基于视频的扇形搜索车速检测方法技术

本发明专利技术公开了一种基于视频的扇形搜索车速检测方法。该方法包括：采集包含运动车辆的图像；在图像中提取出运动车辆图；计算运动车辆的多特征信息；连续采集并保存N帧图像中运动车辆的多特征信息；根据当前帧图像中运动车辆的运动角度，设置待测帧运动车辆的扇形预估搜索区域；计算待测帧扇形预估搜索区域内的运动车辆的多特征信息；将待测帧运动车辆的多特征信息与保存的N帧运动车辆的多特征信息进行匹配；计算匹配成功帧的运动车辆之间的距离，形成距离集合；根据上述距离集合和帧率计算出运动车辆的运动速度。借此，本发明专利技术不仅可以快速定位运动车辆所在的区域，而且可以高效的测量出车速，为实现智能交通决策提供了有效的信息。息。息。

【技术实现步骤摘要】
基于视频的扇形搜索车速检测方法


[0001]本专利技术涉及图像处理
，尤其涉及视频监控
，具体是指一种基于视频的扇形搜索车速检测方法。

技术介绍

[0002]近年来，交通路口等待时间长，交通拥挤，交通事故频发成为影响经济社会发展，阻碍提升人民幸福感，获得感的痛点。因此，建立智能交通系统对于建立智慧城市，提升社会运行效率具有举足轻重的意义。而智能化的运动车速检测是智能交通系统的关键。车速检测方法主要分为两类，一类是借助地感线圈，激光雷达等辅助设备，一类是借助图像处理技术，通过视频监控的方式进行车速检测，相比于第一类方法，视频测速的方法成本较低，安装简单，便于维护。

技术实现思路

[0003]本专利技术的目的是克服了上述现有技术的缺点，提供了一种基于视频的扇形搜索车速检测方法，该方法不仅可以快速定位运动车辆所在的区域，而且可以高效的测量出车速，为实现智能交通决策提供了有效的信息。
[0004]为达到上述目的，本专利技术的构思是：首先采用运动车辆检测的方法获得运动车辆的前景图，对图像进行预处理使得各个运动车辆的可以被清晰完整的分割成一个整体，其次计算单帧图像中各个连通区域的运动车辆的多特征的信息，保存连续N帧图像中运动车辆的多特征信息；接着为待测帧运动车辆自适应的设置扇形预估搜索区，然后将待测帧中处于扇形预估搜索区的运动车辆与前N帧中同一个ID的运动车辆进行匹配，最后如果匹配成功则计算待测运动车辆与匹配成功运动车辆的平均距离，进而求得其平均速度。
[0005]由于本方法在目标搜索中设置扇形的预估搜索区，且该搜索区可以根据运动车辆的运动角度变化量，运动距离变化量自适应的调整，可以提高目标搜索的准确率和速度，在目标匹配时融合了面积，颜色，边缘等多个特征，所以匹配更加精准，相比传统算法，上述特征的提取与匹配速度更快，可以达到实时检测的要求，并且本方法利用连续N帧的数据进行计算，可以有效的避免帧间噪声对速度计算的影响，大大增加的车速检测的鲁棒性。
[0006]为达到上述目的，本技术方案采用以下技术方案予以实现：
[0007](1)将智能相机架设在交通信号灯杆，采集包含驶来运动车辆的图像。
[0008](2)在图像中建立背景模型，并获得二值化的运动车辆前景图，具体步骤如下：
[0009]对前景图进行预处理，依次采用3
×
3的模板进行中值滤波去除前景图中的椒盐噪声；采用高斯滤波实现图像连通域模糊化，高斯滤波模板均值取3，方差取2.5；采用3
×
3的模板进行形态学滤波去除图像的毛刺并使得前景图清晰完整的分割出运动车辆；最后采用连通域标记的方法为每一个连通区域设置数字i进行标记，其中i∈[0,n]，n为标记总数。
[0010](3)计算各个连通区域运动车辆的多特征信息，具体为：
[0011]建立包含多特征信息的运动车辆类，所述的多特征信息包括运动车辆的面积特
征、颜色特征、边缘特征；所述的运动车辆类包含运动车辆区域面积S，运动车辆区域的HSV颜色直方图H
color
，边缘方向直方图H
edge
，运动车辆区域质心坐标P(x,y)，运动车辆的编号ID、运动车辆的运动角度θ、运动车辆的速度大小V；
[0012](4)计算运动车辆面积，HSV颜色直方图，边缘方向直方图，质心坐标,运动车辆ID，运动车辆的运动角度，具体步骤如下：
[0013](4
‑
1)计算所述运动车辆的面积S
i
，其计算公式为：
[0014][0015]其中i代表该连通域被标记的数字，S
i
为连通域i的面积；
[0016](4
‑
2)计算运动车辆HSV颜色直方图，运动车辆外接矩形的中心点坐标为x＝(x0,y0)，在目标区域内第u个直方图特征的概率密度计算公式为：
[0017][0018]其中x
i
为运动车辆外接矩形框内第i个像素点，u表示直方图颜色等级的索引，b(x
i
)为x
i
对应的颜色直方图条柱，表示x
i
到x0的距离，的距离，分别是矩形框的长度和宽度，N
s
表示目标区域内总像素数目，C
color
表示归一化系数，δ[
·
]Delta函数，k(
·
)为核函数，
[0019](4
‑
3)计算运动车辆边缘方向直方图，采用Sobel算子进行边缘检测，具体计算公式为：
[0020]G
x
(x,y)＝f(x+1,y
‑
1)+2f(x+1,y)+f(x+1,y+1)
‑
f(x
‑
1,y
‑
1)
‑
2f(x
‑
1,y)
‑
f(x
‑
1,y+1)
[0021]G
y
(x,y)＝f(x
‑
1,y
‑
1)+2f(x,y
‑
1)+f(x+1,y
‑
1)
‑
f(x
‑
1,y+1)
‑
2f(x,y+1)
‑
f(x+1,y+1)
[0022]边缘的大小G(x,y)和方向θ分别为：
[0023]G＝|G
x
(x,y)|+|G
y
(x,y)|
[0024]θ＝arctan(G
x
(x,y)/G
y
(x,y))
[0025]θ∈[0,2π]，将θ分成m＝16每份θ
j
＝π/8(j＝1,2,...,16)，计算每个角度区间内的边缘值，建立边缘直方图，在目标区域内第θ
j
个边缘方向直方图特征表示为：
[0026][0027](4
‑
4)计算运动车辆质心其计算公式为：
[0028][0029]其中S
i
为连通域i的面积，f(x
i
,y
i
)为(x
i
,y
i
)的亮度值，
T为设定的阈值，取T＝50；
[0030](4
‑
5)设置运动车辆的编号ID，具体步骤为：
[0031]建立用于保存运动车辆编号的集合φ
ID
；
[0032]在运动车辆进入图像的位置处设置虚拟检测线y1，当运动车辆的质心越过y1，则为该运动车辆设置新的ID，并将该ID保存在集合φ
ID
中；
[0033]在运动车辆驶出图像的位置处设置虚拟检测线y2，当运动车辆的质心越过y2，则删除集合φ
ID
中该运动车辆的ID。
[0034](4
...

【技术保护点】

【技术特征摘要】
1.一种基于视频的扇形搜索车速检测方法，其特征在于，所述的方法包括以下步骤：(1)采集包含运动车辆的图像；(2)在图像中提取出运动车辆图；(3)计算运动车辆的多特征信息，所述的多特征信息包括面积特征、颜色特征以及边缘特征；(4)连续采集并保存N帧图像中运动车辆的多特征信息；(5)将第N帧图像作为当前帧，将第N+1帧图像作为待测帧，根据当前帧图像中运动车辆的运动角度，设置待测帧运动车辆的扇形预估搜索区域；(6)计算待测帧中扇形预估搜索区域内的运动车辆的多特征信息；(7)将待测帧中运动车辆的多特征信息与所述的步骤(4)保存的N帧运动车辆的多特征信息进行匹配；(8)计算匹配成功帧的运动车辆之间的距离，形成距离集合；(9)根据上述距离集合和帧率计算出运动车辆的运动速度。2.根据权利要求1所述的基于视频的扇形搜索车速检测方法，其特征在于，所述的步骤(3)计算运动车辆的多特征信息，具体包括以下步骤：(3
‑
1)建立包含多特征信息的运动车辆类，所述的运动车辆类包含运动车辆的面积S、运动车辆的颜色H
color
、运动车辆的边缘H
edge
、运动车辆的质心坐标P(x,y)、运动车辆的编号ID、运动车辆的运动角度θ以及运动车辆的速度大小V；(3
‑
2)计算所述的运动车辆的面积S、运动车辆的颜色H
color
、运动车辆的边缘H
edge
、运动车辆的质心坐标P(x,y)、运动车辆的编号ID以及运动车辆的运动角度θ；具体为，利用以下公式计算所述的运动车辆的面积S：S
i
＝∑i；其中，i代表该连通域被标记的数字，S
i
为连通域i的面积；利用以下公式计算所述的运动车辆的颜色H
color
：其中，设置运动车辆外接矩形的中心点坐标为x＝(x0,y0)，x
i
为运动车辆外接矩形框内第i个像素点，u表示直方图颜色等级的索引，b(x
i
)为x
i
对应的颜色直方图条柱，||x
i
‑
x0||表示x
i
到x0的距离，的距离，分别是矩形框的长度和宽度，N
s
表示目标区域内总像素数目，C
color
表示归一化系数，δ[
·
]为Delta函数，k(
·
)为核函数，3.根据权利要求2所述的基于视频的扇形搜索车速检测方法，其特征在于，计算运动车辆边缘方向直方图，采用Sobel算子进行边缘检测，具体为：利用以下公式计算所述的运动车辆的边缘H
edge
：G
x
(x,y)＝f(x+1,y
‑
1)+2f(x+1,y)+f(x+1,y+1)
‑
f(x
‑
1,y
‑
1)
‑
2f(x
‑
1,y)
‑
f(x
‑
1,y+1)
G
y
(x,y)＝f(x
‑
1,y
‑
1)+2f(x,y
‑
1)+f(x+1,y
‑
1)
‑
f(x
‑
1,y+1)
‑
2f(x,y+1)
‑
f(x+1,y+1)其中，边缘的大小G(x,y)和方向θ分别为：G＝|G
x
(x,y)|+|G
y
(x,y)|；θ＝arctan(G
x
(x,y)/G
y
(x,y))；θ∈[0,2π]，将θ分成m＝16每份θ
j
＝π/8(j＝1,2,...,16)，计算每个角度区间内的边缘值，建立边缘直方图，在目标区域内第θ
j
个边缘方向直方图特征表示为：4.根据权利要求2所述的基于视频的扇形搜索车速检测方法，其特征在于，利用以下公式计算所述的运动车辆的质心坐标P(x,y)其中，S
i
为连通域i的面积，f(x
i
,y
i
)为(x
i
,y
i
)的亮度值，T为设定的阈值，取T＝50。5.根据权利要求2所述的基于视频的扇形搜索车速检测方法，，其特征在于，所述的计算运动车辆的编号ID，具体包括以下步骤：(a1)建立用于保存运动车辆编号的集合φ
ID
；(b1)在运动车辆进入图像的位置处设置虚拟检测线y1，当运动车辆的质心越过y1，则为该运动车辆设置新的ID，并将该ID保存在集合φ
ID
中；(c1)在运动车辆驶出图像的位置处设置虚拟检测线y2，当运动车辆的质心越过y2，则删除集合φ
ID
中该运动车辆的ID。6.根据权利要求2所述的基于视频的扇形搜索车速检测方法，其特征在于，所述的计算运动车辆的运动角度θ，具体包括以下步骤：(b1)设当前帧运动车辆为M
ij
，M
ij
表示帧数为i的图像中的ID为j的运动车辆；(b2)若上一帧中不存在与M
ij
的ID相同的运动车辆，则M
ij
的运动角度设置为0；否则，设上一帧中与M
ij
的ID相同的运动车辆为M
i
‑
1j
，则当前帧中运动车辆M
ij
的运动角度的具体计算公式如下：其中，X
curr
为M
ij
的质心的横坐标、Y
curr
为M
ij
的质心的纵坐标，X
pre
为M
i
‑
1j
的质心横坐标、Y
pre
为M
i
‑
1j
的质心纵坐标。7.根据权利要求2所述的基于视频的扇形搜索车速检测方法，其特征在于，所述的步骤(4)具体包括以下步骤(4
‑
1)建立图像类，所述的图像类中包含：当前图像帧数，运动车辆的集合φ，所述的运动车辆的集合φ中包含根据步骤(3
‑
1)所述的运动车辆类建立的各个运动车辆对象；
(4
‑
2)为连续N帧的图像分别建立步骤(4
‑
1)所述的图像类的实例化对象，将连续N个实例化对象保存在队列q中，所述的队列q的大小为N，当队列存储满时，向队列尾部每增加一个对象，队列头部就删除一个对象。8.根据权利要求2至7中任一项所述的基于视频的扇形搜索车速检测方法，其特征在于，所述的步骤(5)具体包括以下步骤：(5
‑
1)遍历当前帧图像中的运动车辆M
ij
，其中M
ij
表示帧数为i的图像中的ID为j的运动车辆；(5
‑
2)获取M
ij
中的运动车辆质心P
ij
(x
i...

【专利技术属性】
技术研发人员：周文举，何钰，王海宽，顾小刚，蔡胜强，
申请(专利权)人：台州创视科技有限公司，
类型：发明
国别省市：