一種基于單攝像頭視頻序列匹配的車輛測速方法及其系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種基于單攝像頭視頻序列匹配的車輛測速方法，包括：建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)；根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中出現(xiàn)的同一車輛目標(biāo)；計算同一車輛目標(biāo)的車速。本發(fā)明還提供一種基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)。本發(fā)明提供的技術(shù)方案極大地降低了車輛目標(biāo)匹配技術(shù)中的算法復(fù)雜度，進而提高了計算效率。
【專利說明】
一種基于單攝像頭視頻序列匹配的車輛測速方法及其系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及圖像視頻處理技術(shù)領(lǐng)域，尤其涉及一種基于單攝像頭視頻序列匹配的 車輛測速方法及其系統(tǒng)。
【背景技術(shù)】
[0002] 隨著經(jīng)濟的發(fā)展，人民生活水平的提高，汽車數(shù)量的增長速度遠遠超過道路基礎(chǔ) 設(shè)施建設(shè)的速度，車路矛盾日益突出，出現(xiàn)道路交通擁擠、事故頻繁等問題。而事故發(fā)生的 主要原因有超速和酒駕。因此，對車輛實行是否超速的檢測是刻不容緩的。如何解決車輛是 否超速的問題，保障交通安全，已成為智能交通系統(tǒng)中熱門的研究課題之一。
[0003] 實時車速的檢測和采集方法很多，目前較為成熟的有環(huán)形線圈測速、雷達測速等。 而基于視頻的車輛運行速度檢測方法，具有安裝簡便、設(shè)置靈活、覆蓋區(qū)域廣等優(yōu)點。近幾 年，基于視頻的實時測速系統(tǒng)得到了很大發(fā)展，已成為一種具有良好前景的檢測手段，對城 市道路和高速公路的交通智能管理具有一定的理論意義和實用價值。
[0004] 基于視頻的車速檢測方法研究，需要知道目標(biāo)車輛的位移信息和行走時間，因此 需要進行運動車輛的檢測與提取，然后根據(jù)目標(biāo)車輛的特征進行跟蹤，最后通過獲得的車 輛的位置信息來實現(xiàn)車輛速度的測量。車輛目標(biāo)匹配在車輛測速中是一個重要的研究內(nèi) 容。車輛測速之前，常常需要檢測和識別車輛目標(biāo)。目標(biāo)匹配就是通過特定的算法在待測視 頻圖像中尋找目標(biāo)圖像的過程。
[0005] 傳統(tǒng)的目標(biāo)匹配方法主要是圖像匹配，即在兩幀圖像中，從一幀圖像中尋找與另 一幀中具有相同目標(biāo)的過程。
[0006] 現(xiàn)有技術(shù)提出針對兩幀圖像之間目標(biāo)的匹配最常用方法是基于特征的匹配，該方 法首先在匹配的圖像中提取特征，這些特征可以是顏色特征、興趣點特征、梯度特征、邊緣 特征等，用相似性度量和一些約束條件確定幾何變換，最后將該變換作用于待匹配圖像。為 了得到較精確的匹配，一般不會只用一個特征進行目標(biāo)匹配，而更多的是采取對以上特征 中多個特征進行融合來完成目標(biāo)匹配。還有一種做法是尋找興趣點特征進行目標(biāo)匹配，例 如常用的SIFT特征，SIFT特征是基于物體上的一些局部外觀的興趣點而與影像的大小和旋 轉(zhuǎn)無關(guān)，匹配精度高。但是SIFT算法也存在不足之處，如特征向量的維數(shù)高達128維，匹配時 計算數(shù)據(jù)量大、耗時長，并且使用的是圖像灰度信息，忽略了彩色信息，故圖像信息未能得 到充分利用。
[0007]由此可見，現(xiàn)有技術(shù)利用兩幀圖像之間進行目標(biāo)的匹配方法中，一種是提取多個 特征進行融合作為目標(biāo)匹配的基礎(chǔ)。這種方法，在提取多個特征進行融合的中間過程，計算 量比較大，算法也比較復(fù)雜。而另一種是以興趣點特征作為目標(biāo)匹配的基礎(chǔ)。這種方法同樣 存在著信息量大，計算量大的問題。
[0008]綜上所述，現(xiàn)有技術(shù)兩幀圖像之間進行目標(biāo)的匹配的方法存在算法復(fù)雜度高、計 算效率低的問題。

【發(fā)明內(nèi)容】

[0009] 有鑒于此，本發(fā)明的目的在于提供一種基于單攝像頭視頻序列匹配的車輛測速方 法及其系統(tǒng)，旨在解決現(xiàn)有技術(shù)中車輛目標(biāo)匹配技術(shù)的算法復(fù)雜度高以及計算效率低的問 題。
[0010] 本發(fā)明提出一種基于單攝像頭視頻序列匹配的車輛測速方法，所述方法包括：
[0011] 建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)；
[0012] 根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中出現(xiàn)的同一車輛目標(biāo)；
[0013] 計算同一車輛目標(biāo)的車速。
[0014] 優(yōu)選的，所述建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)的步驟具體包括：
[0015] 建立錄制視頻的環(huán)境；
[0016] 設(shè)置捕捉車輛目標(biāo)的窗口，并開始采集視頻數(shù)據(jù)；
[0017] 讀取采集到的視頻數(shù)據(jù)，分別獲得車輛目標(biāo)視頻序列和待匹配的視頻序列。
[0018] 優(yōu)選的，所述根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中出現(xiàn)的同一車輛目 標(biāo)的步驟具體包括：
[0019] 分別對所述車輛目標(biāo)視頻序列和待匹配的視頻序列這兩個視頻序列進行預(yù)處理， 以實現(xiàn)前景目標(biāo)和背景的分割、陰影去除；
[0020] 提取特征值，計算兩個視頻序列對應(yīng)的前景目標(biāo)中每一幀的顏色直方圖，以分別 得到特征矩陣M和矩陣N;
[0021] 根據(jù)得到的特征矩陣M和矩陣N，采用動態(tài)滑窗匹配定理進行匹配，得到一組相關(guān) 系數(shù)值，將最大的相關(guān)系數(shù)值與設(shè)定閾值進行比較，得到匹配結(jié)果，并根據(jù)匹配結(jié)果尋找不 同窗口中出現(xiàn)的同一車輛目標(biāo)。
[0022] 優(yōu)選的，所述計算同一車輛目標(biāo)的車速的步驟具體包括：
[0023] 獲取目標(biāo)車輛分別經(jīng)過不同窗口時在車輛目標(biāo)視頻序列和待匹配的視頻序列中 各自的幀數(shù)；
[0024]計算幀與幀之間的實際距離；
[0025]根據(jù)所述實際距離計算目標(biāo)車輛的車速。
[0026] 另一方面，本發(fā)明還提供一種基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)，所述 系統(tǒng)包括：
[0027] 預(yù)處理模塊，用于建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)；
[0028] 目標(biāo)匹配模塊，用于根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中出現(xiàn)的同一 車輛目標(biāo)；
[0029] 目標(biāo)測速模塊，用于計算同一車輛目標(biāo)的車速。
[0030] 優(yōu)選的，所述預(yù)處理包括：
[0031] 環(huán)境建立子模塊，用于建立錄制視頻的環(huán)境；
[0032]窗口設(shè)置子模塊，用于設(shè)置捕捉車輛目標(biāo)的窗口，并開始采集視頻數(shù)據(jù)；
[0033]視頻讀取子模塊，用于讀取采集到的視頻數(shù)據(jù)，分別獲得車輛目標(biāo)視頻序列和待 匹配的視頻序列。
[0034]優(yōu)選的，所述目標(biāo)匹配模塊包括：
[0035] 前景目標(biāo)子模塊，用于分別對所述車輛目標(biāo)視頻序列和待匹配的視頻序列這兩個 視頻序列進行預(yù)處理，以實現(xiàn)前景目標(biāo)和背景的分割、陰影去除；
[0036] 特征提取子模塊，用于提取特征值，計算兩個視頻序列對應(yīng)的前景目標(biāo)中每一幀 的顏色直方圖，以分別得到特征矩陣M和矩陣N;
[0037]特征比較子模塊，用于根據(jù)得到的特征矩陣M和矩陣N，采用動態(tài)滑窗匹配定理進 行匹配，得到一組相關(guān)系數(shù)值，將最大的相關(guān)系數(shù)值與設(shè)定閾值進行比較，得到匹配結(jié)果， 并根據(jù)匹配結(jié)果尋找不同窗口中出現(xiàn)的同一車輛目標(biāo)。
[0038]優(yōu)選的，所述目標(biāo)測速模塊包括：
[0039] 幀數(shù)獲取子模塊，用于獲取目標(biāo)車輛分別經(jīng)過不同窗口時在車輛目標(biāo)視頻序列和 待匹配的視頻序列中各自的幀數(shù)；
[0040] 第一計算子模塊，用于計算幀與幀之間的實際距離；
[0041] 第二計算子模塊，用于根據(jù)所述實際距離計算目標(biāo)車輛的車速。
[0042] 本發(fā)明提供的技術(shù)方案極大地降低了車輛目標(biāo)匹配技術(shù)中的算法復(fù)雜度，進而提 高了計算效率。
【附圖說明】
[0043] 圖1為本發(fā)明一實施方式中基于單攝像頭視頻序列匹配的車輛測速方法流程圖； [0044]圖2為本發(fā)明一實施方式中圖1所示的步驟Sll的詳細流程圖；
[0045] 圖3為本發(fā)明一實施方式中視頻數(shù)據(jù)采集的環(huán)境圖；
[0046] 圖4為本發(fā)明一實施方式中實際道路平面圖和視頻圖像道路圖的對比圖；
[0047]圖5為本發(fā)明一實施方式中動態(tài)滑窗匹配定理圖；
[0048]圖6為本發(fā)明一實施方式中圖1所示的步驟S12的詳細流程圖；
[0049]圖7為本發(fā)明一實施方式中圖6所示的步驟S123的詳細流程圖；
[0050]圖8為本發(fā)明一實施方式中圖1所示的步驟S13的詳細流程圖；
[0051]圖9為本發(fā)明一實施方式中基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)10的內(nèi)部 結(jié)構(gòu)示意圖；
[0052]圖10為本發(fā)明一實施方式中圖9所示的預(yù)處理模塊11的內(nèi)部結(jié)構(gòu)示意圖；
[0053]圖11為本發(fā)明一實施方式中圖9所示的目標(biāo)匹配模塊12的內(nèi)部結(jié)構(gòu)示意圖；
[0054]圖12為本發(fā)明一實施方式中圖9所示的目標(biāo)測速模塊13的內(nèi)部結(jié)構(gòu)示意圖。
【具體實施方式】
[0055] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0056] 本發(fā)明【具體實施方式】提供了一種基于單攝像頭視頻序列匹配的車輛測速方法，所 述方法主要包括如下步驟：
[0057] SI 1、建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)；
[0058] S12、根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中出現(xiàn)的同一車輛目標(biāo)；
[0059] S13、計算同一車輛目標(biāo)的車速。
[0060] 本發(fā)明提供的一種基于單攝像頭視頻序列匹配的車輛測速方法能極大地降低車 輛目標(biāo)匹配技術(shù)中的算法復(fù)雜度，進而提高了計算效率。
[0061] 以下將對本發(fā)明所提供的一種基于單攝像頭視頻序列匹配的車輛測速方法進行 詳細說明。
[0062] 請參閱圖1，為本發(fā)明一實施方式中基于單攝像頭視頻序列匹配的車輛測速方法 流程圖。
[0063]在步驟Sll中，建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)。
[0064] 在本實施方式中，建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)的步驟Sll具體包括 Slll - S113,如圖2所示。
[0065] 請參閱圖2,為本發(fā)明一實施方式中圖1所示的步驟Sll的詳細流程圖。
[0066] 在步驟Slll中，建立錄制視頻的環(huán)境。
[0067] 在本實施方式中，采集數(shù)據(jù)的準(zhǔn)備工作，建立錄制視頻的環(huán)境，例如如圖3所示，在 本實施例中，攝像頭假設(shè)被固定在天橋上，沿著車輛前進的方向向下俯拍公路。
[0068] 在步驟S112中，設(shè)置捕捉車輛目標(biāo)的窗口，并開始采集視頻數(shù)據(jù)。
[0069]在本實施方式中，在視場中選擇一條通道，相隔一段距離分別設(shè)置兩個窗口。假設(shè) 車輛短時間內(nèi)都是在同一車道上直線行駛，在不同時刻經(jīng)過窗口 1和窗口 2。在本實施例中， 窗口設(shè)置為長方形，窗口根據(jù)視覺遠近，自適應(yīng)調(diào)整比例，如圖4所示。
[0070]其中，從圖4左圖可以看到，實際道路平面的馬路線條是平行的，線與線之間的距 離是相等的，即圖中Pl與P3的距離等于P2與P4的距離。而實際拍攝的視頻，由于攝像機是正 對車輛運行方向，俯視向前成一個固定的角度，所以拍攝得到的道路平面是圖4右圖的樣 子?？梢钥吹剑x攝像機近的P2，P4點之間的距離比較大，較遠處的Pl，P3點之間的距離較 小，而且越遠處，兩條線之間的距離成比例縮小。
[0071 ]由于運動車輛在視頻中從近處運動到遠處也會隨之縮小，因此在設(shè)置窗口的時 候，也要根據(jù)比例進行縮放，才能保證得到的數(shù)據(jù)具有穩(wěn)定性以及可行性。所以現(xiàn)在的關(guān)鍵 是找到實際道路平面與視頻圖像平面之間的映射關(guān)系。
[0072] 假如設(shè)上圖4右圖Pl坐標(biāo)為(xl，yl)，P2坐標(biāo)為(x2，y2)，P3坐標(biāo)為(x3，yl)，P4坐標(biāo) 為(X4，y2)。因為縮放主要是由于Y軸坐標(biāo)位置不同而不同，因此決定比例的主要因素是y坐 標(biāo)。
[0073] 在yl處，設(shè)Pl與P3之間的距離為dl，
[0074] 在y2處，設(shè)P2與P4之間的距離為d2。
[0075] 窗口大小的比例應(yīng)該滿足：
[0076]
[0077] Φ也就是我們要求的映射關(guān)系。不同y坐標(biāo)值，Φ是變化的。
[0078] 由于車輛在車道上為直線行駛，可以在設(shè)置窗口的時候，先把窗口的寬取設(shè)置為 車道的兩條線之間的距離，這樣在不同的y坐標(biāo)值處就固定了寬度d，例如yl處寬為dl，y2處 寬為d2。
[0079] 確定寬度值之后，接下來就用自適應(yīng)的方式來確定窗口的高h。
[0080] 我們要保證窗口能夠容納下車身，根據(jù)經(jīng)驗值，可以設(shè)置h 。 5
[0081] 這樣一來，窗口高度h始終是寬度d的4。只要確定了d，h也就確定了。所以只要我 5 們畫出窗口的寬度d，h就自動生成，得到一個合理窗口。
[0082] 在步驟S113中，讀取采集到的視頻數(shù)據(jù)，分別獲得車輛目標(biāo)視頻序列和待匹配的 視頻序列。
[0083]其中，車輛目標(biāo)視頻序列1是某一車輛經(jīng)過窗口 1拍攝到的連續(xù)幀序列，在本實施 例中車輛目標(biāo)視頻序列1大概只有10~20幀。而待匹配的視頻序列2有很多車經(jīng)過窗口 2的 連續(xù)幀序列，在本實施例中待匹配的視頻序列2是1000幀。
[0084] 為了解決現(xiàn)有技術(shù)存在的問題，本發(fā)明提出的目標(biāo)匹配方法不再是以單幀圖像為 匹配基礎(chǔ)，而是通過視頻的連續(xù)幀序列作為匹配的基礎(chǔ)，也就是說，完成目標(biāo)的匹配，是通 過兩個序列之間的關(guān)系獲得匹配的結(jié)果，稱之為動態(tài)滑窗匹配定理。首先，獲取兩個視頻序 列，一個是目標(biāo)車輛出現(xiàn)攝像頭區(qū)域窗口的車輛目標(biāo)視頻序列1，另一個是待匹配的視頻序 列2,目的是要在待匹配的視頻序列2中尋找是否存在車輛目標(biāo)視頻序列1的同一目標(biāo)，若存 在，則找出目標(biāo)車輛在待匹配的視頻序列2中出現(xiàn)的相關(guān)幀數(shù)。接下來，是匹配這兩段視頻 序列的基本思想。
[0085] 如圖5所示，假設(shè)車輛目標(biāo)視頻序列1為m幀，待匹配的視頻序列2為η幀，m>n。首先， 選取特定的特征，作為視頻序列每一幀的代表值，這樣車輛目標(biāo)視頻序列1可以組成一個m 列的矩陣M，其中矩陣的每一列為視頻序列每一幀的特征值。同理，待匹配的視頻序列2可以 組成一個η列的矩陣N。矩陣N的首列與矩陣M首列對應(yīng)，此時，矩陣M與矩陣N的前η幀一一對 應(yīng)，通過計算出矩陣N與矩陣M對應(yīng)η幀的相關(guān)性，得出一個相關(guān)度量值。接下來，矩陣N向右 開始滑動，每次向右滑動一列，滑動一次，計算得到一個相關(guān)度量值。直到滑動m-n次之后停 止，此時可以得到的m-n個相關(guān)度量值。最后，可以得到m-n個相關(guān)度量值的一個分布，其中 最高值，最有可能是我們想要得到的匹配結(jié)果，即同一個目標(biāo)。
[0086] 請繼續(xù)參閱圖1，在步驟S12中，根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中 出現(xiàn)的同一車輛目標(biāo)。
[0087] 在本實施方式中，根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中出現(xiàn)的同一車 輛目標(biāo)的步驟S12具體包括S121 -S123，如圖6所示。
[0088] 請參閱圖6,為本發(fā)明一實施方式中圖1所示的步驟S12的詳細流程圖。
[0089] 在步驟S121中，分別對所述車輛目標(biāo)視頻序列和待匹配的視頻序列這兩個視頻序 列進行預(yù)處理，以實現(xiàn)前景目標(biāo)和背景的分割、陰影去除。
[0090] 在本實施方式中，利用混合高斯背景建模(MOG)對原始視頻序列進行背景初始化、 背景更新、前景目標(biāo)檢測。因為用混合高斯背景建模檢測出來的前景目標(biāo)帶有運動陰影，因 此進一步用HSV比值空間法對前景目標(biāo)進行陰影檢測，并去除陰影。
[0091 ]在本實施方式中，步驟S121具體包括以下兩個子步驟(1)、（2)。
[0092] (1)利用混合高斯背景建模(MOG)對原始視頻序列進行背景初始化，背景更新，前 景目標(biāo)檢測。
[0093] 混合高斯背景建模(MOG)是對單像素點在時間序列上建立的統(tǒng)計模型。它假設(shè)確 定位置背景像素值在時間序列上的概率密度可以用多個高斯密度函數(shù)加權(quán)表達，當(dāng)下一幀 像素出現(xiàn)，如果它在該統(tǒng)計模型上計算得到的概率密度值小時認(rèn)為它是目標(biāo)像素，反之，則 認(rèn)為是背景像素。
[0094] (2)利用HSV比值空間法對前景運動目標(biāo)進行陰影檢測，并去除陰影。
[0095] 本發(fā)明實施例中，在（1)中已經(jīng)提取出視頻序列中的前景運動目標(biāo)，其中前景運動 目標(biāo)包含了兩部分的運動因素，即前景目標(biāo)車輛和運動車輛的陰影。因此，為了得到車輛的 前景目標(biāo)車輛，本發(fā)明實例中利用HSV比值空間法對前景目標(biāo)進行陰影檢測，并去除陰影。
[0096] HSV比值空間陰影檢測法的基本思想是認(rèn)為陰影區(qū)域像素點與其對應(yīng)位置背景像 素點相比，具有亮度變暗、飽和度降低、色度變化較小的特點。根據(jù)這一特點，可以通過前景 運動目標(biāo)像素點與背景像素點的亮度比值、色度差值、飽和度差值作閾值判斷，符合情況的 判為陰影。
[0097] 在步驟S122中，提取特征值，計算兩個視頻序列對應(yīng)的前景目標(biāo)中每一幀的顏色 直方圖，以分別得到特征矩陣M和矩陣N。
[0098] 在圖像視頻處理中，特別是識別匹配，最關(guān)鍵在于特征的描述及如何提取這些特 征，特征的選取也是影響算法好壞的重要因素。所以選擇正確的特征在視頻圖像處理中有 著至關(guān)重要的作用。圖像識別代表性的特征描述一般有以下:顏色、梯度、紋理、形狀等。
[0099] 顏色直方圖是圖像視頻處理中最常用的統(tǒng)計特征。圖像的每一個像素可以看作是 3維空間的一個點，顏色空間有RGB，Munsell，CIEL*a*b，CIEL*u*v*，HSV等。為了方便驗證動 態(tài)滑窗匹配定理的可行性，本發(fā)明實施例中只選用RGB顏色空間的直方圖作為統(tǒng)計特征。 RGB三維空間包括R、G、B三個坐標(biāo)軸，每一個坐標(biāo)軸的值從0到255,將每一幀的R、G、B色彩級 數(shù)合成一個列向量，作為特征矩陣的一列。
[0100] 如果每一幀圖像用向量表不的話，視頻序列1為m幀，視頻序列2為η幀，m>n。那么，
[0101] for i = l:m
[0102] ^=(RijGijBi)'
[0103] end
[0104] 車輛目標(biāo)視頻序列1得到的特征矩陣M為：
[0105] M=[fl ?2 ...... fn-l fn ...... fm-1 fm]；
[0106] 同理可得待匹配的視頻序列2的特征矩陣N:
[0107] N= [gl g2 ...... gn-1 gn]。
[0108] 在步驟S123中，根據(jù)得到的特征矩陣M和矩陣N，采用動態(tài)滑窗匹配定理進行匹配， 得到一組相關(guān)系數(shù)值，將最大的相關(guān)系數(shù)值與設(shè)定閾值進行比較，得到匹配結(jié)果，并根據(jù)匹 配結(jié)果尋找不同窗口中出現(xiàn)的同一車輛目標(biāo)。
[0109] 其中，矩陣M的列數(shù)為m，矩陣N的列數(shù)為η，m>n。在本實施方式中，步驟Sl23還包括 四個子步驟S1231-S1234,如圖7所示。
[0110]請參閱圖7,為本發(fā)明一實施方式中圖6所示的步驟S123的詳細流程圖。
[0111] 在步驟S1231中，將得到的矩陣M與矩陣N首列對齊，計算矩陣M對齊部分子矩陣M (1)與矩陣N之間的相關(guān)系數(shù)com，并保存在數(shù)組中。
[0112] 在本實施方式中，將得到的矩陣M與矩陣N首列對齊，即矩陣M對齊部分子矩陣
[0113] M(l) = [fi f2 ...... fn-I fn]
[0114] 與矩陣N對齊。
[0115] 利用相關(guān)系數(shù)公式
[0116]
[0117] 計算矩陣M對齊部分子矩陣M(I)與矩陣N之間的相關(guān)系數(shù)com，并保存在數(shù)組中。
[0118] 在步驟S1232中，矩陣N向右滑動滑動一列，矩陣M的第二列與矩陣N首列對齊，計算 矩陣M對齊部分子矩陣M(2)與矩陣N之間的相關(guān)系數(shù)corn，并保存在數(shù)組中。
[0119] 在本實施方式中，矩陣N向右滑動滑動一列，矩陣M的第二列與矩陣N首列對齊，即 矩陣M的子矩陣
[0120] M(2) = [f2 f3 ...... fn fn+l]
[0121] 與矩陣N對齊。利用相關(guān)系數(shù)公式計算M對齊部分子矩陣M(2)與矩陣N之間的相關(guān) 系數(shù)Corr2，并保存在數(shù)組中。
[0122] 在步驟S1233中，重復(fù)步驟S1232,直到滑動m-n次。矩陣N每次向右滑動一列，計算 矩陣M對齊部分子矩陣M( i)與矩陣N之間的相關(guān)系數(shù)com，并保存在數(shù)組中。
[0123] 在步驟S1234中，在數(shù)組中找到最大的相關(guān)系數(shù)值Corrmax，將Corrmax與一個合適的 閾值T比較，若corr max 2 T，則匹配成功。否則匹配失敗。
[0124] 在本實施方式中，在上面步驟中保存的數(shù)組中找到最大的相關(guān)系數(shù)值corrMX，將 Corrmax與一個合適的閾值T比較，若Corr max 2 T，則匹配成功，待匹配的視頻序列1中，第max ~max+n幀匹配到視頻序列2中出現(xiàn)的目標(biāo)車輛。若corrmax〈T，則匹配失敗，待匹配的視頻序 列1中沒有視頻序列2中出現(xiàn)的目標(biāo)車輛。其中，T值一般取0.9。
[0125] 請繼續(xù)參閱圖1，在步驟S13中，計算同一車輛目標(biāo)的車速。
[0126] 在本實施方式中，計算同一車輛目標(biāo)的車速的步驟S13具體包括S131-S133,如圖 8所示。
[0127] 請參閱圖8,為本發(fā)明一實施方式中圖1所示的步驟S13的詳細流程圖。
[0128] 在步驟S131中，獲取目標(biāo)車輛分別經(jīng)過不同窗口時在車輛目標(biāo)視頻序列和待匹配 的視頻序列中各自的幀數(shù)。
[0129] 在本實施方式中，當(dāng)步驟S1234的結(jié)果為車輛目標(biāo)視頻序列1和待匹配的視頻序列 2匹配同一輛車成功之后，本實施例選取車子分別出現(xiàn)在窗口 1和窗口 2的兩幀，來計算速 度。設(shè)序列1取到的幀數(shù)為第Π幀，序列2取到的幀數(shù)第f2幀。因為車輛目標(biāo)經(jīng)過窗口時，總 有一幀出現(xiàn)在窗口中時，車子占窗口的面積比最大。在本實施例中選取比值最大的那一幀， 分別作為fl，f2幀。在本實施例中，利用每一幀圖像掩膜為1的像素點個數(shù)與窗口總像素個 數(shù)的比例來判斷，選取比值最大的那一幀。
[0130] 在步驟S132中，計算幀與幀之間的實際距離。
[0131 ]在本實施方式中，為了能夠直接獲得兩個窗口之間的距離，從而能夠方便得到成 功匹配到同一目標(biāo)車輛后，計算實際的距離信息。
[0132]由于在步驟S112中窗口的大小是根據(jù)實際比例進行自適應(yīng)縮放的，也就是說圖像 中窗口 1和窗口 2在實際道路平面是一樣的。本發(fā)明實施例中選擇設(shè)置窗口的時候，窗口 1和 窗口 2的下底都設(shè)置在馬路虛線的下端平行。因為車身的中心大致在窗口的中間，就以正中 間點計算，如圖4所示。這樣窗口2中心與窗口 1中心的距離為LI，L1又等于窗口 1底邊與窗口 2底邊的距離L2,即只要知道兩條馬路虛線下端之間的距離L2就可以了。這里L(fēng)2可以通過公 路線規(guī)格得到。
[0133] 在步驟S133中，根據(jù)所述實際距離計算目標(biāo)車輛的車速。
[0134] 獲得了兩窗口車之間的實際距離為L2(單位米），車在兩窗口出現(xiàn)的幀數(shù)又分別為 Π和f2。錄制的視頻是25幀/秒。所以1幀=1 /25秒。
'k. ι-^Λρ
[0135] 因此，可以計算速。
[0136] 本發(fā)明提供的一種基于單攝像頭視頻序列匹配的車輛測速方法能極大地降低車 輛目標(biāo)匹配技術(shù)中的算法復(fù)雜度，進而提高了計算效率。
[0137] 本發(fā)明【具體實施方式】還提供一種基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)10， 主要包括：
[0138] 預(yù)處理模塊11，用于建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)；
[0139] 目標(biāo)匹配模塊12,用于根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中出現(xiàn)的同 一車輛目標(biāo)；
[0140] 目標(biāo)測速模塊13，用于計算同一車輛目標(biāo)的車速。
[0141] 本發(fā)明提供的一種基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)10,能極大地降低 車輛目標(biāo)匹配技術(shù)中的算法復(fù)雜度，進而提高了計算效率。
[0142] 請參閱圖9,所示為本發(fā)明一實施方式中基于單攝像頭視頻序列匹配的車輛測速 系統(tǒng)10的結(jié)構(gòu)示意圖。在本實施方式中，基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)10主 要包括預(yù)處理模塊11、目標(biāo)匹配模塊12以及目標(biāo)測速模塊13。
[0143] 預(yù)處理模塊11，用于建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)。
[0144] 在本實施方式中，預(yù)處理模塊11具體包括環(huán)境建立子模塊111、窗口設(shè)置子模塊 112以及視頻讀取子模塊113，如圖10所示。
[0145] 請參閱圖10,所示為本發(fā)明一實施方式中圖9所示的預(yù)處理模塊11的內(nèi)部結(jié)構(gòu)示 意圖。
[0146] 環(huán)境建立子模塊111，用于建立錄制視頻的環(huán)境。
[0147] 在本實施方式中，采集數(shù)據(jù)的準(zhǔn)備工作，建立錄制視頻的環(huán)境，例如如圖3所示，在 本實施例中，攝像頭假設(shè)被固定在天橋上，沿著車輛前進的方向向下俯拍公路。
[0148]窗口設(shè)置子模塊112，用于設(shè)置捕捉車輛目標(biāo)的窗口，并開始采集視頻數(shù)據(jù)。
[0149] 在本實施方式中，在視場中選擇一條通道，相隔一段距離分別設(shè)置兩個窗口。假設(shè) 車輛短時間內(nèi)都是在同一車道上直線行駛，在不同時刻經(jīng)過窗口 1和窗口 2。在本實施例中， 窗口設(shè)置為長方形，窗口根據(jù)視覺遠近，自適應(yīng)調(diào)整比例，如圖4所示，其中相關(guān)的描述詳見 前述步驟SI 12中的相關(guān)記載，在此不做重復(fù)描述。
[0150] 視頻讀取子模塊113，用于讀取采集到的視頻數(shù)據(jù)，分別獲得車輛目標(biāo)視頻序列和 待匹配的視頻序列。
[0151] 請繼續(xù)參閱圖9,目標(biāo)匹配模塊12,用于根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同 窗口中出現(xiàn)的同一車輛目標(biāo)。
[0152] 在本實施方式中，目標(biāo)匹配模塊12具體包括前景目標(biāo)子模塊121、特征提取子模塊 122以及特征比較子模塊123,如圖11所示。
[0153] 請參閱圖11，所示為本發(fā)明一實施方式中圖9所示的目標(biāo)匹配模塊12的內(nèi)部結(jié)構(gòu) 示意圖。
[0154]前景目標(biāo)子模塊121，用于分別對所述車輛目標(biāo)視頻序列和待匹配的視頻序列這 兩個視頻序列進行預(yù)處理，以實現(xiàn)前景目標(biāo)和背景的分割、陰影去除。
[0155] 在本實施方式中，具體的預(yù)處理過程參見前述步驟S121的相關(guān)記載，在此不做重 復(fù)描述。
[0156] 特征提取子模塊122,用于提取特征值，計算兩個視頻序列對應(yīng)的前景目標(biāo)中每一 幀的顏色直方圖，以分別得到特征矩陣M和矩陣N。
[0157] 在本實施方式中，具體的提取和計算過程參見前述步驟S122的相關(guān)記載，在此不 做重復(fù)描述。
[0158]特征比較子模塊123,用于根據(jù)得到的特征矩陣M和矩陣N，采用動態(tài)滑窗匹配定理 進行匹配，得到一組相關(guān)系數(shù)值，將最大的相關(guān)系數(shù)值與設(shè)定閾值進行比較，得到匹配結(jié) 果，并根據(jù)匹配結(jié)果尋找不同窗口中出現(xiàn)的同一車輛目標(biāo)。
[0159] 在本實施方式中，具體的特征匹配過程參見前述步驟S123的相關(guān)記載，在此不做 重復(fù)描述。
[0160] 請繼續(xù)參閱圖9,目標(biāo)測速模塊13,用于計算同一車輛目標(biāo)的車速。
[0161] 在本實施方式中，目標(biāo)測速模塊13具體包括幀數(shù)獲取子模塊131、第一計算子模塊 132以及第二計算子模塊133,如圖12所示。
[0162] 請參閱圖12,所示為本發(fā)明一實施方式中圖9所示的目標(biāo)測速模塊13的內(nèi)部結(jié)構(gòu) 示意圖。
[0163] 幀數(shù)獲取子模塊131，用于獲取目標(biāo)車輛分別經(jīng)過不同窗口時在車輛目標(biāo)視頻序 列和待匹配的視頻序列中各自的幀數(shù)。
[0164] 在本實施方式中，具體的幀數(shù)獲取過程參見前述步驟S131的相關(guān)記載，在此不做 重復(fù)描述。
[0165] 第一計算子模塊132,用于計算幀與幀之間的實際距離。
[0166] 在本實施方式中，幀與幀之間的實際距離的計算過程參見前述步驟S132的相關(guān)記 載，在此不做重復(fù)描述。
[0167] 第二計算子模塊133,用于根據(jù)所述實際距離計算目標(biāo)車輛的車速。
[0168] 在本實施方式中，目標(biāo)車輛的車速的計算過程參見前述步驟S133的相關(guān)記載，在 此不做重復(fù)描述。
[0169] 本發(fā)明提供的一種基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)10,能極大地降低 車輛目標(biāo)匹配技術(shù)中的算法復(fù)雜度，進而提高了計算效率。
[0170]值得注意的是，上述實施例中，所包括的各個單元只是按照功能邏輯進行劃分的， 但并不局限于上述的劃分，只要能夠?qū)崿F(xiàn)相應(yīng)的功能即可;另外，各功能單元的具體名稱也 只是為了便于相互區(qū)分，并不用于限制本發(fā)明的保護范圍。
[0171]另外，本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述各實施例方法中的全部或部分步驟 是可以通過程序來指令相關(guān)的硬件來完成，相應(yīng)的程序可以存儲于一計算機可讀取存儲介 質(zhì)中，所述的存儲介質(zhì)，如ROM/RAM、磁盤或光盤等。
[0172]以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種基于單攝像頭視頻序列匹配的車輛測速方法，其特征在于，所述方法包括： 建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)； 根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中出現(xiàn)的同一車輛目標(biāo)； 計算同一車輛目標(biāo)的車速。2. 如權(quán)利要求1所述的基于單攝像頭視頻序列匹配的車輛測速方法，其特征在于，所述 建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)的步驟具體包括： 建立錄制視頻的環(huán)境； 設(shè)置捕捉車輛目標(biāo)的窗口，并開始采集視頻數(shù)據(jù)； 讀取采集到的視頻數(shù)據(jù)，分別獲得車輛目標(biāo)視頻序列和待匹配的視頻序列。3. 如權(quán)利要求2所述的基于單攝像頭視頻序列匹配的車輛測速方法，其特征在于，所述 根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中出現(xiàn)的同一車輛目標(biāo)的步驟具體包括： 分別對所述車輛目標(biāo)視頻序列和待匹配的視頻序列這兩個視頻序列進行預(yù)處理，以實 現(xiàn)前景目標(biāo)和背景的分割、陰影去除； 提取特征值，計算兩個視頻序列對應(yīng)的前景目標(biāo)中每一幀的顏色直方圖，以分別得到 特征矩陣Μ和矩陣N; 根據(jù)得到的特征矩陣Μ和矩陣Ν，采用動態(tài)滑窗匹配定理進行匹配，得到一組相關(guān)系數(shù) 值，將最大的相關(guān)系數(shù)值與設(shè)定閾值進行比較，得到匹配結(jié)果，并根據(jù)匹配結(jié)果尋找不同窗 口中出現(xiàn)的同一車輛目標(biāo)。4. 如權(quán)利要求3所述的基于單攝像頭視頻序列匹配的車輛測速方法，其特征在于，所述 計算同一車輛目標(biāo)的車速的步驟具體包括： 獲取目標(biāo)車輛分別經(jīng)過不同窗口時在車輛目標(biāo)視頻序列和待匹配的視頻序列中各自 的幀數(shù)； 計算幀與幀之間的實際距離； 根據(jù)所述實際距離計算目標(biāo)車輛的車速。5. -種基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)，其特征在于，所述系統(tǒng)包括： 預(yù)處理模塊，用于建立數(shù)據(jù)采集環(huán)境，并開始采集和讀取數(shù)據(jù)； 目標(biāo)匹配模塊，用于根據(jù)讀取到的數(shù)據(jù)利用匹配算法尋找不同窗口中出現(xiàn)的同一車輛 目標(biāo)； 目標(biāo)測速模塊，用于計算同一車輛目標(biāo)的車速。6. 如權(quán)利要求5所述的基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)，其特征在于，所述 預(yù)處理包括： 環(huán)境建立子模塊，用于建立錄制視頻的環(huán)境； 窗口設(shè)置子模塊，用于設(shè)置捕捉車輛目標(biāo)的窗口，并開始采集視頻數(shù)據(jù)； 視頻讀取子模塊，用于讀取采集到的視頻數(shù)據(jù)，分別獲得車輛目標(biāo)視頻序列和待匹配 的視頻序列。7. 如權(quán)利要求6所述的基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)，其特征在于，所述 目標(biāo)匹配模塊包括： 前景目標(biāo)子模塊，用于分別對所述車輛目標(biāo)視頻序列和待匹配的視頻序列這兩個視頻 序列進行預(yù)處理，以實現(xiàn)前景目標(biāo)和背景的分割、陰影去除； 特征提取子模塊，用于提取特征值，計算兩個視頻序列對應(yīng)的前景目標(biāo)中每一幀的顏 色直方圖，以分別得到特征矩陣Μ和矩陣N; 特征比較子模塊，用于根據(jù)得到的特征矩陣Μ和矩陣Ν，采用動態(tài)滑窗匹配定理進行匹 配，得到一組相關(guān)系數(shù)值，將最大的相關(guān)系數(shù)值與設(shè)定閾值進行比較，得到匹配結(jié)果，并根 據(jù)匹配結(jié)果尋找不同窗口中出現(xiàn)的同一車輛目標(biāo)。8.如權(quán)利要求7所述的基于單攝像頭視頻序列匹配的車輛測速系統(tǒng)，其特征在于，所述 目標(biāo)測速模塊包括： 幀數(shù)獲取子模塊，用于獲取目標(biāo)車輛分別經(jīng)過不同窗口時在車輛目標(biāo)視頻序列和待匹 配的視頻序列中各自的幀數(shù)； 第一計算子模塊，用于計算幀與幀之間的實際距離； 第二計算子模塊，用于根據(jù)所述實際距離計算目標(biāo)車輛的車速。
【文檔編號】G06T7/20GK105844666SQ201610176931
【公開日】2016年8月10日
【申請日】2016年3月25日
【發(fā)明人】裴繼紅, 李偉洲, 謝維信
【申請人】深圳大學(xué)