孫 浩，沈文杰

(天津市計量監(jiān)督檢測科學研究院 天津300192)

基于視頻的車輛速度自測量

孫 浩，沈文杰

(天津市計量監(jiān)督檢測科學研究院 天津300192)

在現(xiàn)代智能交通系統(tǒng)中，車輛速度是一個基本參量，如何快速精確地測量出車輛速度已經(jīng)成為當今的一個研究重點。車輛速度的測量分為主動式和被動式測量，利用基于紋理的模板匹配算法，提出了一種基于視頻的主動式測量車輛自身速度的方法，并利用DSP技術(shù)實現(xiàn)了實時測量。

速度測量 車輛檢測 DSP并行算法

0 引 言

現(xiàn)代社會中，汽車已經(jīng)成為交通系統(tǒng)的主要組成部分。對車輛的控制成為交通管理的重要一環(huán)。車輛速度是車輛運行狀態(tài)中最重要的參量，如何實時精確地測量出車輛速度是當今研究的重點與熱點。目前的車速檢測主要分為被動式和主動式，本文克服了主動式測量方法中難以找到有效相對靜止點作為基礎點的問題，提出了一種基于視頻的車輛自身速度測量。

1 基于視頻的車輛速度自測量

車輛行駛過程中，在車輛的側(cè)方會有相對靜止的景物的變化，如樹木、燈桿等。這就為車輛速度的測量提供了基準點，通過視頻檢測和跟蹤技術(shù)，再輔以激光測距儀的距離測量，即可實時得到車輛自身速度。

1.1 基本原理

將測距儀和攝像頭同軸安裝在車輛行駛方向的垂線上，當目標進入攝像頭的視野中時，可以人為或自動地檢測出目標，然后使用模板匹配算法進行跟蹤。當目標行進到視野中間時，激光測距儀測得目標距離，并記錄下當前時間。當目標繼續(xù)運動時，可通過像素數(shù)計算出目標偏離視野中線的角度，通過解直角三角形即可得到目標運動的距離，即車輛行駛的距離，再根據(jù)時間信息即可得到當前車輛的速度。

1.2 數(shù)據(jù)流程圖

數(shù)據(jù)流程如圖1所示。

2 目標檢測算法

基于視頻的目標檢測算法是現(xiàn)今圖像處理領(lǐng)域研究的重點。目標檢測算法主要分為運動目標檢測和靜止目標檢測。運動目標檢測利用的是目標與背景的相對位移，通過幀間差分等方法實現(xiàn)目標與背景的分離，常見的應用有車輛檢測、入侵檢測等；常用的方法有高斯模型運動檢測、碼書模型運動檢測等。而靜止目標檢測是通過對已知目標的特征進行提取，然后對圖像進行分割、匹配，從而達到目標與背景分離的目的。常見應用有人臉檢測、指紋檢測等，常用方法有基于顏色特征的圖像分割技術(shù)或基于紋理特征的圖像分割技術(shù)。本文所需要檢測的目標相對于背景是靜止的，所以需要用到靜止目標檢測的方法。同時，本文所需要的檢測精度很低，因此，采用邊界分割就可以滿足精度要求。

圖1 車輛自速度測量數(shù)據(jù)流程圖Fig.1 Data flowchart of vehicle speed measurement

2.1 圖像邊界檢測

邊緣是指圖像局部灰度變化最顯著的部分。邊緣檢測最基本的思想是，計算局部微分算子，將梯度用于圖像邊緣檢測是一階微分邊緣檢測算子的實現(xiàn)方法。使用 Sobel算子可以得到圖像的邊緣，然后計算濾波后圖像的灰度均值，計算后的圖像灰度大于均值的點認為是邊緣，其余的認為是背景。

2.2 圖像邊界分割

本文所論述的測速方法，只需要將圖像分割為垂直的塊，不用考慮圖像的水平邊界信息。因此，在邊界檢測時，只需要將Sobel算子的第2個矩陣與圖像進行卷積，得到邊界后，統(tǒng)計圖像每一個橫坐標上有多少個點被認為是邊界，在非連續(xù)的橫坐標上有高于閥值的橫坐標被定義為邊界，兩個邊界之間的部分被認為是一個目標，這樣就利用邊界將圖像分割為多個目標，即可對每個目標分別進行跟蹤。

目標檢測的DSP處理數(shù)據(jù)流程見圖2：

圖2 DSP處理數(shù)據(jù)流程圖Fig.2 Flow chart of DSP data processing

3 目標跟蹤算法

靜止目標的跟蹤算法可以使用基于紋理的模板匹配算法。

3.1 基于紋理的模板匹配算法

基本的算法思路是：

① 將目標模板分別按行列方向提取紋理矩陣：

② 將圖像分別按行列方向提取紋理矩陣：

③ 計算圖像各像素點的相似度：

④ 相似度最大的點被認為是最佳匹配位置。

3.2 紋理模板匹配算法的DSP改進

由于算法中計算目標圖像與模板圖像之間的匹配置信度較為復雜，運算量大，匹配時間長，嚴重制約其在實時系統(tǒng)中的應用。下面對上述算法進行了改進：在對目標圖像與模板圖像提取兩個方向的二值紋理矩陣前，每個像素由一個字節(jié)(8 bits)二進制碼表示，二值化后每個像素可由1 bit二進制碼表示。因此，在提取二值紋理矩陣后，雖然目標圖像與模板圖像分別變換為兩個方向上的矩陣，但存儲量分別變?yōu)樵鹊?/8，大大節(jié)省了存儲空間。

在本算法中引入邏輯運算，將相似度計算的方法改為同或和累加運算，即：

這步可以并行實現(xiàn)，因此使用 DSP進行處理可以有效節(jié)約時間，完成使用 DSP對目標進行檢測與跟蹤。

4 結(jié) 語

本文通過基于視頻的目標檢測與跟蹤算法，提出了一種有效測量車輛自身運動速度的方法，這種方法理論上具有更好的實用性和精確度，但是需要進行大量的圖像處理計算。因此，使用DSP處理可以很好地解決實時性問題。本文也針對DSP處理對算法進行了改進，使其更好地適應DSP并行計算的需要。

［1］馬迎軍，郭雷. 一種基于圖像紋理的模板匹配算法的改進與實現(xiàn)[J]. 計算機應用研究，2007，24(6)：158-160.

［2］劉鐵軍，史澤林，于海斌. 一種基于圖像紋理的模板匹配算法[J]. 紅外與激光工程，2005(3)：70-74.

［3］Rafael C. Gonzalez，Richard E. Woods. 數(shù)字圖像處理(第二版)[M]. 北京：電子工業(yè)出版社，2007：463-473.

On Video-based Active Measurement of Vehicle Speed

SUN Hao，SHEN Wenjie
(Tianjin Institute of Metrological Supervision and Testing，Tianjin 300192，China)

Vehicle speed is a basic parameter in modern transportation system，and how to quickly and accurately measure the speed has become a research focus. The measurement can be divided into active measurement and passive measurement. Based on texture template matching algorithm，a method of active measurement was proposed and real-time measurement was realized through DSP technique.

speed measurement；vehicle detection；parallel algorithm with DSP

U467.4+91

A

1006-8945(2014)08-0080-02

2014-07-06