一种面向区域重叠的高速公路视频测速方法及系统的制作方法

一种面向区域重叠的高速公路视频测速方法及系统的制作方法
【专利摘要】本发明提供了一种面向区域重叠的高速公路视频测速方法及系统。在车辆提取追踪过程中，本发明针对运动区域采用了对区域重叠的鲁棒性更强的算法进行特征参数提取和模板匹配；从而，视区域重叠的程度不同，在重叠程度未超过一定限度时能够成功在重叠区域中实现特定目标车辆的识别；本发明还根据重叠程度自适应地采用相对应的追踪方式。本发明能够在测速视频画面序列的各帧画面中连续地发现特定目标车辆所在区域，特别是当特定目标车辆处于重叠区域的情况也能够实现识别，从而确定代表该特定目标车辆的像素位置，进而实现视频画面坐标系中的运动速度计算。
【专利说明】一种面向区域重叠的高速公路视频测速方法及系统

【技术领域】
[0001] 本发明涉及高速公路测速【技术领域】，更具体地，涉及一种面向区域重叠的高速公 路视频测速方法及系统。

【背景技术】
[0002] 传统的高速公路超速监测采用地感线圈测速，激光测速和雷达测速。以上三种测 速方法均有各自的不足之处。地感线圈测速是在公路地面预先埋设一对具有车辆通过感应 能力的线圈，记录目标车辆相继通过两个线圈的时间，进而根据时间差与线圈间距计算出 速。但是地感线圈的安装会破坏高速公路的路面，而且对于沿非直线轨迹行驶的车辆测速 精度较低。激光测速利用激光脉冲对驶来车辆多次进行测距，进而计算车速。但激光测速 要求仪器正对来车，与车辆行驶方向的偏差角度不能超过10度，安装位置条件比较苛刻， 而且对于在测速区内行驶轨迹变化的车辆同样存在测量误差大的问题。雷达测速是利用多 普勒原理进行测速，但是与激光测速类似，同样存在与车辆行驶方向的偏差角度要保持在 10度以内的问题，给其适用范围带来很大的局限性。
[0003] 随着高速摄像和图像处理识别技术的进步，可以从高速公路监控摄像机拍摄的各 帧视频画面中定位目标车辆，并根据其行驶轨迹以及各帧视频画面的拍摄时间计算车速。 基于这一原理的高速公路测速技术被称之为视频测速。相比上面介绍的传统测速技术，视 频测速以下几个方面能够表现出明显的优势。首先，只需要具有较高分辨率的高速摄像机 即可以实现高速公路及相关车辆画面的拍摄，信号采集过程和设备均得到简化，对高速公 路的路面和其它设施没有不利影响，易于改造施工；其次，相比于雷达和激光测速对于偏差 角度的敏感性来说，视频测速对于拍摄角度的要求非常宽松；第三，通过对视频测速相关算 法的改进，对于车辆行驶轨迹的适应性大大提高，对于车辆变道甚至转弯行驶的情况也能 够实现准确测速；第四，不论是地感线圈、激光还是雷达测速，都必须附加摄像以便识别车 牌和取证，而视频测速可以将测速、车牌识别、记录取证等步骤集中完成，系统的集成化和 反应速度得到了很大提升。
[0004] 视频测速技术的核心在于对视频画面的处理、识别和分析计算，因此其算法决定 了整个系统的精确性和实时性。视频测速算法的基础是视频画面中特定目标车辆的识别抽 取，目标是将视频画面中代表特定目标车辆的部分识别抽取出来而区别于视频画面中的其 余部分。特定目标车辆识别抽取方法包括光流法、帧间差分法、背景差分法、车灯区域定位 法、车牌定位法等。对于所抽取的表示特定目标车辆的部分，还要进行必要的处理而去除阴 影等杂质。
[0005] 在此基础上，对特定目标车辆执行测速的算法可分为虚拟线圈法和定位追踪法两 种类型。
[0006] 虚拟线圈法是将视频画面预定区域设定为虚拟线圈，作为虚拟线圈的画面区域对 应高速公路当中的某一位置，当车辆通过高速公路的所述位置时，会引起视频画面中虚拟 线圈处的图像信号变化，这被称为触发虚拟线圈。两个虚拟线圈对应的公路位置之间的真 实间距L可以通过实地测量或者计算而事先获得。因而，通过所述特定目标车辆触发两个 虚拟线圈的时间差At，可以计算该特定目标车辆的车速V=L/At;其中，At通常用确 定该特定目标车辆触发各虚拟线圈的前、后两个视频画面的帧间差来表示。虚拟线圈法的 算法更为简单、运行速度更快、在实际应用中也更为普遍。不过虚拟线圈法的一个基本前提 是假设目标车辆在前、后两个虚拟线圈之间是沿着公路延伸方向直线行驶的，这样才能用 所述间距L来代表车辆的行驶距离。而事实上，车辆的行驶路径不可能是直线，甚至存在车 辆在两个虚拟线圈之间的区域进行变道的可能，而这种情况下虚拟线圈法的测量准确性就 会大大降低。换句话说，虚拟线圈法不适合复杂行驶轨迹下的车辆测速。所述复杂行驶轨 迹下的车辆测速还包括面向转弯路段进行测速的情况，因为在转弯路段当中各个车辆的行 驶轨迹是非常不一致的，难于设定一个标准的间距L来代表行驶距离。
[0007] 相比虚拟线圈法，定位追踪法测速对特定目标车辆的追踪过程可以持续更长的时 间和距离，而且是面向实际轨迹的测量，其精确度更高，对于复杂行驶轨迹也具有良好的适 应性。
[0008] 定位追踪法在连续若干帧视频画面中识别和定位同一个特定目标车辆区域，在保 证摄像机的位置和角度不发生变化的前提下，将该特定目标车辆区域在两帧视频画面所处 的位置进行比较，判断二者在视频画面坐标系下的距离（一般以像素数来表示），由于拍摄 两帧画面的时间是已知的则能够容易地计算该特定目标车辆在视频画面坐标系中的运动 速度，进而换算车辆的实际速度。定位追踪法从大的方面划分，可以分为摄像机标定以及特 定目标车辆的提取和追踪两个步骤。摄像机标定是建立视频画面坐标系与现实空间坐标系 之间的映射关系，以便进行从视频画面坐标系中的运动速度到现实空间中的实际速度的推 算。车辆提取的目标是将视频画面中表示运动车辆区域从背景当中分离出来，并且去掉阴 影以及非车辆运动物体等干扰信息。车辆追踪提取运动车辆区域的特征参数，利用特征参 数在每一帧画面中识别出特定目标车辆并确定该特定目标车辆的坐标，运动车辆区域的轮 廓形状等可以转化为所述特征参数；进而，将视频画面序列的不同帧中同一个特定目标车 辆关联起来，得到该特定目标车辆的运动轨迹，跟踪运动轨迹来计算其在视频画面坐标系 中的运动速度。
[0009] 当高速公路的拍摄测速区段中同时存在若干个运动车辆时，相应地，视频画面中 则会出现若干个运动车辆区域。由于视频画面是三维现实空间的二维投影，因此在现实空 间中并没有接触的车辆，在视频画面中可能会出现区域重叠的情形。例如，如图1所示的测 速视频画面序列当中，在图IA的视频画面中轿车对应的运动车辆区域Cl与厢式货车对应 的运动车辆区域C2彼此分离；而在图IB中二者发生部分重叠，运动车辆区域Cl的一部分 在视频画面中因与运动车辆区域C2重叠已不可见；在图IC中，运动车辆区域Cl的较大部 分已经与运动车辆区域C2重叠而不可见，造成其轮廓等外观特征发生明显的改变。
[0010] 区域重叠会造成车辆目标的错误识别甚至目标丢失，如何克服区域重叠是现有技 术中的一个难题。如果单纯以表示轮廓的特征参数进行特定目标车辆的识别和追踪，在图 IB和图IC的视频画面中对轿车和厢式货车的识别都会发生问题。现有技术中通过增强识 别算法的容错能力，例如采用轮廓信息与车辆颜色和纹理信息相协同的特征识别算法、改 进特征匹配判断标准等手段，基本能够在图IB和图IC所示的情况中实现对位于前景的厢 式货车的识别追踪。但是，对于图IB和图IC中的轿车，特别面对图IC中运动车辆区域Cl 的较大部分不可见的严重重叠情况，现有技术则完全无法实现识别追踪，这就会造成对轿 车进行轨迹追踪时不得不放弃存在区域重叠的若干个视频帧，所产生的中断会使对轿车测 速的误差增大甚至失败。因此，在实际应用中，特别是将采用定位追踪法的视频测速系统应 用于繁忙路段时，会因区域重叠情况的频繁发生而显著降低系统的可用性。


【发明内容】

[0011] 针对现有技术中的上述缺陷，本发明提供了一种面向区域重叠的高速公路视频测 速方法及系统。在车辆提取追踪过程中，本发明针对运动区域采用了对区域重叠的鲁棒性 更强的算法进行特征参数提取和模板匹配；从而，视区域重叠的程度不同，在重叠程度未超 过一定限度时能够成功在重叠区域中实现特定目标车辆的识别；本发明还根据重叠程度自 适应地采用相对应的追踪方式。本发明能够在测速视频画面序列的各帧画面中连续地发现 特定目标车辆所在区域，特别是当特定目标车辆处于重叠区域的情况也能够实现识别，从 而确定代表该特定目标车辆的像素位置，进而实现视频画面坐标系中的运动速度计算。
[0012] 本发明所述面向区域重叠的高速公路视频测速方法，其特征在于，包括以下步 骤：
[0013] 摄像机标定步骤，建立视频画面坐标系与现实空间坐标系之间的映射关系，求解 在视频画面坐标系与现实空间坐标系之间进行转换的参数矩阵；
[0014] 运动车辆区域提取步骤，通过拍摄高速公路的检测段获得视频画面序列，将其中 每一帧视频画面与背景模型进行差分运算，通过判断像素值变化幅度是否大于阈值提取视 频画面中的运动区域，并且利用预定的区域过滤条件去除干扰，获得运动车辆区域；
[0015] 特定目标车辆识别步骤，识别运动车辆区域的特征参数序列，并且将所述特征参 数序列与至少一个表示特定目标车辆的识别模板进行匹配计算；如果该运动车辆区域与其 中一个识别模板匹配成功，则确定所述运动车辆区域属于所述识别模板表示的特定目标车 辆；在每一帧视频画面中针对至少一个特定目标车辆分别确定属于各特定目标车辆的运动 车辆区域；
[0016] 特定目标车辆追踪步骤，将所述视频画面序列的各帧中属于同一个特定目标车辆 的运动车辆区域相关联，获得所述同一个特定目标车辆的运动轨迹；根据运动轨迹计算视 频画面坐标系中的运动速度，并根据所述参数矩阵计算实际车速；
[0017] 其中，在所述特定目标车辆识别步骤中，如果存在至少一个运动车辆区域的特征 参数序列与任何一个识别模板均不能匹配成功，则确定该运动车辆区域为重叠区域，并执 行面向区域重叠状态的分支处理方法，所述分支处理方法具体包括：
[0018] 反向预测步骤，调用一帧在先视频画面，并且在该在先视频画面中确定搜索区域， 提取位于搜索区域内的运动车辆区域作为备选项，并调用各备选项所属于的特定目标车辆 的识别模板，作为备选识别模板；
[0019] 局部识别步骤，设定比较窗口，利用所述比较窗口从所述重叠区域中选取局部区 域，计算该局部区域的特征参数序列；以所述局部区域的特征参数序列与备选识别模板执 行匹配计算；在匹配不成功的情况下，通过平移所述比较窗口而选取下一个局部区域并计 算其特征参数序列，并继续与备选识别模板执行匹配计算，直至匹配成功；在局部区域与一 个备选识别模板匹配成功之后，通过微调所述比较窗口的位置，确定与该备选识别模板最 为匹配的局部区域，将最为匹配的局部区域识别为属于与该备选识别模板对应的特定目标 车辆；在对全部备选识别模板都执行了局部识别步骤之后，继续执行预测识别步骤；
[0020] 预测识别步骤，判断经特定目标车辆识别步骤和局部识别步骤之后，对于从在先 帧视频画面中识别出来的特定目标车辆，是否均已在当前帧视频画面中识别到了其运动车 辆区域或局部区域；如果存在仍未识别出运动车辆区域或局部区域的特定目标车辆，确定 在所述在先帧视频画面中属于该特定目标车辆的运动车辆区域的位置坐标，并基于该位置 坐标在当前帧视频画面中确定一有效区域；判断在所述有效区域内是否存在重叠区域；如 果存在重叠区域，计算重叠区域的面积是否符合预定面积条件；在符合预定面积条件的情 况下，将该重叠区域识别为属于所述特定目标车辆。
[0021] 优选的是，在所述特定目标车辆识别步骤和局部识别步骤中，针对所述运动车辆 区域或局部区域按固定像素宽度分割的n个条带，所述运动车辆区域或局部区域在各条带 覆盖范围内形成n个运动车辆子区域或局部子区域；分别计算各运动车辆子区域或局部子 区域的最小外接矩的面积值，并且分别计算各运动车辆子区域或局部子区域的像素平均亮 度值；利用各运动车辆子区域或局部子区域的面积值和像素平均亮度值构成该运动车辆区 域或局部子区域的特征参数序列，所述特征参数序列具有分别对应于各运动车辆子区域或 局部区域的n个面积值和n个像素平均亮度值；并且
[0022] 在所述特定目标车辆识别步骤和局部识别步骤中，所述表示特定目标车辆的识别 模板是由n个面积值和n个亮度值组成的特征序列；特征参数序列与识别模板的匹配计算 为：分别求特征参数序列中第i个面积值与识别模板的第i个面积值之间的面积绝对差值， 计算n个面积绝对差值的面积差总和；分别求特征参数序列中第i个像素平均亮度值与识 别模板的第i个亮度值之间的亮度绝对差值，计算n个亮度绝对差值的亮度差总和；将所述 面积差总和与所述亮度差总和分别乘以权重因数后相加，获得匹配计算结果；如果匹配计 算结果大于匹配阈值，则确定匹配成功；其中i= 1至n。
[0023] 优选的是，所述特定目标车辆识别步骤中，将所述运动车辆区域分割为n个条带 的步骤具体包括：求运动车辆区域的最小外接矩；从所述最小外接矩的一条边出发，以固 定像素宽度分割第1至n-1个条带；将最小外接矩除第1至n-1个条带以外的剩余部分作 为第n个条带。
[0024] 优选的是，在特定目标车辆识别步骤中，如果运动车辆区域与一个识别模板匹配 成功，则用该运动车辆区域的特征参数序列更新该识别模板。
[0025] 优选的是，在特定目标车辆识别步骤中，按照以下方法获得表示特定目标车辆的 识别模板：拍摄高速公路的进入区的视频画面序列；提取该视频画面序列的每一帧视频画 面中的运动车辆区域，并过滤其中反映完整单个车辆的运动车辆区域；提取反映完整单个 车辆的运动车辆区域的特征参数序列；将所述特征参数序列与已建立的识别模板进行匹配 计算；如果与一个识别模板匹配成功，利用所述特征参数序列更新该识别模板；如果所述 特征参数序列不能与任何一个已建立的识别模板匹配成功，则基于该特征参数序列新建一 个识别模板。
[0026] 优选的是，所述局部识别步骤中，如果一个备选识别模板是由n个面积值和n个亮 度值组成的特征序列，并且所述重叠区域以固定像素宽度分割为m个条带；则确定比较窗 口为n个条带，选取重叠区域中连续的n个条带作为所述局部区域。
[0027] 优选的是，所述局部识别步骤中，设置初步匹配阈值；如果局部区域与备选识别模 板执行匹配计算的结果值小于或等于所述初步匹配阈值，则认为匹配成功；如果结果值大 于所述初步匹配阈值，则将所述比较窗口平移一个条带。
[0028] 优选的是，所述局部识别步骤中，在局部区域与一个备选识别模板匹配成功之后， 将所述比较窗口以每次移动一个像素宽度的幅度进行平移从而提取新的局部区域，每次平 移后计算新的局部区域的特征参数序列，并与备选识别模板的特征序列执行匹配计算；取 得匹配计算当中最小计算结果的局部区域识别为属于所述备选识别模板对应的特定目标 车辆。
[0029] 优选的是，预测识别步骤中，对于所述有效区域内存在的重叠区域，以该重叠区域 的最小外接矩总面积减去该重叠区域的已识别面积，所述已识别面积是该重叠区域中已被 识别属于至少一个特定目标车辆的局部区域的最小外接矩面积；如果剩余面积大于阈值， 则确定符合预定面积条件。
[0030] 本发明进而提供一种面向区域重叠的高速公路视频测速系统，其特征在于，包 括：
[0031] 摄像机标定模块，用于建立视频画面坐标系与现实空间坐标系之间的映射关系， 求解在视频画面坐标系与现实空间坐标系之间进行转换的参数矩阵；
[0032] 运动车辆区域提取模块，用于通过拍摄高速公路的检测段获得视频画面序列，将 其中每一帧视频画面与背景模型进行差分运算，通过判断像素值变化幅度是否大于阈值提 取视频画面中的运动区域，并且利用预定的区域过滤条件去除干扰，获得运动车辆区域；
[0033] 特定目标车辆识别模块，用于识别运动车辆区域的特征参数序列，并且将所述特 征参数序列与至少一个表示特定目标车辆的识别模板进行匹配计算；如果该运动车辆区域 与其中一个识别模板匹配成功，则确定所述运动车辆区域属于所述识别模板表示的特定目 标车辆；在每一帧视频画面中针对至少一个特定目标车辆分别确定属于各特定目标车辆的 运动车辆区域；
[0034]特定目标车辆追踪模块，用于将所述视频画面序列的各帧中属于同一个特定目标 车辆的运动车辆区域相关联，获得所述同一个特定目标车辆的运动轨迹；根据运动轨迹计 算视频画面坐标系中的运动速度，并根据所述参数矩阵计算实际车速；
[0035] 反向预测模块，用于调用一帧在先视频画面，并且在该在先视频画面中确定搜索 区域，提取位于搜索区域内的运动车辆区域作为备选项，并调用各备选项所属于的特定目 标车辆的识别模板，作为备选识别模板；
[0036] 局部识别模块，用于设定比较窗口，利用所述比较窗口从所述重叠区域中选取局 部区域，计算该局部区域的特征参数序列；以所述局部区域的特征参数序列与备选识别模 板执行匹配计算；在匹配不成功的情况下，通过平移所述比较窗口而选取下一个局部区域 并计算其特征参数序列，并继续与备选识别模板执行匹配计算，直至匹配成功；在局部区域 与一个备选识别模板匹配成功之后，通过微调所述比较窗口的位置，确定与该备选识别模 板最为匹配的局部区域，将最为匹配的局部区域识别为属于与该备选识别模板对应的特定 目标车辆；
[0037]预测识别模块，用于判断经特定目标车辆识别模块和局部识别模块运算之后，对 于从在先帧视频画面中识别出来的特定目标车辆，是否均已在当前帧视频画面中识别到了 其运动车辆区域或局部区域；如果存在仍未识别出运动车辆区域或局部区域的特定目标车 辆，确定在所述在先帧视频画面中属于该特定目标车辆的运动车辆区域的位置坐标，并基 于该位置坐标在当前帧视频画面中确定一有效区域；判断在所述有效区域内是否存在重叠 区域；如果存在重叠区域，计算重叠区域的面积是否符合预定面积条件；在符合预定面积 条件的情况下，将该重叠区域识别为属于所述特定目标车辆；
[0038] 其中，所述特定目标车辆识别模块如果发现存在至少一个运动车辆区域的特征参 数序列与任何一个识别模板均不能匹配成功，则确定该运动车辆区域为重叠区域，并控制 启动所述反向预测模块、局部识别模块和预测识别模块。
[0039] 本发明所述的高速公路视频测速方法及系统通过摄像机标定、视频画面运动区域 提取、特定目标车辆匹配识别、特定目标车辆轨迹追踪和车速计算等过程实现视频测速。其 中，针对视频测速过程中区域重叠易发的特点，采用基于条带分割的方法提取运动区域的 特征参数序列并实现模板匹配，相比传统算法来说，面向区域重叠的鲁棒性更强。视区域重 叠的程度不同，在重叠程度未超过一定限度时能够成功在重叠区域中实现特定目标车辆的 识别；根据重叠程度自适应地采用相对应的追踪方式。从而，能够在测速视频画面序列的各 帧画面中连续地发现特定目标车辆所在区域，确定代表该特定目标车辆的像素位置，进而 实现视频画面坐标系中的运动速度计算。

【专利附图】

【附图说明】
[0040] 下面结合附图和【具体实施方式】对本发明作进一步详细的说明：
[0041] 图1A-1C示出了测速视频画面序列当中的三帧视频画面；
[0042] 图2是本发明的高速公路视频测速方法的总体流程图；
[0043] 图3示出了对运动车辆区域Cl进行条带分割的示意图；
[0044] 图4示出了高速公路视频测速路段区域划分的示意图；
[0045] 图5A-5B示出了对重叠区域C1-C2进行条带分割和确定比较窗口的示意图；
[0046] 图5C示出了在先帧视频画面中通过搜索区域查找备选识别模板的示意图；
[0047] 图6是面向区域重叠的分支处理方法的流程图；
[0048] 图7是本发明的高速公路视频测速系统的总体框架图。

【具体实施方式】
[0049] 为了使本【技术领域】的人员更好地理解本发明的技术方案，并使本发明的上述目 的、特征和优点能够更加明显易懂，下面结合实施例及实施例附图对本发明作进一步详细 的说明。
[0050] 本发明所述的高速公路视频测速方法及系统通过摄像机标定、视频画面运动区域 提取、特定目标车辆匹配识别、特定目标车辆轨迹追踪和车速计算等过程实现视频测速。其 中，针对视频测速过程中区域重叠易发的特点，采用基于条带分割的方法提取运动区域的 特征参数序列并实现模板匹配，相比传统算法来说，面向区域重叠的鲁棒性更强。视区域重 叠的程度不同，在重叠程度未超过一定限度时能够成功在重叠区域中实现特定目标车辆的 识别；根据重叠程度自适应地采用相对应的追踪方式。从而，能够在测速视频画面序列的各 帧画面中连续地发现特定目标车辆所在区域，确定代表该特定目标车辆的像素位置，进而 实现视频画面坐标系中的运动速度计算。
[0051] 图2是本发明所述的高速公路视频测速方法的总体流程图，包括摄像机标定、运 动车辆区域提取、特定目标车辆识别以及特定目标车辆追踪等步骤。
[0052] 摄像机标定建立视频画面坐标系与现实空间坐标系之间的映射关系。视频画面坐 标系是一个二维坐标系，而现实空间坐标系是一个三维坐标系；但是，由于车辆都是在路面 上运行的，而且绝大多数情况下高速公路测速区的路面高度起伏极小，因而我们可以忽略 现实空间坐标系中的车辆高度，将现实空间坐标系简化为一个二维坐标系，因而摄像机标 定问题简化为定义两个平面坐标系之间的映射关系。我们可以在视频画面中确定若干个像 素点，而在现实空间中找到这些像素点对应的位置点，从而可以求解在视频画面坐标系与 现实空间坐标系之间进行转换的参数矩阵。在具体实现过程中，可以在高速公路的路面借 助车道线等标志物标定所述位置点，进而在视频画面中获得相应的像素点。另外，用于测速 的摄像机其位置、方向等参数均应保持稳定，避免因受到震动或撞击而位移，破坏经摄像机 标定获得的映射关系，而且需要定期进行重新标定。
[0053] 运动车辆区域提取实现视频画面中运动区域和静止背景之间的分离，去掉阴影以 及非车辆运动物体等干扰信息后，这些运动区域所代表的即是行驶车辆。运动车辆区域的 准确分离对后续步骤具有重要影响。运动区域的分离方法包括光流法、相邻帧差法、背景差 分法等。光流是运动物体表面的像素点运动产生的瞬时速度场，可以利用视频的时空微分 计算二维速度场，或者通过图像中相似区域的位移矢量来计算光流，基于光流检测独立的 运动对象；由于算法实时性不强，光流法目前没有得到广泛的应用。相邻帧差法将视频序列 中的两帧相邻画面进行逐像素减法运算，如果某些像素在相邻两帧的差值超过阈值，则认 为该像素属于运动区域；相邻帧差法的运算速度快，对各种动态环境的适应性好，但是易于 出现误差，检测出来的运动区域位置不准确。因此，本发明优先选用背景差分法。
[0054] 背景差分法将视频画面与背景模型进行差分运算，通过判断像素值变化幅度的方 式检测运动区域，如下式所示：
[0055]

【权利要求】
1. 一种面向区域重叠的高速公路视频测速方法，其特征在于，包括以下步骤： 摄像机标定步骤，建立视频画面坐标系与现实空间坐标系之间的映射关系，求解在视 频画面坐标系与现实空间坐标系之间进行转换的参数矩阵； 运动车辆区域提取步骤，通过拍摄高速公路的检测段获得视频画面序列，将其中每一 帧视频画面与背景模型进行差分运算，通过判断像素值变化幅度是否大于阈值提取视频画 面中的运动区域，并且利用预定的区域过滤条件去除干扰，获得运动车辆区域； 特定目标车辆识别步骤，识别运动车辆区域的特征参数序列，并且将所述特征参数序 列与至少一个表示特定目标车辆的识别模板进行匹配计算；如果该运动车辆区域与其中一 个识别模板匹配成功，则确定所述运动车辆区域属于所述识别模板表示的特定目标车辆； 在每一帧视频画面中针对至少一个特定目标车辆分别确定属于各特定目标车辆的运动车 辆区域； 特定目标车辆追踪步骤，将所述视频画面序列的各帧中属于同一个特定目标车辆的运 动车辆区域相关联，获得所述同一个特定目标车辆的运动轨迹；根据运动轨迹计算视频画 面坐标系中的运动速度，并根据所述参数矩阵计算实际车速； 其中，在所述特定目标车辆识别步骤中，如果存在至少一个运动车辆区域的特征参数 序列与任何一个识别模板均不能匹配成功，则确定该运动车辆区域为重叠区域，并执行面 向区域重叠状态的分支处理方法，所述分支处理方法具体包括： 反向预测步骤，调用一帧在先视频画面，并且在该在先视频画面中确定搜索区域，提取 位于搜索区域内的运动车辆区域作为备选项，并调用各备选项所属于的特定目标车辆的识 别模板，作为备选识别模板； 局部识别步骤，设定比较窗口，利用所述比较窗口从所述重叠区域中选取局部区域，计 算该局部区域的特征参数序列；以所述局部区域的特征参数序列与备选识别模板执行匹配 计算；在匹配不成功的情况下，通过平移所述比较窗口而选取下一个局部区域并计算其特 征参数序列，并继续与备选识别模板执行匹配计算，直至匹配成功；在局部区域与一个备选 识别模板匹配成功之后，通过微调所述比较窗口的位置，确定与该备选识别模板最为匹配 的局部区域，将最为匹配的局部区域识别为属于与该备选识别模板对应的特定目标车辆； 在对全部备选识别模板都执行了局部识别步骤之后，继续执行预测识别步骤； 预测识别步骤，判断经特定目标车辆识别步骤和局部识别步骤之后，对于从在先帧视 频画面中识别出来的特定目标车辆，是否均已在当前帧视频画面中识别到了其运动车辆区 域或局部区域；如果存在仍未识别出运动车辆区域或局部区域的特定目标车辆，确定在所 述在先帧视频画面中属于该特定目标车辆的运动车辆区域的位置坐标，并基于该位置坐标 在当前帧视频画面中确定一有效区域；判断在所述有效区域内是否存在重叠区域；如果存 在重叠区域，计算重叠区域的面积是否符合预定面积条件；在符合预定面积条件的情况下， 将该重叠区域识别为属于所述特定目标车辆。
2. 根据权利要求1所述的高速公路视频测速方法，其特征在于，在所述特定目标车辆 识别步骤和局部识别步骤中，针对所述运动车辆区域或局部区域按固定像素宽度分割的η 个条带，所述运动车辆区域或局部区域在各条带覆盖范围内形成η个运动车辆子区域或局 部子区域；分别计算各运动车辆子区域或局部子区域的最小外接矩的面积值，并且分别计 算各运动车辆子区域或局部子区域的像素平均亮度值；利用各运动车辆子区域或局部子区 域的面积值和像素平均亮度值构成该运动车辆区域或局部子区域的特征参数序列，所述特 征参数序列具有分别对应于各运动车辆子区域或局部区域的η个面积值和η个像素平均亮 度值；并且 在所述特定目标车辆识别步骤和局部识别步骤中，所述表示特定目标车辆的识别模板 是由η个面积值和η个亮度值组成的特征序列；特征参数序列与识别模板的匹配计算为： 分别求特征参数序列中第i个面积值与识别模板的第i个面积值之间的面积绝对差值，计 算η个面积绝对差值的面积差总和；分别求特征参数序列中第i个像素平均亮度值与识别 模板的第i个亮度值之间的亮度绝对差值，计算η个亮度绝对差值的亮度差总和；将所述面 积差总和与所述亮度差总和分别乘以权重因数后相加，获得匹配计算结果；如果匹配计算 结果大于匹配阈值，则确定匹配成功；其中i = 1至η。
3. 根据权利要求2所述的高速公路视频测速方法，其特征在于，所述特定目标车辆识 别步骤中，将所述运动车辆区域分割为η个条带的步骤具体包括：求运动车辆区域的最小 外接矩；从所述最小外接矩的一条边出发，以固定像素宽度分割第1至η-I个条带；将最小 外接矩除第1至η-I个条带以外的剩余部分作为第η个条带。
4. 根据权利要求3所述的高速公路视频测速方法，其特征在于，在特定目标车辆识别 步骤中，如果运动车辆区域与一个识别模板匹配成功，则用该运动车辆区域的特征参数序 列更新该识别模板。
5. 根据权利要求4所述的高速公路视频测速方法，其特征在于，在特定目标车辆识别 步骤中，按照以下方法获得表示特定目标车辆的识别模板：拍摄高速公路的进入区的视频 画面序列；提取该视频画面序列的每一帧视频画面中的运动车辆区域，并过滤其中反映完 整单个车辆的运动车辆区域；提取反映完整单个车辆的运动车辆区域的特征参数序列；将 所述特征参数序列与已建立的识别模板进行匹配计算；如果与一个识别模板匹配成功，利 用所述特征参数序列更新该识别模板；如果所述特征参数序列不能与任何一个已建立的识 别模板匹配成功，则基于该特征参数序列新建一个识别模板。
6. 根据权利要求5所述的高速公路视频测速方法，其特征在于，所述局部识别步骤中， 如果一个备选识别模板是由η个面积值和η个亮度值组成的特征序列，并且所述重叠区域 以固定像素宽度分割为m个条带；则确定比较窗口为η个条带，选取重叠区域中连续的η个 条带作为所述局部区域。
7. 根据权利要求6所述的高速公路视频测速方法，其特征在于，所述局部识别步骤中， 设置初步匹配阈值；如果局部区域与备选识别模板执行匹配计算的结果值小于或等于所述 初步匹配阈值，则认为匹配成功；如果结果值大于所述初步匹配阈值，则将所述比较窗口平 移一个条带。
8. 根据权利要求7所述的高速公路视频测速方法，其特征在于，所述局部识别步骤中， 在局部区域与一个备选识别模板匹配成功之后，将所述比较窗口以每次移动一个像素宽度 的幅度进行平移从而提取新的局部区域，每次平移后计算新的局部区域的特征参数序列， 并与备选识别模板的特征序列执行匹配计算；取得匹配计算当中最小计算结果的局部区域 识别为属于所述备选识别模板对应的特定目标车辆。
9. 根据权利要求8所述的高速公路视频测速方法，其特征在于，预测识别步骤中，对于 所述有效区域内存在的重叠区域，以该重叠区域的最小外接矩总面积减去该重叠区域的已 识别面积，所述已识别面积是该重叠区域中已被识别属于至少一个特定目标车辆的局部区 域的最小外接矩面积；如果剩余面积大于阈值，则确定符合预定面积条件。
10. -种面向区域重叠的高速公路视频测速系统，其特征在于，包括： 摄像机标定模块，用于建立视频画面坐标系与现实空间坐标系之间的映射关系，求解 在视频画面坐标系与现实空间坐标系之间进行转换的参数矩阵； 运动车辆区域提取模块，用于通过拍摄高速公路的检测段获得视频画面序列，将其中 每一帧视频画面与背景模型进行差分运算，通过判断像素值变化幅度是否大于阈值提取视 频画面中的运动区域，并且利用预定的区域过滤条件去除干扰，获得运动车辆区域； 特定目标车辆识别模块，用于识别运动车辆区域的特征参数序列，并且将所述特征参 数序列与至少一个表示特定目标车辆的识别模板进行匹配计算；如果该运动车辆区域与其 中一个识别模板匹配成功，则确定所述运动车辆区域属于所述识别模板表示的特定目标车 辆；在每一帧视频画面中针对至少一个特定目标车辆分别确定属于各特定目标车辆的运动 车辆区域； 特定目标车辆追踪模块，用于将所述视频画面序列的各帧中属于同一个特定目标车辆 的运动车辆区域相关联，获得所述同一个特定目标车辆的运动轨迹；根据运动轨迹计算视 频画面坐标系中的运动速度，并根据所述参数矩阵计算实际车速； 反向预测模块，用于调用一帧在先视频画面，并且在该在先视频画面中确定搜索区域， 提取位于搜索区域内的运动车辆区域作为备选项，并调用各备选项所属于的特定目标车辆 的识别模板，作为备选识别模板； 局部识别模块，用于设定比较窗口，利用所述比较窗口从所述重叠区域中选取局部区 域，计算该局部区域的特征参数序列；以所述局部区域的特征参数序列与备选识别模板执 行匹配计算；在匹配不成功的情况下，通过平移所述比较窗口而选取下一个局部区域并计 算其特征参数序列，并继续与备选识别模板执行匹配计算，直至匹配成功；在局部区域与一 个备选识别模板匹配成功之后，通过微调所述比较窗口的位置，确定与该备选识别模板最 为匹配的局部区域，将最为匹配的局部区域识别为属于与该备选识别模板对应的特定目标 车辆； 预测识别模块，用于判断经特定目标车辆识别模块和局部识别模块运算之后，对于从 在先帧视频画面中识别出来的特定目标车辆，是否均已在当前帧视频画面中识别到了其运 动车辆区域或局部区域；如果存在仍未识别出运动车辆区域或局部区域的特定目标车辆， 确定在所述在先帧视频画面中属于该特定目标车辆的运动车辆区域的位置坐标，并基于该 位置坐标在当前帧视频画面中确定一有效区域；判断在所述有效区域内是否存在重叠区 域；如果存在重叠区域，计算重叠区域的面积是否符合预定面积条件；在符合预定面积条 件的情况下，将该重叠区域识别为属于所述特定目标车辆； 其中，所述特定目标车辆识别模块如果发现存在至少一个运动车辆区域的特征参数序 列与任何一个识别模板均不能匹配成功，则确定该运动车辆区域为重叠区域，并控制启动 所述反向预测模块、局部识别模块和预测识别模块。
【文档编号】G06T7/20GK104318782SQ201410605646
【公开日】2015年1月28日 申请日期:2014年10月31日 优先权日:2014年10月31日
【发明者】陈海江, 蓝天翔, 詹常青, 李艳 申请人:浙江力石科技股份有限公司