一種基于目標(biāo)運(yùn)動(dòng)軌跡的車(chē)輛速度檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于目標(biāo)運(yùn)動(dòng)軌跡的車(chē)輛速度檢測(cè)方法，包括步驟依次是目標(biāo)分割、基于卡爾曼濾波的目標(biāo)跟蹤和速度計(jì)算，所述的目標(biāo)分割主要采用幀間差分法和固定閾值法相結(jié)合，獲得分割結(jié)果；所述的基于卡爾曼濾波的目標(biāo)跟蹤分為獲得質(zhì)心、建立運(yùn)動(dòng)模型、運(yùn)動(dòng)目標(biāo)特征提取及更新?tīng)顟B(tài)向量，以獲得目標(biāo)運(yùn)動(dòng)軌跡；所述的速度計(jì)算方法主要涉及獲得軌跡相關(guān)點(diǎn)信息、建立映射關(guān)系、速度計(jì)算及速度校正，其中映射關(guān)系建立主要是指圖像中像素坐標(biāo)到實(shí)際距離的轉(zhuǎn)換，即計(jì)算出圖像中每個(gè)像素點(diǎn)在實(shí)際坐標(biāo)系中對(duì)應(yīng)的實(shí)際距離，速度計(jì)算主要指依據(jù)速度計(jì)算公式用距離除以時(shí)間對(duì)車(chē)輛軌跡中提供的相關(guān)信息進(jìn)行計(jì)算，并根據(jù)實(shí)際情況對(duì)計(jì)算結(jié)果進(jìn)行校正。
【專(zhuān)利說(shuō)明】一種基于目標(biāo)運(yùn)動(dòng)軌跡的車(chē)輛速度檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能交通【技術(shù)領(lǐng)域】，特別涉及一種基于目標(biāo)運(yùn)動(dòng)軌跡的車(chē)輛速度檢測(cè)方法。

【背景技術(shù)】
[0002]普遍存在的汽車(chē)超速行駛問(wèn)題，不但增加了交通監(jiān)管部門(mén)的工作難度，而且汽車(chē)超速引發(fā)的人員傷亡事故也時(shí)有發(fā)生。為此，需要對(duì)車(chē)輛行駛速度進(jìn)行檢測(cè)并能自動(dòng)識(shí)別車(chē)牌號(hào)，使車(chē)輛管理進(jìn)一步自動(dòng)化、智能化。
[0003]要實(shí)現(xiàn)交通智能化，就要全面、準(zhǔn)確的獲取交通信息，包括車(chē)流量、車(chē)速、車(chē)型等實(shí)時(shí)交通參數(shù)信息。根據(jù)這些交通信息可以及時(shí)對(duì)交通事故進(jìn)行處理，必要的時(shí)候要發(fā)出誘導(dǎo)信息來(lái)疏導(dǎo)交通。因此，在智能交通系統(tǒng)中，交通信息采集設(shè)備是實(shí)現(xiàn)智能化交通的基礎(chǔ)，是智能交通管理技術(shù)能夠?qū)崟r(shí)、正確的控制和引導(dǎo)交通的前提。車(chē)速檢測(cè)作為基于視頻的交通信息采集技術(shù)的一部分，是目前交通領(lǐng)域的研究熱點(diǎn)。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是提供一種基于目標(biāo)運(yùn)動(dòng)軌跡的車(chē)輛速度檢測(cè)方法，以解決現(xiàn)有技術(shù)中利用道路監(jiān)控視頻檢測(cè)車(chē)輛速度準(zhǔn)確度不高的問(wèn)題。
[0005]本發(fā)明的技術(shù)方案是，一種基于目標(biāo)運(yùn)動(dòng)軌跡的車(chē)輛速度檢測(cè)方法，所述的檢測(cè)方法采用道路監(jiān)控視頻圖像對(duì)車(chē)輛速度進(jìn)行檢測(cè)，包括的步驟，依次為車(chē)輛目標(biāo)分割、基于卡爾曼濾波的車(chē)輛目標(biāo)跟蹤和車(chē)輛速度計(jì)算，
[0006]所述的車(chē)輛目標(biāo)分割步驟包括用幀間差分法及固定閾值法進(jìn)行運(yùn)動(dòng)目標(biāo)分割，
[0007]所述的幀間差分法是指通過(guò)視頻圖像序列中相鄰數(shù)幀中對(duì)應(yīng)像素點(diǎn)進(jìn)行差分運(yùn)算來(lái)獲得運(yùn)動(dòng)車(chē)輛目標(biāo)輪廓的方法，其算法實(shí)現(xiàn)如下:
[0008]pDifImg[i] = abs (pNowImg[i]-pBefImg[i]), i = 0...ff*H (I)
[0009]其中，
[0010]pDifImg[i]-巾貞差結(jié)果灰度值；
[0011]pNowImg[i]-當(dāng)前巾貞圖像灰度值；
[0012]pBefImg[i]——前N幀圖像灰度值；
[0013]W——圖像寬度；
[0014]H——圖像高度。；
[0015]其中N= 3;
[0016]所述的固定閾值法的算法如下:
\255,pDifhng[i}>TΛ、
[0017]pBinImg[i} = \ vJ = 0..,W*H(2)

[0, pDiflmg[i] < T
[0018]其中，
[0019]pBinImg[i]-某點(diǎn)分割結(jié)果；
[0020]T——分割閾值；
[0021]當(dāng)所述像素點(diǎn)幀差結(jié)果大于設(shè)定的閾值T時(shí)，則將該點(diǎn)賦值為白點(diǎn)，即255，當(dāng)該點(diǎn)幀差結(jié)果小于設(shè)定閾值T時(shí)，則將該點(diǎn)設(shè)置為黑點(diǎn)，即O ;
[0022]其中T的取值根據(jù)多場(chǎng)景測(cè)試獲得；
[0023]所述的基于卡爾曼濾波的車(chē)輛目標(biāo)跟蹤步驟包括步驟:獲得運(yùn)動(dòng)車(chē)輛質(zhì)心、建立運(yùn)動(dòng)模型、運(yùn)動(dòng)目標(biāo)特征提取和更新?tīng)顟B(tài)向量，
[0024]所述的獲得運(yùn)動(dòng)車(chē)輛質(zhì)心的步驟包括:
[0025]逐行逐列掃描所述目標(biāo)分割結(jié)果pBinlmg，即分別橫向及縱向累加其二值化結(jié)果，當(dāng)結(jié)果滿足式(3)時(shí)，即二值化累加結(jié)果由無(wú)到有，則確定有目標(biāo)出現(xiàn)，記下該行位置k+1，作為目標(biāo)的起始行位置yistart，
* W
YjpBin!mgk[i] = Q

?~(?
W
[0026]' ^pBinlmgm[i]=(3)
YjPBinImgkt2IilyQ

,1-o
[0027]當(dāng)結(jié)果滿足式(4)時(shí)，即二值化累加結(jié)果由有到無(wú)時(shí)，則表明目標(biāo)消失，記下該行位置k+Ι，即為目標(biāo)的終止行yimd，同理，獲得目標(biāo)起始列Xistart及目標(biāo)終止列ximd，
YdpBinImgt[i}>0

ir
[0028]I pBinlmgM p] = 0, fc = O515 …,i? — 24 J

i~(>
YjpBinImgk+1[i} = 0

、/=0
[0029]獲得運(yùn)動(dòng)車(chē)輛目標(biāo)位置后，其質(zhì)心位置計(jì)算方法如下:

V _ ^iend + ^isiart
Ji, ——<.........................................................tJ
[0030]i(5)
—Vimd + ykiart
μ 一-1* 2
— IIw = xIen^xislarl
[0031]< t(6)
[0032]式(5)和⑶中x、y為質(zhì)心的橫坐標(biāo)及縱坐標(biāo)，w、h為目標(biāo)外接矩形的寬度及高度；
[0033]所述的建立運(yùn)動(dòng)模型步驟包括:
[0034]在獲得了運(yùn)動(dòng)車(chē)輛目標(biāo)質(zhì)心及其外接矩形的寬度和寬度后，利用式(7)建立卡爾曼濾波理論運(yùn)動(dòng)模型，
[0035]st = Fsh+Wh
[0036](7)
[0037]zt = Hst+vt
[0038]其中，s為系統(tǒng)狀態(tài)向量，z為系統(tǒng)的觀測(cè)向量，Wt^1和Vt分別為均值為O的高斯白噪聲；
[0039]假設(shè)狀態(tài)向量:
[0040]st = [xt, yt, wt, ht, vx, vy]⑶
[0041]觀測(cè)向量:
[0042]zt = [xt, yt, wt, ht] (9)
[0043]其中，xt和yt為運(yùn)動(dòng)車(chē)輛目標(biāo)質(zhì)心的橫縱坐標(biāo)，Wt和ht為運(yùn)動(dòng)目標(biāo)外接矩形的長(zhǎng)和寬，Vx和Vy分別為運(yùn)動(dòng)車(chē)輛目標(biāo)質(zhì)心和外接矩形在X軸方向和I軸方向位移的速度；
[0044]將運(yùn)動(dòng)車(chē)輛目標(biāo)近似為做勻速運(yùn)動(dòng)，假設(shè)速度為At，狀態(tài)轉(zhuǎn)移矩陣為
Fl O O O Δ? OI
OI O O O Atl
0 0 1 0 0 O, χ
[0045]F=(10)
丨O O O I O O丨
00 0 0 I O
[0 0 0 0 O I J
[0046]觀測(cè)矩陣為:
"I O O O O Ol
? 0 1 0 0 0 0 f 、
[0047]H =(11)
00 1 0 0 0
OO I O OJ
[0048]在建立了運(yùn)動(dòng)模型，定義了狀態(tài)轉(zhuǎn)移矩陣F，狀態(tài)向量St和觀測(cè)矩陣H后用卡爾曼濾波方法來(lái)預(yù)測(cè)運(yùn)動(dòng)車(chē)輛目標(biāo)點(diǎn)質(zhì)心和外接矩形的軌跡；
[0049]所述的運(yùn)動(dòng)目標(biāo)特征提取步驟是選取兩幀間運(yùn)動(dòng)車(chē)輛目標(biāo)質(zhì)心的距離函數(shù)、外接矩形的面積函數(shù)兩者共同完成對(duì)運(yùn)動(dòng)目標(biāo)特征的提取，即取，
[0050]第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心到第t+Ι幀第η個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心的距離為:
[0051]rf = #—.<.丨)2+(少:'Vf11)2(12)
[0052]第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心到第t+Ι幀第i個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心的最大距離為:
[0053]dm = φχ: +(y:-yLf(13)
[0054]質(zhì)心的距離函數(shù)為:
「，r/ , d ^:'-^+(ν:'-ν:ηΤ
[0055]L(m，n) =.—— = ■■■■■(14)

過(guò).職.s(x7 -K*\f+Cf;" — y',,! )2
[0056]在對(duì)多目標(biāo)跟蹤時(shí)，因?yàn)檫\(yùn)動(dòng)目標(biāo)的形變很微小或者沒(méi)有，所以其外接矩形的面積也相對(duì)固定，通過(guò)對(duì)外接矩形的面積進(jìn)行判斷能很好的區(qū)分前后兩幀運(yùn)動(dòng)物體是否為同一個(gè)，即
[0057]設(shè)第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)外接矩形的面積與第t+Ι幀第η個(gè)運(yùn)動(dòng)目標(biāo)外接矩形的面積差為:
[0058]S=^X1I(15)
[0059]第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)外接矩形的面積與第t+Ι幀第i個(gè)運(yùn)動(dòng)目標(biāo)外接矩形面積最大差為:
[0060]Swk = 1?* Sili,(16)
[0061]外接矩形面積函數(shù):
rrwiR9l c/,,, \_ |_j_(17)
l_uuo^jI ///* //1 — —— "ι........................................j.\ Jl / )
s Uw —V
[0063]定義如下相似度函數(shù):
[0064]G (m, η) = a L (m, η) + β S (m, η) (18)
[0065]其中α和β為權(quán)值,兩者之和為I,
[0066]當(dāng)G(m，η)越小兩目標(biāo)為同一物體的相似度越高；
[0067]所述的更新?tīng)顟B(tài)向量步驟包括:尋找相似度函數(shù)G(m，n)的最小值進(jìn)行狀態(tài)向量的更新，將下一幀中目標(biāo)點(diǎn)的狀態(tài)向量作為卡爾曼濾波器的輸入，為預(yù)測(cè)下一幀該目標(biāo)點(diǎn)的運(yùn)動(dòng)方向做準(zhǔn)備，其中，
[0068]當(dāng)?shù)趉時(shí)刻的目標(biāo)a和第k+Ι時(shí)刻的目標(biāo)b之間的相似度函數(shù)最小，則可確定這兩個(gè)不同時(shí)刻的目標(biāo)為同一目標(biāo)，第k+Ι時(shí)刻目標(biāo)b的特征值即可作為運(yùn)動(dòng)模型的輸入；
[0069]所述的速度計(jì)算步驟包括獲得軌跡相關(guān)點(diǎn)信息、建立映射關(guān)系、速度計(jì)算和速度校正步驟，
[0070]所述的軌跡相關(guān)點(diǎn)信息步驟將車(chē)輛目標(biāo)運(yùn)動(dòng)軌跡由一系列表述運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)目標(biāo)外接矩形的質(zhì)心連接而成，其中，
[0071]記錄視頻各巾貞質(zhì)心點(diǎn)空間坐標(biāo)(posit1n[i]_ X，posit1n[i].y)及該點(diǎn)對(duì)應(yīng)中貞號(hào)F，獲得像素坐標(biāo)位置中某目標(biāo)運(yùn)動(dòng)軌跡的距離及時(shí)間信息，通過(guò)建立像素坐標(biāo)及實(shí)際坐標(biāo)的映射關(guān)系表，獲得某像素點(diǎn)對(duì)應(yīng)的實(shí)際距離，進(jìn)而計(jì)算出運(yùn)動(dòng)目標(biāo)的速度。
[0072]所述的建立映射關(guān)系步驟包括標(biāo)定映射點(diǎn)和建立映射表步驟，
[0073]所述的標(biāo)定映射點(diǎn)，是通過(guò)確定攝像機(jī)的位置、內(nèi)外參數(shù)和建立成像模型，來(lái)確定世界坐標(biāo)系中的物體和它在圖像平面上的成像之間的對(duì)應(yīng)關(guān)系，
[0074]在實(shí)際應(yīng)用場(chǎng)景中，由于車(chē)道分割線間距離已知，因此可通過(guò)對(duì)已知點(diǎn)進(jìn)行標(biāo)定，結(jié)合攝像機(jī)成像原理，進(jìn)而獲得所需映射關(guān)系；
[0075]所述的建立映射表，即
[0076]設(shè)某點(diǎn)在世界坐標(biāo)系中的坐標(biāo)為W(X，Y, Z)，由于相似三角形的比例關(guān)系可得其投影點(diǎn)I (X，y)，其中

Y
[0077]* =.^—,V(19)
[0078]f為投影點(diǎn)與世界坐標(biāo)系的交點(diǎn)坐標(biāo)；
[0079]式(19)中包含了變量的除法運(yùn)算，屬于非線性變換，當(dāng)引入齊次坐標(biāo)將其轉(zhuǎn)換成線性矩陣進(jìn)行計(jì)算，由此得出齊次坐標(biāo)矩陣如式(20)


Γ
[V] |7 ο ο oV

Y
[0080]Z V = O / O O(20)
人 ?0 0 10^
[0081]在車(chē)輛速度計(jì)算過(guò)程中，不需要知道車(chē)輛的高度信息，故將式(20)簡(jiǎn)化，得到如下的變換矩陣
fx am O01 ?02 A
[0082]κ\γ = aw au al2 y(21)

I_ _^20 ?2l I _ _1 _
[0083]通過(guò)式(21)可獲得世界坐標(biāo)系中點(diǎn)(X，Y)的坐標(biāo)表達(dá)式為

anc,x + ain)'+ am
Λ 一 ~..............................................?.ρχ + α?γ+?^ 、
[0084]{(22)
Y_ aWx + flIlJ + aO
, α20χ+α21ν + 1
[0085]將已知距離點(diǎn)在圖像坐標(biāo)系中像素坐標(biāo)及世界坐標(biāo)系中的實(shí)際距離代入式(22)，求出像素距離與實(shí)際距離的映射關(guān)系，由此建立兩坐標(biāo)系對(duì)應(yīng)關(guān)系表，即映射表MapTable[IMAGE_SIZE]，其中IMAGE_SIZE為圖像寬度與高度的乘積，在后續(xù)計(jì)算過(guò)程中，當(dāng)輸入需要查詢(xún)的目標(biāo)點(diǎn)的像素坐標(biāo)即可獲得該點(diǎn)對(duì)應(yīng)的實(shí)際距離；
[0086]所述的速度計(jì)算步驟是將運(yùn)動(dòng)車(chē)輛目標(biāo)軌跡中各點(diǎn)空間位置代入所述的映射關(guān)系表上表，獲得軌跡中各目標(biāo)質(zhì)心特征點(diǎn)代表的實(shí)際距離，
IDisiP]..*- - MapTahle[posit1n[i\y* width + ρο5--?οη[?\Λ}Λ(23)
[D/SjfiJ.j = Map Table[ posit 1n[i ] ,_v * width + pm&f棚
[0088]其中，DiSi[i].x、DiSi[i].y為某點(diǎn)橫向及縱向?qū)?yīng)的實(shí)際距離，MapTable即為所述建立的映射表；
[0089]在直角坐標(biāo)系中，用(x，y)描述跟蹤點(diǎn)的空間位置，則通過(guò)運(yùn)動(dòng)目標(biāo)跟蹤軌跡起點(diǎn)及終點(diǎn)相關(guān)信息獲取目標(biāo)運(yùn)動(dòng)軌跡，設(shè)某目標(biāo)起點(diǎn)為A，終點(diǎn)為B則可得如下信息:

γ _ γ
[0090]J V(24)
? I
I = B 1 Λ
I — f
[0091]式(24)中，X及Y的值通過(guò)查找映射表獲得，F(xiàn)為某點(diǎn)對(duì)應(yīng)的幀號(hào)，f為采樣頻率即為25幀/s，
[0092]由式(24)獲得運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度
[0093]V = + V!(25)
[0094]所述的速度校正步驟是當(dāng)在某場(chǎng)景中如果計(jì)算出的車(chē)速普遍偏大或普遍偏小，則可能由于映射關(guān)系在計(jì)算過(guò)程中存在偏差，最終造成車(chē)輛速度不準(zhǔn)確，故可根據(jù)實(shí)際情況對(duì)測(cè)得的速度進(jìn)行校正，即
[0095]V =+ Av(26)
[0096]Λ V為車(chē)速實(shí)際差。
[0097]所述的卡爾曼濾波方法的具體步驟如下:
[0098](I)起始跟蹤
[0099]a.初始化所有設(shè)置，掃描圖像確定所有運(yùn)動(dòng)目標(biāo)，并為每個(gè)目標(biāo)建立跟蹤窗口 ；
[0100]b.如果當(dāng)前圖像不是起始幀，對(duì)沒(méi)有對(duì)應(yīng)跟蹤窗口的目標(biāo)認(rèn)定為新出現(xiàn)的目標(biāo)，并建立跟蹤窗口進(jìn)彳了跟蹤；
[0101](2)目標(biāo)軌跡關(guān)聯(lián)
[0102]a.預(yù)測(cè)運(yùn)動(dòng)區(qū)域:在輸入目標(biāo)的狀態(tài)向量后，啟動(dòng)卡爾曼濾波，對(duì)目標(biāo)可能的運(yùn)動(dòng)區(qū)域進(jìn)行預(yù)測(cè)；
[0103]b.計(jì)算相似度函數(shù):在區(qū)域內(nèi)將相似度函數(shù)最小的目標(biāo)作為上一幀目標(biāo)的延續(xù)；
[0104]c.精確判斷:計(jì)算兩待定目標(biāo)的質(zhì)心距離d和閾值λ的關(guān)系，確定待定目標(biāo)是否為上一幀目標(biāo)的延續(xù)；
[0105]如果d> λ，說(shuō)明待定目標(biāo)與上一幀運(yùn)動(dòng)目標(biāo)非同一目標(biāo)。則可能為上一幀的運(yùn)動(dòng)目標(biāo)在該幀靜止或上一幀運(yùn)動(dòng)目標(biāo)離開(kāi)了視頻區(qū)域；
[0106]如果d〈 λ，則可以確定待定目標(biāo)與上一幀目標(biāo)為同一目標(biāo)，可進(jìn)行特征值的更新；
[0107]λ取值根據(jù)實(shí)際情況，取5個(gè)像素點(diǎn)；
[0108](3)進(jìn)入下一幀后，重復(fù)步驟(I)和(2)的處理過(guò)程，直到視頻結(jié)束。
[0109]與現(xiàn)有技術(shù)相比，采用本發(fā)明具有以下的技術(shù)效果:
[0110]1、建立二維映射關(guān)系
[0111]目前較多的映射關(guān)系多為建立一維映射，即僅尋找像素坐標(biāo)點(diǎn)與世界坐標(biāo)系中縱坐標(biāo)的對(duì)應(yīng)關(guān)系。本發(fā)明通過(guò)攝像機(jī)成像原理及齊次方程建立某像素點(diǎn)與世界坐標(biāo)系中橫向及縱向的對(duì)應(yīng)關(guān)系，獲得更多的信息，為后續(xù)算法處理提供更高的準(zhǔn)確率。
[0112]2、多特征跟蹤
[0113]以往的目標(biāo)跟蹤系統(tǒng)往往選取一個(gè)特征進(jìn)行提取，這樣雖然能完成對(duì)目標(biāo)的跟蹤，但在同一場(chǎng)景中運(yùn)動(dòng)目標(biāo)太多或運(yùn)動(dòng)軌跡太復(fù)雜的情況下會(huì)出現(xiàn)跟蹤出錯(cuò)的情況。本發(fā)明選用兩幀間質(zhì)心的距離函數(shù)、外接矩形的面積函數(shù)兩者共同完成多特征的目標(biāo)跟蹤方法，能夠避免上述問(wèn)題，提高目標(biāo)跟蹤的準(zhǔn)確性。
[0114]3、強(qiáng)適應(yīng)性檢測(cè)
[0115]本發(fā)明利用基于跟蹤的速度檢測(cè)方法，由于跟蹤算法的強(qiáng)適應(yīng)性，有效克服了光線、抖動(dòng)等環(huán)境條件對(duì)檢測(cè)的干擾，同時(shí)映射關(guān)系采用二維映射，減少了獲取距離時(shí)的誤差，提高了速度計(jì)算的準(zhǔn)確性。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0116]圖1為本發(fā)明的速度檢測(cè)方法原理流程示意圖；
[0117]圖2為本發(fā)明實(shí)施例中采用幀差法目標(biāo)分割結(jié)果；
[0118]圖3為本發(fā)明實(shí)施例中卡爾曼濾波的視頻跟蹤算法流程圖；
[0119]圖4為本發(fā)明實(shí)施例中卡爾曼濾波法獲得的目標(biāo)運(yùn)動(dòng)軌跡；
[0120]圖5為本發(fā)明實(shí)施例中攝像機(jī)成像模型；
[0121]圖6為本發(fā)明實(shí)施例中映射點(diǎn)標(biāo)定；
[0122]圖7為本發(fā)明實(shí)施例中縱坐標(biāo)映射結(jié)果。

【具體實(shí)施方式】
[0123]本發(fā)明的基于目標(biāo)運(yùn)動(dòng)軌跡的車(chē)輛速度檢測(cè)方法，該方法包括3個(gè)步驟，依次為目標(biāo)分割、基于卡爾曼濾波的目標(biāo)跟蹤和速度計(jì)算。具體實(shí)現(xiàn)如下:
[0124]一、目標(biāo)分割
[0125]本方法采用幀間差分法及固定閾值法進(jìn)行運(yùn)動(dòng)目標(biāo)分割，其主要實(shí)現(xiàn)過(guò)程如下:
[0126]I幀間差分法
[0127]所謂幀間差分法是指通過(guò)視頻圖像序列中相鄰數(shù)幀中對(duì)應(yīng)像素點(diǎn)進(jìn)行差分運(yùn)算來(lái)獲得運(yùn)動(dòng)目標(biāo)輪廓的方法，其算法實(shí)現(xiàn)如下:
[0128]pDifImg[i] = abs (pNowImg[i]-pBefImg[i]), i = 0...ff*H (I)
[0129]上式中，
[0130]pDifImg[i]-巾貞差結(jié)果灰度值；
[0131]pNowImg[i]-當(dāng)前巾貞圖像灰度值；
[0132]pBefImg[i]——前N幀圖像灰度值；
[0133]W——圖像寬度；
[0134]H——圖像高度。
[0135]其中N的取值可根據(jù)實(shí)際情況選取，當(dāng)N取值過(guò)小時(shí)，目標(biāo)位移較小且計(jì)算量較大，不利于實(shí)時(shí)性檢測(cè)；當(dāng)N值過(guò)大時(shí)，目標(biāo)位移較大，可能出現(xiàn)駛出檢測(cè)視野的情況，本方法經(jīng)過(guò)大量數(shù)據(jù)實(shí)驗(yàn)，發(fā)現(xiàn)當(dāng)N = 3時(shí)具有較好的差分結(jié)果，故本方法中取N為3。
[0136]2固定閾值分割
[0137]目標(biāo)分割過(guò)程中，可以采用動(dòng)態(tài)閾值法或固定閾值法進(jìn)行運(yùn)動(dòng)目標(biāo)分割。動(dòng)態(tài)閾值法每幀選取不同閾值進(jìn)行目標(biāo)分割，計(jì)算量較大。本發(fā)明應(yīng)用的領(lǐng)域中，對(duì)實(shí)時(shí)性具有較高的要求，且針對(duì)實(shí)際情況采用固定閾值的目標(biāo)分割方法足以滿足需求，該方法具體實(shí)現(xiàn)過(guò)程如下:
1255,pDifhnq[i}> Tf、
[0138]pBinlmg[i] = \ F — SL J J = 0...W*H(2)

I 0,pDiflmg[i]<T
[0139]上式中，
[0140]pBinImg[i]-某點(diǎn)分割結(jié)果；
[0141]T——分割閾值。
[0142]當(dāng)該點(diǎn)幀差結(jié)果大于設(shè)定的閾值T時(shí)，則將該點(diǎn)賦值為白點(diǎn)，即255，當(dāng)該點(diǎn)幀差結(jié)果小于設(shè)定閾值T時(shí)，則將該點(diǎn)設(shè)置為黑點(diǎn)，即O。其中T的取值根據(jù)多場(chǎng)景測(cè)試獲得，本方法中取值50。使用該方法的目標(biāo)分割結(jié)果如圖2所示。
[0143]二基于卡爾曼濾波的目標(biāo)跟蹤
[0144]I獲得質(zhì)心
[0145]逐行逐列掃描上述目標(biāo)分割結(jié)果pBinlmg，即分別橫向及縱向累加其二值化結(jié)果，當(dāng)結(jié)果滿足式(3)時(shí)，即二值化累加結(jié)果由無(wú)到有，則確定有目標(biāo)出現(xiàn)，記下該行位置k+1，作為目標(biāo)的起始行位置yistart。
IYjPBinlmgtXi] = Q

1-O
[0146]&+1Ρ]>04Λ = 0,1”..,Ι?-2(3)

i~n
\Υ PBinhngk ι2{?]> Q

I/-ο
[0147]當(dāng)結(jié)果滿足式(4)時(shí)，即二值化累加結(jié)果由有到無(wú)時(shí)，則表明目標(biāo)消失，記下該行位置k+Ι，即為目標(biāo)的終止行yimd，同理，獲得目標(biāo)起始列Xistart及目標(biāo)終止列ximd。
-W
YdpBinlmgt\i}> Q

1-n
w
[0148]^= = QX…J1-2(4)

ι=?
YjPBmImg^2Ii] = Q
[0149]獲得目標(biāo)位置后，其質(zhì)心位置計(jì)算方法如下:
V_ ien4 ' istan
X ~~.........................
[0150]1CS)

V' , 4- V
—-^isd - ,Mari
,v — ^'j—
[0151]i r(6)
=Hari
[0152]上式中X、y為質(zhì)心的橫坐標(biāo)及縱坐標(biāo)，w、h為目標(biāo)外接矩形的寬度及高度。
[0153]2建立運(yùn)動(dòng)模型
[0154]獲得了運(yùn)動(dòng)目標(biāo)質(zhì)心及其外接矩形的寬度和寬度后，就可以利用下式建立卡爾曼濾波理論運(yùn)動(dòng)模型，
[0155]St = FSt-JWH
[0156](7)
[0157]zt = Hst+vt
[0158]其中，s為系統(tǒng)狀態(tài)向量，z為系統(tǒng)的觀測(cè)向量，Wt^1和Vt分別為均值為O的高斯白噪聲。
[0159]假設(shè)狀態(tài)向量:
[0160]st = [xt, yt, wt, ht, vx, vy] (8)
[0161]觀測(cè)向量:
[0162]zt = [xt, yt, wt, ht] (9)
[0163]其中，Xt和、為運(yùn)動(dòng)目標(biāo)質(zhì)心的橫縱坐標(biāo)，Wt和匕為運(yùn)動(dòng)目標(biāo)外接矩形的長(zhǎng)和寬，vx和vy分別為質(zhì)心和外接矩形在X軸方向和y軸方向位移的速度。
[0164]由于本方法采用相鄰3幀進(jìn)行幀間差分法分割運(yùn)動(dòng)目標(biāo)，故可近似認(rèn)為目標(biāo)做勻速運(yùn)動(dòng)，假設(shè)速度為At。如狀態(tài)轉(zhuǎn)移矩陣為
"I O O O Δ? (Γ
O I O O O Δ?
0 0 1 0 0 O,、
[0165]F=(10)
0 0 0 1 O O
0 0 0 0 1 O
0 0 0 0 0 I
[0166]觀測(cè)矩陣為:
? O O O O
0 1 0 0 0 0 , \
[0167]H=(11)
00 1 0 0 0
OO I O
[0168]建立好運(yùn)動(dòng)模型，定義了狀態(tài)轉(zhuǎn)移矩陣F，狀態(tài)向量St和觀測(cè)矩陣H就可以用卡爾曼濾波方法來(lái)預(yù)測(cè)運(yùn)動(dòng)目標(biāo)點(diǎn)質(zhì)心和外接矩形的軌跡，進(jìn)而實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤。
[0169]3運(yùn)動(dòng)目標(biāo)特征提取
[0170]本方法選取兩幀間質(zhì)心的距離函數(shù)、外接矩形的面積函數(shù)兩者共同完成對(duì)運(yùn)動(dòng)目標(biāo)特征的提取。
[0171]第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心到第t+Ι幀第η個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心的距離為:
[0172]d =泰+(Jf-JC1)2(12)
[0173]第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心到第t+Ι幀第i個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心的最大距離為:
[0174](13)
[0175]質(zhì)心的距離函數(shù)為:
[0176]L—) =丄= φ';" —Χ;'丨f + (}f 'y;%(14)

(,丨隠■y-x,',, Y + (y;n -y;,I)-
[0177]在對(duì)多目標(biāo)跟蹤時(shí)，運(yùn)動(dòng)目標(biāo)的形變很微小或者沒(méi)有所以其外接矩形的面積也相對(duì)固定，通過(guò)對(duì)外接矩形的面積進(jìn)行判斷能很好的區(qū)分前后兩幀運(yùn)動(dòng)物體是否為同一個(gè)。
[0178]設(shè)第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)外接矩形的面積與第t+Ι幀第η個(gè)運(yùn)動(dòng)目標(biāo)外接矩形的面積差為:
[0179]s = \s" - SftlI(15)
[0180]第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)外接矩形的面積與第t+Ι幀第i個(gè)運(yùn)動(dòng)目標(biāo)外接矩形面積最大差為:
[0181] 11 (16 )
[0182]外接矩形面積函數(shù):

— η I
[0183]5’(/Μ，")=」~ = ■丄-~~(17).<'-.<? I
[0184]定義如下相似度函數(shù):
[0185]G(m，n) = a L (m, η) + β S (m, η) (18)
[0186]其中α和β為權(quán)值，兩者之和為I。由上述質(zhì)心距離和外接矩形函數(shù)定義可知，G(m, η)越小兩目標(biāo)為同一物體的相似度越高。
[0187]4更新?tīng)顟B(tài)向量
[0188]本方法通過(guò)尋找相似度函數(shù)G(m，η)的最小值進(jìn)行狀態(tài)向量的更新，將下一幀中目標(biāo)點(diǎn)的狀態(tài)向量作為卡爾曼濾波器的輸入，為預(yù)測(cè)下一幀該目標(biāo)的運(yùn)動(dòng)方向做準(zhǔn)備。
[0189]在計(jì)算過(guò)程中，當(dāng)?shù)趉時(shí)刻的目標(biāo)a和第k+Ι時(shí)刻的目標(biāo)b之間的相似度函數(shù)最小，則可確定這兩個(gè)不同時(shí)刻的目標(biāo)為同一目標(biāo)，所以第k+Ι時(shí)刻目標(biāo)b的特征值即可作為運(yùn)動(dòng)模型的輸入。
[0190]使用卡爾曼濾波的視頻跟蹤算法流程如圖3所示。
[0191]算法具體實(shí)現(xiàn)步驟如下:
[0192](I)起始跟蹤
[0193]a.初始化所有設(shè)置，掃描圖像確定所有運(yùn)動(dòng)目標(biāo)，并為每個(gè)目標(biāo)建立跟蹤窗口 ；
[0194]b.如果當(dāng)前圖像不是起始幀，對(duì)沒(méi)有對(duì)應(yīng)跟蹤窗口的目標(biāo)認(rèn)定為新出現(xiàn)的目標(biāo)，并建立跟蹤窗口進(jìn)行跟蹤。
[0195](2)目標(biāo)軌跡關(guān)聯(lián)
[0196]a.預(yù)測(cè)運(yùn)動(dòng)區(qū)域:在輸入目標(biāo)的狀態(tài)向量后，啟動(dòng)卡爾曼濾波，對(duì)目標(biāo)可能的運(yùn)動(dòng)區(qū)域進(jìn)行預(yù)測(cè)；
[0197]b.計(jì)算相似度函數(shù):在區(qū)域內(nèi)將相似度函數(shù)最小的目標(biāo)作為上一幀目標(biāo)的延續(xù)；
[0198]c.精確判斷:計(jì)算兩待定目標(biāo)的質(zhì)心距離d和閾值λ的關(guān)系，確定待定目標(biāo)是否為上一幀目標(biāo)的延續(xù)。
[0199]如果d> λ，說(shuō)明待定目標(biāo)與上一幀運(yùn)動(dòng)目標(biāo)非同一目標(biāo)。則可能為上一幀的運(yùn)動(dòng)目標(biāo)在該幀靜止或上一幀運(yùn)動(dòng)目標(biāo)離開(kāi)了視頻區(qū)域。
[0200]如果d〈 λ，則可以確定待定目標(biāo)與上一幀目標(biāo)為同一目標(biāo)，可進(jìn)行特征值的更新。
[0201]λ取值根據(jù)實(shí)際情況，取5個(gè)像素點(diǎn)。
[0202](3)進(jìn)入下一幀后，重復(fù)步驟(I)和(2)的處理過(guò)程，直到視頻結(jié)束。
[0203]使用該方法進(jìn)行視頻跟蹤結(jié)果如圖4所示。
[0204]三速度計(jì)算
[0205]I獲得軌跡相關(guān)點(diǎn)信息
[0206]采用視頻跟蹤技術(shù)獲得的目標(biāo)運(yùn)動(dòng)軌跡是由一系列可以表述運(yùn)動(dòng)目標(biāo)的特征點(diǎn)連接而成，上述跟蹤方法中特征點(diǎn)是指目標(biāo)外接矩形的質(zhì)心。
[0207]在跟蹤過(guò)程中記錄各巾貞質(zhì)心點(diǎn)空間坐標(biāo)(posit1n[i]_ X，posit1n[i].y)及該點(diǎn)對(duì)應(yīng)幀號(hào)F，則獲得了像素坐標(biāo)位置中某目標(biāo)運(yùn)動(dòng)軌跡的距離及時(shí)間信息，在后續(xù)介紹中，通過(guò)建立像素坐標(biāo)及實(shí)際坐標(biāo)的映射關(guān)系表，即可獲得某像素點(diǎn)對(duì)應(yīng)的實(shí)際距離，進(jìn)而計(jì)算出運(yùn)動(dòng)目標(biāo)的速度。
[0208]2建立映射關(guān)系
[0209]I)標(biāo)定映射點(diǎn)
[0210]標(biāo)定映射點(diǎn)是指通過(guò)確定攝像機(jī)的位置、內(nèi)外參數(shù)和建立成像模型，來(lái)確定世界坐標(biāo)系中的物體和它在圖像平面上的成像之間的對(duì)應(yīng)關(guān)系。攝像機(jī)成像模型如圖5所示。本方法利用攝像機(jī)的透視關(guān)系，幾何推導(dǎo)出攝像機(jī)的圖像坐標(biāo)與實(shí)際坐標(biāo)系的轉(zhuǎn)換關(guān)系式。
[0211]在實(shí)際應(yīng)用場(chǎng)景中，由于車(chē)道分割線間距離已知，因此可通過(guò)對(duì)已知點(diǎn)進(jìn)行標(biāo)定，結(jié)合攝像機(jī)成像原理，進(jìn)而獲得所需映射關(guān)系。某場(chǎng)景如圖6所示，圖中AB = BC =⑶=DE = a,其中a的取值根據(jù)道路實(shí)際情況可能為6米、12米或15米，AA’ = BB' = CC’ =DD’ = EE’ = b，其中b的取值根據(jù)國(guó)家對(duì)公路機(jī)動(dòng)車(chē)道的寬度標(biāo)準(zhǔn)為3.5米一3.75米。即圖像坐標(biāo)中AA’、BB，、CC’、DD’、EE’、AB、BC、CD、DE及各點(diǎn)坐標(biāo)位置已知，故找到其中對(duì)應(yīng)關(guān)系即可求出所需的映射表。
[0212]2)建立映射表
[0213]設(shè)某點(diǎn)在世界坐標(biāo)系中的坐標(biāo)為W(X，Y, Z)，由于相似三角形的比例關(guān)系可得其投影點(diǎn)I (X，y)，其中
f ^ Yf 拿;f
[0214]X =:JZz,y = Y^Z(19)
[0215]f為投影點(diǎn)與世界坐標(biāo)系的交點(diǎn)坐標(biāo)。
[0216]上式中由于包含了變量的除法運(yùn)算，故其屬于非線性變換，因此引入齊次坐標(biāo)將其轉(zhuǎn)換成線性矩陣進(jìn)行計(jì)算。由此得出齊次坐標(biāo)矩陣如下式
Γ π Γ
Λ-! 「/* ο ο ο?
JY
[0217]Z.V = O / O O(20)
IJ [O O I oj



I
[0218]由于本方法中車(chē)輛速度計(jì)算過(guò)程中，不需要知道車(chē)輛的高度信息，故可將上式簡(jiǎn)化，得到如下的變換矩陣
[X am am α繼][x
_ Φ； -% % b(21)
II沒(méi),oI Il I
[0220]通過(guò)上式可獲得世界坐標(biāo)系中點(diǎn)(X，Y)的坐標(biāo)表達(dá)式為
α--χ + α^, v + 1, 、
[0221](22)
Y ^ aloX+ O11V+ al2

a2%x + a^{y+1
[0222] 由圖6及上述關(guān)系式，可將已知距離點(diǎn)在圖像坐標(biāo)系中像素坐標(biāo)及世界坐標(biāo)系中的實(shí)際距離代入上式，即可求出像素距離與實(shí)際距離的映射關(guān)系，由此可建立兩坐標(biāo)系對(duì)應(yīng)關(guān)系表，即映射表MapTable [IMAGE_SIZE]，其中IMAGE_SIZE為圖像寬度與高度的乘積，在后續(xù)計(jì)算過(guò)程中，僅需輸入查詢(xún)點(diǎn)的像素坐標(biāo)即可獲得該點(diǎn)對(duì)應(yīng)的實(shí)際距離。由于式
(22)中含有8個(gè)未知數(shù)，故在計(jì)算過(guò)程中至少代入4個(gè)已知點(diǎn)坐標(biāo)進(jìn)行求解，當(dāng)代入點(diǎn)數(shù)量超過(guò)4個(gè)時(shí)，可通過(guò)擬合獲得相應(yīng)的數(shù)據(jù)，以提高計(jì)算精度。
[0223]使用該標(biāo)定方法的特點(diǎn)是可同時(shí)獲得圖像中某點(diǎn)對(duì)應(yīng)的橫坐標(biāo)及縱坐標(biāo)信息，SP獲得二維映射關(guān)系，相比傳統(tǒng)的獲得一維映射關(guān)系有所改進(jìn)。使用該方法對(duì)720*288大小的視頻圖像進(jìn)行測(cè)試，其縱坐標(biāo)計(jì)算結(jié)果如圖7所示，從圖中可以看出隨著測(cè)試點(diǎn)逐漸遠(yuǎn)離視場(chǎng)，其對(duì)應(yīng)的實(shí)際距離逐漸增大，與實(shí)際情況相符。
[0224]3速度計(jì)算
[0225]通過(guò)上述方法建立的映射關(guān)系表，將軌跡中各點(diǎn)空間位置代入上表，則可獲得軌跡中各特征點(diǎn)代表的實(shí)際距離
IDisf[i].x - MapTable[posH1n[i],y * width + posii1n{i],x].x(23)
[ ] [D/sJ/J.v = MapTab1e{posilkm{i], v * width + po$ii1n[i].x].y
[0227]其中，DiSi[i].x、DiSi[i].y為某點(diǎn)橫向及縱向?qū)?yīng)的實(shí)際距離，MapTable即為上述建立過(guò)的映射表。
[0228]在直角坐標(biāo)系中，用(x，y)描述跟蹤點(diǎn)的空間位置，則通過(guò)運(yùn)動(dòng)目標(biāo)跟蹤軌跡起點(diǎn)及終點(diǎn)相關(guān)信息獲取目標(biāo)運(yùn)動(dòng)軌跡，設(shè)某目標(biāo)起點(diǎn)為A，終點(diǎn)為B則可得如下信息:
' Xb-Xa
Y^Y
[0229]I V,,: —-1(24)

f
1: Λ..B 1A
I /
[0230]上式中，X及Y的值通過(guò)查找映射表獲得，F(xiàn)為某點(diǎn)對(duì)應(yīng)的幀號(hào)，f為采樣頻率即為25中貞/s。
[0231]由上式可獲得運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度
[0232]V =小廣:+ V；(25)
[0233]4速度校正
[0234]在某場(chǎng)景中如果計(jì)算出的車(chē)速普遍偏大或普遍偏小，則可能由于映射關(guān)系在計(jì)算過(guò)程中存在偏差，最終造成車(chē)輛速度不準(zhǔn)確，故可根據(jù)實(shí)際情況對(duì)測(cè)得的速度進(jìn)行校正，即
[0235]ν = ^ν?Δν(26)
[0236]Λ V為車(chē)速實(shí)際差。
【權(quán)利要求】
1.一種基于目標(biāo)運(yùn)動(dòng)軌跡的車(chē)輛速度檢測(cè)方法，其特征在于，所述的檢測(cè)方法采用道路監(jiān)控視頻圖像對(duì)車(chē)輛速度進(jìn)行檢測(cè)，包括的步驟，依次為車(chē)輛目標(biāo)分割、基于卡爾曼濾波的車(chē)輛目標(biāo)跟蹤和車(chē)輛速度計(jì)算， 所述的車(chē)輛目標(biāo)分割步驟包括用幀間差分法及固定閾值法進(jìn)行運(yùn)動(dòng)目標(biāo)分割， 所述的幀間差分法是指通過(guò)視頻圖像序列中相鄰數(shù)幀中對(duì)應(yīng)像素點(diǎn)進(jìn)行差分運(yùn)算來(lái)獲得運(yùn)動(dòng)車(chē)輛目標(biāo)輪廓的方法，其算法實(shí)現(xiàn)如下:
pDifImg[i] = abs (pNowImg[i]-pBefImg[i])，i = 0...W*H (I) 其中， pDifImg[i]——幀差結(jié)果灰度值； pNowImg[i]-當(dāng)前巾貞圖像灰度值； pBefImg[i]——前N幀圖像灰度值； W——圖像寬度； H—圖像高度。； 其中N = 3 ; 所述的固定閾值法的算法如下:
I 255, pDifhmAi) > T
pBijiImg[i] = \ F ' 6LJ ,/ = 0..JF*//
r a [ 0,pDiflmg[i]<T 其中， pBinImg[i]-某點(diǎn)分割結(jié)果； T——分割閾值； 當(dāng)所述像素點(diǎn)幀差結(jié)果大于設(shè)定的閾值T時(shí)，則將該點(diǎn)賦值為白點(diǎn)，即255，當(dāng)該點(diǎn)幀差結(jié)果小于設(shè)定閾值T時(shí)，則將該點(diǎn)設(shè)置為黑點(diǎn)，即O ; 其中T的取值根據(jù)多場(chǎng)景測(cè)試獲得； 所述的基于卡爾曼濾波的車(chē)輛目標(biāo)跟蹤步驟包括:獲得運(yùn)動(dòng)車(chē)輛質(zhì)心、建立運(yùn)動(dòng)模型、運(yùn)動(dòng)目標(biāo)特征提取和更新?tīng)顟B(tài)向量， 所述的獲得運(yùn)動(dòng)車(chē)輛質(zhì)心的步驟包括: 逐行逐列掃描所述目標(biāo)分割結(jié)果pBinlmg，即分別橫向及縱向累加其二值化結(jié)果，當(dāng)結(jié)果滿足式(3)時(shí)，即二值化累加結(jié)果由無(wú)到有，則確定有目標(biāo)出現(xiàn)，記下該行位置k+Ι，作為目標(biāo)的起始行位置yistart，
"I1- Σ/,所論 ％.w=o
W s,,[/]>05A =(),15...，-- — 2(3)
?=0
YjPBinImgktlIflyQ 當(dāng)結(jié)果滿足式(4)時(shí)，即二值化累加結(jié)果由有到無(wú)時(shí)，則表明目標(biāo)消失，記下該行位置k+Ι，即為目標(biāo)的終止行yimd，同理，獲得目標(biāo)起始列Xistart及目標(biāo)終止列ximd， Y^pBmlmg^ijy0.pBinlmg,,_[/J = ()= (U,…3-2(4)
1-?)
YdpBinImgM{i] = 0.1=0 獲得運(yùn)動(dòng)車(chē)輛目標(biāo)位置后，其質(zhì)心位置計(jì)算方法如下:
v _ ^iend + ^'iskift Λ —-'?2(5)
___ tend + yMan iw=xh,m^xMM(6}
]* = j?,w- 式(5)和(6)中x、y為質(zhì)心的橫坐標(biāo)及縱坐標(biāo)，w、h為目標(biāo)外接矩形的寬度及高度； 所述的建立運(yùn)動(dòng)模型步驟包括: 在獲得了運(yùn)動(dòng)車(chē)輛目標(biāo)質(zhì)心及其外接矩形的寬度和寬度后，利用式(7)建立卡爾曼濾波理論運(yùn)動(dòng)模型，
St = FSt-l+Wt-l


(7)
zt = Hst+vt 其中，S為系統(tǒng)狀態(tài)向量，z為系統(tǒng)的觀測(cè)向量，wt_i和vt分別為均值為0的高斯白噪聲; 假設(shè)狀態(tài)向量:
St = [xt.yt.wt，ht, vx, vy] (8) 觀測(cè)向量:
Zt = [xt, yt.wt，ht] (9) 其中，Xt和yt為運(yùn)動(dòng)車(chē)輛目標(biāo)質(zhì)心的橫縱坐標(biāo)，Wt和ht為運(yùn)動(dòng)目標(biāo)外接矩形的長(zhǎng)和寬，vx和Vy分別為運(yùn)動(dòng)車(chē)輛目標(biāo)質(zhì)心和外接矩形在X軸方向和1軸方向位移的速度； 將運(yùn)動(dòng)車(chē)輛目標(biāo)近似為做勻速運(yùn)動(dòng)，假設(shè)速度為Λ t，狀態(tài)轉(zhuǎn)移矩陣為
1 0 0 0 Δ? (Γ
0 1 0 0 0 Δ/ 00 1 0 0 0 ,、F=(10)
00 0 1 0 0
00 0 0 1 ο
jO Ο Ο Ο Ο 1 — 觀測(cè)矩陣為:
「I 0 0 0 0 0' 0 1 0 0 0 0 , 'H=\(11)
00 1 0 0 0
[0 0 0 1 0 0 在建立了運(yùn)動(dòng)模型，定義了狀態(tài)轉(zhuǎn)移矩陣F，狀態(tài)向量St和觀測(cè)矩陣H后用卡爾曼濾波方法來(lái)預(yù)測(cè)運(yùn)動(dòng)車(chē)輛目標(biāo)點(diǎn)質(zhì)心和外接矩形的軌跡； 所述的運(yùn)動(dòng)目標(biāo)特征提取步驟是選取兩幀間運(yùn)動(dòng)車(chē)輛目標(biāo)質(zhì)心的距離函數(shù)、外接矩形的面積函數(shù)兩者共同完成對(duì)運(yùn)動(dòng)目標(biāo)特征的提取， 第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心到第t+Ι幀第η個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心的距離為:rf =和-C12) 第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心到第t+Ι幀第i個(gè)運(yùn)動(dòng)目標(biāo)的質(zhì)心的最大距離為: I=敘 02 + K_)2￠13) 質(zhì)心的距離函數(shù)為:
?I/ fn ,η \2 ■ /.JH ^ η \2 L(m, η) = ^ = ψ::U:皇:::土4(14)
4ne yj(χ'?' -Xttil)" + ( V* - J;.,, )~ 在對(duì)多目標(biāo)跟蹤時(shí)，因?yàn)檫\(yùn)動(dòng)目標(biāo)的形變很微小或者沒(méi)有，所以其外接矩形的面積也相對(duì)固定，通過(guò)對(duì)外接矩形的面積進(jìn)行判斷能很好的區(qū)分前后兩幀運(yùn)動(dòng)物體是否為同一個(gè)，即 設(shè)第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)外接矩形的面積與第t+Ι幀第η個(gè)運(yùn)動(dòng)目標(biāo)外接矩形的面積差為: s = |s；"-s；+1|(15) 第t幀的第m個(gè)運(yùn)動(dòng)目標(biāo)外接矩形的面積與第t+Ι幀第i個(gè)運(yùn)動(dòng)目標(biāo)外接矩形面積最大差為: ‘、--=卜:-4||(16) 外接矩形面積函數(shù): C7 、S 卜 Γ _<.||r、 5( w，?) =-= 1-r(17)
卜Γ-《,I 定義如下相似度函數(shù):
G(m，n) = a L (m, η) + β S (m, η) (18) 其中α和β為權(quán)值,兩者之和為I, 當(dāng)G(m，n)越小兩目標(biāo)為同一物體的相似度越高； 所述的更新?tīng)顟B(tài)向量步驟包括:尋找相似度函數(shù)G(m，n)的最小值進(jìn)行狀態(tài)向量的更新，將下一幀中目標(biāo)點(diǎn)的狀態(tài)向量作為卡爾曼濾波器的輸入，為預(yù)測(cè)下一幀該目標(biāo)點(diǎn)的運(yùn)動(dòng)方向做準(zhǔn)備，其中， 當(dāng)?shù)趉時(shí)刻的目標(biāo)a和第k+Ι時(shí)刻的目標(biāo)b之間的相似度函數(shù)最小，則可確定這兩個(gè)不同時(shí)刻的目標(biāo)為同一目標(biāo)，第k+1時(shí)刻目標(biāo)b的特征值即可作為運(yùn)動(dòng)模型的輸入； 所述的速度計(jì)算步驟包括獲得軌跡相關(guān)點(diǎn)信息、建立映射關(guān)系、速度計(jì)算和速度校正步驟， 所述的軌跡相關(guān)點(diǎn)信息步驟將車(chē)輛目標(biāo)運(yùn)動(dòng)軌跡由一系列表述運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)目標(biāo)外接矩形的質(zhì)心連接而成，其中， 記錄視頻各巾貞質(zhì)心點(diǎn)空間坐標(biāo)(posit1n[i].x, posit1n[i].y)及該點(diǎn)對(duì)應(yīng)幀號(hào)F,獲得像素坐標(biāo)位置中某目標(biāo)運(yùn)動(dòng)軌跡的距離及時(shí)間信息，通過(guò)建立像素坐標(biāo)及實(shí)際坐標(biāo)的映射關(guān)系表，獲得某像素點(diǎn)對(duì)應(yīng)的實(shí)際距離，進(jìn)而計(jì)算出運(yùn)動(dòng)目標(biāo)的速度。 所述的建立映射關(guān)系步驟包括標(biāo)定映射點(diǎn)和建立映射表步驟， 所述的標(biāo)定映射點(diǎn)，是通過(guò)確定攝像機(jī)的位置、內(nèi)外參數(shù)和建立成像模型，來(lái)確定世界坐標(biāo)系中的物體和它在圖像平面上的成像之間的對(duì)應(yīng)關(guān)系， 在實(shí)際應(yīng)用場(chǎng)景中，由于車(chē)道分割線間距離已知，因此可通過(guò)對(duì)已知點(diǎn)進(jìn)行標(biāo)定，結(jié)合攝像機(jī)成像原理，進(jìn)而獲得所需映射關(guān)系； 所述的建立映射表，即 設(shè)某點(diǎn)在世界坐標(biāo)系中的坐標(biāo)為W(X，Y, Z)，由于相似三角形的比例關(guān)系可得其投影點(diǎn)Κχ, y)，其中 f*X f*Y χ =-, ν =--(13) f 才 f-z f為投影點(diǎn)與世界坐標(biāo)系的交點(diǎn)坐標(biāo)； 式(19)中包含了變量的除法運(yùn)算，屬于非線性變換，當(dāng)引入齊次坐標(biāo)將其轉(zhuǎn)換成線性矩陣進(jìn)行計(jì)算，由此得出齊次坐標(biāo)矩陣如式(20)

Γχ—
V|「/ ο ο ο] Z y = 0 f 0 0 Υ(20) 10 0 10


1 在車(chē)輛速度計(jì)算過(guò)程中，不需要知道車(chē)輛的高度信息，故將式(20)簡(jiǎn)化，得到如下的變換矩陣
—X] ^am am α02Τχ" κ γ = --ο ou α[2 U(21)
1J ^20.2.? 1 |_1 通過(guò)式(21)可獲得世界坐標(biāo)系中點(diǎn)(Χ，Υ)的坐標(biāo)表達(dá)式為
ν _ amx + aoiJ + am
J%.一 , V + %, + 1(22)
Υ - ai(iX + aiiy + ai2
, a2t)x + ?2lJ + l 將已知距離點(diǎn)在圖像坐標(biāo)系中像素坐標(biāo)及世界坐標(biāo)系中的實(shí)際距離代入式(22)，求出像素距離與實(shí)際距離的映射關(guān)系，由此建立兩坐標(biāo)系對(duì)應(yīng)關(guān)系表，即映射表MapTable[IMAGE_SIZE]，其中IMAGE_SIZE為圖像寬度與高度的乘積，在后續(xù)計(jì)算過(guò)程中，當(dāng)輸入需要查詢(xún)的目標(biāo)點(diǎn)的像素坐標(biāo)即可獲得該點(diǎn)對(duì)應(yīng)的實(shí)際距離； 所述的速度計(jì)算步驟是將運(yùn)動(dòng)車(chē)輛目標(biāo)軌跡中各點(diǎn)空間位置代入所述的映射關(guān)系表上表，獲得軌跡中各目標(biāo)質(zhì)心特征點(diǎn)代表的實(shí)際距離，
IDisiIij-X = MapTable[posit1n[i].y * width + posit1n[i].x},x(^)
[Di1-Jil.j - MapTable[posit1n[i],y * width + posii1n[i].x],y 其中，Disi [i].x、Disi [i].y為某點(diǎn)橫向及縱向?qū)?yīng)的實(shí)際距離，MapTable即為所述建立的映射表； 在直角坐標(biāo)系中，用(x，y)描述跟蹤點(diǎn)的空間位置，則通過(guò)運(yùn)動(dòng)目標(biāo)跟蹤軌跡起點(diǎn)及終點(diǎn)相關(guān)信息獲取目標(biāo)運(yùn)動(dòng)軌跡，設(shè)某目標(biāo)起點(diǎn)為A，終點(diǎn)為B則可得如下信息:
—' __ΙΒ — 1Α
—.1 v(24)

?
t—FB -FA I — f 式(24)中，X及Y的值通過(guò)查找映射表獲得，F(xiàn)為某點(diǎn)對(duì)應(yīng)的幀號(hào)，f為采樣頻率即為25中貞/s, 由式(24)獲得運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度 V= ^v1x + V1y(25) 所述的速度校正步驟是當(dāng)在某場(chǎng)景中如果計(jì)算出的車(chē)速普遍偏大或普遍偏小，則可能由于映射關(guān)系在計(jì)算過(guò)程中存在偏差，最終造成車(chē)輛速度不準(zhǔn)確，故可根據(jù)實(shí)際情況對(duì)測(cè)得的速度進(jìn)行校正，即 V= φ? + V2r + Δν(26 ) Δ V為車(chē)速實(shí)際差。
2.如權(quán)利要求1所述的基于目標(biāo)運(yùn)動(dòng)軌跡的車(chē)輛速度檢測(cè)方法，其特征在于，所述的卡爾曼濾波方法的具體步驟如下: (1)起始跟蹤 a.初始化所有設(shè)置，掃描圖像確定所有運(yùn)動(dòng)目標(biāo)，并為每個(gè)目標(biāo)建立跟蹤窗口； b.如果當(dāng)前圖像不是起始幀，對(duì)沒(méi)有對(duì)應(yīng)跟蹤窗口的目標(biāo)認(rèn)定為新出現(xiàn)的目標(biāo)，并建立跟蹤窗口進(jìn)行跟蹤； (2)目標(biāo)軌跡關(guān)聯(lián) a.預(yù)測(cè)運(yùn)動(dòng)區(qū)域:在輸入目標(biāo)的狀態(tài)向量后，啟動(dòng)卡爾曼濾波，對(duì)目標(biāo)可能的運(yùn)動(dòng)區(qū)域進(jìn)行預(yù)測(cè)； b.計(jì)算相似度函數(shù):在區(qū)域內(nèi)將相似度函數(shù)最小的目標(biāo)作為上一幀目標(biāo)的延續(xù)； c.精確判斷:計(jì)算兩待定目標(biāo)的質(zhì)心距離d和閾值λ的關(guān)系，確定待定目標(biāo)是否為上一幀目標(biāo)的延續(xù)； 如果d> λ，說(shuō)明待定目標(biāo)與上一幀運(yùn)動(dòng)目標(biāo)非同一目標(biāo)。則可能為上一幀的運(yùn)動(dòng)目標(biāo)在該幀靜止或上一幀運(yùn)動(dòng)目標(biāo)離開(kāi)了視頻區(qū)域； 如果d〈 λ，則可以確定待定目標(biāo)與上一幀目標(biāo)為同一目標(biāo)，可進(jìn)行特征值的更新； λ取值根據(jù)實(shí)際情況，取5個(gè)像素點(diǎn)； (3)進(jìn)入下一幀后，重復(fù)步驟(I)和(2)的處理過(guò)程，直到視頻結(jié)束。
【文檔編號(hào)】G06T7/00GK104282020SQ201410487028
【公開(kāi)日】2015年1月14日 申請(qǐng)日期:2014年9月22日 優(yōu)先權(quán)日:2014年9月22日
【發(fā)明者】袁彬, 譚中慧, 于艷玲 申請(qǐng)人:中海網(wǎng)絡(luò)科技股份有限公司