基于视频序列图像的车辆测速研究

基于视频序列图像的车辆测速研究高浩军，杜宇人（扬州大学信息工程学院，扬州，225009）摘要：基于高速公路移动测速设备的测速模式，提出了一种基于视频序列图像的车辆测速的实现方法，通过测定固定时间间隔的两帧连续序列图像中目标车辆的相对位移实现车速的测定，运用车道划分、车辆定位判别的思想提高了测速的精度，对车道划分前后的速度测量误差进行了分析，实验结果表明，该方法能较为精确的测量出车辆行驶速度，在高速公路移动测速等场合具有较好的实用价值。关键词：摄像机定位；车道划分；测速；误差中图分类号：TP391.41VehicleSpeedDetectionResearchBasedonVideoSequenceImagesGaoHaojun,DuYuren(YangzhouUniversity,Yangzhou225009,China)Abstract:Thepaperpresentsavehiclespeeddetectionmethodusingvideosequenceimagesbasedonthespeeddetectionmodelofhighwaymobilespeeddetectionequipment.Accomplishthevehiclespeeddetectionbymeasurethedisplacementoftheobjectmovedbetweentwofixedintervalsequenceimages.Improvingthespeeddetectionprecisionbytheideaofdrivewaypartitionandvehicleorientationdistinguish.Analyzethefore-and-aftmeasureerrorofdrivewaypartition.Experimentsresultshowsthatthemethodcouldgetahighprecisioninvehiclespeeddetection.Themethodhasabetterpracticalvalueinhighwaymobilespeeddetectionandotheroccasions.Keywords:cameraorientation;drivewaypartition;speeddetection;error0引言随着我国经济的发展，道路运输已经取代铁路成为最重要的运输方式之一，目前我国高速公路建设规模不断扩大，如何有效的对交通环境进行监管是当前面临的一个重要问题，而“车辆测速”作为交通监管的重要部分[1]，受到了人们的广泛重视。传统的高速公路交巡警常用的测速仪器为车载测速仪，其主要工作原理是通过雷达测速装置测速，车载数码照相机对超速车辆进行拍照，将超速车辆的车牌号、行驶速度显示在显示屏上，并自动储存该记录，然后交警通知前方各站口进行拦截纠正。该测速方法主要依靠了雷达测速装置[2]，但随着图像处理技术的发展，基于视频的车辆测速成为了较为新颖的测速方式，通常被简称为“视频测速”，它无需与测速雷达等设备配合使用，仅仅根据对监控视频图像的处理来完成车辆行驶速度的测量。视频测速方法与传统的测速方法相比，主要有如下几个优点：（1）无需使用专用测速设备，成本较低；（2）由于避免与其它测速设备配合使用，使得系统被简化的同时提高了稳定性；（3）摄像头安装简单，进行视频监控的同时也能完成车辆测速，提高了设备使用率；（4）理论上该方法可达到较高的测速精度；1视频测速原理本课题受扬州大学自然科学基金(KK0313090)资助，作者简介：高浩军，男，1981年，研究生，研究方向：图像处理与多媒体技术；杜宇人，男，1962年，副教授，研究方向：图象分析、电子测量。1.1摄像机定位本文模拟高速公路移动测速装置的使用对摄像机进行定位[3][4]如图1所示，摄像机、车辆、隔离带等位置如图1所示，路面共有1、2、3车道，h为摄像机的高度，d为摄像机离车道的距离，由于本文拟对高速公路移动测速装置使用模拟，因此h大约设置为1.5米，对车辆进行拍摄时φ角度接近于90度，ω角度大小设置为90度。图1摄像机位置及拍摄示意图1.2测速原理基于视频序列图像的车辆测速主要是根据对连续帧的序列图像的分析处理来实现车辆速度的测定[5]，考虑到从监控视频中提取出的连续帧的序列图像有如下特点：（1）连续的两帧序列图像间有一个不变的时间间隔；（2）连续的两帧序列图像间的车辆目标的位置有相对移动；根据以上特点，理论上通过以下物理学公式可以得出车辆目标的运动速度：01010101ttxxttssTSV（1）如图2所示，根据视频信号的固定的两帧连续图像的间隔时间可以很方便的得到时间T，而通过车辆目标检测处理，可以得到车辆的相对运动距离S，从而可以根据上式计算出速度V。右二图为视频序列图像的两帧，左二图为相对与右二图的目标车辆运动示意图。由图可见目标车辆在摄像机镜头场景中，由左向右运动，如果能保证摄像机处于静止拍摄状态，即不存在拍摄位置及拍摄角度等的变化，则可以通过分析一定帧数间隔的两帧序列图像之间的车辆的形心相对移动位置s0、s1来确定相对移动距离Δs＝s1－s0或车头点的相对移动位置x0、x1来确定相对移动距离Δx＝x1－x0。应该注意，该方法求出的相对移动距离实际上是目标车辆在摄像机镜头拍下的场景图像中移动的像素点的个数。同时，由于两帧视频序列图像的间隔帧数一定，则两帧视频序列图像的间隔时间Δt＝t2－t1，很方便就可以确定，此处的间隔时间的单位应为“秒”。此时可根据公式（1）求出目标车辆的运动速度V，单位为“像素/秒”。d车辆摄像机隔离带123hXYZxyφω由速度单位“像素/秒”可见，此时获取到的仅仅是目标车辆在固定摄像机场景下的视频序列图像中每秒钟移动的像素点的数目，而我们实际需要的具有实际意义的速度衡量单位应该是“千米/小时”。如果需求出目标车辆的实际行驶速度，则必须首先估算出视频序列图像中每个像素点与实际道路长度“米”之间的对应关系。可确定一个比例系数e，单位为“米/像素”。则只需精确的估算出这个比例系数e，即可以得到目标车辆的实际行驶速度。图2测速原理示意图在估算比例系数e时，为了提高速度测定的精确性，我们必须考虑到一个摄像机的视角问题，如图3所示为摄像机拍摄时的视角示意图。图3摄像机拍摄视角示意图由上图可见，摄像机在拍摄过程中，存在一个视角θ，很明显该视角的存在，将使得拍摄出的实际场景图像中，离摄像机较远的道路长度L1（单位为“米”）实际上大于相对离L1L2摄像机θ000有L1L2成立s0Δss1两帧之间间隔时间Δt秒t1t2x0Δxx1摄像机较近的道路长度L2（单位为“米”）。但是摄像机拍摄到的视频序列图像的宽度的像素个数是唯一确定的，如假设视频序列图像的宽度为n（单位为“像素），则有下式成立：nLnL21单位为“米/像素”（2）由上式可知，实际获取的视频序列图像中，离摄像机较远处道路水平方向的每个像素点代表的实际距离要大于离摄像机较近处的道路水平方向的每个像素点所代表的实际距离。因此，在本文假设的摄像机拍摄的条件下，假设相对远离摄像机的目标车辆为object1，而相对靠近摄像机的目标车辆为object2，则在同等间隔时间Δt的两帧视频序列图像中，若object1与object2移动相同的像素点个数，则两者的速度有21objectobjectVV成立。基于此，若在本文摄像机拍摄条件下将object1与object2一视同仁，则在实际的速度测定过程中，将会出现较大的误差。本文考虑用如下方法来解决这一问题。如图3所示为实际序列图像的车道划分[6]示意图，按本文拍摄条件下获取到的视频序列图像中，其上半部分为天空，而道路只占图像的下半部分，因此可按图3(a)所示，将图像划分成上下两个部分，将下半部分视为有效区域。此时，可将有效的道路区域作如图3(b)所示划分成a1、a2、a3区域，且应使各个区域的宽度满足m1m2m3，这是由于在实际拍摄获得的序列图像中，离摄像机相对较远处的车道的宽度要比离摄像机相对较近处的车道的宽度略窄。划分过程中，天空与道路各占的比重以及m1，m2，m3的比例的设定均与前文所述的摄像机的安装位置及倾斜角度等有较大的关系，在各种不通的拍摄情况下，应选择与之相适应的比例。图4实际序列图像的车道的划分示意图通过上述道路区域划分过程后，可对a1、a2、a3这三个区域分别赋予一个比例系数e1、e2、e3，用该三个比例系数分别表示三个不同区域的“实际距离与像素的比”，单位为“米/像素”。此时，存在一个目标车辆的定位问题，如图4(b)所示，车辆到底该判定为属于划分的哪一个区域，本文考虑到车辆的实际速度应与车轮有密切的联系，因此将车轮与地面的接触位置作为一个判别的依据，来判定在对当前序列图像中的车辆目标进行速度测量时使用哪一个比例系数。在实际测量中，可将目标检测过程中获得的目标车辆的下边界作为这个判定的依据。如图4(b)所示，目标车辆的车轮位于a1区域，因此，此时应该利用比例系数e1来计算目标车辆的实际行驶速度。本文摄像机拍摄条件下的序列图像的参数如图5所示，获取到的视频序列图像的长为256像素，宽为192像素。总共有效车道区域占据整幅图像的约1/3的宽度，各条车道的宽度比例可设置为：m1:m2:m3=1:2:4。而由上而下的三个区域的所占像素数均为256，其实际长度分别为17.71米、16.21米、14.11米。因此，各车道区域的比例系数很容易即可计算出，天空道路a1a2a3(a)路面与天空划分示意图(b)道路区域划分示意图车辆m1m2m3其值分别为e1＝17.71/256=0.0692、e2=16.21/256=0.0633、e3=14.11/256=0.551。图5本文序列图像的相关参数示意图通过上述各个参数的分析，可以获取到用于目标车辆测速的各项数据，此时，只需在目标检测过程中，设法精确的计算出间隔时间Δt的两帧视频序列图像中目标车辆的形心位置或车头点位置的相对移动距离，可用相对移动的像素个数来表征，记为Δp。由于摄像机的拍摄速率在摄取之前已经确定，一般可取10bps，15bps，30bps等，“bps”的含义为“每秒钟拍摄的图像帧数”，如本文摄像机的拍摄速率设定为30bps，则可以计算出相邻两帧序列图像的间隔为xs=1/30秒，同时，可以设定用于分析的视频序列图像的间隔帧数为sum帧，比例系数ex的取值由x所处的区域位置确定，此时，可通过如下公式计算出目标车辆的实际行驶速度。332211/6.3/6.3/6.36.3mxsumxspemxsumxspemxsumxspesumxspeVx单位“千米/小时”（3）在实际速度测定过程中，目标车辆在摄像机场景中由左向右运动，每隔sum帧间隔的序列图像测一次即时速度，若假设目标车辆在场景中从完整出现到开始消失所需的帧数为total帧，则测速过程一共可以测出]/[sumtotali个即时速度，“[]”表示“取整”操作，其即时速度可分别记为ivvv,,,21，此时就可以方便的获得目标车辆行驶的最高速度maxV，最低速度minV及平均速度averageV，分别如下式所示：},,,max{21maxivvvV（4）},,,min{21minivvvV（5）]/[]/[1sumtotalvVsumtotaliiaverage（6）1.3误差分析本文对车道划分前后的误差进行了分析：假设通过分析得知，目标车辆在图像中在10帧间隔下共移动了90个像素，连续两帧图像的时间间隔为1/30秒。可在前后两种情况下，计算出目标车辆的行驶速度。256像素，长度：17.71米192像素车道区域共约占1/3宽度256像素，长度：16.21米256像素，长度：14.11米m1m2m31）在车道划分前，如图5所示，此时只存在一个区域m1，而m2、m3区域也被视为区域m1，则该区域的比例系