一種基於視頻的車型判別方法
2023-12-11 19:47:52 6
專利名稱：一種基於視頻的車型判別方法
技術領域：
本發明屬於視頻檢測技術領域，具體涉及一種基於視頻的車型判別方法。
背景技術：
隨著社會主義市場經濟的發展，人們的生活水平得到了極大的提高，機動車輛的數量也隨之迅速增加。由此帶來了交通擁堵、交通事故頻發、交通環境惡化、收費制式混亂、交通管理落後等交通問題，從而一種大範圍、全方位發揮作用的實時、準確、高效的綜合交通運輸管理系統就應運而生。智能化交通系統(Intelligent Transportation System,簡稱ITS)正是在這種條件下產生的。車輛類型判別，簡稱為車型判別，作為ITS中的一個重要分支，在打擊盜竊車輛、規範交通秩序、大型停車場管理、高速公路自動計費、交通流量統計等方面具有廣闊的應用前景。目前，準確判別車型仍是一個較新的課題，人們在不斷探索著簡單、方便、快速的識別方法。到目前為上，已形成了以利用紅外線、環形線圈和雷達等傳感器為手段的一系列車型判別分類方法。這些方法原理簡單，物理概念清晰明確，實現起來較容易。但也存在硬體系統較複雜，系統的環境適應能力較差，故具有故障率較高、維修不便等缺陷，在實際使用中難以推廣。
發明內容
針對現有技術存在的缺陷或不足，本發明的目的在於，提供一種基於視頻的車型判別方法，該方法可以對視頻範圍內所有車輛類型實現實時、可靠的判別。為了實現上述任務，本發明採取如下的技術解決方案一種基於視頻的車型判別方法，其特徵在於，按照下列步驟實施步驟一，在視頻序列圖像中，在垂直於車道線方向上手動設置兩個虛擬線圈，將車輛通過兩個虛擬線圈時的視頻圖像進行二值化；採用一種已知的攝像機幾何標定方法，得到圖像像素行和實際距離之間的映射關係，即映射表。從而可得出兩個虛擬線圈之間的實際距離。步驟二，當車尾通過兩個虛擬線圈時，分別記錄下兩個時間幀，從而得到車輛通過虛擬線圈所用時間。再結合步驟一中得出的兩個線圈間的距離，可求出車輛通過虛擬線圈時的平均速度。步驟三，在兩個虛擬線圈之間設置一條固定標記線，分別記下車頭以及車尾經過該固定位置時的時間幀，從而得到車輛通過該標記線時(此時車輛正好走過一個車長距離)所用時間。再結合步驟二中所求速度，即可求出車輛長度。步驟四，利用車輛長度即可對其類型進行判別。
本發明的基於視頻的車型判別方法，與現有技術相比，可以對視頻範圍內所有車輛類型進行識別，不受環境限制，能夠對車輛類型進行實時、可靠的判別。並且易於實現、準確性較高，很適合於實時判別車輛類型，具有廣闊的應用前景。
下面結合附圖和 具體實施例對本發明作進一步的詳細說明。圖I為不同類型的車輛經過同一路段。圖2為視頻圖像中的虛擬線圈示意圖。圖3是小車和大車經過固定標記線時的二值化效果圖。其中，圖3(a)中兩幅圖為小車經過固定標記線時的二值化效果圖，圖3(b)中兩幅圖為大車經過固定標記線時的二值化效果圖。圖4為車型判別流程圖。以下結合附圖和實施例對本發明作進一步的詳細說明。
具體實施例方式本實施例給出一種基於視頻的車型判別方法，利用視頻檢測以及圖像處理的相關技術，求出車輛長度，從而對車輛類型進行實時，可靠的判別。具體按下列步驟進行步驟一，在視頻序列圖像中，在垂直於車道線方向上手動設置兩個虛擬線圈，如圖2所示。將車輛通過兩個虛擬線圈時的視頻圖像進行二值化；採用一種已知的攝像機幾何標定方法(中國專利申請「一種線性模型下的攝像機幾何標定方法」(公開(公告)號CN102222332A)，得到圖像中像素行和實際距離之間的映射關係，即映射表，根據該映射表，可以求出兩個虛擬線圈之間的實際長度M。步驟二，當車尾通過第一個虛擬線圈時，記下當前圖像幀數N1 ;當車尾通過第二個虛擬線圈時，記下當前圖像幀數N2。由於播放25幀視頻圖像所用時間為I秒，可知車輛通過兩個虛擬線圈所用時間為Atl= (N2-N1)/25秒。因此，可以求出車輛通過兩個虛擬線圈時的平均速度為v = M/t。。步驟三，在兩個虛擬線圈之間設置一條固定標記線，當車頭經過該固定標記線時，記下當前的圖像幀數N3，緊接著當車尾經過該固定標記線時，記下當前的圖像幀數N4，所以車輛通過該標記線所用的時間幀數為N4-N3,由此可得出，車輛通過該標記線所用時間(即車輛走過一個車輛長度所用時間)t:t= (N4-N3)/25秒。又步驟二中已經求出車輛通過兩個虛擬線圈時的速度V，從而可以求出車輛長度L :S卩L = vXt。步驟四，利用得出的車輛長度對其類型進行判別。眾所周知，不同類型車輛的長度是不同的，車輛長度是車輛類型的一個重要標誌，識別起來也比較直觀，容易。因此，可以利用車輛長度對其類型進行準確地判別。本發明所述的車型判別算法，根據各車的車長大小，將車分成大，中，小3個類型。大型車主要包括大型客車，貨車，以及工程車，小型車主要包括各種兩廂轎車，小型麵包車，以及一些微型皮卡車，中型車是指除了大型和小型車以外的其他車輛，主要包括一些小型貨車和小型客車。通過車長對車型進行限定性的判斷，其判斷邏輯如(I)式所示--=:…< ■ .t C(I)
iI > M_在公式⑴中假設，小型車為1，中型車為2，大型車為3。通過公式⑴可見，當車長小於或等於700釐米時直接可以斷定該車為小型車，而當車長大於或等於1400釐米時可直接判定該車為大型車，當車長在這兩個值所確定的範圍之內時，則可以判斷為中型車。這樣的判斷結果實時，準確，可靠。其判斷邏輯關係如圖4所示。以下是發明人給出的具體實施例。實施例在視頻序列中，在垂直於車道線方向上設置兩個虛擬線圈，根據一種標記方法得到映射表，得到兩個虛擬線圈之間的實際距離為1864. 67釐米。實施例I :已 知在視頻序列中，有一輛小車通過。當車尾通過第一個虛擬線圈時，記錄下當前圖像幀數為20，當車尾通過第二個虛擬線圈時，記錄下當前圖像幀數為38，因此車輛通過虛擬線圈所用時間為0. 72秒。故車輛通過虛擬線圈時的速度為2589. 82釐米/秒。當車頭通過固定標記線時，當前幀數為24，當車尾通過固定標定線時，當前幀數為29，因此車輛通過標記線所用時間為0. 20秒。車輛通過固定標記線的二值化圖像如圖3(a)所示。從而求出車輛長度為517. 36釐米，根據判斷可知其為小車，與實際相符。實施例2 :已知在視頻序列中，有一輛大車通過。當車尾通過第一個虛擬線圈時，記錄下當前圖像幀數為68，當車尾通過第二個虛擬線圈時，記錄下當前圖像幀數為93，因此車輛通過虛擬線圈所用時間為I秒。故車輛通過虛擬線圈時的速度為1864. 67釐米/秒。當車頭通過固定標記線時，當前幀數為71，當車尾通過固定標定線時，當前幀數為92，因此車輛通過標記線所用時間為0. 84秒。車輛通過固定標記線的二值化圖像如圖3(b)所示。從而求出車輛長度為1566. 32釐米，根據判斷可知其為大車，與實際相符。
權利要求
1. 一種基於視頻的車型判別方法，其特徵在於，按照下列步驟實施 步驟一，在視頻序列圖像中，在垂直於車道線方向上手動設置兩個虛擬線圈，將車輛通過兩個虛擬線圈時的視頻圖像進行二值化；採用已知的攝像機幾何標定方法，得到圖像像素行和實際距離之間的映射關係，即映射表；從而可得出兩個虛擬線圈之間的實際距離；步驟二，當車尾通過兩個虛擬線圈時，分別記錄下兩個時間幀，從而得到車輛通過虛擬線圈所用時間；再結合步驟一中得出的兩個線圈間的距離，可求出車輛通過虛擬線圈時的平均速度； 步驟三，在兩個虛擬線圈之間設置一條固定標記線，分別記下車頭以及車尾經過該固定位置時的時間幀，從而得到車輛通過該標記線時所用時間，再結合步驟二中所求速度，即可求出車輛長度； 步驟四，利用車輛長度即可對其類型進行判別。
全文摘要
本發明公開了一種基於視頻的車型判別方法，通過利用視頻檢測以及圖像處理的相關技術，求出車輛長度，從而對車輛類型進行判別。與現有技術相比，可以對視頻範圍內所有車輛類型進行識別，不受環境限制，能夠對車輛類型進行實時、可靠的判別。並且易於實現、準確性較高，很適合於實時判別車輛類型，具有廣闊的應用前景。
文檔編號G08G1/017GK102637361SQ20121009604
公開日2012年8月15日 申請日期2012年4月1日 優先權日2012年4月1日
發明者付洋, 劉雪琴, 宋煥生, 張輝, 李文敏, 李曉, 楊媛, 楊孟拓 申請人:長安大學