CN101206229B - 一种基于线阵ccd图像的车辆速度匹配方法 - Google Patents

Abstract

本发明公开了一种基于线阵CCD图像的车辆速度匹配方法，该方法在道路相距一定距离的两个断面上分别安装两个线阵CCD摄像机，两个线阵CCD摄像机指向垂直向下，线阵CCD摄像机上配有红外线激光源，线阵CCD摄像机的帧速率大于1000帧/秒，分辨率大于1024线；对两个线阵CCD摄像机得到的图像序列进行相关匹配计算，从而获得同一个目标在两个图像序列中的时间差，利用该时间差和两个摄像机的距离，根据速度公式V＝s/t即可以得到目标车辆的行进速度。适用于交通卡口中的车辆测速等场合。

Description

一种基于线阵CCD图像的车辆速度匹配方法 

                            技术领域 

本发明属于交通检测以及视频处理技术领域，涉及视频检测中的车速检测方法特别涉及一种基于线阵CCD图像的车辆速度匹配方法。 

                            背景技术 

对于车辆的行驶速度的检测，是交通检测领域中的一个重要参数，特别是对于车速限制路段，车辆的行驶速度的测量变得由为重要。所以，提高车辆的行驶速度的测量精度意义重大。 

目前，比较常用的车速测量方法主要有：多普勒雷达测速法、交通信息采集仪测速法、视频测速法。其中，多普勒雷达测速法采用多普勒效应的原理(多普勒效应：奥地利科学家多普勒发现，当声音，光和无线电波等振动源与观测者以相对速度v相对运动时，观测者所收到的振动频率与振动源所发出的频率有所不同)，当多普勒雷达发射一固定的频率的脉冲波遇到活动目标时，回波的频率与发射波的频率出现频率差，称之为多普勒频率。根据多普勒频率的大小，可以测出目标对雷达的径向相对运动速度；根据发射脉冲和接受的时间差，可以测出目标的距离，从而得到速度。但是由于信号发射角大，达到一定距离后会散射为一个较大范围的扇形区域，因此在使用时容易受到相邻车道车辆的干扰，造成速度测量的偏差。交通信息采集仪测速法通过沿车体运行方向，间隔一定距离，用两路相同的测量***(2个相同的传感器)对相同的对象，在不同时间采集信号虽然传感器输出信号无规律，但这两路信号相同，并存在一定时间差，因此根据2个传感器的距离和时间差可求车辆行驶速度。但是它的安装需要破坏路面，降低路面的承载能力，同时安装不方便，维护工作量大。视频测速方法相对于上述几种测速方法的优点是：无需使用专用设备，大大降低测速***成本，***稳定性相对较高， 但是传统的视频测速一般采用面阵CCD进行，由于受面阵CCD分辨率、图像帧速率不高等因数影响，面阵CCD的测速精度并不高。 

                        发明内容 

针对上述现有技术存在的缺陷或不足，本发明的目的在，提出一种基于线阵CCD图像的车辆速度匹配方法，该方法能够提高测量速度的精度。 

为了实现上述任务，本发明采取如下的技术解决方案： 

一种基于线阵CCD图像的车辆速度匹配方法，其特征在于，该方法在道路相距一定距离的两个断面上分别安装两个线阵CCD摄像机，两个线阵CCD摄像机指向垂直向下，线阵CCD摄像机上配有红外线激光源，线阵CCD摄像机的帧速率大于1000帧/秒，分辨率大于1024线；对两个线阵CCD摄像机得到的图像序列进行相关匹配计算，从而获得同一个目标在两个图像序列中的时间差，利用该时间差和两个摄像机的距离，根据速度公式V＝s/t即可以得到目标车辆的行进速度。 

本发明由于采用了CCD摄像机，其分辨率高，线阵图像序列车辆目标清晰、几乎不存在任何背景干扰。经现场实验应用表明，本发明的基于线阵图像序列的车辆测速方法效果好，测速精度高，适用于交通卡口中的车辆测速等场合。 

                        附图说明 

图1是线阵CCD相机布局图； 

图2是图CCD图像序列匹配目标区域示意图； 

图3是两个CCD的图像序列； 

图4是匹配时候两个图像序列的区域； 

图5是投影为一维波形图图像匹配时候区域段； 

图6是匹配算法流程图。 

下面结合附图对本发明的作进一步的详细说明。 

                      具体实施方式 

本发明的基于线阵CCD图像的车辆速度匹配方法，其具体步骤如下： 

1)在相距一定距离(大约2000mm左右)道路的两个断面上安装两个线阵CCD摄像机，根据线阵CCD摄像机成像特点(通过线与移动的物体之间成垂直关系而组成面)，线阵CCD摄像机方向指向垂直向下。选用通常的线阵CCD摄像机，线阵CCD摄像机的帧速率大于1000帧/秒，分辨率大于1024线。 

附图1为线阵CCD摄像机的布局图。根据图1所示，两个线阵CCD摄像机互相平行的安装在相距一定距离(2米)的支架上，指向垂直向下，线阵CCD摄像机上配有红外线激光源，分别与线阵CCD摄像机方向一样，垂直向下。红外线激光源的发射功率小于1w。 

2)对两个CCD摄像机的图像序列进行相关匹配计算，从而获得同一个目标在两个图像序列中的时间差，利用该时间差和两个相机的距离，根据速度公式V＝s/t即可得到目标车辆的行进速度； 

附图2为两个线阵CCD图像序列中需要进行匹配的区域。根据匹配的要求，先通过对CCD1图像序列进行二值化处理，然后进行目标提取，从而得到CCD1图像序列的目标区域(见附图2中的线阵CCD1的图像目标区域)，然后根据CCD1图像序列中的目标区域经由速度的上限180KM/H和下限36KM/H，得到当目标以速度为180KM通过两米的距离时，耗时40ms。此时在CCD2图像序列中的目标区域出现在CCD1图像序列中的目标区域尾的后40行，又根据最低速36KM/H，推测出目标在CCD2图像序列中出现的可能位置，称之为CCD2目标区域(见附图2中线阵CCD2图像目标区域)。把CCD1图像序列的目标区域M1*N1在CCD2图像序列目标区域M2*N2滑动，找到相似度最大的时刻i(见附图)。此时的位置为目标在CCD2图像序列中的实际位置。 

从而得到两实际目标的相隔行数，也即时间。从而根据速度公式算当前 目标速度。 

附图3所示为两个CCD图像序列。从图可以明显的看出，两个CCD图像序列中，同一目标车辆相隔一定距离。 

附图4中两个图像序列均出现了一个用细线画的方框(CCD1图像序列中用的是蓝色，CCD2图像序列中用的是红色)。表示在CCD2图像序列中找到的实际区域是用红色细线框起来的区域。 

相关匹配计算的具体步骤如下： 

(a)匹配过程是根据一个图像序列中的目标在另一个图像序列中进行滑动，找到它们相似度最大的时刻的位置，找到相似度最大的时候成为匹配时刻。根据匹配的原理，先对第一个CCD摄像机(称为CCD1)采集来的图像序列进行二值化处理，分割出一个目标区域，根据目标区域的坐标所在图像序列的位置，根据高速公路车汽车行驶的速度特征，取36KM/H为速度最小值，180KM/H为速度的最大值，得到目标在第二个CCD摄像机(称为CCD2)采集来的图像序列中的可能目标区域。对两图像序列相应区域进行相关匹配计算。 

(b)设CCD1图像序列的灰度函数为F，CCD2图像序列的灰度函数为G。且设CCD1图像序列的目标区域大小为M₁×N₁，CCD2图像可能目标区域大小为M₂×N₂，根据速度极限值取的可能目标区域，取M₁＝M₂，设M₁×N₁ 开始于第m行，M₂×N₂开始于第n行，又由于速度最快的时候，以180KM/H的速度通过2米的距离得花40ms，也即最快的时候同步目标出现在两图像序列至少相差40行的距离。得 

n＝m+40                                              (1) 

有： 

F＝f(x，y)x＝1，2，3，…，M1  y＝1，2，3，…，N1     (2) 

G＝g(x，y)x＝1，2，3，…，M2  y＝1，2，3，…，N2     (3) 

定义： 

$\mathrm{\ρ}(x,y)=\frac{\mathrm{cov}(F,G)}{\sqrt{D_F\·D_G}}---\left(4\right)$

ρ(x，y)为F与G的相关函数，D_F、D_G分别为F和G的方差，cov(F，G)为F和G的协方差，有： 

$D_F=\frac{1}{\mathrm{MN}}\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{N}{\mathrm{\Σ}}}{(f(x,y)-\stackrel{\‾}{F})}^2,---\left(5\right)$

$D_G=\frac{1}{\mathrm{MN}}\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{N}{\mathrm{\Σ}}}{(g(x,y)-\stackrel{\‾}{G})}^2,---\left(6\right)$

$\mathrm{COV}(F,G)=\frac{1}{\mathrm{MN}}\underset{x=1}{\overset{M}{\mathrm{\Σ}}}\underset{y=1}{\overset{N}{\mathrm{\Σ}}}(f(x,y)-\stackrel{\‾}{F})(g(x,y)-\stackrel{\‾}{\text{G}})\text{---}\left(7\right)$

为灰度平均值。 

为灰度平均值。 

(c)为了节省计算时间，在不影响公式性质的前提下对公式进行简化处理，根据本发明速度计算的实际情况，取出公式的关键部分： 

$(f(x,y)-\stackrel{\‾}{F})(g(x,y)-\stackrel{\‾}{G}),---\left(8\right)$

分别对两个图像序列中的目标区域进行灰度的水平投影，两个目标区域由两维投影成一维。由(8)式等效于下式： 

$(f\left(u\right)-\stackrel{\‾}{f})(g\left(u\right)-\stackrel{\‾}{g})---\left(9\right)$

f(u)为目标区域M₁×N₁投影成的一维函数，长度为N₁， 

为在N₁长度上灰度值的平均。根据本发明的实际情况，把投影后长度为N₁的区域在长度为N₂的区域中滑动，可得相关最大值。由(4)、(7)、(9)式可得到效果跟(7)式一样的简化公式： 

$R(F,G)=\underset{u=0}{\overset{N_1}{\mathrm{\Σ}}}(f\left(u\right)-\stackrel{\‾}{f})(g(u+v)-\stackrel{\‾}{g_v})---\left(10\right)$

(d)为了节约匹配的时间，规定当 

车长≤200的时候，取 

当 车长大于200的时候，取N₂＝200。 

(10)式中，R(F，G)为乘积之和，v＝0，1，…，N₂

为区域N₁灰度投影和的平均值， 

为滑动到v时刻N₂中长度为N₁的灰度投影和的平均值。 

不断的滑动，最终得到R₁(F，G)、R₂(F，G)、…， 

(e)找到R_i(F，G)(1≤i≤N₁)的最大值，此时的i表示匹配在M₂×N₂区域中的第i行。根据(1)式，可知匹配时经过的线数为(i+40)线。 

(f)根据相机扫描频率，可求得扫描一线所花费的时间为(i+40)个单位。由时间跟两个相机的距离，根据速度公式V＝s/t即可求得目标车辆的瞬时速度。S＝200mm，t＝(i+40)ms，从而求得目标车辆的瞬时速度。 

申请人对CCD1图像序列M1*N1区域的每行进行水平投影，对每行中每个单元的灰度值进行累加，从而每行累加得到一个灰度累加值。经过这样处理后，CCD1中的二维图像序列投影成一维，附图5所示中，蓝色波形为CCD1图像序列的经过累加投影为一维后的波形图。同理，对CCD2图像序列中的M2*N2区域进行投影，二维投影成一维，得到如附图5所示的橘黄色波形图。两条绿线之间为CCD2图像序列中匹配后的实际区域的水平投影波形图。从附图5可以看出，它跟蓝色波形图几乎完全吻合。证明匹配效果相当理想，算法的实际效果好。 

Claims (3)

1.一种基于线阵CCD图像的车辆速度匹配方法，该方法在道路相距一定距离的两个断面上分别安装两个线阵CCD摄像机，两个线阵CCD摄像机指向垂直向下，线阵CCD摄像机上配有红外线激光源，线阵CCD摄像机的帧速率大于1000帧/秒，分辨率大于1024线；对两个线阵CCD摄像机得到的图像序列进行相关匹配计算，从而获得同一个目标在两个图像序列中的时间差，利用该时间差和两个摄像机的距离，根据速度公式V＝s/t即可以得到目标车辆的行进速度；其特征在于，所述的相关匹配计算的具体步骤如下：

(a)根据匹配的原理，先对第一个线阵CCD摄像机采集来的图像序列进行二值化处理，分割出一个目标区域，根据目标区域的坐标所在图像序列的位置，根据高速公路汽车行驶的速度特征，取36KM/H为速度最小值，180KM/H为速度的最大值，得到目标在第二个线阵CCD摄像机采集来的图像序列中的可能目标区域；对两图像序列相应区域进行相关匹配计算；

(b)设第一个线阵CCD摄像机图像序列的灰度函数为F，第二个线阵CCD摄像机图像序列的灰度函数为G；且设第一个线阵CCD摄像机图像序列的目标区域大小为M₁×N₁，第二个线阵CCD摄像机图像可能目标区域大小为M₂×N₂，根据速度极限值取的可能目标区域，取M₁＝M₂，设M₁×N₁开始于第m行，M₂×N₂开始于第n行，又由于速度最快的时候，以180KM/H的速度通过2米距离所需的时间为40ms，即最快的时候同步目标出现在两图像序列至少相差40行的距离；得

n＝m+40；                                         (1)

有：

F＝f(x，y)x＝1，2，3，…，M1y＝1，2，3，…，N1    (2)

G＝g(x，y)x＝1，2，3，…，M2y＝1，2，3，…，N2    (3) 

定义：

ρ(x，y)为F与G的相关函数，D_F、D_G分别为F和G的方差，cov(F，G)为F和G的协方差，有：

为灰度平均值； 

为灰度平均值；

(c)对公式进行简化处理，根据速度计算的实际情况，取出公式的关键部分：

分别对两个图像序列中的目标区域进行灰度的水平投影，两个目标区域由两维投影成一维，由(8)式等效于

f(u)为目标区域M₁×N₁投影成的一维函数，长度为N₁， 

为在N₁长度上灰度值的平均；根据实际情况，把投影后长度为N₁的区域在长度为N₂的区域中滑动，可得相关最大值；

由(4)、(7)、(9)式可得到效果跟(7)式一样的简化公式

(d) 为了节约匹配的时间，规定当 

的时候，取 

当 

大于200的时候，取N₂＝200； 

(10)式中，R(F，G)为乘积之和，v＝0，1，…，N₂

为区域N₁灰度投影和的平均值， 

为滑动到v时刻N₂中长度为N₁的灰度投影和的平均值；不断的滑动，最终得到R₁(F，G)、R₂(F，G)、…， 

(e)找到R_i(F，G)(1≤i≤N₁)的最大值，此时的i表示匹配在M₂×N₂区域中的第i行，根据(1)式，可知匹配时经过的线数为(i+40)线；

(f)根据线阵CCD摄像机扫描频率，可求得扫描一线所需要的时间为(i+40)个单位，由时间跟两个线阵CCD摄像机的距离，根据速度公式V＝s/t，即可求得目标车辆的瞬时速度。

2.如权利要求1所述的方法，其特征在于，所述的红外线激光源方向分别与线阵CCD摄像机方向一样，垂直向下。

3.如权利要求1所述的方法，其特征在于，所述的红外线激光源的发射功率小于1w。 

Images