隋宗賓等

摘 要： 通過對視頻測速應(yīng)用場景的分析，提出一種在機(jī)混車道中應(yīng)用視頻測速的方法。該方法首先采用二維圖像標(biāo)定的方法獲得視頻坐標(biāo)與實際地面坐標(biāo)之間的映射關(guān)系，針對機(jī)混車道的復(fù)雜場景，采用Lab顏色空間和形態(tài)學(xué)處理相結(jié)合的方法對車牌進(jìn)行識別，準(zhǔn)確地跟蹤到目標(biāo)車輛，有效地避免了其他運(yùn)動物體的干擾，同時提出了采用模板更新的方式防止目標(biāo)車輛跟丟。最后通過適當(dāng)選取車輛經(jīng)過檢測區(qū)時的圖像幀，獲得車輛的位移及對應(yīng)的時間間隔，從而獲得高精度的速度測量結(jié)果。

關(guān)鍵詞： 視頻測速； 圖像幀； 車牌識別； 目標(biāo)跟蹤

中圖分類號： TN941?34； TP391.4 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2015）18?0125?03

Abstract： Through analysis of video speed measurement scenarios， a way to detect the running speed of vehicles in mixed road by video speed measurement algorithm is proposed in this paper， in which the two?dimensional image labeling method is adopted to achieve the mapping relation between video coordinates and corresponding actual ground coordinates. Aiming at the complex scenarios of mixing road， the method of combining Lab color space with morphology is used to recognize the license plate， track the object vehicle precisely， avoid the disturbance of any other moving objects. Besides， the mode to refrain from missing object vehicles by a method of template updates is proposed. The displacement of vehicles and corresponding time intervals are got by picking up the image frame that the vehicles crossed the detection zone， with which the result of high?accuracy velocity measurement can be obtained.

Keywords： video speed measurement； image frame； license plate recognition； object tracking

0 引 言

隨著時代的發(fā)展，視頻技術(shù)已經(jīng)有了質(zhì)的飛躍，并在車輛測速中得到了廣泛應(yīng)用。原來大量利用環(huán)形線圈或者雷達(dá)來檢測交通車輛的速度，測速效果很不理想[1]。隨著智能交通技術(shù)的不斷完善，也改變了測量車速的方法，利用視頻技術(shù)進(jìn)行測速已經(jīng)成為智能交通（ITS）的重要組成部分。通過對攝像機(jī)拍攝視頻進(jìn)行分析以及對車輛的定位、追蹤、計算等來獲取車輛的行駛速度。目前視頻測速技術(shù)的應(yīng)用場景越來越復(fù)雜，很多學(xué)者完成了單車道視頻以及多車道視頻測速方法，但是對于復(fù)雜的機(jī)混車道考慮甚少[2]。本文針對機(jī)混車道的應(yīng)用場景，提出了一種通過車牌定位區(qū)分機(jī)動車輛并且防止車輛跟丟的方法，提高了視頻測速的精度，實驗結(jié)果表明該方法具有較好的測速效果。

1 視頻測速方法

1.1 視頻測速系統(tǒng)組成

本文的測速方法主要組成為檢測區(qū)域部分、車牌識別部分以及目標(biāo)跟蹤部分等。檢測區(qū)域部分用來完成視頻坐標(biāo)與實際坐標(biāo)的映射關(guān)系，完成目標(biāo)定位。車牌識別部分主要是通過車牌區(qū)分機(jī)動車、非機(jī)動車以及行人等，便于以后的目標(biāo)追蹤，提高了目標(biāo)跟蹤的準(zhǔn)確性。目標(biāo)追蹤主要利用背景模板的不斷更新來防止目標(biāo)車輛的丟失。

1.2 視頻測速原理

首先在視頻車道上畫出兩道檢測線，車輛每次經(jīng)過檢測線時記錄視頻幀數(shù)M1，M2，通過幀周期[ΔT]，計算出時間間隔[Δt]，然后通過坐標(biāo)映射關(guān)系獲得兩道檢測線的實際距離D，求得車速為：

[v=D（M2-M1）ΔTN]

1.3 視頻測速算法

（1） 視頻坐標(biāo)與實際坐標(biāo)的映射

本文設(shè)置了如圖1所示的測速區(qū)域，按圖所示攝像機(jī)安裝在車輛行駛的反方向，測速區(qū)域是由道路的邊緣線和2條檢測線組成的矩形測速區(qū)域，相機(jī)拍攝的視頻中矩形測速區(qū)域顯示為梯形狀，如圖2所示，測速區(qū)域坐標(biāo)與地面實際坐標(biāo)呈現(xiàn)非線性關(guān)系。

為減少測速的誤差，必須對視頻圖像進(jìn)行標(biāo)定，得到實際地面坐標(biāo)與圖像坐標(biāo)的映射關(guān)系。如圖2所示，視頻測速區(qū)域與道路實際坐標(biāo)的映射關(guān)系為：

[x1y1x2y2x3y3x4y4=x21y211000-x1x21-x1y21000x21y211-y1x21-y1y21x22y221000-x2x22-x2y22000x22y221-y2x22-y2y22x23y231000-x3x23-x3y23000x23y231-y3x23-y3y23x24y241000-x4x24-x4y24000x24y241-y4x24-y4y24b1b2b3b4b5b6b7b8] （1）

式中：[（x1，y1）]～[（x4，y4）]為視頻圖像梯形檢測區(qū)域的頂點(diǎn)坐標(biāo)；[（x21，y21）]～[（x24，y24）]為地面矩形檢測區(qū)域的頂點(diǎn)坐標(biāo)；[b1～b8]為轉(zhuǎn)換系數(shù)。若8點(diǎn)坐標(biāo)均為已知，則可由式（1）求出[b1?b8]。在得到轉(zhuǎn)換系數(shù)后，進(jìn)而可以得到圖像梯形檢測區(qū)域中任意一點(diǎn)坐標(biāo)（x，y）與地面矩形檢測區(qū)域中對應(yīng)點(diǎn)坐標(biāo)[（x2，y2）]，其轉(zhuǎn)換關(guān)系為：

將屬于視頻圖像中檢測區(qū)內(nèi)任何像素點(diǎn)的圖像坐標(biāo)（x，y）代入式（2）和式（3），可以求得該像素點(diǎn)所對應(yīng)的地面坐標(biāo)[（x2，y2）]。從而得到所測車輛準(zhǔn)確位置。

（2） 車牌識別

考慮到機(jī)混車道的復(fù)雜性，在進(jìn)行目標(biāo)跟蹤的時候可能出現(xiàn)非機(jī)動車以及行人的干擾，所以使用了車牌識別技術(shù)對車輛進(jìn)行篩選。綜合考慮車輛與行人的特征，本文采用了一種Lab顏色空間和形態(tài)學(xué)處理相結(jié)合的方法對車牌進(jìn)行識別，進(jìn)而識別出車輛，確定跟蹤目標(biāo)。主要是根據(jù)各種車牌的紋理特征判斷是否為車牌，例如對于黃色車牌，主要是根據(jù)黃色車牌都為雙行且比較臟的特點(diǎn)，首先將圖像轉(zhuǎn)化為Lab顏色空間，再從Lab的a通道中提取綠色和紅色區(qū)域，在b通道中提取黃色區(qū)域，進(jìn)行二值相減，獲得圖像的黃色區(qū)域，并且利用形態(tài)學(xué)處理濾除噪聲等的影響，進(jìn)而定位車牌。具體流程如圖3所示。

經(jīng)過車牌的識別可以準(zhǔn)確地檢測到機(jī)動車，避免了機(jī)混車道中非機(jī)動車以及行人的干擾，仿真結(jié)果如圖4所示。

（3） 防止目標(biāo)車輛的跟丟

經(jīng)過車牌識別確定了目標(biāo)車輛之后，需要對目標(biāo)車輛進(jìn)行跟蹤，考慮到車輛在交通環(huán)境中圖像的不固定性，為了防止目標(biāo)車輛的跟丟，本文提出了一種背景模板不斷更新的方法，防止目標(biāo)車輛的跟丟。

首先設(shè)定圖像更新的閾值作為比較對象，每一次的模板與閾值進(jìn)行比較，設(shè)置一個相關(guān)系數(shù)，如果相關(guān)性大于相關(guān)系數(shù)的時候，就對背景進(jìn)行更新，反之保持原背景不變。然后將背景中目標(biāo)車輛圖像的面積和前景圖像中車輛區(qū)域面積進(jìn)行比較，面積相近則不更新背景，否則提取運(yùn)動物體圖像中運(yùn)動物體顯露出來的部分作為新模板，使下次能夠準(zhǔn)確地進(jìn)行模板匹配，防止車輛的跟丟。

（4） 視頻測速方法

本文的視頻測速方法主要針對機(jī)混車道，車輛行駛方向與攝像機(jī)拍攝方向相反，采用攝像機(jī)和圖像采集卡對圖像采集，采集頻率調(diào)至為40 f/s，即每25 ms采集一幀圖像。在視頻中可以任意虛擬的畫出兩條檢測線，測得兩條線上相應(yīng)位置的坐標(biāo)（x1，y1）和（x12，y12）通過式（2）和式（3）轉(zhuǎn)化為實際路面坐標(biāo)，然后進(jìn)行坐標(biāo)相減獲得2條檢測線的間距D，設(shè)目標(biāo)車輛經(jīng)過第1條檢測線時視頻幀數(shù)為M1，經(jīng)過第2條檢測線時的視頻幀數(shù)為M2，[ΔTN]為幀周期，則速度為：

[v=DM2-M1ΔTN]

2 實驗驗證

實驗驗證過程中，使用雷達(dá)在公路上對過往車輛進(jìn)行了測速以及錄像，然后又對視頻在相同的地點(diǎn)對相同車輛進(jìn)行了測速。一般在100 km/h以下時測速誤差在±8 km以內(nèi)，車速100 km/h以上時測速差在±10%以內(nèi)，就認(rèn)為車速測量準(zhǔn)確。為了驗證視頻測速的準(zhǔn)確度，與雷達(dá)測速進(jìn)行了對照，如表1所示。

表1 速度對照表

由于視頻車輛檢測器受外界復(fù)雜景物和環(huán)境光線變化影響，本文的視頻測速還達(dá)不到雷達(dá)測速的檢測精度，但是在避免行人和非機(jī)動車的干擾方面，相比其他視頻測速設(shè)備，本方法誤差能夠控制在5%以下，而其他設(shè)備只能控制在10%左右，因此具有更好的測速效果，提高了測速精度。

3 結(jié) 語

本文通過Lab顏色空間和形態(tài)學(xué)處理相結(jié)合的車牌識別方法，有效地避免了非機(jī)動車和行人的干擾，融合了運(yùn)動物體跟蹤防跟丟技術(shù)，有效地提高了視頻測速的精度?？蓮V泛在視頻車流量檢測器中車輛速度的監(jiān)測方面、交通流計算參考數(shù)據(jù)的獲取、電子警察對車速的輔助測量方面以及為交通管理提供參考等方面得到應(yīng)用。

參考文獻(xiàn)

[1] 陳世忠，熊鵬飛，李宏一.對雷達(dá)測速不準(zhǔn)的原因分析及改進(jìn)[J].鐵道通信信號2002，38（11）：6?7.

[2] 李晴，徐群.復(fù)雜場景下多運(yùn)動目標(biāo)速度檢測技術(shù)的實現(xiàn)[J].計算機(jī)與數(shù)字工程，2006，34（11）：167?171.

[3] CHRIS S， GRIMSON W. Learning patterns of activity using real?time tracking [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2000， 22（8）： 747?757.

[4] ZHANG S， ZHANG C. Application of ridgelet transform to wave direction estimation [C]// Proceedings of the 2008 Congresson Image and Signal. Sanya， China： IEEE， 2008： 690?693.

[5] 黃丹丹，孫詠，任俊，等.利用圖像識別的車速測量系統(tǒng)[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2005，17（6）：1258?1262.

[6] 林雨，方守恩.基于視頻技術(shù)的地點(diǎn)車速測定新方法[J].中國安全科學(xué)學(xué)報，2007，17（2）：173?176.

[7] 邱茂林，馬頌德，李毅.計算機(jī)視覺中攝像機(jī)定標(biāo)綜述[J].自動化學(xué)報，2000，26（1）：43?56.

[8] 陳媛媛，柴治，陳泉林.基于視頻檢測的車輛測速方法[J].電子技術(shù)應(yīng)用，2009（23）：185?188.

[9] 陳群，楊東勇，盧瑾.基于車牌字符邊界定位的視頻測速[J].計算機(jī)工程，2014，40（5）：158?163.