一種基于目標運動軌跡的車輛速度檢測方法
【專利摘要】本發(fā)明公開了一種基于目標運動軌跡的車輛速度檢測方法，包括步驟依次是目標分割、基于卡爾曼濾波的目標跟蹤和速度計算，所述的目標分割主要采用幀間差分法和固定閾值法相結(jié)合，獲得分割結(jié)果；所述的基于卡爾曼濾波的目標跟蹤分為獲得質(zhì)心、建立運動模型、運動目標特征提取及更新狀態(tài)向量，以獲得目標運動軌跡；所述的速度計算方法主要涉及獲得軌跡相關(guān)點信息、建立映射關(guān)系、速度計算及速度校正，其中映射關(guān)系建立主要是指圖像中像素坐標到實際距離的轉(zhuǎn)換，即計算出圖像中每個像素點在實際坐標系中對應的實際距離，速度計算主要指依據(jù)速度計算公式用距離除以時間對車輛軌跡中提供的相關(guān)信息進行計算，并根據(jù)實際情況對計算結(jié)果進行校正。
【專利說明】一種基于目標運動軌跡的車輛速度檢測方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能交通【技術(shù)領(lǐng)域】，特別涉及一種基于目標運動軌跡的車輛速度檢測方法。

【背景技術(shù)】
[0002]普遍存在的汽車超速行駛問題，不但增加了交通監(jiān)管部門的工作難度，而且汽車超速引發(fā)的人員傷亡事故也時有發(fā)生。為此，需要對車輛行駛速度進行檢測并能自動識別車牌號，使車輛管理進一步自動化、智能化。
[0003]要實現(xiàn)交通智能化，就要全面、準確的獲取交通信息，包括車流量、車速、車型等實時交通參數(shù)信息。根據(jù)這些交通信息可以及時對交通事故進行處理，必要的時候要發(fā)出誘導信息來疏導交通。因此，在智能交通系統(tǒng)中，交通信息采集設(shè)備是實現(xiàn)智能化交通的基礎(chǔ)，是智能交通管理技術(shù)能夠?qū)崟r、正確的控制和引導交通的前提。車速檢測作為基于視頻的交通信息采集技術(shù)的一部分，是目前交通領(lǐng)域的研究熱點。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是提供一種基于目標運動軌跡的車輛速度檢測方法，以解決現(xiàn)有技術(shù)中利用道路監(jiān)控視頻檢測車輛速度準確度不高的問題。
[0005]本發(fā)明的技術(shù)方案是，一種基于目標運動軌跡的車輛速度檢測方法，所述的檢測方法采用道路監(jiān)控視頻圖像對車輛速度進行檢測，包括的步驟，依次為車輛目標分割、基于卡爾曼濾波的車輛目標跟蹤和車輛速度計算，
[0006]所述的車輛目標分割步驟包括用幀間差分法及固定閾值法進行運動目標分割，
[0007]所述的幀間差分法是指通過視頻圖像序列中相鄰數(shù)幀中對應像素點進行差分運算來獲得運動車輛目標輪廓的方法，其算法實現(xiàn)如下:
[0008]pDifImg[i] = abs (pNowImg[i]-pBefImg[i]), i = 0...ff*H (I)
[0009]其中，
[0010]pDifImg[i]-巾貞差結(jié)果灰度值；
[0011]pNowImg[i]-當前巾貞圖像灰度值；
[0012]pBefImg[i]——前N幀圖像灰度值；
[0013]W——圖像寬度；
[0014]H——圖像高度。；
[0015]其中N= 3;
[0016]所述的固定閾值法的算法如下:
\255,pDifhng[i}>TΛ、
[0017]pBinImg[i} = \ vJ = 0..,W*H(2)

[0, pDiflmg[i] < T
[0018]其中，
[0019]pBinImg[i]-某點分割結(jié)果；
[0020]T——分割閾值；
[0021]當所述像素點幀差結(jié)果大于設(shè)定的閾值T時，則將該點賦值為白點，即255，當該點幀差結(jié)果小于設(shè)定閾值T時，則將該點設(shè)置為黑點，即O ;
[0022]其中T的取值根據(jù)多場景測試獲得；
[0023]所述的基于卡爾曼濾波的車輛目標跟蹤步驟包括步驟:獲得運動車輛質(zhì)心、建立運動模型、運動目標特征提取和更新狀態(tài)向量，
[0024]所述的獲得運動車輛質(zhì)心的步驟包括:
[0025]逐行逐列掃描所述目標分割結(jié)果pBinlmg，即分別橫向及縱向累加其二值化結(jié)果，當結(jié)果滿足式(3)時，即二值化累加結(jié)果由無到有，則確定有目標出現(xiàn)，記下該行位置k+1，作為目標的起始行位置yistart，
* W
YjpBin!mgk[i] = Q

?~(?
W
[0026]' ^pBinlmgm[i]=(3)
YjPBinImgkt2IilyQ

,1-o
[0027]當結(jié)果滿足式(4)時，即二值化累加結(jié)果由有到無時，則表明目標消失，記下該行位置k+Ι，即為目標的終止行yimd，同理，獲得目標起始列Xistart及目標終止列ximd，
YdpBinImgt[i}>0

ir
[0028]I pBinlmgM p] = 0, fc = O515 …,i? — 24 J

i~(>
YjpBinImgk+1[i} = 0

、/=0
[0029]獲得運動車輛目標位置后，其質(zhì)心位置計算方法如下:

V _ ^iend + ^isiart
Ji, ——<.........................................................tJ
[0030]i(5)
—Vimd + ykiart
μ 一-1* 2
— IIw = xIen^xislarl
[0031]< t(6)
[0032]式(5)和⑶中x、y為質(zhì)心的橫坐標及縱坐標，w、h為目標外接矩形的寬度及高度；
[0033]所述的建立運動模型步驟包括:
[0034]在獲得了運動車輛目標質(zhì)心及其外接矩形的寬度和寬度后，利用式(7)建立卡爾曼濾波理論運動模型，
[0035]st = Fsh+Wh
[0036](7)
[0037]zt = Hst+vt
[0038]其中，s為系統(tǒng)狀態(tài)向量，z為系統(tǒng)的觀測向量，Wt^1和Vt分別為均值為O的高斯白噪聲；
[0039]假設(shè)狀態(tài)向量:
[0040]st = [xt, yt, wt, ht, vx, vy]⑶
[0041]觀測向量:
[0042]zt = [xt, yt, wt, ht] (9)
[0043]其中，xt和yt為運動車輛目標質(zhì)心的橫縱坐標，Wt和ht為運動目標外接矩形的長和寬，Vx和Vy分別為運動車輛目標質(zhì)心和外接矩形在X軸方向和I軸方向位移的速度；
[0044]將運動車輛目標近似為做勻速運動，假設(shè)速度為At，狀態(tài)轉(zhuǎn)移矩陣為
Fl O O O Δ? OI
OI O O O Atl
0 0 1 0 0 O, χ
[0045]F=(10)
丨O O O I O O丨
00 0 0 I O
[0 0 0 0 O I J
[0046]觀測矩陣為:
"I O O O O Ol
? 0 1 0 0 0 0 f 、
[0047]H =(11)
00 1 0 0 0
OO I O OJ
[0048]在建立了運動模型，定義了狀態(tài)轉(zhuǎn)移矩陣F，狀態(tài)向量St和觀測矩陣H后用卡爾曼濾波方法來預測運動車輛目標點質(zhì)心和外接矩形的軌跡；
[0049]所述的運動目標特征提取步驟是選取兩幀間運動車輛目標質(zhì)心的距離函數(shù)、外接矩形的面積函數(shù)兩者共同完成對運動目標特征的提取，即取，
[0050]第t幀的第m個運動目標的質(zhì)心到第t+Ι幀第η個運動目標的質(zhì)心的距離為:
[0051]rf = #—.<.丨)2+(少:'Vf11)2(12)
[0052]第t幀的第m個運動目標的質(zhì)心到第t+Ι幀第i個運動目標的質(zhì)心的最大距離為:
[0053]dm = φχ: +(y:-yLf(13)
[0054]質(zhì)心的距離函數(shù)為:
「，r/ , d ^:'-^+(ν:'-ν:ηΤ
[0055]L(m，n) =.—— = ■■■■■(14)

過.職.s(x7 -K*\f+Cf;" — y',,! )2
[0056]在對多目標跟蹤時，因為運動目標的形變很微小或者沒有，所以其外接矩形的面積也相對固定，通過對外接矩形的面積進行判斷能很好的區(qū)分前后兩幀運動物體是否為同一個，即
[0057]設(shè)第t幀的第m個運動目標外接矩形的面積與第t+Ι幀第η個運動目標外接矩形的面積差為:
[0058]S=^X1I(15)
[0059]第t幀的第m個運動目標外接矩形的面積與第t+Ι幀第i個運動目標外接矩形面積最大差為:
[0060]Swk = 1?* Sili,(16)
[0061]外接矩形面積函數(shù):
rrwiR9l c/,,, \_ |_j_(17)
l_uuo^jI ///* //1 — —— "ι........................................j.\ Jl / )
s Uw —V
[0063]定義如下相似度函數(shù):
[0064]G (m, η) = a L (m, η) + β S (m, η) (18)
[0065]其中α和β為權(quán)值,兩者之和為I,
[0066]當G(m，η)越小兩目標為同一物體的相似度越高；
[0067]所述的更新狀態(tài)向量步驟包括:尋找相似度函數(shù)G(m，n)的最小值進行狀態(tài)向量的更新，將下一幀中目標點的狀態(tài)向量作為卡爾曼濾波器的輸入，為預測下一幀該目標點的運動方向做準備，其中，
[0068]當?shù)趉時刻的目標a和第k+Ι時刻的目標b之間的相似度函數(shù)最小，則可確定這兩個不同時刻的目標為同一目標，第k+Ι時刻目標b的特征值即可作為運動模型的輸入；
[0069]所述的速度計算步驟包括獲得軌跡相關(guān)點信息、建立映射關(guān)系、速度計算和速度校正步驟，
[0070]所述的軌跡相關(guān)點信息步驟將車輛目標運動軌跡由一系列表述運動目標的運動目標外接矩形的質(zhì)心連接而成，其中，
[0071]記錄視頻各巾貞質(zhì)心點空間坐標(posit1n[i]_ X，posit1n[i].y)及該點對應中貞號F，獲得像素坐標位置中某目標運動軌跡的距離及時間信息，通過建立像素坐標及實際坐標的映射關(guān)系表，獲得某像素點對應的實際距離，進而計算出運動目標的速度。
[0072]所述的建立映射關(guān)系步驟包括標定映射點和建立映射表步驟，
[0073]所述的標定映射點，是通過確定攝像機的位置、內(nèi)外參數(shù)和建立成像模型，來確定世界坐標系中的物體和它在圖像平面上的成像之間的對應關(guān)系，
[0074]在實際應用場景中，由于車道分割線間距離已知，因此可通過對已知點進行標定，結(jié)合攝像機成像原理，進而獲得所需映射關(guān)系；
[0075]所述的建立映射表，即
[0076]設(shè)某點在世界坐標系中的坐標為W(X，Y, Z)，由于相似三角形的比例關(guān)系可得其投影點I (X，y)，其中

Y
[0077]* =.^—,V(19)
[0078]f為投影點與世界坐標系的交點坐標；
[0079]式(19)中包含了變量的除法運算，屬于非線性變換，當引入齊次坐標將其轉(zhuǎn)換成線性矩陣進行計算，由此得出齊次坐標矩陣如式(20)


Γ
[V] |7 ο ο oV

Y
[0080]Z V = O / O O(20)
人 ?0 0 10^
[0081]在車輛速度計算過程中，不需要知道車輛的高度信息，故將式(20)簡化，得到如下的變換矩陣
fx am O01 ?02 A
[0082]κ\γ = aw au al2 y(21)

I_ _^20 ?2l I _ _1 _
[0083]通過式(21)可獲得世界坐標系中點(X，Y)的坐標表達式為

anc,x + ain)'+ am
Λ 一 ~..............................................?.ρχ + α?γ+?^ 、
[0084]{(22)
Y_ aWx + flIlJ + aO
, α20χ+α21ν + 1
[0085]將已知距離點在圖像坐標系中像素坐標及世界坐標系中的實際距離代入式(22)，求出像素距離與實際距離的映射關(guān)系，由此建立兩坐標系對應關(guān)系表，即映射表MapTable[IMAGE_SIZE]，其中IMAGE_SIZE為圖像寬度與高度的乘積，在后續(xù)計算過程中，當輸入需要查詢的目標點的像素坐標即可獲得該點對應的實際距離；
[0086]所述的速度計算步驟是將運動車輛目標軌跡中各點空間位置代入所述的映射關(guān)系表上表，獲得軌跡中各目標質(zhì)心特征點代表的實際距離，
IDisiP]..*- - MapTahle[posit1n[i\y* width + ρο5--?οη[?\Λ}Λ(23)
[D/SjfiJ.j = Map Table[ posit 1n[i ] ,_v * width + pm&f棚
[0088]其中，DiSi[i].x、DiSi[i].y為某點橫向及縱向?qū)膶嶋H距離，MapTable即為所述建立的映射表；
[0089]在直角坐標系中，用(x，y)描述跟蹤點的空間位置，則通過運動目標跟蹤軌跡起點及終點相關(guān)信息獲取目標運動軌跡，設(shè)某目標起點為A，終點為B則可得如下信息:

γ _ γ
[0090]J V(24)
? I
I = B 1 Λ
I — f
[0091]式(24)中，X及Y的值通過查找映射表獲得，F(xiàn)為某點對應的幀號，f為采樣頻率即為25幀/s，
[0092]由式(24)獲得運動目標的運動速度
[0093]V = + V!(25)
[0094]所述的速度校正步驟是當在某場景中如果計算出的車速普遍偏大或普遍偏小，則可能由于映射關(guān)系在計算過程中存在偏差，最終造成車輛速度不準確，故可根據(jù)實際情況對測得的速度進行校正，即
[0095]V =+ Av(26)
[0096]Λ V為車速實際差。
[0097]所述的卡爾曼濾波方法的具體步驟如下:
[0098](I)起始跟蹤
[0099]a.初始化所有設(shè)置，掃描圖像確定所有運動目標，并為每個目標建立跟蹤窗口 ；
[0100]b.如果當前圖像不是起始幀，對沒有對應跟蹤窗口的目標認定為新出現(xiàn)的目標，并建立跟蹤窗口進彳了跟蹤；
[0101](2)目標軌跡關(guān)聯(lián)
[0102]a.預測運動區(qū)域:在輸入目標的狀態(tài)向量后，啟動卡爾曼濾波，對目標可能的運動區(qū)域進行預測；
[0103]b.計算相似度函數(shù):在區(qū)域內(nèi)將相似度函數(shù)最小的目標作為上一幀目標的延續(xù)；
[0104]c.精確判斷:計算兩待定目標的質(zhì)心距離d和閾值λ的關(guān)系，確定待定目標是否為上一幀目標的延續(xù)；
[0105]如果d> λ，說明待定目標與上一幀運動目標非同一目標。則可能為上一幀的運動目標在該幀靜止或上一幀運動目標離開了視頻區(qū)域；
[0106]如果d〈 λ，則可以確定待定目標與上一幀目標為同一目標，可進行特征值的更新；
[0107]λ取值根據(jù)實際情況，取5個像素點；
[0108](3)進入下一幀后，重復步驟(I)和(2)的處理過程，直到視頻結(jié)束。
[0109]與現(xiàn)有技術(shù)相比，采用本發(fā)明具有以下的技術(shù)效果:
[0110]1、建立二維映射關(guān)系
[0111]目前較多的映射關(guān)系多為建立一維映射，即僅尋找像素坐標點與世界坐標系中縱坐標的對應關(guān)系。本發(fā)明通過攝像機成像原理及齊次方程建立某像素點與世界坐標系中橫向及縱向的對應關(guān)系，獲得更多的信息，為后續(xù)算法處理提供更高的準確率。
[0112]2、多特征跟蹤
[0113]以往的目標跟蹤系統(tǒng)往往選取一個特征進行提取，這樣雖然能完成對目標的跟蹤，但在同一場景中運動目標太多或運動軌跡太復雜的情況下會出現(xiàn)跟蹤出錯的情況。本發(fā)明選用兩幀間質(zhì)心的距離函數(shù)、外接矩形的面積函數(shù)兩者共同完成多特征的目標跟蹤方法，能夠避免上述問題，提高目標跟蹤的準確性。
[0114]3、強適應性檢測
[0115]本發(fā)明利用基于跟蹤的速度檢測方法，由于跟蹤算法的強適應性，有效克服了光線、抖動等環(huán)境條件對檢測的干擾，同時映射關(guān)系采用二維映射，減少了獲取距離時的誤差，提高了速度計算的準確性。

【專利附圖】

【附圖說明】
[0116]圖1為本發(fā)明的速度檢測方法原理流程示意圖；
[0117]圖2為本發(fā)明實施例中采用幀差法目標分割結(jié)果；
[0118]圖3為本發(fā)明實施例中卡爾曼濾波的視頻跟蹤算法流程圖；
[0119]圖4為本發(fā)明實施例中卡爾曼濾波法獲得的目標運動軌跡；
[0120]圖5為本發(fā)明實施例中攝像機成像模型；
[0121]圖6為本發(fā)明實施例中映射點標定；
[0122]圖7為本發(fā)明實施例中縱坐標映射結(jié)果。

【具體實施方式】
[0123]本發(fā)明的基于目標運動軌跡的車輛速度檢測方法，該方法包括3個步驟，依次為目標分割、基于卡爾曼濾波的目標跟蹤和速度計算。具體實現(xiàn)如下:
[0124]一、目標分割
[0125]本方法采用幀間差分法及固定閾值法進行運動目標分割，其主要實現(xiàn)過程如下:
[0126]I幀間差分法
[0127]所謂幀間差分法是指通過視頻圖像序列中相鄰數(shù)幀中對應像素點進行差分運算來獲得運動目標輪廓的方法，其算法實現(xiàn)如下:
[0128]pDifImg[i] = abs (pNowImg[i]-pBefImg[i]), i = 0...ff*H (I)
[0129]上式中，
[0130]pDifImg[i]-巾貞差結(jié)果灰度值；
[0131]pNowImg[i]-當前巾貞圖像灰度值；
[0132]pBefImg[i]——前N幀圖像灰度值；
[0133]W——圖像寬度；
[0134]H——圖像高度。
[0135]其中N的取值可根據(jù)實際情況選取，當N取值過小時，目標位移較小且計算量較大，不利于實時性檢測；當N值過大時，目標位移較大，可能出現(xiàn)駛出檢測視野的情況，本方法經(jīng)過大量數(shù)據(jù)實驗，發(fā)現(xiàn)當N = 3時具有較好的差分結(jié)果，故本方法中取N為3。
[0136]2固定閾值分割
[0137]目標分割過程中，可以采用動態(tài)閾值法或固定閾值法進行運動目標分割。動態(tài)閾值法每幀選取不同閾值進行目標分割，計算量較大。本發(fā)明應用的領(lǐng)域中，對實時性具有較高的要求，且針對實際情況采用固定閾值的目標分割方法足以滿足需求，該方法具體實現(xiàn)過程如下:
1255,pDifhnq[i}> Tf、
[0138]pBinlmg[i] = \ F — SL J J = 0...W*H(2)

I 0,pDiflmg[i]<T
[0139]上式中，
[0140]pBinImg[i]-某點分割結(jié)果；
[0141]T——分割閾值。
[0142]當該點幀差結(jié)果大于設(shè)定的閾值T時，則將該點賦值為白點，即255，當該點幀差結(jié)果小于設(shè)定閾值T時，則將該點設(shè)置為黑點，即O。其中T的取值根據(jù)多場景測試獲得，本方法中取值50。使用該方法的目標分割結(jié)果如圖2所示。
[0143]二基于卡爾曼濾波的目標跟蹤
[0144]I獲得質(zhì)心
[0145]逐行逐列掃描上述目標分割結(jié)果pBinlmg，即分別橫向及縱向累加其二值化結(jié)果，當結(jié)果滿足式(3)時，即二值化累加結(jié)果由無到有，則確定有目標出現(xiàn)，記下該行位置k+1，作為目標的起始行位置yistart。
IYjPBinlmgtXi] = Q

1-O
[0146]&+1Ρ]>04Λ = 0,1”..,Ι?-2(3)

i~n
\Υ PBinhngk ι2{?]> Q

I/-ο
[0147]當結(jié)果滿足式(4)時，即二值化累加結(jié)果由有到無時，則表明目標消失，記下該行位置k+Ι，即為目標的終止行yimd，同理，獲得目標起始列Xistart及目標終止列ximd。
-W
YdpBinlmgt\i}> Q

1-n
w
[0148]^= = QX…J1-2(4)

ι=?
YjPBmImg^2Ii] = Q
[0149]獲得目標位置后，其質(zhì)心位置計算方法如下:
V_ ien4 ' istan
X ~~.........................
[0150]1CS)

V' , 4- V
—-^isd - ,Mari
,v — ^'j—
[0151]i r(6)
=Hari
[0152]上式中X、y為質(zhì)心的橫坐標及縱坐標，w、h為目標外接矩形的寬度及高度。
[0153]2建立運動模型
[0154]獲得了運動目標質(zhì)心及其外接矩形的寬度和寬度后，就可以利用下式建立卡爾曼濾波理論運動模型，
[0155]St = FSt-JWH
[0156](7)
[0157]zt = Hst+vt
[0158]其中，s為系統(tǒng)狀態(tài)向量，z為系統(tǒng)的觀測向量，Wt^1和Vt分別為均值為O的高斯白噪聲。
[0159]假設(shè)狀態(tài)向量:
[0160]st = [xt, yt, wt, ht, vx, vy] (8)
[0161]觀測向量:
[0162]zt = [xt, yt, wt, ht] (9)
[0163]其中，Xt和、為運動目標質(zhì)心的橫縱坐標，Wt和匕為運動目標外接矩形的長和寬，vx和vy分別為質(zhì)心和外接矩形在X軸方向和y軸方向位移的速度。
[0164]由于本方法采用相鄰3幀進行幀間差分法分割運動目標，故可近似認為目標做勻速運動，假設(shè)速度為At。如狀態(tài)轉(zhuǎn)移矩陣為
"I O O O Δ? (Γ
O I O O O Δ?
0 0 1 0 0 O,、
[0165]F=(10)
0 0 0 1 O O
0 0 0 0 1 O
0 0 0 0 0 I
[0166]觀測矩陣為:
? O O O O
0 1 0 0 0 0 , \
[0167]H=(11)
00 1 0 0 0
OO I O
[0168]建立好運動模型，定義了狀態(tài)轉(zhuǎn)移矩陣F，狀態(tài)向量St和觀測矩陣H就可以用卡爾曼濾波方法來預測運動目標點質(zhì)心和外接矩形的軌跡，進而實現(xiàn)運動目標的跟蹤。
[0169]3運動目標特征提取
[0170]本方法選取兩幀間質(zhì)心的距離函數(shù)、外接矩形的面積函數(shù)兩者共同完成對運動目標特征的提取。
[0171]第t幀的第m個運動目標的質(zhì)心到第t+Ι幀第η個運動目標的質(zhì)心的距離為:
[0172]d =泰+(Jf-JC1)2(12)
[0173]第t幀的第m個運動目標的質(zhì)心到第t+Ι幀第i個運動目標的質(zhì)心的最大距離為:
[0174](13)
[0175]質(zhì)心的距離函數(shù)為:
[0176]L—) =丄= φ';" —Χ;'丨f + (}f 'y;%(14)

(,丨隠■y-x,',, Y + (y;n -y;,I)-
[0177]在對多目標跟蹤時，運動目標的形變很微小或者沒有所以其外接矩形的面積也相對固定，通過對外接矩形的面積進行判斷能很好的區(qū)分前后兩幀運動物體是否為同一個。
[0178]設(shè)第t幀的第m個運動目標外接矩形的面積與第t+Ι幀第η個運動目標外接矩形的面積差為:
[0179]s = \s" - SftlI(15)
[0180]第t幀的第m個運動目標外接矩形的面積與第t+Ι幀第i個運動目標外接矩形面積最大差為:
[0181] 11 (16 )
[0182]外接矩形面積函數(shù):

— η I
[0183]5’(/Μ，")=」~ = ■丄-~~(17).<'-.<? I
[0184]定義如下相似度函數(shù):
[0185]G(m，n) = a L (m, η) + β S (m, η) (18)
[0186]其中α和β為權(quán)值，兩者之和為I。由上述質(zhì)心距離和外接矩形函數(shù)定義可知，G(m, η)越小兩目標為同一物體的相似度越高。
[0187]4更新狀態(tài)向量
[0188]本方法通過尋找相似度函數(shù)G(m，η)的最小值進行狀態(tài)向量的更新，將下一幀中目標點的狀態(tài)向量作為卡爾曼濾波器的輸入，為預測下一幀該目標的運動方向做準備。
[0189]在計算過程中，當?shù)趉時刻的目標a和第k+Ι時刻的目標b之間的相似度函數(shù)最小，則可確定這兩個不同時刻的目標為同一目標，所以第k+Ι時刻目標b的特征值即可作為運動模型的輸入。
[0190]使用卡爾曼濾波的視頻跟蹤算法流程如圖3所示。
[0191]算法具體實現(xiàn)步驟如下:
[0192](I)起始跟蹤
[0193]a.初始化所有設(shè)置，掃描圖像確定所有運動目標，并為每個目標建立跟蹤窗口 ；
[0194]b.如果當前圖像不是起始幀，對沒有對應跟蹤窗口的目標認定為新出現(xiàn)的目標，并建立跟蹤窗口進行跟蹤。
[0195](2)目標軌跡關(guān)聯(lián)
[0196]a.預測運動區(qū)域:在輸入目標的狀態(tài)向量后，啟動卡爾曼濾波，對目標可能的運動區(qū)域進行預測；
[0197]b.計算相似度函數(shù):在區(qū)域內(nèi)將相似度函數(shù)最小的目標作為上一幀目標的延續(xù)；
[0198]c.精確判斷:計算兩待定目標的質(zhì)心距離d和閾值λ的關(guān)系，確定待定目標是否為上一幀目標的延續(xù)。
[0199]如果d> λ，說明待定目標與上一幀運動目標非同一目標。則可能為上一幀的運動目標在該幀靜止或上一幀運動目標離開了視頻區(qū)域。
[0200]如果d〈 λ，則可以確定待定目標與上一幀目標為同一目標，可進行特征值的更新。
[0201]λ取值根據(jù)實際情況，取5個像素點。
[0202](3)進入下一幀后，重復步驟(I)和(2)的處理過程，直到視頻結(jié)束。
[0203]使用該方法進行視頻跟蹤結(jié)果如圖4所示。
[0204]三速度計算
[0205]I獲得軌跡相關(guān)點信息
[0206]采用視頻跟蹤技術(shù)獲得的目標運動軌跡是由一系列可以表述運動目標的特征點連接而成，上述跟蹤方法中特征點是指目標外接矩形的質(zhì)心。
[0207]在跟蹤過程中記錄各巾貞質(zhì)心點空間坐標(posit1n[i]_ X，posit1n[i].y)及該點對應幀號F，則獲得了像素坐標位置中某目標運動軌跡的距離及時間信息，在后續(xù)介紹中，通過建立像素坐標及實際坐標的映射關(guān)系表，即可獲得某像素點對應的實際距離，進而計算出運動目標的速度。
[0208]2建立映射關(guān)系
[0209]I)標定映射點
[0210]標定映射點是指通過確定攝像機的位置、內(nèi)外參數(shù)和建立成像模型，來確定世界坐標系中的物體和它在圖像平面上的成像之間的對應關(guān)系。攝像機成像模型如圖5所示。本方法利用攝像機的透視關(guān)系，幾何推導出攝像機的圖像坐標與實際坐標系的轉(zhuǎn)換關(guān)系式。
[0211]在實際應用場景中，由于車道分割線間距離已知，因此可通過對已知點進行標定，結(jié)合攝像機成像原理，進而獲得所需映射關(guān)系。某場景如圖6所示，圖中AB = BC =⑶=DE = a,其中a的取值根據(jù)道路實際情況可能為6米、12米或15米，AA’ = BB' = CC’ =DD’ = EE’ = b，其中b的取值根據(jù)國家對公路機動車道的寬度標準為3.5米一3.75米。即圖像坐標中AA’、BB，、CC’、DD’、EE’、AB、BC、CD、DE及各點坐標位置已知，故找到其中對應關(guān)系即可求出所需的映射表。
[0212]2)建立映射表
[0213]設(shè)某點在世界坐標系中的坐標為W(X，Y, Z)，由于相似三角形的比例關(guān)系可得其投影點I (X，y)，其中
f ^ Yf 拿;f
[0214]X =:JZz,y = Y^Z(19)
[0215]f為投影點與世界坐標系的交點坐標。
[0216]上式中由于包含了變量的除法運算，故其屬于非線性變換，因此引入齊次坐標將其轉(zhuǎn)換成線性矩陣進行計算。由此得出齊次坐標矩陣如下式
Γ π Γ
Λ-! 「/* ο ο ο?
JY
[0217]Z.V = O / O O(20)
IJ [O O I oj



I
[0218]由于本方法中車輛速度計算過程中，不需要知道車輛的高度信息，故可將上式簡化，得到如下的變換矩陣
[X am am α繼][x
_ Φ； -% % b(21)
II沒,oI Il I
[0220]通過上式可獲得世界坐標系中點(X，Y)的坐標表達式為
α--χ + α^, v + 1, 、
[0221](22)
Y ^ aloX+ O11V+ al2

a2%x + a^{y+1
[0222] 由圖6及上述關(guān)系式，可將已知距離點在圖像坐標系中像素坐標及世界坐標系中的實際距離代入上式，即可求出像素距離與實際距離的映射關(guān)系，由此可建立兩坐標系對應關(guān)系表，即映射表MapTable [IMAGE_SIZE]，其中IMAGE_SIZE為圖像寬度與高度的乘積，在后續(xù)計算過程中，僅需輸入查詢點的像素坐標即可獲得該點對應的實際距離。由于式
(22)中含有8個未知數(shù)，故在計算過程中至少代入4個已知點坐標進行求解，當代入點數(shù)量超過4個時，可通過擬合獲得相應的數(shù)據(jù)，以提高計算精度。
[0223]使用該標定方法的特點是可同時獲得圖像中某點對應的橫坐標及縱坐標信息，SP獲得二維映射關(guān)系，相比傳統(tǒng)的獲得一維映射關(guān)系有所改進。使用該方法對720*288大小的視頻圖像進行測試，其縱坐標計算結(jié)果如圖7所示，從圖中可以看出隨著測試點逐漸遠離視場，其對應的實際距離逐漸增大，與實際情況相符。
[0224]3速度計算
[0225]通過上述方法建立的映射關(guān)系表，將軌跡中各點空間位置代入上表，則可獲得軌跡中各特征點代表的實際距離
IDisf[i].x - MapTable[posH1n[i],y * width + posii1n{i],x].x(23)
[ ] [D/sJ/J.v = MapTab1e{posilkm{i], v * width + po$ii1n[i].x].y
[0227]其中，DiSi[i].x、DiSi[i].y為某點橫向及縱向?qū)膶嶋H距離，MapTable即為上述建立過的映射表。
[0228]在直角坐標系中，用(x，y)描述跟蹤點的空間位置，則通過運動目標跟蹤軌跡起點及終點相關(guān)信息獲取目標運動軌跡，設(shè)某目標起點為A，終點為B則可得如下信息:
' Xb-Xa
Y^Y
[0229]I V,,: —-1(24)

f
1: Λ..B 1A
I /
[0230]上式中，X及Y的值通過查找映射表獲得，F(xiàn)為某點對應的幀號，f為采樣頻率即為25中貞/s。
[0231]由上式可獲得運動目標的運動速度
[0232]V =小廣:+ V；(25)
[0233]4速度校正
[0234]在某場景中如果計算出的車速普遍偏大或普遍偏小，則可能由于映射關(guān)系在計算過程中存在偏差，最終造成車輛速度不準確，故可根據(jù)實際情況對測得的速度進行校正，即
[0235]ν = ^ν?Δν(26)
[0236]Λ V為車速實際差。
【權(quán)利要求】
1.一種基于目標運動軌跡的車輛速度檢測方法，其特征在于，所述的檢測方法采用道路監(jiān)控視頻圖像對車輛速度進行檢測，包括的步驟，依次為車輛目標分割、基于卡爾曼濾波的車輛目標跟蹤和車輛速度計算， 所述的車輛目標分割步驟包括用幀間差分法及固定閾值法進行運動目標分割， 所述的幀間差分法是指通過視頻圖像序列中相鄰數(shù)幀中對應像素點進行差分運算來獲得運動車輛目標輪廓的方法，其算法實現(xiàn)如下:
pDifImg[i] = abs (pNowImg[i]-pBefImg[i])，i = 0...W*H (I) 其中， pDifImg[i]——幀差結(jié)果灰度值； pNowImg[i]-當前巾貞圖像灰度值； pBefImg[i]——前N幀圖像灰度值； W——圖像寬度； H—圖像高度。； 其中N = 3 ; 所述的固定閾值法的算法如下:
I 255, pDifhmAi) > T
pBijiImg[i] = \ F ' 6LJ ,/ = 0..JF*//
r a [ 0,pDiflmg[i]<T 其中， pBinImg[i]-某點分割結(jié)果； T——分割閾值； 當所述像素點幀差結(jié)果大于設(shè)定的閾值T時，則將該點賦值為白點，即255，當該點幀差結(jié)果小于設(shè)定閾值T時，則將該點設(shè)置為黑點，即O ; 其中T的取值根據(jù)多場景測試獲得； 所述的基于卡爾曼濾波的車輛目標跟蹤步驟包括:獲得運動車輛質(zhì)心、建立運動模型、運動目標特征提取和更新狀態(tài)向量， 所述的獲得運動車輛質(zhì)心的步驟包括: 逐行逐列掃描所述目標分割結(jié)果pBinlmg，即分別橫向及縱向累加其二值化結(jié)果，當結(jié)果滿足式(3)時，即二值化累加結(jié)果由無到有，則確定有目標出現(xiàn)，記下該行位置k+Ι，作為目標的起始行位置yistart，
"I1- Σ/,所論 ％.w=o
W s,,[/]>05A =(),15...，-- — 2(3)
?=0
YjPBinImgktlIflyQ 當結(jié)果滿足式(4)時，即二值化累加結(jié)果由有到無時，則表明目標消失，記下該行位置k+Ι，即為目標的終止行yimd，同理，獲得目標起始列Xistart及目標終止列ximd， Y^pBmlmg^ijy0.pBinlmg,,_[/J = ()= (U,…3-2(4)
1-?)
YdpBinImgM{i] = 0.1=0 獲得運動車輛目標位置后，其質(zhì)心位置計算方法如下:
v _ ^iend + ^'iskift Λ —-'?2(5)
___ tend + yMan iw=xh,m^xMM(6}
]* = j?,w- 式(5)和(6)中x、y為質(zhì)心的橫坐標及縱坐標，w、h為目標外接矩形的寬度及高度； 所述的建立運動模型步驟包括: 在獲得了運動車輛目標質(zhì)心及其外接矩形的寬度和寬度后，利用式(7)建立卡爾曼濾波理論運動模型，
St = FSt-l+Wt-l


(7)
zt = Hst+vt 其中，S為系統(tǒng)狀態(tài)向量，z為系統(tǒng)的觀測向量，wt_i和vt分別為均值為0的高斯白噪聲; 假設(shè)狀態(tài)向量:
St = [xt.yt.wt，ht, vx, vy] (8) 觀測向量:
Zt = [xt, yt.wt，ht] (9) 其中，Xt和yt為運動車輛目標質(zhì)心的橫縱坐標，Wt和ht為運動目標外接矩形的長和寬，vx和Vy分別為運動車輛目標質(zhì)心和外接矩形在X軸方向和1軸方向位移的速度； 將運動車輛目標近似為做勻速運動，假設(shè)速度為Λ t，狀態(tài)轉(zhuǎn)移矩陣為
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 — 觀測矩陣為:
「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 在建立了運動模型，定義了狀態(tài)轉(zhuǎn)移矩陣F，狀態(tài)向量St和觀測矩陣H后用卡爾曼濾波方法來預測運動車輛目標點質(zhì)心和外接矩形的軌跡； 所述的運動目標特征提取步驟是選取兩幀間運動車輛目標質(zhì)心的距離函數(shù)、外接矩形的面積函數(shù)兩者共同完成對運動目標特征的提取， 第t幀的第m個運動目標的質(zhì)心到第t+Ι幀第η個運動目標的質(zhì)心的距離為:rf =和-C12) 第t幀的第m個運動目標的質(zhì)心到第t+Ι幀第i個運動目標的質(zhì)心的最大距離為: I=敘 02 + K_)2￠13) 質(zhì)心的距離函數(shù)為:
?I/ fn ,η \2 ■ /.JH ^ η \2 L(m, η) = ^ = ψ::U:皇:::土4(14)
4ne yj(χ'?' -Xttil)" + ( V* - J;.,, )~ 在對多目標跟蹤時，因為運動目標的形變很微小或者沒有，所以其外接矩形的面積也相對固定，通過對外接矩形的面積進行判斷能很好的區(qū)分前后兩幀運動物體是否為同一個，即 設(shè)第t幀的第m個運動目標外接矩形的面積與第t+Ι幀第η個運動目標外接矩形的面積差為: s = |s；"-s；+1|(15) 第t幀的第m個運動目標外接矩形的面積與第t+Ι幀第i個運動目標外接矩形面積最大差為: ‘、--=卜:-4||(16) 外接矩形面積函數(shù): C7 、S 卜 Γ _<.||r、 5( w，?) =-= 1-r(17)
卜Γ-《,I 定義如下相似度函數(shù):
G(m，n) = a L (m, η) + β S (m, η) (18) 其中α和β為權(quán)值,兩者之和為I, 當G(m，n)越小兩目標為同一物體的相似度越高； 所述的更新狀態(tài)向量步驟包括:尋找相似度函數(shù)G(m，n)的最小值進行狀態(tài)向量的更新，將下一幀中目標點的狀態(tài)向量作為卡爾曼濾波器的輸入，為預測下一幀該目標點的運動方向做準備，其中， 當?shù)趉時刻的目標a和第k+Ι時刻的目標b之間的相似度函數(shù)最小，則可確定這兩個不同時刻的目標為同一目標，第k+1時刻目標b的特征值即可作為運動模型的輸入； 所述的速度計算步驟包括獲得軌跡相關(guān)點信息、建立映射關(guān)系、速度計算和速度校正步驟， 所述的軌跡相關(guān)點信息步驟將車輛目標運動軌跡由一系列表述運動目標的運動目標外接矩形的質(zhì)心連接而成，其中， 記錄視頻各巾貞質(zhì)心點空間坐標(posit1n[i].x, posit1n[i].y)及該點對應幀號F,獲得像素坐標位置中某目標運動軌跡的距離及時間信息，通過建立像素坐標及實際坐標的映射關(guān)系表，獲得某像素點對應的實際距離，進而計算出運動目標的速度。 所述的建立映射關(guān)系步驟包括標定映射點和建立映射表步驟， 所述的標定映射點，是通過確定攝像機的位置、內(nèi)外參數(shù)和建立成像模型，來確定世界坐標系中的物體和它在圖像平面上的成像之間的對應關(guān)系， 在實際應用場景中，由于車道分割線間距離已知，因此可通過對已知點進行標定，結(jié)合攝像機成像原理，進而獲得所需映射關(guān)系； 所述的建立映射表，即 設(shè)某點在世界坐標系中的坐標為W(X，Y, Z)，由于相似三角形的比例關(guān)系可得其投影點Κχ, y)，其中 f*X f*Y χ =-, ν =--(13) f 才 f-z f為投影點與世界坐標系的交點坐標； 式(19)中包含了變量的除法運算，屬于非線性變換，當引入齊次坐標將其轉(zhuǎn)換成線性矩陣進行計算，由此得出齊次坐標矩陣如式(20)

Γχ—
V|「/ ο ο ο] Z y = 0 f 0 0 Υ(20) 10 0 10


1 在車輛速度計算過程中，不需要知道車輛的高度信息，故將式(20)簡化，得到如下的變換矩陣
—X] ^am am α02Τχ" κ γ = --ο ou α[2 U(21)
1J ^20.2.? 1 |_1 通過式(21)可獲得世界坐標系中點(Χ，Υ)的坐標表達式為
ν _ amx + aoiJ + am
J%.一 , V + %, + 1(22)
Υ - ai(iX + aiiy + ai2
, a2t)x + ?2lJ + l 將已知距離點在圖像坐標系中像素坐標及世界坐標系中的實際距離代入式(22)，求出像素距離與實際距離的映射關(guān)系，由此建立兩坐標系對應關(guān)系表，即映射表MapTable[IMAGE_SIZE]，其中IMAGE_SIZE為圖像寬度與高度的乘積，在后續(xù)計算過程中，當輸入需要查詢的目標點的像素坐標即可獲得該點對應的實際距離； 所述的速度計算步驟是將運動車輛目標軌跡中各點空間位置代入所述的映射關(guān)系表上表，獲得軌跡中各目標質(zhì)心特征點代表的實際距離，
IDisiIij-X = MapTable[posit1n[i].y * width + posit1n[i].x},x(^)
[Di1-Jil.j - MapTable[posit1n[i],y * width + posii1n[i].x],y 其中，Disi [i].x、Disi [i].y為某點橫向及縱向?qū)膶嶋H距離，MapTable即為所述建立的映射表； 在直角坐標系中，用(x，y)描述跟蹤點的空間位置，則通過運動目標跟蹤軌跡起點及終點相關(guān)信息獲取目標運動軌跡，設(shè)某目標起點為A，終點為B則可得如下信息:
—' __ΙΒ — 1Α
—.1 v(24)

?
t—FB -FA I — f 式(24)中，X及Y的值通過查找映射表獲得，F(xiàn)為某點對應的幀號，f為采樣頻率即為25中貞/s, 由式(24)獲得運動目標的運動速度 V= ^v1x + V1y(25) 所述的速度校正步驟是當在某場景中如果計算出的車速普遍偏大或普遍偏小，則可能由于映射關(guān)系在計算過程中存在偏差，最終造成車輛速度不準確，故可根據(jù)實際情況對測得的速度進行校正，即 V= φ? + V2r + Δν(26 ) Δ V為車速實際差。
2.如權(quán)利要求1所述的基于目標運動軌跡的車輛速度檢測方法，其特征在于，所述的卡爾曼濾波方法的具體步驟如下: (1)起始跟蹤 a.初始化所有設(shè)置，掃描圖像確定所有運動目標，并為每個目標建立跟蹤窗口； b.如果當前圖像不是起始幀，對沒有對應跟蹤窗口的目標認定為新出現(xiàn)的目標，并建立跟蹤窗口進行跟蹤； (2)目標軌跡關(guān)聯(lián) a.預測運動區(qū)域:在輸入目標的狀態(tài)向量后，啟動卡爾曼濾波，對目標可能的運動區(qū)域進行預測； b.計算相似度函數(shù):在區(qū)域內(nèi)將相似度函數(shù)最小的目標作為上一幀目標的延續(xù)； c.精確判斷:計算兩待定目標的質(zhì)心距離d和閾值λ的關(guān)系，確定待定目標是否為上一幀目標的延續(xù)； 如果d> λ，說明待定目標與上一幀運動目標非同一目標。則可能為上一幀的運動目標在該幀靜止或上一幀運動目標離開了視頻區(qū)域； 如果d〈 λ，則可以確定待定目標與上一幀目標為同一目標，可進行特征值的更新； λ取值根據(jù)實際情況，取5個像素點； (3)進入下一幀后，重復步驟(I)和(2)的處理過程，直到視頻結(jié)束。
【文檔編號】G06T7/00GK104282020SQ201410487028
【公開日】2015年1月14日 申請日期:2014年9月22日 優(yōu)先權(quán)日:2014年9月22日
【發(fā)明者】袁彬, 譚中慧, 于艷玲 申請人:中海網(wǎng)絡(luò)科技股份有限公司