基于車牌識(shí)別的機(jī)混車道視頻測(cè)速算法

隋宗賓等

摘 要： 通過對(duì)視頻測(cè)速應(yīng)用場(chǎng)景的分析，提出一種在機(jī)混車道中應(yīng)用視頻測(cè)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(shí)際地面坐標(biāo)之間的映射關(guān)系，針對(duì)機(jī)混車道的復(fù)雜場(chǎng)景，采用Lab顏色空間和形態(tài)學(xué)處理相結(jié)合的方法對(duì)車牌進(jìn)行識(shí)別，準(zhǔn)確地跟蹤到目標(biāo)車輛，有效地避免了其他運(yùn)動(dòng)物體的干擾，同時(shí)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(cè)區(qū)時(shí)的圖像幀，獲得車輛的位移及對(duì)應(yīng)的時(shí)間間隔，從而獲得高精度的速度測(cè)量結(jié)果。

關(guān)鍵詞： 視頻測(cè)速； 圖像幀； 車牌識(shí)別； 目標(biāo)跟蹤

中圖分類號(hào)： TN941?34； TP391.4 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 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(shí)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(cè)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(cè)交通車輛的速度，測(cè)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(cè)量車速的方法，利用視頻技術(shù)進(jìn)行測(cè)速已經(jīng)成為智能交通（ITS）的重要組成部分。通過對(duì)攝像機(jī)拍攝視頻進(jìn)行分析以及對(duì)車輛的定位、追蹤、計(jì)算等來獲取車輛的行駛速度。目前視頻測(cè)速技術(shù)的應(yīng)用場(chǎng)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(cè)速方法，但是對(duì)于復(fù)雜的機(jī)混車道考慮甚少[2]。本文針對(duì)機(jī)混車道的應(yīng)用場(chǎng)景，提出了一種通過車牌定位區(qū)分機(jī)動(dòng)車輛并且防止車輛跟丟的方法，提高了視頻測(cè)速的精度，實(shí)驗(yàn)結(jié)果表明該方法具有較好的測(cè)速效果。

1 視頻測(cè)速方法

1.1 視頻測(cè)速系統(tǒng)組成

本文的測(cè)速方法主要組成為檢測(cè)區(qū)域部分、車牌識(shí)別部分以及目標(biāo)跟蹤部分等。檢測(cè)區(qū)域部分用來完成視頻坐標(biāo)與實(shí)際坐標(biāo)的映射關(guān)系，完成目標(biāo)定位。車牌識(shí)別部分主要是通過車牌區(qū)分機(jī)動(dòng)車、非機(jī)動(dòng)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(cè)速原理

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

[v=D（M2-M1）ΔTN]

1.3 視頻測(cè)速算法

（1） 視頻坐標(biāo)與實(shí)際坐標(biāo)的映射

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

為減少測(cè)速的誤差，必須對(duì)視頻圖像進(jìn)行標(biāo)定，得到實(shí)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(cè)速區(qū)域與道路實(shí)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(cè)區(qū)域的頂點(diǎn)坐標(biāo)；[（x21，y21）]～[（x24，y24）]為地面矩形檢測(cè)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(cè)區(qū)域中任意一點(diǎn)坐標(biāo)（x，y）與地面矩形檢測(cè)區(qū)域中對(duì)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(cè)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(duì)應(yīng)的地面坐標(biāo)[（x2，y2）]。從而得到所測(cè)車輛準(zhǔn)確位置。

（2） 車牌識(shí)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(shí)候可能出現(xiàn)非機(jī)動(dòng)車以及行人的干擾，所以使用了車牌識(shí)別技術(shù)對(duì)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(duì)車牌進(jìn)行識(shí)別，進(jìn)而識(shí)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(duì)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L(zhǎng)ab顏色空間，再?gòu)腖ab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(shí)別可以準(zhǔn)確地檢測(cè)到機(jī)動(dòng)車，避免了機(jī)混車道中非機(jī)動(dòng)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(shí)別確定了目標(biāo)車輛之后，需要對(duì)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(duì)象，每一次的模板與閾值進(jìn)行比較，設(shè)置一個(gè)相關(guān)系數(shù)，如果相關(guān)性大于相關(guān)系數(shù)的時(shí)候，就對(duì)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(dòng)物體圖像中運(yùn)動(dòng)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(cè)速方法

本文的視頻測(cè)速方法主要針對(duì)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(duì)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(cè)線，測(cè)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(shí)際路面坐標(biāo)，然后進(jìn)行坐標(biāo)相減獲得2條檢測(cè)線的間距D，設(shè)目標(biāo)車輛經(jīng)過第1條檢測(cè)線時(shí)視頻幀數(shù)為M1，經(jīng)過第2條檢測(cè)線時(shí)的視頻幀數(shù)為M2，[ΔTN]為幀周期，則速度為：

[v=DM2-M1ΔTN]

2 實(shí)驗(yàn)驗(yàn)證

實(shí)驗(yàn)驗(yàn)證過程中，使用雷達(dá)在公路上對(duì)過往車輛進(jìn)行了測(cè)速以及錄像，然后又對(duì)視頻在相同的地點(diǎn)對(duì)相同車輛進(jìn)行了測(cè)速。一般在100 km/h以下時(shí)測(cè)速誤差在±8 km以內(nèi)，車速100 km/h以上時(shí)測(cè)速差在±10%以內(nèi)，就認(rèn)為車速測(cè)量準(zhǔn)確。為了驗(yàn)證視頻測(cè)速的準(zhǔn)確度，與雷達(dá)測(cè)速進(jìn)行了對(duì)照，如表1所示。

表1 速度對(duì)照表

由于視頻車輛檢測(cè)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(cè)速還達(dá)不到雷達(dá)測(cè)速的檢測(cè)精度，但是在避免行人和非機(jī)動(dòng)車的干擾方面，相比其他視頻測(cè)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(cè)速效果，提高了測(cè)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(shí)別方法，有效地避免了非機(jī)動(dòng)車和行人的干擾，融合了運(yùn)動(dòng)物體跟蹤防跟丟技術(shù)，有效地提高了視頻測(cè)速的精度?？蓮V泛在視頻車流量檢測(cè)器中車輛速度的監(jiān)測(cè)方面、交通流計(jì)算參考數(shù)據(jù)的獲取、電子警察對(duì)車速的輔助測(cè)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(duì)雷達(dá)測(cè)速不準(zhǔn)的原因分析及改進(jìn)[J].鐵道通信信號(hào)2002，38（11）：6?7.

[2] 李晴，徐群.復(fù)雜場(chǎng)景下多運(yùn)動(dòng)目標(biāo)速度檢測(cè)技術(shù)的實(shí)現(xiàn)[J].計(jì)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(shí)別的車速測(cè)量系統(tǒng)[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，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(cè)定新方法[J].中國(guó)安全科學(xué)學(xué)報(bào)，2007，17（2）：173?176.

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

[8] 陳媛媛，柴治，陳泉林.基于視頻檢測(cè)的車輛測(cè)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(cè)速[J].計(jì)算機(jī)工程，2014，40（5）：158?163.