用中难以推广。这意味着目前车辆速度监测存在着监测地点灵活性较差，对光照条件有一定的依赖，较难对单一感兴趣车辆进行检测问题。而随着无人机（UnmannedAerialVehicle）的迅猛发展，其操控便捷，能搭载多任务装备，并完成多种类任务。伴随着高空动力技术，精准起降技术，通信技术的发展，使得无人机性能逐渐完善，功能日益扩展，应用更加广泛，在民用资源调查方面占据这不可或缺的地位。这意味着无人机为车辆目标检测提供了很好的数据采集平台。并伴随着热红外相机的不断发展，其具备很好的成像能力，热红外的波长的超过可见光，所以可以提供更为多样的数据，此外，热红外相机的成本也在下降。
技术实现思路
本专利技术目的是提供一种基于无人机多源影像的车辆目标运动速度检测方法，该基于无人机多源影像的车辆目标运动速度检测方法克服现有技术中存在的缺陷，增加车辆速度检测的灵活性，拓展了检测方法的应用范围，减少对光照条件的依赖。为达到上述目的，本专利技术采用的技术方案是：一种基于无人机多源影像的车辆目标运动速度检测方法，其特征在于：包括以下步骤：步骤一、搭建无人机多源影像采集平台；步骤二、利用影像采集平台进行影像数据采集；步骤三、对获取的影像数据进行校正，以减少影像数据的几何畸变；步骤四、对校正后的多源影像数据进行配准；步骤五、对配准后的多元影像数据进行加权融合；步骤六、基于加权融合后的多源影像数据，对车辆目标进行检测；步骤七、对车辆目标进行跟踪；步骤八、计算车辆目标运动速度。上述技术方案中进一步改进的方案如下：1.上述方案中，所述无人机多源影像采集平台为搭载可见光相机和热红外相机并进行多源影像采集的无人机平台。2.上述方案中，所述步骤三、对获取的可见光影像，使用传统的棋盘格进行几何校正。3.上述方案中，所述步骤四、使用单应矩阵将几何校正后的可将光影像和热红外影像进行配准。4.上述方案中，所述步骤六、利用加权融合后的多源影像信息，以提高车辆目标检测的精度并优化目标框的位置。5.上述方案中，使用YOLO（YouOnlyLookOnce）深度学习对车辆目标进行检测。6.上述方案中，所述步骤六中对车辆目标进行检测具体包括以下子步骤：子步骤S61、将加权融合后的多源影像进行裁剪；子步骤S62、标记多源影像中的车辆目标，并将标记出的车辆目标划分为训练数据集和测试数据集；子步骤S63、设置训练参数，其中主要包括：批尺寸（batchsize）、权值衰减和学习率；子步骤S64、对划分出的训练数据集进行训练，得到收敛的训练模型；子步骤S65、应用训练模型逐一对车辆目标进行检测，并检测结果保存。7.上述方案中，所述步骤七中对车辆目标进行跟踪，即依据步骤六中车辆目标检测结果，对车辆进行相邻视频帧间的匹配和跟踪预测，具体包括以下子步骤：子步骤S71、对每对连续图像，提取一组对应的SURF（SpeededUpRobustFeatures）特征点；子步骤S72、根据特征点计算相对变换矩阵，估计当前视图的相对姿态，即相对于上一视图的位置；子步骤S73、采用离散卡尔曼滤波器对识别出的车辆进行跟踪和预测，依据子步骤S72中的相对变换矩阵校正车辆位置，为后续的车辆运动距离计算做准备。8.上述方案中，所述步骤八、计算车辆目标运动速度，即依据已知目标长度计算图像分辨率，并根据车辆跟踪结果计算目标车辆的像素移动，进而计算车辆行驶距离，通过采集图像的频率计算图像采集的时间间隔，最后根据速度计算公式计算车速。由于上述技术方案运用，本专利技术与现有技术相比具有下列优点：本专利技术基于无人机多源影像的车辆目标运动速度检测方法，其基于灵活的无人机平台，实现对道路车辆或者感兴趣车辆目标的速度检监测；不仅能灵活获取道路交通情况的多源影像，且热红外影像的增加可以使得该方法同样适用于不具备光照条件情况，为车辆监控管理部门提供了一种易操作、高效率、机动灵活的车速监控方式。附图说明附图1为本专利技术车辆目标运动速度检测方法的流程图。具体实施方式下面结合附图及实施例对本专利技术作进一步描述：实施例：一种基于无人机多源影像的车辆目标运动速度检测方法，其特征在于：包括以下步骤：步骤一、搭建无人机多源影像采集平台；步骤二、利用影像采集平台进行影像数据采集，通过无人机平台的电脑主板获取可见光相机和热红外相机的多源影像，将多源影像数据通过4G传输至地面监控客户端，完成影像的实时获取；步骤三、对获取的影像数据进行校正，以减少影像数据的几何畸变；步骤四、对校正后的多源影像数据进行配准；步骤五、对配准后的多元影像数据进行加权融合；步骤六、基于加权融合后的多源影像数据，对车辆目标进行检测；步骤七、对车辆目标进行跟踪；步骤八、计算车辆目标运动速度。上述无人机多源影像采集平台为搭载可见光相机和热红外相机并进行多源影像采集的无人机平台。上述步骤三、对获取的可见光影像，使用传统的棋盘格进行几何校正。上述步骤四、使用单应矩阵将几何校正后的可将光影像和热红外影像进行配准。上述步骤六、利用加权融合后的多源影像信息，以提高车辆目标检测的精度并优化目标框的位置。使用YOLO（YouOnlyLookOnce）深度学习对车辆目标进行检测。上述步骤六中对车辆目标进行检测具体包括以下子步骤：子步骤S61、将加权融合后的多源影像进行裁剪，使得影像的区域范围一致；子步骤S62、标记多源影像中的车辆目标，并将标记出的车辆目标划分为训练数据集和测试数据集；子步骤S63、设置深度学习的训练参数，其中主要包括：批尺寸（batchsize）、权值衰减和学习率；子步骤S64、对划分出的训练数据集进行训练，得到收敛的训练模型；子步骤S65、应用训练模型逐一对车辆目标进行检测，并检测结果保存。上述步骤七中对车辆目标进行跟踪，即依据步骤六中车辆目标检测结果，对车辆进行相邻视频帧间的匹配和跟踪预测，具体包括以下子步骤：子步骤S71、对每对连续图像，提取一组对应的SURF（SpeededUpRobustFeatures）特征点；子步骤S72、根据特征点计算相对变换矩阵，估计当前视图的相对姿态，即相对于上一视图的位本文档来自技高网...

【技术保护点】
一种基于无人机多源影像的车辆目标运动速度检测方法，其特征在于：包括以下步骤：步骤一、搭建无人机多源影像采集平台；步骤二、利用影像采集平台进行影像数据采集；步骤三、对获取的影像数据进行校正，以减少影像数据的几何畸变；步骤四、对校正后的多源影像数据进行配准；步骤五、对配准后的多元影像数据进行加权融合；步骤六、基于加权融合后的多源影像数据，对车辆目标进行检测；步骤七、对车辆目标进行跟踪；步骤八、计算车辆目标运动速度。

【技术特征摘要】
1.一种基于无人机多源影像的车辆目标运动速度检测方法，其特征在于：包括以下步骤：步骤一、搭建无人机多源影像采集平台；步骤二、利用影像采集平台进行影像数据采集；步骤三、对获取的影像数据进行校正，以减少影像数据的几何畸变；步骤四、对校正后的多源影像数据进行配准；步骤五、对配准后的多元影像数据进行加权融合；步骤六、基于加权融合后的多源影像数据，对车辆目标进行检测；步骤七、对车辆目标进行跟踪；步骤八、计算车辆目标运动速度。2.根据权利要求1所述的基于无人机多源影像的车辆目标运动速度检测方法，其特征在于：所述无人机多源影像采集平台为搭载可见光相机和热红外相机并进行多源影像采集的无人机平台。3.根据权利要求1所述的基于无人机多源影像的车辆目标运动速度检测方法，其特征在于：所述步骤三、对获取的可见光影像，使用传统的棋盘格进行几何校正。4.根据权利要求1所述的基于无人机多源影像的车辆目标运动速度检测方法，其特征在于：所述步骤四、使用单应矩阵将几何校正后的可将光影像和热红外影像进行配准。5.根据权利要求1所述的基于无人机多源影像的车辆目标运动速度检测方法，其特征在于：所述步骤六、利用加权融合后的多源影像信息，以提高车辆目标检测的精度并优化目标框的位置。6.根据权利要求1所述的基于无人机多源影像的车辆目标运动速度检测方法，其特征在于：使用YOLO（YouOnlyLookOnce）深度学习对车辆目标进行检测。7.根据权利要求6所述的基于无人机多源影像的车辆目标运动速...

【专利技术属性】
技术研发人员：姜尚洁，罗斌，刘军，张云，赵青，王伟，杨国鹏，贺鹏，陈小环，
申请(专利权)人：武汉大学，武汉市云觅智绘科技有限公司，
类型：发明
国别省市：湖北,42