專利名稱：一種基于圖像特征的車輛測速方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理和智能交通領(lǐng)域，尤其涉及基于圖像特征的車輛測速方法。
背景技術(shù)：
車輛測速是智能交通系統(tǒng)中重要的一個組成部分，它為交通監(jiān)管和管理提供了實 時交通數(shù)據(jù)，而車輛測速是在車輛檢測的基礎(chǔ)上進行的。通常有兩類車輛檢測方法侵入 式和非侵入式，前者安裝不便，比如環(huán)路線圈檢測、壓電式傳感器、磁性傳感器、氣壓路面管 等，這些設(shè)備在使用時需要直接安裝在路面上，或被埋在路面以下；后者則安裝方便，不具 有破壞性，節(jié)約成本，比如視頻圖像處理、微波雷達、紅外傳感器、超聲波檢測器等，其中采 用視頻圖像處理優(yōu)點最為突出，安裝方便且可以在現(xiàn)有監(jiān)控系統(tǒng)基礎(chǔ)上添加相應功能模塊 即可完成，大大節(jié)省開支，還具有交通監(jiān)管和交通管理功能，可為交通管理部門提供可視圖 像。基于視頻的車輛檢測方法分為兩類第一類是基于虛擬點、虛擬線、虛擬線圈的方法； 第二類是基于目標提取和跟蹤的方法，它們具有各自的優(yōu)缺點。盡管基于目標提取和跟蹤的車輛測速方法的檢測覆蓋面積大，但是其算法較為復 雜，實時性較差。而基于虛擬線圈的方法簡單有效，但一般的基于虛擬線圈的車輛測速方法 過于簡單，且對光線變化不具有魯棒性，尤其容易受陰影的影響。此外由于環(huán)境影響，實時 應用中攝像機會出現(xiàn)輕微抖動，這將會給檢測帶來較大的誤差。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的主要目的在于提供一種基于圖像特征的車輛測速方法。本發(fā) 明實現(xiàn)了通過視頻圖像處理技術(shù)獲取圖像中出現(xiàn)的車輛的行駛速度，既簡單又實時高效， 對環(huán)境變化具有很強的魯棒性。為了實現(xiàn)上述目的，本發(fā)明提供了一種基于圖像特征的車輛測速方法，包括如下 步驟A、在車道圖像上設(shè)置兩個虛擬線圈，計算所述線圈之間的真實距離，并獲得對應 大小的子圖像區(qū)域；B、對所述子圖像區(qū)域進行圖像處理分析，捕獲車輛經(jīng)過所述兩個線圈時的信號并 得到時間；C、通過所述信號和時間，以及所述真實距離，計算出所述車輛的行駛速度。所述步驟A包括Al、采集車道的實時圖像；A2、在獲取的所述包含有車道的圖像上，根據(jù)所述車道設(shè)置兩個虛擬線圈；A3、將所述圖像坐標轉(zhuǎn)換到真實世界坐標，從而計算出所述兩個線圈之間的真實 距離；A4、根據(jù)所述虛擬線圈在所述原始圖像上的圖像坐標位置，截取對應位置的圖像 區(qū)域生成子圖像，從而完成了對原始圖像的降采樣，簡化后續(xù)處理。
所述步驟B包括Bi、計算當前獲取的所述子圖像區(qū)域的圖像特征信息，得到特征圖像；B2、將所述特征圖像與預先建立的圖像特征背景模型進行像素級和塊級減除操 作，并根據(jù)判定準則綜合所述兩類減除操作的結(jié)果得到新的圖像特征差分圖像；B3、對所述圖像特征背景模型進行更新；B4、對所述前景圖像的圖像特征進行統(tǒng)計，判斷其是否滿足車輛進入所述虛擬線 圈的條件，若滿足則輸出車輛進入線圈的信號并記錄下當前時間。其中，步驟B2中所述建立圖像特征背景模型的步驟包括獲取一序列圖像幀數(shù)據(jù)，計算其所對應的圖像特征信息；以所述特征信息作為圖像處理基本單元建立和初始化統(tǒng)計模型，從而得到基于圖 像特征的背景參考圖像。其中，步驟B2中所述的將特征圖像與圖像特征背景模型進行塊級減除操作的步 驟包括對所述的特征圖像和圖像特征背景模型分別進行如下操作以某個像素點為中 心，對其領(lǐng)域范圍內(nèi)的像素點的值進行累加統(tǒng)計，將所述統(tǒng)計值作為所述當前像素點的值， 以此類推，直到遍歷完整張圖像，從而生成新的特征圖像；將所述生成的兩張?zhí)卣鲌D像進行減除操作，得到差分圖像。其中，步驟B2中所述的根據(jù)判定準則綜合所述兩類減除操作的結(jié)果得到新的圖 像特征差分圖像的步驟包括首先取出所述像素級操作得到的差分圖像中的某個像素；然后取出對應于所述像素位置上的所述塊級操作得到的差分圖像中的像素；對所述兩個具有相同位置的像素點作如下判斷若所述像素級差分圖像的像素點 的值不為空，且所述塊級差分圖像的像素點的值為空時，則將所述新的圖像特征差分圖像 上對應像素位置上的值置為非空，最后遍歷完整張所述圖像后得到一張新的差分圖像。其中，步驟B4中所述判斷是否滿足車輛進入虛擬線圈的條件的步驟包括對所述前景圖像特征信息進行統(tǒng)計，得到關(guān)于該前景圖像的特征描述；若該特征描述滿足判斷一個圖像區(qū)域是否發(fā)生變化的條件，則此時表明所述線圈 對應的圖像區(qū)域發(fā)生了變化，并對該變化進行計數(shù)；判斷所述計數(shù)次數(shù)是否滿足了所述車輛進入線圈時的閾值條件，若滿足則判斷所 述圖像區(qū)域的變化為車輛進入線圈中引起的，則輸出車輛進入線圈的信號并記錄下當前時 間。所述步驟C包括 Cl、判斷所述第二個虛擬線圈是否產(chǎn)生信號，若是則繼續(xù)C2步驟；C2、判斷所述第一個虛擬線圈是否已經(jīng)產(chǎn)生信號，若是則將所述兩個信號標記為 所述車輛經(jīng)過所述兩個線圈時分別產(chǎn)生的信號，否則無效；C3、根據(jù)所述兩個信號對應的時間得到所述車輛經(jīng)過所述兩個線圈時的時間差；C4、根據(jù)所述步驟A中求得的所述兩線圈之間的真實距離，通過速度計算公式計 算得到所述車輛的行駛速度。本發(fā)明的有益效果是
本發(fā)明所提出的一種基于圖像特征的車輛測速方法，通過視頻圖像處理技術(shù)獲取 圖像中出現(xiàn)的車輛的行駛速度，既簡單又實時高效，對光照變化和攝像機輕微抖動具有很 強的魯棒性，能夠有效地抑制陰影對檢測的影響。


圖1為本發(fā)明基于圖像特征的車輛測速方法的一種實施例的流程圖；圖2為圖1中圖像預處理模塊的一種實施例的流程圖；圖3為本發(fā)明設(shè)置虛擬線圈的一種實施例的示意圖；圖4為圖1中車輛捕獲模塊的一種實施例的流程圖；圖5為圖4中塊級邊緣特征背景減除的一種實施例的流程圖； 圖6為圖1中車速計算模塊的一種實施例的流程圖。
具體實施例方式下面通過具體實施方式
結(jié)合附圖對本發(fā)明作進一步詳細說明。請參考圖1，一種基于圖像特征的車輛測速方法包括步驟Si、圖像預處理模塊，即在車道圖像上設(shè)置兩個虛擬線圈，計算所述線圈之間的真 實距離，并獲得對應大小的子圖像區(qū)域；S2、車輛捕獲模塊，即對所述子圖像區(qū)域進行圖像處理分析，捕獲車輛經(jīng)過所述兩 個線圈時的信號并得到時間；S3、車速計算模塊，即通過所述信號和時間，以及所述真實距離，計算出所述車輛 的行駛速度。請參考圖2，在本發(fā)明的一種實施例中，步驟Sl包括步驟S11、設(shè)置虛擬線圈A和B。在本實施例中，所述虛擬線圈采用矩形形狀，如圖3所 示，當然也可采用其他不規(guī)則形狀；S12、計算兩線圈之間的真實距離，首先獲取所述線圈在圖像上的像素坐標，然后 將其轉(zhuǎn)換到世界坐標系中，繼而獲取所述兩線圈對應位置上的某點的真實坐標，從而計算 出所述兩線圈之間的真實距離；S13、根據(jù)所述虛擬線圈在所述原始圖像上的圖像坐標位置，截取對應位置的圖像 區(qū)域生成子圖像，從而完成了對原始圖像的降采樣，簡化后續(xù)處理。S14、輸出所述子圖像數(shù)據(jù)。請參考圖4，在本發(fā)明的一種實施例中，步驟S2包括步驟S21、計算子圖像的邊緣特征，得到其邊緣特征圖像；S22、對所述邊緣特征圖像進行二值化和去噪處理；S23、將所述子圖像的邊緣特征圖像與邊緣特征背景模型進行像素級的圖像減除 操作，從而獲取邊緣特征差分圖像。所述像素級操作指的是以單個像素作為基本處理單 元；S24、將所述子圖像的邊緣特征圖像與邊緣特征背景模型進行塊級的圖像減除操 作，從而獲取邊緣特征差分圖像；請參考圖5，在本實施例中，所述的將特征圖像與圖像特征背景模型進行塊級減除操作包括步驟S241、根據(jù)所述子圖像的邊緣特征圖像，生成新的邊緣特征圖像。在本實施例中， 采用如下方法以某個像素點為中心，對其領(lǐng)域范圍內(nèi)的像素點的值進行累加統(tǒng)計，將所述 統(tǒng)計值作為所述當前像素點的值，以此類推，直到遍歷完整張圖像，從而生成新的邊緣特征 圖像。在本實施例中，所述領(lǐng)域采用長寬都為3個像素大小的矩形，當然也可以采用不同尺 寸和形狀的領(lǐng)域；所述邊緣特征圖像的像素值只有兩種1或0，當然也可以采用其他值；S242、根據(jù)所述邊緣特征背景參考圖像，生成新的邊緣特征背景參考圖像。在本 實施例中，采用如下方法以某個像素點為中心，對其領(lǐng)域范圍內(nèi)的像素點的值進行累加統(tǒng) 計， 將所述統(tǒng)計值作為所述當前像素點的值，以此類推，直到遍歷完整張圖像，從而生成新 的邊緣特征背景參考圖像。其中，所述領(lǐng)域類型和大小保持與步驟S241采用的領(lǐng)域一致。 在本實施例中，所述邊緣特征背景參考圖像的像素值只有兩種1或0，當然也可以采用其 他值；S243、將所述生成的兩張邊緣特征圖像進行減除操作，得到差分圖像；S244、對所述差分圖像進行圖像二值化和去噪處理；S245、輸出經(jīng)步驟S244處理后的邊緣特征差分圖像。S25、根據(jù)步驟S23和步驟S24分別得到的差分圖像，進行攝緣機輕微抖動消除處 理，包括步驟首先取出步驟S23得到的差分圖像中的某個像素；然后取出對應于所述像素位置上的步驟S24中得到的差分圖像中的像素；對所述兩個像素點作如下判斷若所述像素級差分圖像的像素點的值不為空，且 所述塊級差分圖像的像素點的值為空時，則將所述新的圖像特征差分圖像上對應像素位置 上的值置為非空，最后遍歷完整張所述圖像后得到一張新的差分圖像。在本實施例中，像素 值為1表示不為空，0表示空。S26、根據(jù)當前獲得的所述二值差分圖像的幀信息，對已建立的邊緣特征圖像背景 模型進行更新。在本實施例中，所述更新方法可以采用移動平均方法，當然也可以采用平均 值或中值方法；S27、統(tǒng)計特征圖像前景點的個數(shù)的總數(shù)，所述前景點在本實施例中可以設(shè)為值為 1的像素點，當然也可采用其他值。S28、判斷獲得的所述前景點的總數(shù)是否大于設(shè)定閾值Tl，如是則執(zhí)行步驟S29， 否則執(zhí)行步驟S210。在本實施例中，此閾值Tl為一百分比，即前景點總數(shù)與所述線圈中像 素點總數(shù)的比例。其中閾值Tl可以根據(jù)經(jīng)驗設(shè)置。S29、將當前所述線圈對應的車輛進入其中的置信度CAR IN增加1 ；S210、將當前所述線圈對應的車輛進入其中的置信度CAR IN減少1 ；S211、判斷所述線圈對應的置信度CAR IN是否大于設(shè)定閾值T2，如是則執(zhí)行步驟 S212。其中閾值T2可以根據(jù)經(jīng)驗設(shè)置。S212、輸出車輛進入該線圈的信號，并記錄當前時間Time。請參考圖6，在本發(fā)明的一種實施例中，步驟S3包括步驟S31、判斷所述第二個虛擬線圈B是否有信號產(chǎn)生，若是則繼續(xù)執(zhí)行步驟S32 ；S32、判斷所述第一個虛擬線圈A是否有信號產(chǎn)生，若是則繼續(xù)執(zhí)行步驟S33 ；
S33、獲取所述兩個信號所對應的時間Time，從而得到所述車輛經(jīng)過所述兩個線圈 時的時間差；S34、獲取所述兩個線圈之間的真實距離；S35、根據(jù)所述距離和時間差，通過速度計算公式求得到所述車輛的行駛速度。S36、輸出所述車輛的行駛速度。 以上內(nèi)容是結(jié)合具體的實施方式對本發(fā)明所作的進一步詳細說明，不能認定本發(fā) 明的具體實施只局限于這些說明。對于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫 離本發(fā)明構(gòu)思的前提下，還可以做出若干簡單推演或替換，都應當視為屬于本發(fā)明的保護 范圍。
權(quán)利要求
1.一種基于圖像特征的車輛測速方法，其特征在于，包括步驟A、在車道圖像上設(shè)置兩個虛擬線圈，計算所述線圈之間的真實距離，并獲得對應大小 的子圖像區(qū)域；B、對所述子圖像區(qū)域進行圖像處理分析，捕獲車輛經(jīng)過所述兩個線圈時的信號并得到 時間；C、通過所述信號和時間，以及所述真實距離，計算出所述車輛的行駛速度。
2.如權(quán)利要求1所述的方法，其特征在于，所述步驟A包括在獲取的包含有車道的圖像上，根據(jù)所述車道設(shè)置兩個虛擬線圈； 通過圖像坐標與真實世界坐標之間的標定與轉(zhuǎn)換計算得到所述兩個線圈之間的真實 距離；截取對應所述線圈的圖像坐標位置的圖像區(qū)域，生成子圖像，從而完成了對原始圖像 的降采樣。
3.如權(quán)利要求1所述的方法，其特征在于，所述步驟B包括 計算當前獲取的子圖像區(qū)域的圖像特征信息，得到特征圖像；將所述特征圖像與預先建立的圖像特征背景模型進行像素級和塊級減除操作，并根據(jù) 判定準則綜合所述兩類減除操作的結(jié)果得到新的圖像特征差分圖像； 使用所述前景圖像對所述圖像特征背景模型進行更新；對所述前景圖像的圖像特征進行統(tǒng)計，判斷其是否滿足車輛進入所述虛擬線圈的條 件，若滿足則輸出車輛進入線圈的信號并記錄下當前時間。
4.如權(quán)利要求3所述的方法，其特征在于，所述的圖像特征背景模型的初始化與建立 包括獲取一序列圖像幀數(shù)據(jù)，計算其所對應的圖像特征信息，以所述特征信息作為圖像處 理基本單元建立和初始化統(tǒng)計模型，從而得到基于圖像特征的背景參考圖像。
5.如權(quán)利要求3所述的方法，其特征在于，所述的將特征圖像與圖像特征背景模型進 行塊級減除操作包括對所述的特征圖像和圖像特征背景模型分別進行如下操作以某個像素點為中心，對 其領(lǐng)域范圍內(nèi)的像素點的值進行累加統(tǒng)計，將所述統(tǒng)計值作為所述當前像素點的值，以此 類推，直到遍歷完整張圖像，從而生成新的特征圖像；將所述生成的兩張?zhí)卣鲌D像進行減除操作，得到差分圖像。
6.如權(quán)利要求3所述的方法，其特征在于，所述的根據(jù)判定準則綜合所述兩類減除操 作的結(jié)果得到新的圖像特征差分圖像包括首先取出所述像素級操作得到的差分圖像中的某個像素； 然后取出對應于所述像素位置上的所述塊級操作得到的差分圖像中的像素； 對所述兩個具有相同位置的像素點作如下判斷若所述像素級差分圖像的像素點的值 不為空，且所述塊級差分圖像的像素點的值為空時，則將所述新的圖像特征差分圖像上對 應像素位置上的值置為非空，最后遍歷完整張所述圖像后得到一張新的差分圖像。
7.如權(quán)利要求3所述的方法，其特征在于，所述判斷是否滿足車輛進入所述虛擬線圈的條件包括對所述前景圖像特征信息進行統(tǒng)計，得到關(guān)于該前景圖像的特征描述； 若該特征描述滿足判斷一個圖像區(qū)域是否發(fā)生變化的條件，則此時表明所述線圈對應的圖像區(qū)域發(fā)生了變化，并對該變化進行計數(shù)；判斷所述計數(shù)次數(shù)是否滿足了所述車輛進入線圈時的閾值條件，若滿足則判斷所述圖 像區(qū)域的變化為車輛進入線圈中引起的，則輸出車輛進入線圈的信號并記錄下當前時間。
8.如權(quán)利要求1所述的方法，其特征在于，所述步驟C包括 當所述第二個虛擬線圈產(chǎn)生信號時，判斷所述第一個虛擬線圈是否已經(jīng)輸出過信號， 若是則將所述兩個信號標記為所述車輛經(jīng)過所述兩個線圈時分別產(chǎn)生的信號，否則無效； 根據(jù)所述兩個信號對應的時間得到所述車輛經(jīng)過所述兩個線圈時的時間差； 進一步，根據(jù)所述步驟A中求得的所述兩線圈之間的真實距離，通過速度計算公式計 算得到所述車輛的行駛速度。
全文摘要
本發(fā)明公開了一種基于視頻序列的車輛測速方法，該方法通過在車道正上方安裝固定攝像頭獲取車道圖像信息，并在該車道圖像上設(shè)置兩個虛擬線圈A和B，通過連續(xù)多幀檢測線圈內(nèi)的圖像特征信息變化來捕獲車輛是否已駛?cè)刖€圈中，當滿足設(shè)定閾值條件后輸出信號并記錄下時間，從而通過獲取車輛駛?cè)刖€圈A和B的時間差和兩線圈之間的真實距離計算得到車輛的行駛速度。本發(fā)明對于車輛測速簡單而實時高效，對實時環(huán)境中的光照條件變化和攝像機輕微抖動具有很強的魯棒性，能夠有效地抑制陰影對檢測的影響。
文檔編號G01P3/64GK102136196SQ20111005791
公開日2011年7月27日 申請日期2011年3月10日 優(yōu)先權(quán)日2011年3月10日
發(fā)明者張和元, 方偉, 羅衛(wèi), 袁譽樂, 趙勇 申請人:北京大學深圳研究生院