一种提高视频车速检测精度的方法

1、第44卷第10期 2010年10月上海交通大学学报JOURNALOFSHANGHAIJIAOTONGUNIVERSITYVol.44No.10 Oct.2010 文章编号:1006 2467(2010)10 1439 05一种提高视频车速检测精度的方法张重德, 张崇巍(合肥工业大学电气与自动化工程学院,合肥230009)摘 要:通过对基于虚拟线的机动车视频测速方法的精度分析,提出了一种提高测速精度的方法.该方法在车道上定义一个矩形检测区,该检测区在视频图像上呈现出梯形,采用二维图像标定方法将梯形图像区域中任意一点的图像坐标准确地映射为检测区内对应点的地面坐标.通过在车辆经过检测区的视频图像中选

2、取适当的图像帧,可以获得车辆的位移及对应的时间间隔,从而获得较高精度的速度测量结果.关键词:视频测速;测速精度;检测区;图像标定中图分类号:U491.2 文献标志码:AAMethodtoImprovetheAccuracyofVideo basedVehicleSpeedMeasurementZHANGZhong de, ZHANGChong wei(SchoolofElectricalEngineeringandAutomation,HefeiUniversityofTechnology,Hefei230009,China)Abstract:Withananalysisoftheinsuff

3、icientaccuracyofthevideo basedvehiclespeedmeasurementbasedonvirtuallines,amethodwasproposedtoimprovethemeasurementaccuracy.Arectangledetectionareawasdefinedonaroadlane,butitwasdisplayedasatrapezoidontheimagescapturedbythevideocamera.Byusingtwo dimensionalimagecalibrationtransformation,theimagecoordi

4、natesofanypointwithinthetrapezoidareacouldbeaccuratelymappedtothegroundcoordinatesofcorrespondingpointwithintherec tanglearea.Byselectingadequateimageframescapturedduringthevehiclerunningacrossthedetectionarea,thedisplacementsofthevehicleandcorrespondingtimeintervalscouldbeobtainedbytheproposedalgor

5、ithmandthusthevehiclespeedcouldbeachievedwithbetteraccuracy.Keywords:video basedspeedmeasurement;speedmeasurementaccuracy;detectionarea;imagecalibration 在智能交通领域,视频测速是指不使用专门的测速设备(线圈、雷达和激光等),仅通过对车辆视频信号进行分析而获得机动车行驶速度的一种方法.利用视频图像检测车辆速度的过程主要包含如下2个步骤:(1)利用图像处理技术识别画面中的车辆并确定参考点;收稿日期:2009 10 29(2)根据车辆在前后图像中参

6、考点位置的变化而计算车辆的速度.目前,通过视频技术检测机动车行驶速度通常采用虚拟线(又称虚拟线圈)方法1,该方法是在检测区域的视频图像上设置2条虚拟检测线而取代真实的地面预埋线圈,利用2条虚拟检测线之间的距离和车辆通过前后2条虚拟线的时间差计算出车辆作者简介:张重德(1969 ),男,湖北赤壁市人,高级工程师,研究方向:控制理论与工程.电话(Tel.):0551 2901102;E mail:zhangcd.1440上 海 交 通 大 学 学 报2第44卷速度.虚拟线测速方法产生的最大测速误差为= (vT)/D其中:v为车辆速度;T为图像采集帧周期;D为检测区域长度.设v=80km/h,D=3

7、0m,图像采集卡采集频率为25帧/s,则 3%,容易造成车辆超速误判.如果想要降低误差,就需要加长检测区长度,例如,由30m加长到50m;但是,检测区长度的增加又会因图像分辨率的限制而影响距离测量的精度.因此,虚拟线方法虽较为简便,但车辆速度检测精度不高,并且可能由于光照等的影响而产生误判,其应用因不够理想而有可能被淘汰.视频测速领域中的最新动向是多摄像头方案,利用多目视觉进行识别、跟踪,并可实现对多目标测速3 4,但系统配置要求高,算法复杂.本文面向单车道的视频测速,探讨了一种不同于虚拟线方案的视频测速方法,该方法利用路面上的车道线和2条添加的横向标志线而组成检测标定区.应用二维图形变换算法

8、由图像坐标快速获取地面坐标,在此基础上,采用连续图像帧取代虚拟检测线上的图像帧进行距离检测,进而通过图像帧时间间隔计算车速.图1 机动车测速区域设置Fig.1 Settingofvehiclespeedmeasurementarea固定的前提下,图像坐标与真实地面坐标的相互映射呈现出非线性,这种非线性取决于地面坐标位置及其相对于摄像头仰角的三角函数关系.(2)任何镜头均存在非线性变形,这种变形难以标定,尤其是在镜头变焦时.通过对上述2种非线性因素进行数学建模,发现很难得到图像坐标和地面坐标之间准确的映射关系,因此,需要寻找一种简便且具有可接受精度的图像标定方法.92 图形映射与坐标标定本文借助

9、于图形学中的四边形变换方法得到图像坐标和地面坐标之间的映射关系(见图2).1 检测区域设置本文设置的速度检测区如图1所示.图中:摄像机安装在被检测道路上方;L1、L2是检测区地面上绘制的两端标志线.由于摄像机位置和倾角的影响,车道边线和2条标志线组成的矩形检测区域在所获取的图像中由于透视关系而呈现出梯形,检测区经过非线性映射到图像上后,地面上相等的间距映射在图像上是不相等的.为了利用视频图像精确检测机动车的速度,必须在检测区域内建立地面坐标与图像坐标之间的对应关系,即需对视频图像进行标定5 8.图2 平面映射示意图Fig.2 Diagramofmappingofplane将视频图像中的像素坐标

10、映射为道路上检测区域的地面坐标,其受到如下2个非线性因素的影响: (1)在摄像头及其倾角位置均相对于检测区域x1y1x2y2=x3y3x4yx!102x!03x!0x!40y!102y!03y!0y!40101010100x!10x!20x!30x!4y!10y!20y!30y!4以图2为例,在平面图形学中2个四边形的2组顶点坐标之间存在如下的关系10:01010101-x1x!1y1x!12x2x!y2x!23x3x!y3x!3x4x!4y4x!4-x1y1y1y!12x2y!y2y!23x3y!y3y!3x4y!4y4y4a1a2a3a4a5a6a7a(1)第10期张重德,等:一种提高视频

11、车速检测精度的方法1441式中:(x1,y1)(x4,y4)为图像梯形检测区域的顶点坐标;(x!1,y!1)(x!4,y!4)为地面矩形检测区域的顶点坐标;a1,a2,a8为转换系数.若8点坐标均为已知,则可由式(1)求出a1a8.在得到转换系数后,进而可以得到图像梯形检测区域中任意一点坐标(x,y)与地面矩形检测区域中对应点坐标(x!,y!),其转换关系为123x=a7x!+a8y!+1刻;N为摄像机所拍摄的车辆图像帧序数.利用速度检测模型可以计算出机动车在任意2帧之间的速度和整个检测区域内的平均速度,具体步骤如下:(1)在检测区,选取摄像机拍摄图像中车辆距标定线L1较近的第N帧图像作为起始

12、帧,距标定线L1约2/3检测区域长度内的第N+M帧图像作为结束帧,在2帧之间靠近中间位置选取第N+K帧图像作为中间帧.y=456a7x!+a8y!+1(2)(2)在每帧图像中,首先识别车辆轮廓,然后进一步确定车尾线,并将车尾线PQ的中点O作为车速参考点.(3)第N帧图像获取PN、QN的图像坐标分别为xP(N),yP(N)和xQ(N),yQ(N),则中点ON的图像坐标为PQxO(N)=2PQyO(N)=2同理,可得ON+K和ON+M的图像坐标.(4)采用前节所述的梯形与矩形变换算法得到ON、ON+K和ON+M对应的地面点O!N、O!N+K和O!N+M,例如,O!N的地面坐标为x!O(N),y!O

13、(N).(5)由以上坐标值可计算出车辆在第N帧图像与第N+K帧图像之间的行驶距离为 S1=x!O(N+K)-x!O(N)+y!O(N+K)-y!O(N)(3)(x1,y1)(x4,y4)可以通过图像处理和辨识而得到,(x!1,y!1)(x!4,y!4)可以通过测量实际路面长度和宽度获得.将属于视频图像中检测区内任何像素点的图像坐标(x,y)代入式(2),可以求得该像素点所对应的地面坐标(x!,y!).从而得到所测车辆准确位置.3 速度检测方法本文涉及的车速检测方案仅考虑单车道,车辆行驶方向与摄像机拍摄方向相同,采用摄像机和图像采集卡对包括检测区在内的场景进行图像采集,其采集频率为25帧/s,即

14、每40ms采集一帧图像.帧数时为图像采集卡采集到第N帧图像所对应的时刻,记为tN,若选用第N帧和第N+M帧进行速度检测,则2帧之间的时间差为tN+M-tN. 本文图像处理需要完成以下2个任务:(1)对检测区进行识别,得到检测区梯形图像的图像坐标;(2)对图像中的车辆进行识别,并确定车辆的参考点坐标.本文按照车尾线中间位置而进行速度检测,如图3所示.图中:P!、Q!为实际场景中车尾线的2个端点;O!为车尾线中点;t为行驶车辆所对应的时同理,可得第N+K帧图像与第N+M帧图像之间的行驶距离 S2.(6)由计时方案可获取第N和N+K帧图像的时间间隔为t1=tN+K-tN(4)而第N+K和N+M帧图像

15、中的时间间隔为t2=tN+M-tN+K(5)(7)由此可得车辆通过第N和N+K帧图像间的平均速度为1v1=(6)1而第N+K和N+M帧图像中的平均速度为S2v2=(7)2以上述2个计算结果的平均值作为车辆通过测速区的车速,即v=(v1+v2)2图3 测速区速度检测法示意图Fig.3 Diagramofspeeddetectinginspeedmeasurementarea(8)4 实验结果在实际系统上进行实验,具体系统参数与实验1442上 海 交 通 大 学 学 报第44卷数据如下.(1)摄像机图像的分辨率为768#576,在位置和倾角固定的条件下得到的梯形检测区图像像素点坐标(cm)分别为:

16、A(0.3,3);B(2.4,3);C(0,0);D(3.3,0).(2)矩形检测区长度D=20m,宽度H=3.5m,其标定坐标(m)分别为:A!(0,20);B!(3.5,20);C!(0,0);D!(3.5,0).(3)根据式(1)计算得:a1=0.943;a2=0.024;a3=0;a4=0;a5=0.237;a6=0;a7=0;a8=0.029.(4)图4所示为测速图像帧经过标定后的映射图像.实验测试数据如表1、2所示.实验1所得到的车辆速度为59.63km/h,实验2得到的车辆速度为59.96km/h,实际车速为60km/h.第1帧原始图像第1帧标定图像第3帧标定图像第5帧标定图像第

17、7帧标定图像图4 原始图像的标定图像Fig.4 Calibratedimagesoforiginalimage表1 车尾线中点坐标标定值Tab.1 CoordinatecalibrationdataofMidpointofrearvehicleline实验1中点N=1O(x,y)/mmO!(x!,y!)/mm(16.8,0)(17.8,0)N=3(15.7,3.9)(17.5,17.4)N=5(15.6,7.6)(17.3,35.1)N=1(16.8,0)(17.8,0)N=3(15.7,3.9)(17.5,17.4)N=7(14.2,12.4)(16.2,61.9)实验2表2 车辆测速数据T

18、ab.2 Dataofvehiclevelocitymeasurement实验12t1/s0.080.08t2/s0.080.16S1/m1.321.33S2/m1.332.67v1/(ms-1)16.5016.63v2/(ms-1)16.6316.695 结 论(1)本文所提出的方法在时间计量上避免了虚拟线方法可能产生长达40ms的时间误差,能够大幅提高测速精度.(2)测速区的端线L1和L2已不具有虚拟线圈的属性,可以和车道线一起作为图像标定的依据;测速区的长度并不影响测速精度,可以缩短以提高图像坐标的分辨率,从而提高测速精度.(3)每帧图像数据的采集都是离散的,与图像处理方式无关.因此,车

19、辆的行车速度和图像采集卡的采集频率对测速精度都有影响.在本方法中,如果行车速度超过200km/h时,需提高采集卡的采集频率,从而保证检测区域内能够采集足够多的图像帧数,以达到较高的检测精度.(4)采用高分辨率的摄像机拍摄车辆图像也可提高测速精度.(5)图像坐标与地面坐标的映射算法相对于系第10期张重德,等:一种提高视频车速检测精度的方法1443统必须具备的图像识别算法,其计算量不大,在现有的计算机配置水平上可实时进行,并可迅速适应摄像头的角度变换和变焦操作.参考文献:1 程三伟,佟守愚,李 江.高速公路车辆违章超速行为检测与判别的研究J.计算机工程与应用,2005(8):204 206.CHE

20、NGSan wei,TONGshou yu,LIJiang.ResearchondetectionjudgementofpeccantoverspeedbehaviorofvehiclesinexpresswayJ.ComputerEngineeringandApplications,2005(8):204 206.2 王命延,朱明峰,王 昊.机动车视频测速中关键技术的研究与实现J.计算机工程,2006,32(5):198 201.WANGMing yan,ZHUMing feng,WANGHao.Studyandimplementationofkeytechniquesinvehiclesp

21、eedmeasurementthroughvideoJ.ComputerEn gineering,2006,32(5):198 201.3 李 晴,徐 群.复杂场景下多运动目标速度检测技术的实现J.计算机与数字工程,2006,34(11):167 171.LIQing,XUQun.ImplementationofspeeddetectiontechnologyofmultiplemotiontargetsincomplexscenesJ.Computer&DigitalEngineering,2006,34(11):167 171.4 王 栓,艾海舟,何克忠.基于差分图像的多运动目标的

22、检测与跟踪J.中国图像图形学报(A版),1999,4(6):470 475.WANGShuan,AIHai zhou,HEKe zhou.Differ ence imagebasedmultiplemotiontargetsdetectionandtrackingJ.JournalofImageandGraphics(SerA),1999,4(6):470 475.5 吴文琪,孙增圻.机器视觉中的摄像机定标方法综述J.计算机应用研究,2004(2):4 6.WUWen qi,SUNZeng qi.Oviewofcameracalibra tionmethodformachinevisionJ.

23、ApplicationResearchofComputers,2004(2):4 6.6 邱茂林,马颂德,李 毅.计算机视觉中摄像机定标综述J.自动化学报,2000,26(1):43 55.QIUMao lin,MASong de,LIYi.OviewofcameracalibrationforcomputervisionJ.JournalofAutomic,2004,26(1):43 55.7 袁 野,余松煜,田中旭.一种基于平面直线的摄像机标定方法J.上海交通大学学报,2004,38(4):586588.YUANYe,YUSong yu,TIANZhong xu.AcameracalibrationtechniquebasedonplanarlineJ.JournalofShanghaiJiaotongUniversity,2004,38(4):586588.8 傅其风,崔彦平.双目视觉摄像机神经网络标定方法J.工程图学学报,2005(6):93 97.FUQi feng,CUIYan ping.Neuralnetworktech niqueincalibrationforbinocularvi