基于動態(tài)虛擬線圈的視頻車速檢測方法
【專利摘要】本發(fā)明公開了一種基于動態(tài)虛擬線圈的視頻車速檢測方法，該方法綜合了虛擬線圈法和基于運動目標(biāo)的測速方法的優(yōu)點，通過基本線圈中圖像特征不同的變化，描述車輛通過虛擬線圈不同的狀態(tài)，對符合特定線圈狀態(tài)的車輛生成動態(tài)虛擬線圈對該車輛進行追蹤，通過跟蹤一定幀數(shù)后車輛的位置坐標(biāo)，得到圖像坐標(biāo)系下車輛移動的距離，再通過坐標(biāo)的轉(zhuǎn)換系數(shù)，將車輛移動的圖像距離轉(zhuǎn)換為世界距離，從而計算出車輛的平均速度。本發(fā)明借助局部的虛擬線圈檢測車輛信息，避免了對整幅圖像信息的處理，從而提高了車速檢測的實時性，同時對檢測到的車輛進行跟蹤，又降低了車道變更情況下的錯檢率，實踐證明有顯著的工程應(yīng)用價值。
【專利說明】
基于動態(tài)虛擬線圈的視頻車速檢測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及視頻監(jiān)控技術(shù)和智能交通技術(shù)領(lǐng)域，具體涉及一種基于動態(tài)虛擬線圈 的視頻車流及車速檢測方法。
【背景技術(shù)】
[0002] 近年來機動車輛數(shù)量的迅猛增加，帶來了許多交通問題，如:交通擁堵、交通事故 頻發(fā)、交通環(huán)境惡化、交通管理落后等。對于某個路段的車速檢測是分析、預(yù)警、解決這些問 題的基礎(chǔ)，車速也是智能交通系統(tǒng)中的重要參數(shù)。傳統(tǒng)的車車速采用紅外線、環(huán)形線圈和雷 達(dá)等技術(shù)作為檢測方法。這些方法有著以下一個或多個缺陷:硬件系統(tǒng)較復(fù)雜、系統(tǒng)環(huán)境適 應(yīng)能力差、安裝靈活性不高、故障率高、維修不便。隨著視頻監(jiān)控技術(shù)的發(fā)展，視頻攝像機已 經(jīng)被廣泛應(yīng)用于對各種環(huán)境、區(qū)域和場所的監(jiān)控。因此通過視頻檢測車速有了廣泛應(yīng)用的 可能，相比于其他統(tǒng)計檢測方法，視頻測速技術(shù)主要有以下的優(yōu)勢:安裝簡便，無需破壞路 面，施工時不影響交通，易于移動、調(diào)整檢測器位置;維護費用低;直觀可靠，便于管理人員 干預(yù)，檢測范圍廣，獲取信息量大，還可以利用原有的監(jiān)控設(shè)備，最大限度的發(fā)揮原有資源 的作用；可提供現(xiàn)場錄像，重現(xiàn)交通場景，為研究交通行為、改進交通管理方法和處理交通 事故提供了大量的信息;對周圍環(huán)境沒有影響，不會造成污染，相同檢測器之間也不會發(fā)生 相互干擾等。
[0003] 根據(jù)算法原理的不同，目前視頻測速技術(shù)主要分為兩大類:基于虛擬線圈的測速 方法及基于運動目標(biāo)的測速方法。虛擬線圈的方法主要優(yōu)點是只對虛擬線圈范圍內(nèi)圖像進 行計算，因而運算量小能夠滿足實時性的要求，但缺點是由于該方法只是檢測線圈內(nèi)的圖 像變化判斷車輛通過，未對通過線圈的車輛進行識別和跟蹤，而車輛在通過虛擬線圈后可 能出現(xiàn)車道變更的情況，這樣就不能保證檢測得到的是同一個目標(biāo)的速度?；谶\動目標(biāo) 的測速方法的優(yōu)點是能在視頻圖像范圍中任意場景位置測量車輛速度，并且可以有效避免 因場景灰度變化，車輛臨時變道，車輛目標(biāo)遮擋等引起的車速誤檢測，具有較高的可靠性， 但缺點是當(dāng)交通密度較大時難以分個單個車輛，而且對多目標(biāo)同時進行跟蹤會使算法計算 量大大增加，不易滿足實時性的要求。綜合兩種方法的優(yōu)點，本發(fā)明提供一種基于動態(tài)虛擬 線圈的視頻車速檢測方法，該方法通過基本虛擬線圈檢測車輛通過并生成動態(tài)的虛擬線圈 對識別出的車輛進行跟蹤，并在虛擬線圈檢測過程中對跨道車輛進行了特殊處理，該方法 提高了車速檢測的實時性，降低了誤檢率。

【發(fā)明內(nèi)容】

[0004] 為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于動態(tài)虛擬線圈的視頻車速檢 測方法。
[0005] 本發(fā)明采用如下技術(shù)方案：
[0006] -種基于動態(tài)虛擬線圈的視頻車速檢測方法，包括如下步驟：
[0007] 步驟一視頻第一幀用四邊形劃定待檢測區(qū)域，用線段劃定車道和距離補償線段， 從而確定虛擬線圈的位置；
[0008] 步驟二以現(xiàn)實道路的黃白線的長度、寬度和線與線之間的間距建立世界坐標(biāo)系， 通過圖像坐標(biāo)系上對應(yīng)黃白線坐標(biāo)和建立的世界坐標(biāo)系，得到由圖像坐標(biāo)到世界坐標(biāo)的投 影映射矩陣，再通過投影映射矩陣去求解坐標(biāo)的轉(zhuǎn)換系數(shù)；
[0009] 步驟三由步驟一的距離補償線段兩端點和坐標(biāo)轉(zhuǎn)換系數(shù)，求距離轉(zhuǎn)換的補償率；
[0010] 步驟四從步驟一確定的虛擬線圈中，提取若干種特定的圖像特征，再由各特征的 分類閾值對虛擬線圈的狀態(tài)進行分類；
[0011]步驟五對線圈狀態(tài)的分類結(jié)果進行判斷，如果線圈分類顯示有車輛通過，則生成 一個動態(tài)線圈追蹤通過車輛；
[0012] 步驟六記錄跟蹤車輛的軌跡，由跟蹤車輛的初始位置坐標(biāo)和固定幀數(shù)后車輛的位 置坐標(biāo)，與步驟二的投影映射矩陣和步驟三的距離補償率，可以計算一定幀數(shù)后車輛在現(xiàn) 實世界移動的距離；
[0013] 步驟七通過步驟六的跟蹤車輛現(xiàn)實世界移動的距離與固定幀數(shù)，計算得到跟蹤車 輛的平均速度。
[0014] 二世界坐標(biāo)系，是以道路作為XOY平面建立的三維坐標(biāo)系，為了簡化計算假設(shè)Z = 0。在新建立的世界坐標(biāo)系下，選取道路兩條邊界白線外側(cè)頂點，連接為矩形，以矩形的四個 頂點作為世界坐標(biāo)的四個參考點，圖像坐標(biāo)的四個參考點在步驟一中已經(jīng)被確定，通過這8 個參考點建立投影映射矩陣；
[0015] 求解圖像坐標(biāo)到世界坐標(biāo)的轉(zhuǎn)換系數(shù)，是由8X8維的非齊次線性方程組解得的；
[0016] 求距離轉(zhuǎn)換的補償率，求解方法是由圖像上的距離補償直線兩端點坐標(biāo)和坐標(biāo)轉(zhuǎn) 換系數(shù)，求解距離補償直線在世界坐標(biāo)下的距離，再通過實際距離與求解距離之差與實際 距離之比得到補償率；
[0017] 若干種特定的圖像特征是指：
[0018] (1)虛擬線圈內(nèi)的前景面積與整個虛擬線圈面積的比例；
[0019] (2)由亮度、對比度和反映物體結(jié)構(gòu)屬性組成的結(jié)構(gòu)相似性特征
[0020] (3)虛擬線圈左右邊沿檢測到的前景與整個虛擬線圈左右邊沿長度的比例
[0021] 虛擬線圈的狀態(tài)有以下四種：
[0022] (1)未檢測到車輛通過線圈；
[0023] (2)檢測到車輛通過線圈，但未檢測到跨邊情況，且非重復(fù)車輛；
[0024] (3)檢測到車輛通過線圈，同時檢測到跨變情況，且非重復(fù)車輛；
[0025] (4)檢測到車輛通過線圈，且是重復(fù)車輛。
[0026] 只有虛擬線圈狀態(tài)為以下兩種狀態(tài)之一生成動態(tài)虛擬線圈：
[0027] (1)檢測到有車通過線圈，但未檢測到跨邊情況，且非重復(fù)車輛。以當(dāng)前虛擬線圈 內(nèi)前景左右邊界作為動態(tài)虛擬線圈的左右兩邊，以原線圈上下邊界作為動態(tài)虛擬線圈的上 下邊界，生成動態(tài)虛擬線圈；
[0028] (2)檢測到有車通過線圈，同時檢測到跨變情況，且非重復(fù)車輛。以左邊虛擬線圈 內(nèi)前景左邊界作為動態(tài)虛擬線圈的左邊，右邊虛擬線圈內(nèi)前景的右邊作為動態(tài)虛擬線圈的 右邊，以原線圈上下邊界作為動態(tài)虛擬線圈的上下邊界，生成動態(tài)虛擬線圈；
[0029] 虛擬線圈狀態(tài)的分類方法是:通過結(jié)構(gòu)相似性特征來檢驗虛擬線圈初始幀與當(dāng)前 幀的相似度，如果相似度小于閾值說明有車輛通過線圈，否則說明沒有；當(dāng)三個條件(a)相 似度小于一定的閾值，（b)前景面積在線圈內(nèi)小于閾值，（c)相鄰的虛擬線圈左右邊沿檢測 到的前景，都滿足時說明檢測到跨邊情況;當(dāng)前景檢測到車輛已經(jīng)通過線圈，新的車輛進入 了線圈，但結(jié)構(gòu)相似性特征未檢測到車輛離開線圈，則說明檢測到的新車輛為重復(fù)車輛。
[0030] 本發(fā)明的有益效果：
[0031] 本發(fā)明借助局部的虛擬線圈檢測車輛信息，避免了對整幅圖像信息的處理，從而 提高了車速檢測的實時性，同時對檢測到的車輛進行跟蹤，又降低了車道變更情況下的錯 檢率，實踐證明有顯著的工程應(yīng)用價值。
【附圖說明】
[0032] 圖1是本發(fā)明的第一幀區(qū)域劃定圖；
[0033]圖2是本發(fā)明的圖像坐標(biāo)圖和世界坐標(biāo)圖；
[0034]圖3是本發(fā)明的生成動態(tài)虛擬線圈圖；
[0035]圖4是本發(fā)明的流程圖；
[0036]圖5是本發(fā)明的車道圖。
【具體實施方式】
[0037]下面結(jié)合實施例及附圖，對本發(fā)明作進一步地詳細(xì)說明，但本發(fā)明的實施方式不 限于此。
[0038] 實施例
[0039] 讀入視頻，如果是視頻第一幀，則用四邊形劃定待檢測區(qū)域，用線段劃定車道和距 離補償線段，從而確定虛擬線圈的位置，如圖1所示，四個標(biāo)1的點表示待檢測的區(qū)域，標(biāo)2的 線段表示劃定的車道，該實施例是三車道，標(biāo)3的線段包含了車道的三個虛擬線圈，標(biāo)4的線 段是距離補償線段，該實施例中，補償線段的長度是6米。
[0040] 該實施例中，白線的寬度是0.15米，長度是6米，白線之間的間隔是3.75米，如圖5 車道圖。這樣建立的世界坐標(biāo)如圖2世界坐標(biāo)系所示，以原點為起點順時針4個坐標(biāo)分別為： [0041 ] (0,0)、（0,6)、（11·55,6)、（11·55,0)
[0042] 其中第三個點的坐標(biāo)計算公式如下式（1)所示，其中X表示橫坐標(biāo)，Y表示縱坐標(biāo)， Lnum表不車道數(shù)，Lwidth表不車道的寬度，Linterval表不車道的間隔。
[0043] X - Lnum X Lwidth+Linterval X (Lnum-I ) ( 1 )
[0044] Y = Llength (2)
[0045] 該實施例中，世界坐標(biāo)的四個點對應(yīng)圖像坐標(biāo)系的坐標(biāo)如圖2圖像坐標(biāo)系所示，以 左下角的坐標(biāo)為起點，順時針4個坐標(biāo)分別為：
[0046] (46,197)、（86,130)、（287,148)、（309,233)
[0047]投影映射矩陣H，如下式（3)所示，其中（μ1; V1)表示圖像坐標(biāo)，（Xl，yi)表示世界坐 標(biāo)；
[0048]
[0049]
[0050]
[0051] 求解坐標(biāo)轉(zhuǎn)換系數(shù)的方程為下式(4)所示，其中H為投影映射矩陣，T為系數(shù)轉(zhuǎn)換集 合，丁=[8 13 0(16€8 11]1'，1?為世界坐標(biāo)的集合，1?=|^()叉1叉2叉3 7。7172 73]1'
[0052] HXT = R (4)
[0053] 本實施例解得T為
[0054] Τ=[0· 16 0.09 -25.7 0.03 -0.2 40.2 0.0006 0·01]τ
[0055] 由圖像坐標(biāo)轉(zhuǎn)換為現(xiàn)實坐標(biāo)的轉(zhuǎn)換公式為：
[0056]
[0057]
[0058]現(xiàn)實世界距離補償線段兩端點坐標(biāo)為：，實際長度為:6米，計算長度為:6.5米，補 償率為:0.08;
[0059]第二幀開始利用ViBe算法進行背景建模及更新，并通過建模結(jié)果進行運動前景的 分割，計算虛擬線圈內(nèi)的前景面積與整個虛擬線圈面積的比例;開始計算虛擬線圈內(nèi)圖像 與第二幀圖像的相似度。相似度的計算方法是SS頂方法(相似度方法重點介紹），在本實施 例中如果相似度小于90,則說明有車通過線圈；當(dāng)三個條件(a)相似度小于一定的閾值，（b) 前景面積在線圈內(nèi)小于閾值，（c)相鄰的虛擬線圈左右邊沿檢測到的前景，都滿足時說明檢 測到跨邊情況;通過新的車輛進入了線圈，但結(jié)構(gòu)相似性特征未檢測到車輛離開線圈，則說 明檢測到的新車輛為重復(fù)車輛。
[0060] 只有以下兩種情況生成動態(tài)虛擬線圈，且相應(yīng)的生成方法為：
[0061] (1)檢測到有車通過線圈，但未檢測到跨邊情況，且非重復(fù)車輛。以當(dāng)前虛擬線圈 內(nèi)前景左右邊界作為動態(tài)虛擬線圈的左右兩邊，以原線圈上下邊界作為動態(tài)虛擬線圈的上 下邊界，生成動態(tài)虛擬線圈；
[0062] (2)檢測到有車通過線圈，同時檢測到跨變情況，且非重復(fù)車輛。以左邊虛擬線圈 內(nèi)前景左邊界作為動態(tài)虛擬線圈的左邊，右邊虛擬線圈內(nèi)前景的右邊作為動態(tài)虛擬線圈的 右邊，以原線圈上下邊界作為動態(tài)虛擬線圈的上下邊界，生成動態(tài)虛擬線圈；
[0063] 生成的追蹤結(jié)果如圖3所示，圖中1代表基本的虛擬線圈，2代表生成的動態(tài)虛擬線 圈。
[0064]本實施例借助局部的虛擬線圈檢測車輛信息，避免了對整幅圖像信息的處理，從 而提高了車速檢測的實時性，同時對檢測到的車輛進行跟蹤，又降低了車道變更情況下的 錯檢率，實踐證明有顯著的工程應(yīng)用價值
[0065]上述實施例為本發(fā)明較佳的實施方式，但本發(fā)明的實施方式并不受所述實施例的 限制，其他的任何未背離本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、替代、組合、簡化， 均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種基于動態(tài)虛擬線圈的視頻車速檢測方法，包括如下步驟： 步驟一視頻第一幀用四邊形劃定待檢測區(qū)域，用線段劃定車道和距離補償線段，從而 確定虛擬線圈的位置； 步驟二以現(xiàn)實道路的黃白線的長度、寬度和線與線之間的間距建立世界坐標(biāo)系，通過 圖像坐標(biāo)系上對應(yīng)黃白線坐標(biāo)和建立的世界坐標(biāo)系，得到由圖像坐標(biāo)到世界坐標(biāo)的投影映 射矩陣，再通過投影映射矩陣去求解坐標(biāo)的轉(zhuǎn)換系數(shù)，其中，世界坐標(biāo)與圖像坐標(biāo)的關(guān)系； 步驟三由步驟一的距離補償線段兩端點和坐標(biāo)轉(zhuǎn)換系數(shù)，求距離轉(zhuǎn)換的補償率； 步驟四從步驟一確定的虛擬線圈中，提取若干種特定的圖像特征，再由各特征的分類 閾值對虛擬線圈的狀態(tài)進行分類； 步驟五對線圈狀態(tài)的分類結(jié)果進行判斷，如果線圈分類顯示有車輛通過，則生成一個 動態(tài)線圈追蹤通過車輛； 步驟六記錄跟蹤車輛的軌跡，由跟蹤車輛的初始位置坐標(biāo)和固定幀數(shù)后車輛的位置坐 標(biāo)，與步驟二的投影映射矩陣和步驟三的距離補償率，可以計算一定幀數(shù)后車輛在現(xiàn)實世 界移動的距離； 步驟七通過步驟六的跟蹤車輛現(xiàn)實世界移動的距離與固定幀數(shù)，計算得到跟蹤車輛的 平均速度。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟二世界坐標(biāo)系，是以道路作為XOY 平面建立的三維坐標(biāo)系，為了簡化計算假設(shè)Z = 0。在新建立的世界坐標(biāo)系下，選取道路兩條 邊界白線外側(cè)頂點，連接為矩形，以矩形的四個頂點作為世界坐標(biāo)的四個參考點，圖像坐標(biāo) 的四個參考點在步驟一中已經(jīng)被確定，通過這8個參考點建立投影映射矩陣。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟二求解圖像坐標(biāo)到世界坐標(biāo)的轉(zhuǎn) 換系數(shù)，是由8 X 8維的非齊次線性方程組解得的。4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟三求距離轉(zhuǎn)換的補償率，求解方 法是由圖像上的距離補償直線兩端點坐標(biāo)和坐標(biāo)轉(zhuǎn)換系數(shù)，求解距離補償直線在世界坐標(biāo) 下的距離，再通過實際距離與求解距離之差與實際距離之比得到補償率。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟四若干種特定的圖像特征是指： (1) 虛擬線圈內(nèi)的前景面積與整個虛擬線圈面積的比例； (2) 由亮度、對比度和反映物體結(jié)構(gòu)屬性組成的結(jié)構(gòu)相似性特征 (3) 虛擬線圈左右邊沿檢測到的前景與整個虛擬線圈左右邊沿長度的比例。6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟四虛擬線圈的狀態(tài)有以下四種： (1) 未檢測到車輛通過線圈； (2) 檢測到車輛通過線圈，但未檢測到跨邊情況，且非重復(fù)車輛； (3) 檢測到車輛通過線圈，同時檢測到跨變情況，且非重復(fù)車輛； (4) 檢測到車輛通過線圈，且是重復(fù)車輛。7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟五只有虛擬線圈狀態(tài)為以下兩種 狀態(tài)之一生成動態(tài)虛擬線圈： (1)檢測到有車通過線圈，但未檢測到跨邊情況，且非重復(fù)車輛。以當(dāng)前虛擬線圈內(nèi)前 景左右邊界作為動態(tài)虛擬線圈的左右兩邊，以原線圈上下邊界作為動態(tài)虛擬線圈的上下邊 界，生成動態(tài)虛擬線圈； (2)檢測到有車通過線圈，同時檢測到跨變情況，且非重復(fù)車輛。以左邊虛擬線圈內(nèi)前 景左邊界作為動態(tài)虛擬線圈的左邊，右邊虛擬線圈內(nèi)前景的右邊作為動態(tài)虛擬線圈的右 邊，以原線圈上下邊界作為動態(tài)虛擬線圈的上下邊界，生成動態(tài)虛擬線圈。8.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述虛擬線圈狀態(tài)的分類方法是:通過結(jié) 構(gòu)相似性特征來檢驗虛擬線圈初始幀與當(dāng)前幀的相似度，如果相似度小于閾值說明有車輛 通過線圈，否則說明沒有；當(dāng)三個條件(a)相似度小于一定的閾值，（b)前景面積在線圈內(nèi)小 于閾值，（c)相鄰的虛擬線圈左右邊沿檢測到的前景，都滿足時說明檢測到跨邊情況；當(dāng)前 景檢測到車輛已經(jīng)通過線圈，新的車輛進入了線圈，但結(jié)構(gòu)相似性特征未檢測到車輛離開 線圈，則說明檢測到的新車輛為重復(fù)車輛。
【文檔編號】G06T7/20GK106056926SQ201610569616
【公開日】2016年10月26日
【申請日】2016年7月18日
【發(fā)明人】譚正宇, 徐建閩, 林茂偉, 徐建勛, 趙貝貝
【申請人】華南理工大學(xué), 廣州運星科技有限公司