一種面向區域重疊的高速公路視頻測速方法及系統的製作方法
2023-05-02 07:42:11 1
一種面向區域重疊的高速公路視頻測速方法及系統的製作方法
【專利摘要】本發明提供了一種面向區域重疊的高速公路視頻測速方法及系統。在車輛提取追蹤過程中，本發明針對運動區域採用了對區域重疊的魯棒性更強的算法進行特徵參數提取和模板匹配；從而，視區域重疊的程度不同，在重疊程度未超過一定限度時能夠成功在重疊區域中實現特定目標車輛的識別；本發明還根據重疊程度自適應地採用相對應的追蹤方式。本發明能夠在測速視頻畫面序列的各幀畫面中連續地發現特定目標車輛所在區域，特別是當特定目標車輛處於重疊區域的情況也能夠實現識別，從而確定代表該特定目標車輛的像素位置，進而實現視頻畫面坐標系中的運動速度計算。
【專利說明】一種面向區域重疊的高速公路視頻測速方法及系統
【技術領域】
[0001] 本發明涉及高速公路測速【技術領域】，更具體地，涉及一種面向區域重疊的高速公 路視頻測速方法及系統。
【背景技術】
[0002] 傳統的高速公路超速監測採用地感線圈測速，雷射測速和雷達測速。以上三種測 速方法均有各自的不足之處。地感線圈測速是在公路地面預先埋設一對具有車輛通過感應 能力的線圈，記錄目標車輛相繼通過兩個線圈的時間，進而根據時間差與線圈間距計算出 速。但是地感線圈的安裝會破壞高速公路的路面，而且對於沿非直線軌跡行駛的車輛測速 精度較低。雷射測速利用雷射脈衝對駛來車輛多次進行測距，進而計算車速。但雷射測速 要求儀器正對來車，與車輛行駛方向的偏差角度不能超過10度，安裝位置條件比較苛刻， 而且對於在測速區內行駛軌跡變化的車輛同樣存在測量誤差大的問題。雷達測速是利用多 普勒原理進行測速，但是與雷射測速類似，同樣存在與車輛行駛方向的偏差角度要保持在 10度以內的問題，給其適用範圍帶來很大的局限性。
[0003] 隨著高速攝像和圖像處理識別技術的進步，可以從高速公路監控攝像機拍攝的各 幀視頻畫面中定位目標車輛，並根據其行駛軌跡以及各幀視頻畫面的拍攝時間計算車速。 基於這一原理的高速公路測速技術被稱之為視頻測速。相比上面介紹的傳統測速技術，視 頻測速以下幾個方面能夠表現出明顯的優勢。首先，只需要具有較高解析度的高速攝像機 即可以實現高速公路及相關車輛畫面的拍攝，信號採集過程和設備均得到簡化，對高速公 路的路面和其它設施沒有不利影響，易於改造施工；其次，相比於雷達和雷射測速對於偏差 角度的敏感性來說，視頻測速對於拍攝角度的要求非常寬鬆；第三，通過對視頻測速相關算 法的改進，對於車輛行駛軌跡的適應性大大提高，對於車輛變道甚至轉彎行駛的情況也能 夠實現準確測速；第四，不論是地感線圈、雷射還是雷達測速，都必須附加攝像以便識別車 牌和取證，而視頻測速可以將測速、車牌識別、記錄取證等步驟集中完成，系統的集成化和 反應速度得到了很大提升。
[0004] 視頻測速技術的核心在於對視頻畫面的處理、識別和分析計算，因此其算法決定 了整個系統的精確性和實時性。視頻測速算法的基礎是視頻畫面中特定目標車輛的識別抽 取，目標是將視頻畫面中代表特定目標車輛的部分識別抽取出來而區別於視頻畫面中的其 餘部分。特定目標車輛識別抽取方法包括光流法、幀間差分法、背景差分法、車燈區域定位 法、車牌定位法等。對於所抽取的表示特定目標車輛的部分，還要進行必要的處理而去除陰 影等雜質。
[0005] 在此基礎上，對特定目標車輛執行測速的算法可分為虛擬線圈法和定位追蹤法兩 種類型。
[0006] 虛擬線圈法是將視頻畫面預定區域設定為虛擬線圈，作為虛擬線圈的畫面區域對 應高速公路當中的某一位置，當車輛通過高速公路的所述位置時，會引起視頻畫面中虛擬 線圈處的圖像信號變化，這被稱為觸發虛擬線圈。兩個虛擬線圈對應的公路位置之間的真 實間距L可以通過實地測量或者計算而事先獲得。因而，通過所述特定目標車輛觸發兩個 虛擬線圈的時間差At，可以計算該特定目標車輛的車速V=L/At;其中，At通常用確 定該特定目標車輛觸發各虛擬線圈的前、後兩個視頻畫面的幀間差來表示。虛擬線圈法的 算法更為簡單、運行速度更快、在實際應用中也更為普遍。不過虛擬線圈法的一個基本前提 是假設目標車輛在前、後兩個虛擬線圈之間是沿著公路延伸方向直線行駛的，這樣才能用 所述間距L來代表車輛的行駛距離。而事實上，車輛的行駛路徑不可能是直線，甚至存在車 輛在兩個虛擬線圈之間的區域進行變道的可能，而這種情況下虛擬線圈法的測量準確性就 會大大降低。換句話說，虛擬線圈法不適合複雜行駛軌跡下的車輛測速。所述複雜行駛軌 跡下的車輛測速還包括面向轉彎路段進行測速的情況，因為在轉彎路段當中各個車輛的行 駛軌跡是非常不一致的，難於設定一個標準的間距L來代表行駛距離。
[0007] 相比虛擬線圈法，定位追蹤法測速對特定目標車輛的追蹤過程可以持續更長的時 間和距離，而且是面向實際軌跡的測量，其精確度更高，對於複雜行駛軌跡也具有良好的適 應性。
[0008] 定位追蹤法在連續若干幀視頻畫面中識別和定位同一個特定目標車輛區域，在保 證攝像機的位置和角度不發生變化的前提下，將該特定目標車輛區域在兩幀視頻畫面所處 的位置進行比較，判斷二者在視頻畫面坐標系下的距離（一般以像素數來表示），由於拍攝 兩幀畫面的時間是已知的則能夠容易地計算該特定目標車輛在視頻畫面坐標系中的運動 速度，進而換算車輛的實際速度。定位追蹤法從大的方面劃分，可以分為攝像機標定以及特 定目標車輛的提取和追蹤兩個步驟。攝像機標定是建立視頻畫面坐標系與現實空間坐標系 之間的映射關係，以便進行從視頻畫面坐標系中的運動速度到現實空間中的實際速度的推 算。車輛提取的目標是將視頻畫面中表示運動車輛區域從背景當中分離出來，並且去掉陰 影以及非車輛運動物體等幹擾信息。車輛追蹤提取運動車輛區域的特徵參數，利用特徵參 數在每一幀畫面中識別出特定目標車輛並確定該特定目標車輛的坐標，運動車輛區域的輪 廓形狀等可以轉化為所述特徵參數；進而，將視頻畫面序列的不同幀中同一個特定目標車 輛關聯起來，得到該特定目標車輛的運動軌跡，跟蹤運動軌跡來計算其在視頻畫面坐標系 中的運動速度。
[0009] 當高速公路的拍攝測速區段中同時存在若干個運動車輛時，相應地，視頻畫面中 則會出現若干個運動車輛區域。由於視頻畫面是三維現實空間的二維投影，因此在現實空 間中並沒有接觸的車輛，在視頻畫面中可能會出現區域重疊的情形。例如，如圖1所示的測 速視頻畫面序列當中，在圖IA的視頻畫面中轎車對應的運動車輛區域Cl與廂式貨車對應 的運動車輛區域C2彼此分離；而在圖IB中二者發生部分重疊，運動車輛區域Cl的一部分 在視頻畫面中因與運動車輛區域C2重疊已不可見；在圖IC中，運動車輛區域Cl的較大部 分已經與運動車輛區域C2重疊而不可見，造成其輪廓等外觀特徵發生明顯的改變。
[0010] 區域重疊會造成車輛目標的錯誤識別甚至目標丟失，如何克服區域重疊是現有技 術中的一個難題。如果單純以表示輪廓的特徵參數進行特定目標車輛的識別和追蹤，在圖 IB和圖IC的視頻畫面中對轎車和廂式貨車的識別都會發生問題。現有技術中通過增強識 別算法的容錯能力，例如採用輪廓信息與車輛顏色和紋理信息相協同的特徵識別算法、改 進特徵匹配判斷標準等手段，基本能夠在圖IB和圖IC所示的情況中實現對位於前景的廂 式貨車的識別追蹤。但是，對於圖IB和圖IC中的轎車，特別面對圖IC中運動車輛區域Cl 的較大部分不可見的嚴重重疊情況，現有技術則完全無法實現識別追蹤，這就會造成對轎 車進行軌跡追蹤時不得不放棄存在區域重疊的若干個視頻幀，所產生的中斷會使對轎車測 速的誤差增大甚至失敗。因此，在實際應用中，特別是將採用定位追蹤法的視頻測速系統應 用於繁忙路段時，會因區域重疊情況的頻繁發生而顯著降低系統的可用性。
【發明內容】
[0011] 針對現有技術中的上述缺陷，本發明提供了一種面向區域重疊的高速公路視頻測 速方法及系統。在車輛提取追蹤過程中，本發明針對運動區域採用了對區域重疊的魯棒性 更強的算法進行特徵參數提取和模板匹配；從而，視區域重疊的程度不同，在重疊程度未超 過一定限度時能夠成功在重疊區域中實現特定目標車輛的識別；本發明還根據重疊程度自 適應地採用相對應的追蹤方式。本發明能夠在測速視頻畫面序列的各幀畫面中連續地發現 特定目標車輛所在區域，特別是當特定目標車輛處於重疊區域的情況也能夠實現識別，從 而確定代表該特定目標車輛的像素位置，進而實現視頻畫面坐標系中的運動速度計算。
[0012] 本發明所述面向區域重疊的高速公路視頻測速方法，其特徵在於，包括以下步 驟：
[0013] 攝像機標定步驟，建立視頻畫面坐標系與現實空間坐標系之間的映射關係，求解 在視頻畫面坐標系與現實空間坐標系之間進行轉換的參數矩陣；
[0014] 運動車輛區域提取步驟，通過拍攝高速公路的檢測段獲得視頻畫面序列，將其中 每一幀視頻畫面與背景模型進行差分運算，通過判斷像素值變化幅度是否大於閾值提取視 頻畫面中的運動區域，並且利用預定的區域過濾條件去除幹擾，獲得運動車輛區域；
[0015] 特定目標車輛識別步驟，識別運動車輛區域的特徵參數序列，並且將所述特徵參 數序列與至少一個表示特定目標車輛的識別模板進行匹配計算；如果該運動車輛區域與其 中一個識別模板匹配成功，則確定所述運動車輛區域屬於所述識別模板表示的特定目標車 輛；在每一幀視頻畫面中針對至少一個特定目標車輛分別確定屬於各特定目標車輛的運動 車輛區域；
[0016] 特定目標車輛追蹤步驟，將所述視頻畫面序列的各幀中屬於同一個特定目標車輛 的運動車輛區域相關聯，獲得所述同一個特定目標車輛的運動軌跡；根據運動軌跡計算視 頻畫面坐標系中的運動速度，並根據所述參數矩陣計算實際車速；
[0017] 其中，在所述特定目標車輛識別步驟中，如果存在至少一個運動車輛區域的特徵 參數序列與任何一個識別模板均不能匹配成功，則確定該運動車輛區域為重疊區域，並執 行面向區域重疊狀態的分支處理方法，所述分支處理方法具體包括：
[0018] 反向預測步驟，調用一幀在先視頻畫面，並且在該在先視頻畫面中確定搜索區域， 提取位於搜索區域內的運動車輛區域作為備選項，並調用各備選項所屬於的特定目標車輛 的識別模板，作為備選識別模板；
[0019] 局部識別步驟，設定比較窗口，利用所述比較窗口從所述重疊區域中選取局部區 域，計算該局部區域的特徵參數序列；以所述局部區域的特徵參數序列與備選識別模板執 行匹配計算；在匹配不成功的情況下，通過平移所述比較窗口而選取下一個局部區域並計 算其特徵參數序列，並繼續與備選識別模板執行匹配計算，直至匹配成功；在局部區域與一 個備選識別模板匹配成功之後，通過微調所述比較窗口的位置，確定與該備選識別模板最 為匹配的局部區域，將最為匹配的局部區域識別為屬於與該備選識別模板對應的特定目標 車輛；在對全部備選識別模板都執行了局部識別步驟之後，繼續執行預測識別步驟；
[0020] 預測識別步驟，判斷經特定目標車輛識別步驟和局部識別步驟之後，對於從在先 幀視頻畫面中識別出來的特定目標車輛，是否均已在當前幀視頻畫面中識別到了其運動車 輛區域或局部區域；如果存在仍未識別出運動車輛區域或局部區域的特定目標車輛，確定 在所述在先幀視頻畫面中屬於該特定目標車輛的運動車輛區域的位置坐標，並基於該位置 坐標在當前幀視頻畫面中確定一有效區域；判斷在所述有效區域內是否存在重疊區域；如 果存在重疊區域，計算重疊區域的面積是否符合預定面積條件；在符合預定面積條件的情 況下，將該重疊區域識別為屬於所述特定目標車輛。
[0021] 優選的是，在所述特定目標車輛識別步驟和局部識別步驟中，針對所述運動車輛 區域或局部區域按固定像素寬度分割的n個條帶，所述運動車輛區域或局部區域在各條帶 覆蓋範圍內形成n個運動車輛子區域或局部子區域；分別計算各運動車輛子區域或局部子 區域的最小外接矩的面積值，並且分別計算各運動車輛子區域或局部子區域的像素平均亮 度值；利用各運動車輛子區域或局部子區域的面積值和像素平均亮度值構成該運動車輛區 域或局部子區域的特徵參數序列，所述特徵參數序列具有分別對應於各運動車輛子區域或 局部區域的n個面積值和n個像素平均亮度值；並且
[0022] 在所述特定目標車輛識別步驟和局部識別步驟中，所述表示特定目標車輛的識別 模板是由n個面積值和n個亮度值組成的特徵序列；特徵參數序列與識別模板的匹配計算 為：分別求特徵參數序列中第i個面積值與識別模板的第i個面積值之間的面積絕對差值， 計算n個面積絕對差值的面積差總和；分別求特徵參數序列中第i個像素平均亮度值與識 別模板的第i個亮度值之間的亮度絕對差值，計算n個亮度絕對差值的亮度差總和；將所述 面積差總和與所述亮度差總和分別乘以權重因數後相加，獲得匹配計算結果；如果匹配計 算結果大於匹配閾值，則確定匹配成功；其中i= 1至n。
[0023] 優選的是，所述特定目標車輛識別步驟中，將所述運動車輛區域分割為n個條帶 的步驟具體包括：求運動車輛區域的最小外接矩；從所述最小外接矩的一條邊出發，以固 定像素寬度分割第1至n-1個條帶；將最小外接矩除第1至n-1個條帶以外的剩餘部分作 為第n個條帶。
[0024] 優選的是，在特定目標車輛識別步驟中，如果運動車輛區域與一個識別模板匹配 成功，則用該運動車輛區域的特徵參數序列更新該識別模板。
[0025] 優選的是，在特定目標車輛識別步驟中，按照以下方法獲得表示特定目標車輛的 識別模板：拍攝高速公路的進入區的視頻畫面序列；提取該視頻畫面序列的每一幀視頻畫 面中的運動車輛區域，並過濾其中反映完整單個車輛的運動車輛區域；提取反映完整單個 車輛的運動車輛區域的特徵參數序列；將所述特徵參數序列與已建立的識別模板進行匹配 計算；如果與一個識別模板匹配成功，利用所述特徵參數序列更新該識別模板；如果所述 特徵參數序列不能與任何一個已建立的識別模板匹配成功，則基於該特徵參數序列新建一 個識別模板。
[0026] 優選的是，所述局部識別步驟中，如果一個備選識別模板是由n個面積值和n個亮 度值組成的特徵序列，並且所述重疊區域以固定像素寬度分割為m個條帶；則確定比較窗 口為n個條帶，選取重疊區域中連續的n個條帶作為所述局部區域。
[0027] 優選的是，所述局部識別步驟中，設置初步匹配閾值；如果局部區域與備選識別模 板執行匹配計算的結果值小於或等於所述初步匹配閾值，則認為匹配成功；如果結果值大 於所述初步匹配閾值，則將所述比較窗口平移一個條帶。
[0028] 優選的是，所述局部識別步驟中，在局部區域與一個備選識別模板匹配成功之後， 將所述比較窗口以每次移動一個像素寬度的幅度進行平移從而提取新的局部區域，每次平 移後計算新的局部區域的特徵參數序列，並與備選識別模板的特徵序列執行匹配計算；取 得匹配計算當中最小計算結果的局部區域識別為屬於所述備選識別模板對應的特定目標 車輛。
[0029] 優選的是，預測識別步驟中，對於所述有效區域內存在的重疊區域，以該重疊區域 的最小外接矩總面積減去該重疊區域的已識別面積，所述已識別面積是該重疊區域中已被 識別屬於至少一個特定目標車輛的局部區域的最小外接矩面積；如果剩餘面積大於閾值， 則確定符合預定面積條件。
[0030] 本發明進而提供一種面向區域重疊的高速公路視頻測速系統，其特徵在於，包 括：
[0031] 攝像機標定模塊，用於建立視頻畫面坐標系與現實空間坐標系之間的映射關係， 求解在視頻畫面坐標系與現實空間坐標系之間進行轉換的參數矩陣；
[0032] 運動車輛區域提取模塊，用於通過拍攝高速公路的檢測段獲得視頻畫面序列，將 其中每一幀視頻畫面與背景模型進行差分運算，通過判斷像素值變化幅度是否大於閾值提 取視頻畫面中的運動區域，並且利用預定的區域過濾條件去除幹擾，獲得運動車輛區域；
[0033] 特定目標車輛識別模塊，用於識別運動車輛區域的特徵參數序列，並且將所述特 徵參數序列與至少一個表示特定目標車輛的識別模板進行匹配計算；如果該運動車輛區域 與其中一個識別模板匹配成功，則確定所述運動車輛區域屬於所述識別模板表示的特定目 標車輛；在每一幀視頻畫面中針對至少一個特定目標車輛分別確定屬於各特定目標車輛的 運動車輛區域；
[0034]特定目標車輛追蹤模塊，用於將所述視頻畫面序列的各幀中屬於同一個特定目標 車輛的運動車輛區域相關聯，獲得所述同一個特定目標車輛的運動軌跡；根據運動軌跡計 算視頻畫面坐標系中的運動速度，並根據所述參數矩陣計算實際車速；
[0035] 反向預測模塊，用於調用一幀在先視頻畫面，並且在該在先視頻畫面中確定搜索 區域，提取位於搜索區域內的運動車輛區域作為備選項，並調用各備選項所屬於的特定目 標車輛的識別模板，作為備選識別模板；
[0036] 局部識別模塊，用於設定比較窗口，利用所述比較窗口從所述重疊區域中選取局 部區域，計算該局部區域的特徵參數序列；以所述局部區域的特徵參數序列與備選識別模 板執行匹配計算；在匹配不成功的情況下，通過平移所述比較窗口而選取下一個局部區域 並計算其特徵參數序列，並繼續與備選識別模板執行匹配計算，直至匹配成功；在局部區域 與一個備選識別模板匹配成功之後，通過微調所述比較窗口的位置，確定與該備選識別模 板最為匹配的局部區域，將最為匹配的局部區域識別為屬於與該備選識別模板對應的特定 目標車輛；
[0037]預測識別模塊，用於判斷經特定目標車輛識別模塊和局部識別模塊運算之後，對 於從在先幀視頻畫面中識別出來的特定目標車輛，是否均已在當前幀視頻畫面中識別到了 其運動車輛區域或局部區域；如果存在仍未識別出運動車輛區域或局部區域的特定目標車 輛，確定在所述在先幀視頻畫面中屬於該特定目標車輛的運動車輛區域的位置坐標，並基 於該位置坐標在當前幀視頻畫面中確定一有效區域；判斷在所述有效區域內是否存在重疊 區域；如果存在重疊區域，計算重疊區域的面積是否符合預定面積條件；在符合預定面積 條件的情況下，將該重疊區域識別為屬於所述特定目標車輛；
[0038] 其中，所述特定目標車輛識別模塊如果發現存在至少一個運動車輛區域的特徵參 數序列與任何一個識別模板均不能匹配成功，則確定該運動車輛區域為重疊區域，並控制 啟動所述反向預測模塊、局部識別模塊和預測識別模塊。
[0039] 本發明所述的高速公路視頻測速方法及系統通過攝像機標定、視頻畫面運動區域 提取、特定目標車輛匹配識別、特定目標車輛軌跡追蹤和車速計算等過程實現視頻測速。其 中，針對視頻測速過程中區域重疊易發的特點，採用基於條帶分割的方法提取運動區域的 特徵參數序列並實現模板匹配，相比傳統算法來說，面向區域重疊的魯棒性更強。視區域重 疊的程度不同，在重疊程度未超過一定限度時能夠成功在重疊區域中實現特定目標車輛的 識別；根據重疊程度自適應地採用相對應的追蹤方式。從而，能夠在測速視頻畫面序列的各 幀畫面中連續地發現特定目標車輛所在區域，確定代表該特定目標車輛的像素位置，進而 實現視頻畫面坐標系中的運動速度計算。
【專利附圖】
【附圖說明】
[0040] 下面結合附圖和【具體實施方式】對本發明作進一步詳細的說明：
[0041] 圖1A-1C示出了測速視頻畫面序列當中的三幀視頻畫面；
[0042] 圖2是本發明的高速公路視頻測速方法的總體流程圖；
[0043] 圖3示出了對運動車輛區域Cl進行條帶分割的示意圖；
[0044] 圖4示出了高速公路視頻測速路段區域劃分的示意圖；
[0045] 圖5A-5B示出了對重疊區域C1-C2進行條帶分割和確定比較窗口的示意圖；
[0046] 圖5C示出了在先幀視頻畫面中通過搜索區域查找備選識別模板的示意圖；
[0047] 圖6是面向區域重疊的分支處理方法的流程圖；
[0048] 圖7是本發明的高速公路視頻測速系統的總體框架圖。
【具體實施方式】
[0049] 為了使本【技術領域】的人員更好地理解本發明的技術方案，並使本發明的上述目 的、特徵和優點能夠更加明顯易懂，下面結合實施例及實施例附圖對本發明作進一步詳細 的說明。
[0050] 本發明所述的高速公路視頻測速方法及系統通過攝像機標定、視頻畫面運動區域 提取、特定目標車輛匹配識別、特定目標車輛軌跡追蹤和車速計算等過程實現視頻測速。其 中，針對視頻測速過程中區域重疊易發的特點，採用基於條帶分割的方法提取運動區域的 特徵參數序列並實現模板匹配，相比傳統算法來說，面向區域重疊的魯棒性更強。視區域重 疊的程度不同，在重疊程度未超過一定限度時能夠成功在重疊區域中實現特定目標車輛的 識別；根據重疊程度自適應地採用相對應的追蹤方式。從而，能夠在測速視頻畫面序列的各 幀畫面中連續地發現特定目標車輛所在區域，確定代表該特定目標車輛的像素位置，進而 實現視頻畫面坐標系中的運動速度計算。
[0051] 圖2是本發明所述的高速公路視頻測速方法的總體流程圖，包括攝像機標定、運 動車輛區域提取、特定目標車輛識別以及特定目標車輛追蹤等步驟。
[0052] 攝像機標定建立視頻畫面坐標系與現實空間坐標系之間的映射關係。視頻畫面坐 標系是一個二維坐標系，而現實空間坐標系是一個三維坐標系；但是，由於車輛都是在路面 上運行的，而且絕大多數情況下高速公路測速區的路面高度起伏極小，因而我們可以忽略 現實空間坐標系中的車輛高度，將現實空間坐標系簡化為一個二維坐標系，因而攝像機標 定問題簡化為定義兩個平面坐標系之間的映射關係。我們可以在視頻畫面中確定若干個像 素點，而在現實空間中找到這些像素點對應的位置點，從而可以求解在視頻畫面坐標系與 現實空間坐標系之間進行轉換的參數矩陣。在具體實現過程中，可以在高速公路的路面借 助車道線等標誌物標定所述位置點，進而在視頻畫面中獲得相應的像素點。另外，用於測速 的攝像機其位置、方向等參數均應保持穩定，避免因受到震動或撞擊而位移，破壞經攝像機 標定獲得的映射關係，而且需要定期進行重新標定。
[0053] 運動車輛區域提取實現視頻畫面中運動區域和靜止背景之間的分離，去掉陰影以 及非車輛運動物體等幹擾信息後，這些運動區域所代表的即是行駛車輛。運動車輛區域的 準確分離對後續步驟具有重要影響。運動區域的分離方法包括光流法、相鄰幀差法、背景差 分法等。光流是運動物體表面的像素點運動產生的瞬時速度場，可以利用視頻的時空微分 計算二維速度場，或者通過圖像中相似區域的位移矢量來計算光流，基於光流檢測獨立的 運動對象；由於算法實時性不強，光流法目前沒有得到廣泛的應用。相鄰幀差法將視頻序列 中的兩幀相鄰畫面進行逐像素減法運算，如果某些像素在相鄰兩幀的差值超過閾值，則認 為該像素屬於運動區域；相鄰幀差法的運算速度快，對各種動態環境的適應性好，但是易於 出現誤差，檢測出來的運動區域位置不準確。因此，本發明優先選用背景差分法。
[0054] 背景差分法將視頻畫面與背景模型進行差分運算，通過判斷像素值變化幅度的方 式檢測運動區域，如下式所示：
[0055]
【權利要求】
1. 一種面向區域重疊的高速公路視頻測速方法，其特徵在於，包括以下步驟： 攝像機標定步驟，建立視頻畫面坐標系與現實空間坐標系之間的映射關係，求解在視 頻畫面坐標系與現實空間坐標系之間進行轉換的參數矩陣； 運動車輛區域提取步驟，通過拍攝高速公路的檢測段獲得視頻畫面序列，將其中每一 幀視頻畫面與背景模型進行差分運算，通過判斷像素值變化幅度是否大於閾值提取視頻畫 面中的運動區域，並且利用預定的區域過濾條件去除幹擾，獲得運動車輛區域； 特定目標車輛識別步驟，識別運動車輛區域的特徵參數序列，並且將所述特徵參數序 列與至少一個表示特定目標車輛的識別模板進行匹配計算；如果該運動車輛區域與其中一 個識別模板匹配成功，則確定所述運動車輛區域屬於所述識別模板表示的特定目標車輛； 在每一幀視頻畫面中針對至少一個特定目標車輛分別確定屬於各特定目標車輛的運動車 輛區域； 特定目標車輛追蹤步驟，將所述視頻畫面序列的各幀中屬於同一個特定目標車輛的運 動車輛區域相關聯，獲得所述同一個特定目標車輛的運動軌跡；根據運動軌跡計算視頻畫 面坐標系中的運動速度，並根據所述參數矩陣計算實際車速； 其中，在所述特定目標車輛識別步驟中，如果存在至少一個運動車輛區域的特徵參數 序列與任何一個識別模板均不能匹配成功，則確定該運動車輛區域為重疊區域，並執行面 向區域重疊狀態的分支處理方法，所述分支處理方法具體包括： 反向預測步驟，調用一幀在先視頻畫面，並且在該在先視頻畫面中確定搜索區域，提取 位於搜索區域內的運動車輛區域作為備選項，並調用各備選項所屬於的特定目標車輛的識 別模板，作為備選識別模板； 局部識別步驟，設定比較窗口，利用所述比較窗口從所述重疊區域中選取局部區域，計 算該局部區域的特徵參數序列；以所述局部區域的特徵參數序列與備選識別模板執行匹配 計算；在匹配不成功的情況下，通過平移所述比較窗口而選取下一個局部區域並計算其特 徵參數序列，並繼續與備選識別模板執行匹配計算，直至匹配成功；在局部區域與一個備選 識別模板匹配成功之後，通過微調所述比較窗口的位置，確定與該備選識別模板最為匹配 的局部區域，將最為匹配的局部區域識別為屬於與該備選識別模板對應的特定目標車輛； 在對全部備選識別模板都執行了局部識別步驟之後，繼續執行預測識別步驟； 預測識別步驟，判斷經特定目標車輛識別步驟和局部識別步驟之後，對於從在先幀視 頻畫面中識別出來的特定目標車輛，是否均已在當前幀視頻畫面中識別到了其運動車輛區 域或局部區域；如果存在仍未識別出運動車輛區域或局部區域的特定目標車輛，確定在所 述在先幀視頻畫面中屬於該特定目標車輛的運動車輛區域的位置坐標，並基於該位置坐標 在當前幀視頻畫面中確定一有效區域；判斷在所述有效區域內是否存在重疊區域；如果存 在重疊區域，計算重疊區域的面積是否符合預定面積條件；在符合預定面積條件的情況下， 將該重疊區域識別為屬於所述特定目標車輛。
2. 根據權利要求1所述的高速公路視頻測速方法，其特徵在於，在所述特定目標車輛 識別步驟和局部識別步驟中，針對所述運動車輛區域或局部區域按固定像素寬度分割的η 個條帶，所述運動車輛區域或局部區域在各條帶覆蓋範圍內形成η個運動車輛子區域或局 部子區域；分別計算各運動車輛子區域或局部子區域的最小外接矩的面積值，並且分別計 算各運動車輛子區域或局部子區域的像素平均亮度值；利用各運動車輛子區域或局部子區 域的面積值和像素平均亮度值構成該運動車輛區域或局部子區域的特徵參數序列，所述特 徵參數序列具有分別對應於各運動車輛子區域或局部區域的η個面積值和η個像素平均亮 度值；並且 在所述特定目標車輛識別步驟和局部識別步驟中，所述表示特定目標車輛的識別模板 是由η個面積值和η個亮度值組成的特徵序列；特徵參數序列與識別模板的匹配計算為： 分別求特徵參數序列中第i個面積值與識別模板的第i個面積值之間的面積絕對差值，計 算η個面積絕對差值的面積差總和；分別求特徵參數序列中第i個像素平均亮度值與識別 模板的第i個亮度值之間的亮度絕對差值，計算η個亮度絕對差值的亮度差總和；將所述面 積差總和與所述亮度差總和分別乘以權重因數後相加，獲得匹配計算結果；如果匹配計算 結果大於匹配閾值，則確定匹配成功；其中i = 1至η。
3. 根據權利要求2所述的高速公路視頻測速方法，其特徵在於，所述特定目標車輛識 別步驟中，將所述運動車輛區域分割為η個條帶的步驟具體包括：求運動車輛區域的最小 外接矩；從所述最小外接矩的一條邊出發，以固定像素寬度分割第1至η-I個條帶；將最小 外接矩除第1至η-I個條帶以外的剩餘部分作為第η個條帶。
4. 根據權利要求3所述的高速公路視頻測速方法，其特徵在於，在特定目標車輛識別 步驟中，如果運動車輛區域與一個識別模板匹配成功，則用該運動車輛區域的特徵參數序 列更新該識別模板。
5. 根據權利要求4所述的高速公路視頻測速方法，其特徵在於，在特定目標車輛識別 步驟中，按照以下方法獲得表示特定目標車輛的識別模板：拍攝高速公路的進入區的視頻 畫面序列；提取該視頻畫面序列的每一幀視頻畫面中的運動車輛區域，並過濾其中反映完 整單個車輛的運動車輛區域；提取反映完整單個車輛的運動車輛區域的特徵參數序列；將 所述特徵參數序列與已建立的識別模板進行匹配計算；如果與一個識別模板匹配成功，利 用所述特徵參數序列更新該識別模板；如果所述特徵參數序列不能與任何一個已建立的識 別模板匹配成功，則基於該特徵參數序列新建一個識別模板。
6. 根據權利要求5所述的高速公路視頻測速方法，其特徵在於，所述局部識別步驟中， 如果一個備選識別模板是由η個面積值和η個亮度值組成的特徵序列，並且所述重疊區域 以固定像素寬度分割為m個條帶；則確定比較窗口為η個條帶，選取重疊區域中連續的η個 條帶作為所述局部區域。
7. 根據權利要求6所述的高速公路視頻測速方法，其特徵在於，所述局部識別步驟中， 設置初步匹配閾值；如果局部區域與備選識別模板執行匹配計算的結果值小於或等於所述 初步匹配閾值，則認為匹配成功；如果結果值大於所述初步匹配閾值，則將所述比較窗口平 移一個條帶。
8. 根據權利要求7所述的高速公路視頻測速方法，其特徵在於，所述局部識別步驟中， 在局部區域與一個備選識別模板匹配成功之後，將所述比較窗口以每次移動一個像素寬度 的幅度進行平移從而提取新的局部區域，每次平移後計算新的局部區域的特徵參數序列， 並與備選識別模板的特徵序列執行匹配計算；取得匹配計算當中最小計算結果的局部區域 識別為屬於所述備選識別模板對應的特定目標車輛。
9. 根據權利要求8所述的高速公路視頻測速方法，其特徵在於，預測識別步驟中，對於 所述有效區域內存在的重疊區域，以該重疊區域的最小外接矩總面積減去該重疊區域的已 識別面積，所述已識別面積是該重疊區域中已被識別屬於至少一個特定目標車輛的局部區 域的最小外接矩面積；如果剩餘面積大於閾值，則確定符合預定面積條件。
10. -種面向區域重疊的高速公路視頻測速系統，其特徵在於，包括： 攝像機標定模塊，用於建立視頻畫面坐標系與現實空間坐標系之間的映射關係，求解 在視頻畫面坐標系與現實空間坐標系之間進行轉換的參數矩陣； 運動車輛區域提取模塊，用於通過拍攝高速公路的檢測段獲得視頻畫面序列，將其中 每一幀視頻畫面與背景模型進行差分運算，通過判斷像素值變化幅度是否大於閾值提取視 頻畫面中的運動區域，並且利用預定的區域過濾條件去除幹擾，獲得運動車輛區域； 特定目標車輛識別模塊，用於識別運動車輛區域的特徵參數序列，並且將所述特徵參 數序列與至少一個表示特定目標車輛的識別模板進行匹配計算；如果該運動車輛區域與其 中一個識別模板匹配成功，則確定所述運動車輛區域屬於所述識別模板表示的特定目標車 輛；在每一幀視頻畫面中針對至少一個特定目標車輛分別確定屬於各特定目標車輛的運動 車輛區域； 特定目標車輛追蹤模塊，用於將所述視頻畫面序列的各幀中屬於同一個特定目標車輛 的運動車輛區域相關聯，獲得所述同一個特定目標車輛的運動軌跡；根據運動軌跡計算視 頻畫面坐標系中的運動速度，並根據所述參數矩陣計算實際車速； 反向預測模塊，用於調用一幀在先視頻畫面，並且在該在先視頻畫面中確定搜索區域， 提取位於搜索區域內的運動車輛區域作為備選項，並調用各備選項所屬於的特定目標車輛 的識別模板，作為備選識別模板； 局部識別模塊，用於設定比較窗口，利用所述比較窗口從所述重疊區域中選取局部區 域，計算該局部區域的特徵參數序列；以所述局部區域的特徵參數序列與備選識別模板執 行匹配計算；在匹配不成功的情況下，通過平移所述比較窗口而選取下一個局部區域並計 算其特徵參數序列，並繼續與備選識別模板執行匹配計算，直至匹配成功；在局部區域與一 個備選識別模板匹配成功之後，通過微調所述比較窗口的位置，確定與該備選識別模板最 為匹配的局部區域，將最為匹配的局部區域識別為屬於與該備選識別模板對應的特定目標 車輛； 預測識別模塊，用於判斷經特定目標車輛識別模塊和局部識別模塊運算之後，對於從 在先幀視頻畫面中識別出來的特定目標車輛，是否均已在當前幀視頻畫面中識別到了其運 動車輛區域或局部區域；如果存在仍未識別出運動車輛區域或局部區域的特定目標車輛， 確定在所述在先幀視頻畫面中屬於該特定目標車輛的運動車輛區域的位置坐標，並基於該 位置坐標在當前幀視頻畫面中確定一有效區域；判斷在所述有效區域內是否存在重疊區 域；如果存在重疊區域，計算重疊區域的面積是否符合預定面積條件；在符合預定面積條 件的情況下，將該重疊區域識別為屬於所述特定目標車輛； 其中，所述特定目標車輛識別模塊如果發現存在至少一個運動車輛區域的特徵參數序 列與任何一個識別模板均不能匹配成功，則確定該運動車輛區域為重疊區域，並控制啟動 所述反向預測模塊、局部識別模塊和預測識別模塊。
【文檔編號】G06T7/20GK104318782SQ201410605646
【公開日】2015年1月28日 申請日期:2014年10月31日 優先權日:2014年10月31日
【發明者】陳海江, 藍天翔, 詹常青, 李豔 申請人:浙江力石科技股份有限公司