孫浩

摘 要：隨著現(xiàn)代智能交通系統(tǒng)的發(fā)展，如何快速、精確地測(cè)量車輛速度已經(jīng)成為了熱點(diǎn)問(wèn)題，而測(cè)量行駛中的車輛自身的車速更是一個(gè)相對(duì)新穎和空白的領(lǐng)域。提出了一種主動(dòng)式測(cè)量車輛自身速度的方法，它是利用基于視頻的目標(biāo)檢測(cè)與跟蹤技術(shù)、紋理模板匹配的算法和DSP技術(shù)，實(shí)現(xiàn)了實(shí)時(shí)測(cè)量。

關(guān)鍵詞：速度測(cè)量；目標(biāo)檢測(cè)；目標(biāo)跟蹤；模板匹配

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.15913/j.cnki.kjycx.2015.12.010

隨著科學(xué)技術(shù)的發(fā)展，機(jī)動(dòng)車輛已經(jīng)成為了出行的重要交通工具。車輛速度作為車輛運(yùn)行狀態(tài)的重要參數(shù)之一，具有重要的研究?jī)r(jià)值。目前，對(duì)車輛速度的檢測(cè)主要分為兩大類，即被動(dòng)式檢測(cè)和主動(dòng)式檢測(cè)。本文針對(duì)現(xiàn)有的主動(dòng)式測(cè)量方式中存在的問(wèn)題，提出了一種基于視頻的車輛速度測(cè)量方法。

1 自車速測(cè)量技術(shù)

車輛速度測(cè)量的首要條件是找到測(cè)量基準(zhǔn)點(diǎn)，一般以車輛側(cè)方相對(duì)靜止的事物為基準(zhǔn)點(diǎn)。在激光測(cè)距儀距離測(cè)量的基礎(chǔ)上，利用視頻檢測(cè)和跟蹤技術(shù)實(shí)現(xiàn)對(duì)車輛速度的測(cè)量。

1.1 測(cè)量的基本原理

將攝像頭和測(cè)距儀安裝在車輛行駛方向的垂線上，并保證二者的同軸狀態(tài)。當(dāng)被檢測(cè)車輛進(jìn)入攝像頭的拍攝范圍時(shí)，可以自動(dòng)或者人為地檢測(cè)出目標(biāo)，然后使用模板匹配算法跟蹤；當(dāng)車輛行駛到中間位置時(shí)，激光測(cè)距儀會(huì)測(cè)得車輛的距離，并且記錄下當(dāng)前時(shí)間。隨著車輛的繼續(xù)行駛，可以利用像素?cái)?shù)計(jì)算車輛偏離位置中線的角度，利用直角三角形原理計(jì)算車輛的行駛距離，然后再根據(jù)運(yùn)行時(shí)間最終計(jì)算出車輛行駛的速度。

1.2 測(cè)量的數(shù)據(jù)流程圖

車輛自速度測(cè)量的數(shù)據(jù)流程如圖1所示。

2 基于視頻的紋理模板匹配算法

模板匹配算法是現(xiàn)今圖像處理領(lǐng)域常用的一種檢測(cè)和跟蹤方法，它是模式識(shí)別和目標(biāo)跟蹤的重要研究領(lǐng)域。該算法的基本思想是先建立一個(gè)已知目標(biāo)的模板，并根據(jù)模板的特性提取模板的特征，然后在待檢測(cè)的圖像中根據(jù)相應(yīng)的特征來(lái)識(shí)別所需信息，將最符合特征的圖像部分認(rèn)定為目標(biāo)部分。這種技術(shù)常常應(yīng)用于人臉檢測(cè)和車牌識(shí)別等領(lǐng)域。常用的特征模板有基于顏色域的模板、基于特征向量的模板和基于紋理特征的模板等。由于本文的車輛檢測(cè)算法中需要使用灰度圖像，而且對(duì)識(shí)別目標(biāo)的普適性和實(shí)時(shí)性要求比較高，所以，選用基于紋理特征的模板匹配算法。

2.1 基于紋理特征的模板匹配算法

算法的基本思路是：

首先，將目標(biāo)模板按行列方向分別提取紋理矩陣：

；

. （1）

式（1）中：H為垂直紋理矩陣；m為模板；u為橫坐標(biāo)；v為縱坐標(biāo)；L為水平紋理矩陣。

將圖像分別按行列方向提取紋理矩陣：

. （2）

式（2）中：H為垂直紋理矩陣；s為源圖像；i為橫坐標(biāo)；j為縱坐標(biāo)；L為水平紋理矩陣。

計(jì)算圖像各像素點(diǎn)的相似度，即：

；

；

. （3）

式（3）中：βH為垂直紋理相似度；βL為水平紋理相似度；M為圖像寬度；N為圖像高度。

經(jīng)過(guò)上述分析可知，最佳匹配位置是相似度最大的點(diǎn)。

2.2 基于DSP技術(shù)對(duì)算法進(jìn)行的改進(jìn)

在算法中，模板圖像與目標(biāo)圖像之間匹配時(shí)，置信度計(jì)算是十分復(fù)雜的，預(yù)算量越大，運(yùn)行時(shí)間越長(zhǎng)。因此，本文針對(duì)算法中存在的問(wèn)題進(jìn)行了改進(jìn)。

在提取模板圖像和目標(biāo)圖像2個(gè)方向的二值紋理矩陣之前，每個(gè)像素用1個(gè)字節(jié)（8 bits）二進(jìn)制碼表示，而二值化后每個(gè)像素可用1 bit二進(jìn)制碼表示。提取了二值紋理矩陣后，雖然模板圖像與目標(biāo)圖像分別變換為2個(gè)方向上的矩陣，但是，其存儲(chǔ)量可減小為原來(lái)的1/8，極大地節(jié)省了存儲(chǔ)的空間。

在算法中引入邏輯運(yùn)算，將相似度的計(jì)算改為同或和累加運(yùn)算，而且這步可以并行實(shí)現(xiàn)，即：

. （4）

上述操作可以利用DSP處理，在完成了計(jì)算任務(wù)的基礎(chǔ)上，可以節(jié)約大量的時(shí)間。

3 目標(biāo)檢測(cè)算法

由于激光測(cè)距儀和攝像機(jī)的安裝位置是固定的，所以，可以事先調(diào)整安裝位置，從而得到激光命中點(diǎn)在圖像中的位置。如果使用高速激光測(cè)距儀，就可以得到車輛行駛時(shí)距離目標(biāo)的特征信息，進(jìn)而得到激光命中目標(biāo)的準(zhǔn)確時(shí)刻，然后根據(jù)這時(shí)刻前后2幀圖像對(duì)不同的模板進(jìn)行迭代匹配，即可得到準(zhǔn)確的目標(biāo)圖像，然后利用目標(biāo)圖像建立模板，在后續(xù)的視頻圖像中進(jìn)行跟蹤。

激光測(cè)距儀掃描過(guò)樹(shù)木時(shí)的數(shù)據(jù)如圖2所示。

從圖2中可以看出，利用高頻率的激光測(cè)距儀數(shù)據(jù)可以得出激光經(jīng)過(guò)目標(biāo)的時(shí)間。其計(jì)算原理如圖3所示。

圖2 激光數(shù)據(jù)圖

在圖3中，豎線代表激光在圖像中的位置，這在短時(shí)間內(nèi)是不變的，T1和T4兩個(gè)時(shí)刻分別是得到圖像的時(shí)間，它們是可測(cè)量的，而T2和T3時(shí)刻也是可以利用激光數(shù)據(jù)得到的，所以，假設(shè)這一段時(shí)間內(nèi)車速不變，那么，這一段時(shí)間內(nèi)的像素行駛速度也應(yīng)保持不變。這樣，假設(shè)樹(shù)木的寬度為d0，那么，利用T2、T3和d0就可以描述像素速度v，然利用v即可計(jì)算出T1、T4時(shí)刻樹(shù)木所在的位置。將2幀圖像中的樹(shù)木位置以寬度d0取為模板進(jìn)行紋理特征匹配，得到匹配度MSE0，最后改變d值，得到MSE1到MSEN。得到的最小的MSEmin即為最佳匹配模板，然后選取對(duì)應(yīng)的d作為模板寬度在后面的圖像中進(jìn)行匹配。

從圖4中可以看出，寬度取11時(shí)，匹配效果最佳，匹配效果入圖5所示。

4 結(jié)束語(yǔ)

本文提出了一種測(cè)量車輛速度的方法，它是基于視頻檢測(cè)和跟蹤算法運(yùn)行的，具有實(shí)用性強(qiáng)、精確度高等優(yōu)點(diǎn)。利用DSP

技術(shù)可以解決實(shí)際應(yīng)用過(guò)程中實(shí)時(shí)性差的問(wèn)題，使其具有更好的應(yīng)用價(jià)值。

圖4 MSE曲線圖

圖5 寬度為11時(shí)的匹配效果圖

參考文獻(xiàn)

[1]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（03）.

[2]馬迎軍，郭雷.一種基于圖像紋理的模板匹配算法的改進(jìn)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用研究，2007，24（6）.

〔編輯：白潔〕