劉 偉

(長安大學(xué) 汽車學(xué)院，陜西 西安 710064)

車速檢測在交通事故鑒定中占有重要地位，傳統(tǒng)的車速計算方法只能測定車輛碰撞時的速度，而汽車碰撞前駕駛員采取制動措施使車速下降，導(dǎo)致所測車速偏低，影響事故鑒定結(jié)果[1]。針對這一情況，本文提出一種新的基于視頻圖像的車速檢測方法，該方法能準(zhǔn)確的測出車輛在碰撞前的行駛速度[2]，可作為交通事故鑒定的依據(jù)。該系統(tǒng)簡單、直觀、誤差小，具有很強的實用性。其算法流程如圖1所示[3]。

圖1 車速檢測算法流程

1 運動目標(biāo)提取

運動目標(biāo)提取是指在圖像中提取感興趣的區(qū)域(本文指車輛)，并進(jìn)行處理，使圖像變得簡單，減少數(shù)據(jù)量。

1.1 交互式目標(biāo)提取

目前，提取運動目標(biāo)的方法有光流法、背景差分法、幀間差分法等。

1)光流法。直接計算運動信息，對車輛的顏色不敏感，能容忍尺度的變化。但計算量大、實時性差，需要特定硬件支持。

2)背景差分法。這種方法易于實時處理，能檢測出靜止車輛。但對長時間光線變化敏感，背景重建比較困難，不適用于動態(tài)背景下的運動信息提取。

3)幀間差分法。對視覺場內(nèi)的光線逐步變化不敏感，易于實時處理，可用于動態(tài)背景下運動信息提取。但對靜止車輛無法檢測，對運動車輛速度敏感，容易產(chǎn)生空洞現(xiàn)象。

本文在分析背景差分法和幀間差分法的基礎(chǔ)上提出了一種交互式提取法，既能獲得完整圖像，又能消除背景光線等因素的干擾。其步驟為：把當(dāng)前幀減去背景幀記為b1，把第二幀減去背景幀記為b2，對b1、b2分別進(jìn)行預(yù)處理，再將b2與b1相減，通過閾值法提取運動目標(biāo)，記為C21[4]。這種交互式的運動目標(biāo)提取方法是人工選取所需運動目標(biāo)的區(qū)域，再在這個區(qū)域中對圖像進(jìn)行處理，進(jìn)而提取運動目標(biāo)。這樣做的優(yōu)點在于選擇性的提取運動目標(biāo)不僅能排除環(huán)境變化的干擾，而且能排除運動車輛的陰影、燈光、附近接近物體的影響。

圖2 區(qū)域選擇

圖2中的四邊形為選取的需要進(jìn)行圖像處理的區(qū)域。從圖2交互式提取的圖像可以看出，該方法能夠任意提取所需的運動目標(biāo)，并且不會帶入其它的運動物體(如圖2中的摩托車)對圖像的影響，這點對運動物體特征點的選取很重要。

1.2 特征點選取

為了獲得圖像中運動目標(biāo)的運動軌跡，需要提取其特征點。特征點的提取是指在n幀圖像中，能在運動物體上選取特定的點以表示該物體的位置。選取運動目標(biāo)的質(zhì)心作為運動目標(biāo)的特征點[5]。

圖3 交互式提取圖像

由于拍攝所得的交通事故圖像是連續(xù)的，運動物體也是快速運動的，假定相鄰幀圖像上的物體位置變化不大，并且它的運動方向和面積都變化不大。交互式提取運動車輛后，求取車輛質(zhì)心。圖3中白色區(qū)域內(nèi)的點為該運動目標(biāo)的特征點(質(zhì)心)。

質(zhì)心O坐標(biāo)為

式中 wn為總像素數(shù)；f(x,y)為像素點坐標(biāo)。

2 記錄運動軌跡

計算車速時，需要得到汽車的運動軌跡，以便于分析車輛速度方向的改變，在此之前，要先得到車輛在圖像上的運動軌跡[6]。

提取運動車輛的特征點，得到一組n幀圖像中運動目標(biāo)質(zhì)心的坐標(biāo)：{x=x1,x2,…,xn},{y=y1,y2,…,yn}。

可用直線y=a+bx來逼近這些點，采用最小二乘法求出回歸系數(shù)b和回歸常數(shù)a[7]。

圖4 透視關(guān)系推導(dǎo)圖

有

(1)

方程(1)為所求的線性回歸方程。圖4中的直線MF為車輛在視頻上的運動軌跡[8-9]。

3 圖像距離到實際距離的轉(zhuǎn)換

處理幀圖片得到的只是車輛在視頻上所移動的像素距離，而不是平面坐標(biāo)系中以長度單位表示的距離，因此需要將圖像坐標(biāo)轉(zhuǎn)換到平面坐標(biāo)，得到平面坐標(biāo)中的實際距離，這就要進(jìn)行攝像機標(biāo)定，進(jìn)而求取實際距離[10]。

圖5 透視關(guān)系推導(dǎo)圖

采用攝影機中心透視成像原理，原理圖如圖5所示。

圖4中D、E、F 3點分別為視頻上的3個點，對應(yīng)的實際道路路面為A、B、C，在視頻上找點M，M點所對應(yīng)的路面上的點為N，NA記為所求的實際距離[11]。NA的計算公式有4種情況。

1)M點在D點右邊時，有

(2)

2)M點在F點左邊時，有

(3)

3)M點在D、E點之間時，有

(4)

4)M點在E、F點之間時，有

(5)

經(jīng)過計算和實驗驗證發(fā)現(xiàn)式(3)和式(5)是錯誤的，式(3)、(5)應(yīng)該與式(2)相同，得到M點在D點右邊和M點在D、E點之間兩種情況。

攝像機的標(biāo)定條件為：在平面坐標(biāo)中，車輛的運動軌跡是直線或近似直線，并且在這條直線上3個標(biāo)定點(D、E、F)對應(yīng)的實際間距相等且為已知(即DE和EF對應(yīng)的實際距離AB和BC已知)。而當(dāng)車輛運動軌跡是曲線時，為便于計算，需要對相互垂直的2個方向進(jìn)行標(biāo)定。

D、E、F點組成的直線稱為標(biāo)定線，標(biāo)定線可以選取車體本身、道路標(biāo)記線、人行橫道線、其它距離已知的物體或標(biāo)記等。根據(jù)該原理若車輛在第t1時刻位于N1處，在第t2時刻位于N處，則車輛在t1、t2時刻之間的行駛速度為

υ=|AN1-AN|/|t2-t1|.

(6)

4 實驗結(jié)果及分析

4.1 事故背景

4.1.1 基本情況

某地某一時刻，轎車甲和摩托車乙在十字路口發(fā)生碰撞事故。要求根據(jù)事故錄像、事故現(xiàn)場圖對甲乙兩車進(jìn)入交叉口時的行駛速度進(jìn)行鑒定。

4.1.2 通常算法

該監(jiān)控視頻幀率f=25幀/s。轎車由視頻畫面左側(cè)進(jìn)入監(jiān)控范圍開始，轎車最前端、最后端連續(xù)經(jīng)過視頻畫面同一點的視頻幀數(shù)n約為3～3.5幀，該車身長度L=3.895 m，由式υ=3.6L/(n/f)，計算出該車在事故發(fā)生前的行駛速度約為100.2～116.9 km/h。

4.2 本文算法

通過Matlab GUI界面實現(xiàn)輸入圖片、數(shù)據(jù)，進(jìn)行圖片處理與運動軌跡擬合，求得車輛的行駛速度。

圖6為第1幀到第n幀特征點提取，圖7為運動軌跡擬合曲線。

由式(6)得

v=3.6s/t，

( 7)

式中 s為相鄰幀之間的距離，m;t為相鄰幀的時間間隔，s。

圖6 特征點的提取

圖7 運動軌跡擬合曲線

根據(jù)s不同，通過式(7)可以求出任意兩幀之間的速度。

為了得到汽車在碰撞前的準(zhǔn)確車速，對車輛行駛至第1幀到第11幀的相鄰幀之間的速度進(jìn)行了2次測速。

第1次測速：車輛行駛至第1～2、2～3、3～4、4～5、5～6、6～7、7～8、8～9、9～10、10～11幀間的速度分別為：103.0，104.4，104.2，96.7，95.6，95.0，94.6，93.8，91.1，88.9 km/h。

第2次測速：車輛行駛至第1～2、2～3、3～4、4～5、5～6、6～7、7～8、8～9、9～10、10～11幀間的速度分別為：107.0，107.5，107.2，99.5，98.3，97.6，97.1，96.2，93.4，91.2 km/h。

4.3 結(jié)果分析

第1次測速得到的平均速度為96.8 km/h，第2次測速得到的平均速度為99.5 km/h。把2次得到的測量值取平均值，可得到汽車在碰撞前理論上的真實車速為97.3 km/h。因此，汽車在前幾幀時處于明顯的超速狀態(tài)。

鑒定結(jié)果為：該車輛在視頻中第1幀至第11幀的平均速度為96.8～99.5 km/h。最高速度為104.4～107.5 km/h。與傳統(tǒng)視頻法鑒定計算得出的結(jié)果相比，基于視頻圖像計算車速的方法精度更高，取值范圍更小，誤差也更小。

參考文獻(xiàn)：

[1]張新海.交通事故車速測算方法探析[J].刑事技術(shù),2008(4):33-36.

[2]馮浩，潘少猷，陳建國.基于視頻的車速鑒定方法[J].中國司法鑒定，2009(5)：45-47.

[3]袁泉，張高強，郭銳，等.交通事故車速分析理論方法的研究進(jìn)展[J].交通運輸工程與信息學(xué)報，2009，7(2)：22-25.

[4]李剛，邱尚斌，林凌，等.基于背景差法和幀間差法的運動目標(biāo)檢測方法[J].儀器儀表學(xué)報，2006，27(8)：962-966.

[5]王光玲.基于運動目標(biāo)檢測與跟蹤視頻測速算法的研究[D].山西：太原理工大學(xué)，2009.

[6]彭雅芳，呂植勇.一種基于車輛運動軌跡的車速估算方法[J].計算機與數(shù)字工程，2008,36(11)：134-137.

[7]張重德，張崇巍.一種提高視頻車速檢測精度的方法[J].上海交通大學(xué)學(xué)報，2010，44(10)：44-46.

[8]于艷玲.視頻檢測系統(tǒng)中的車速檢測技術(shù)研究[D].西安：長安大學(xué)，2009.

[9]伍友龍.基于圖像分析的高速公路交通事件檢測算法研究[D].湖南：長沙理工大學(xué)，2005.

[10]王駿飛，羅大庸.一種新的基于視頻技術(shù)的車速檢測方案[J].自動化技術(shù)與應(yīng)用，2010，29 (3)：35-37.

[11]李欣菊.攝像機標(biāo)定算法研究[D].武漢：中國科學(xué)院自動化研究所，2003.