基于視頻的車輛速度自測(cè)量

孫 浩，沈文杰

(天津市計(jì)量監(jiān)督檢測(cè)科學(xué)研究院 天津300192)

基于視頻的車輛速度自測(cè)量

孫 浩，沈文杰

(天津市計(jì)量監(jiān)督檢測(cè)科學(xué)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(gè)基本參量，如何快速精確地測(cè)量出車輛速度已經(jīng)成為當(dāng)今的一個(gè)研究重點(diǎn)。車輛速度的測(cè)量分為主動(dòng)式和被動(dòng)式測(cè)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(dòng)式測(cè)量車輛自身速度的方法，并利用DSP技術(shù)實(shí)現(xiàn)了實(shí)時(shí)測(cè)量。

速度測(cè)量 車輛檢測(cè) DSP并行算法

0 引 言

現(xiàn)代社會(huì)中，汽車已經(jīng)成為交通系統(tǒng)的主要組成部分。對(duì)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(yùn)行狀態(tài)中最重要的參量，如何實(shí)時(shí)精確地測(cè)量出車輛速度是當(dāng)今研究的重點(diǎn)與熱點(diǎn)。目前的車速檢測(cè)主要分為被動(dòng)式和主動(dòng)式，本文克服了主動(dòng)式測(cè)量方法中難以找到有效相對(duì)靜止點(diǎn)作為基礎(chǔ)點(diǎn)的問(wèn)題，提出了一種基于視頻的車輛自身速度測(cè)量。

1 基于視頻的車輛速度自測(cè)量

車輛行駛過(guò)程中，在車輛的側(cè)方會(huì)有相對(duì)靜止的景物的變化，如樹(shù)木、燈桿等。這就為車輛速度的測(cè)量提供了基準(zhǔn)點(diǎn)，通過(guò)視頻檢測(cè)和跟蹤技術(shù)，再輔以激光測(cè)距儀的距離測(cè)量，即可實(shí)時(shí)得到車輛自身速度。

1.1 基本原理

將測(cè)距儀和攝像頭同軸安裝在車輛行駛方向的垂線上，當(dāng)目標(biāo)進(jìn)入攝像頭的視野中時(shí)，可以人為或自動(dòng)地檢測(cè)出目標(biāo)，然后使用模板匹配算法進(jìn)行跟蹤。當(dāng)目標(biāo)行進(jìn)到視野中間時(shí)，激光測(cè)距儀測(cè)得目標(biāo)距離，并記錄下當(dāng)前時(shí)間。當(dāng)目標(biāo)繼續(xù)運(yùn)動(dòng)時(shí)，可通過(guò)像素?cái)?shù)計(jì)算出目標(biāo)偏離視野中線的角度，通過(guò)解直角三角形即可得到目標(biāo)運(yùn)動(dòng)的距離，即車輛行駛的距離，再根據(jù)時(shí)間信息即可得到當(dāng)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(biāo)檢測(cè)算法

基于視頻的目標(biāo)檢測(cè)算法是現(xiàn)今圖像處理領(lǐng)域研究的重點(diǎn)。目標(biāo)檢測(cè)算法主要分為運(yùn)動(dòng)目標(biāo)檢測(cè)和靜止目標(biāo)檢測(cè)。運(yùn)動(dòng)目標(biāo)檢測(cè)利用的是目標(biāo)與背景的相對(duì)位移，通過(guò)幀間差分等方法實(shí)現(xiàn)目標(biāo)與背景的分離，常見(jiàn)的應(yīng)用有車輛檢測(cè)、入侵檢測(cè)等；常用的方法有高斯模型運(yùn)動(dòng)檢測(cè)、碼書模型運(yùn)動(dòng)檢測(cè)等。而靜止目標(biāo)檢測(cè)是通過(guò)對(duì)已知目標(biāo)的特征進(jìn)行提取，然后對(duì)圖像進(jìn)行分割、匹配，從而達(dá)到目標(biāo)與背景分離的目的。常見(jiàn)應(yīng)用有人臉檢測(cè)、指紋檢測(cè)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(cè)的目標(biāo)相對(duì)于背景是靜止的，所以需要用到靜止目標(biāo)檢測(cè)的方法。同時(shí)，本文所需要的檢測(cè)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(cè)量數(shù)據(jù)流程圖Fig.1 Data flowchart of vehicle speed measurement

2.1 圖像邊界檢測(cè)

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

2.2 圖像邊界分割

本文所論述的測(cè)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(cè)時(shí)，只需要將Sobel算子的第2個(gè)矩陣與圖像進(jìn)行卷積，得到邊界后，統(tǒng)計(jì)圖像每一個(gè)橫坐標(biāo)上有多少個(gè)點(diǎn)被認(rèn)為是邊界，在非連續(xù)的橫坐標(biāo)上有高于閥值的橫坐標(biāo)被定義為邊界，兩個(gè)邊界之間的部分被認(rèn)為是一個(gè)目標(biāo)，這樣就利用邊界將圖像分割為多個(gè)目標(biāo)，即可對(duì)每個(gè)目標(biāo)分別進(jìn)行跟蹤。

目標(biāo)檢測(cè)的DSP處理數(shù)據(jù)流程見(jiàn)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(biāo)跟蹤算法

靜止目標(biāo)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(biāo)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(jì)算圖像各像素點(diǎn)的相似度：

④ 相似度最大的點(diǎn)被認(rèn)為是最佳匹配位置。

3.2 紋理模板匹配算法的DSP改進(jìn)

由于算法中計(jì)算目標(biāo)圖像與模板圖像之間的匹配置信度較為復(fù)雜，運(yùn)算量大，匹配時(shí)間長(zhǎng)，嚴(yán)重制約其在實(shí)時(shí)系統(tǒng)中的應(yīng)用。下面對(duì)上述算法進(jìn)行了改進(jìn)：在對(duì)目標(biāo)圖像與模板圖像提取兩個(gè)方向的二值紋理矩陣前，每個(gè)像素由一個(gè)字節(jié)(8 bits)二進(jìn)制碼表示，二值化后每個(gè)像素可由1 bit二進(jìn)制碼表示。因此，在提取二值紋理矩陣后，雖然目標(biāo)圖像與模板圖像分別變換為兩個(gè)方向上的矩陣，但存儲(chǔ)量分別變?yōu)樵鹊?/8，大大節(jié)省了存儲(chǔ)空間。

在本算法中引入邏輯運(yùn)算，將相似度計(jì)算的方法改為同或和累加運(yùn)算，即：

這步可以并行實(shí)現(xiàn)，因此使用 DSP進(jìn)行處理可以有效節(jié)約時(shí)間，完成使用 DSP對(duì)目標(biāo)進(jìn)行檢測(cè)與跟蹤。

4 結(jié) 語(yǔ)

本文通過(guò)基于視頻的目標(biāo)檢測(cè)與跟蹤算法，提出了一種有效測(cè)量車輛自身運(yùn)動(dòng)速度的方法，這種方法理論上具有更好的實(shí)用性和精確度，但是需要進(jìn)行大量的圖像處理計(jì)算。因此，使用DSP處理可以很好地解決實(shí)時(shí)性問(wèn)題。本文也針對(duì)DSP處理對(duì)算法進(jìn)行了改進(jìn)，使其更好地適應(yīng)DSP并行計(jì)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(jìn)與實(shí)現(xiàn)[J]. 計(jì)算機(jī)應(yīng)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