CN112785855A - 一种从道路监控视频获取车辆车速的方法 - Google Patents
一种从道路监控视频获取车辆车速的方法 Download PDFInfo
- Publication number
- CN112785855A CN112785855A CN202110105001.2A CN202110105001A CN112785855A CN 112785855 A CN112785855 A CN 112785855A CN 202110105001 A CN202110105001 A CN 202110105001A CN 112785855 A CN112785855 A CN 112785855A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- monitoring video
- vehicle speed
- initial position
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种从道路监控视频获取车辆车速的方法,包括S1:选取合适的路段进行道路监控视频的安装,在进行道路的选择时,道路需要平整,且道路需要笔直的道路,首先在道路上标记出车辆经过的初始位置和终点位置,且初始位置用K1标示,终点位置用K2标示,通过视频获得车辆的信息,测量并记录标定车辆的图像特征,将图像特征通过卷积神经网络进行表征学习,然后对车辆的任意一个时间点进行图像特征的提取,将以时间节点为标轴,每个时间节点对应一个图像特征,建立动态模型。本发明提出通过进行图像特征和车辆的运动参数进行监控视频中的车辆速度测定,可以更加准确的进行车辆车速的获得,且方法简单,可以快速的计算得到。
Description
技术领域
本发明涉及车速测量领域,特别涉及一种从道路监控视频获取车辆车速的方法。
背景技术
道路监控以快球监控为主,监控点分布在车流、人流比较集中的道路交叉口、重点路段,通过图像传输通道将路面交通情况实时上传到道路监控指挥中心,中心值班人员可以据此及时了解各区域路面状况,以便调整各路口车辆流量,确保交通通畅。对监控路面车辆的违章情况,能及时发现并安排处理道路交通事故等,而且可以为交通、治安等各类案件的侦破提供技术支持,大大提高公安机关执法办案的水平和效率。
在高速公路、城市快速路、过境公路、省际市际出入口、城区组团之间、城乡结合部位采用智能卡口监控***,更有利于实现对所有过往机动车辆的全天候自动记录、智能识别和布控查缉,这是快球式监控所不能及的。综观国内道路交通管理实际,很多城市的公路卡口监控网络布点“漏洞百出”,***设备老旧不堪,已经远远不能适应需要,急需进行改造和完善。笔者认为,必须逐步建成城市交通治安防控的三级“电子围栏”。一级围栏:与周边相邻省、市相连的高速公路、国道、省道、快速路的交界附近,监控的重点对象是进城车辆(同时监控出城车辆),应采用高清成像和号牌识别技术,并接入省、市两级监控大网联网布控。二级围栏:沿城乡结合部布防,对连接城乡、能够通行机动车的道路实施监控,监控的重点对象是出城车辆(同时监控进城车辆),可视监控点条件和需要采用不同的监控方式。三级围栏:位于城市组团或者街区之间(包括乡镇之间)的连接道路上,对各组团、街区、乡镇之间的车辆往来实施监控,城区一般可以利用对路***通违法监测抓拍***视频录像功能扩展来实现,这样可以大大降低建设和维护成本。
目前,很多城市都安装有交通违法监测抓拍***即电子警察,视频资源的扩展应用潜力很大。在所有路口电子警察***中增加视频录像功能,甚至可以考虑增加卡口抓拍功能,实现对所有通过路口的机动车辆进行录像或号牌识别,既可以通过网络进行远程监视,还能有效弥补路口快球监控存在的不足,提高视频监控的覆盖面,在需要时可进行远程或者本地回放查询,实现视频资源的综合利用,可以有效地对城区各组团、街区实行网格化的密集监控,对查处路***通事故、治安刑事案件都是有益的,现有的道路监控视频无法很好的获得车辆车速,无法做到更加全面的监控。
发明内容
本发明的目的在于提供一种从道路监控视频获取车辆车速的方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种从道路监控视频获取车辆车速的方法,包括以下步骤:
S1:选取合适的路段进行道路监控视频的安装,在进行道路的选择时,道路需要平整,且道路需要笔直的道路;
S2:首先在道路上标记出车辆经过的初始位置和终点位置,且初始位置用K1标示,终点位置用K2标示;
S3:通过视频获得车辆的信息,测量并记录标定车辆的图像特征,将图像特征通过卷积神经网络进行表征学习,然后对车辆的任意一个时间点进行图像特征的提取,将以时间节点为标轴,每个时间节点对应一个图像特征;
S4:建立动态模型,提取时间节点下的车辆运动参数;
S5:将时间节点下的车辆图像特征与车辆运动参数进行对应,然后进行车辆当前速度的计算。
优选的,当车辆行驶到初始位置K1时开始进行图像特征的提取,然后行驶到终点位置K2时结束图像特征的提取。
优选的,当车辆行驶到初始位置K1时开始进行车辆运动参数的提取,然后行驶到终点位置K2时结束车辆运动参数的提取。
优选的,在进行车辆运动参数提取时,首先对不同的车辆进行标定,分别进行对不同车辆进行标记。
优选的,在卷积神经网络中的每一个卷积层取得的图像特征都紧跟着一个用来求局部平均与二次提取的计算层,两次特征提取结构减小特征分辨率。
优选的,监控视频的安装在初始位置安装一个,在终点位置安装一个,同时在初始位置和终点位置的中间处分别安装一个。
优选的,通过三个监控视频同时工作进行图像特征和车辆运动参数的提取,进行数据的中间值和平均值计算,并保存数据。
优选的,将取得的数据进行整理统计,并按照时间节点计算出当前时间节点的速度。
本发明的技术效果和优点:通过进行图像特征和车辆的运动参数进行监控视频中的车辆速度测定,可以更加准确的进行车辆车速的获得,且方法简单,可以快速的计算得到。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
本发明提供了一种从道路监控视频获取车辆车速的方法:
选取合适的路段进行道路监控视频的安装,在进行道路的选择时,道路需要平整,且道路需要笔直的道路;
首先在道路上标记出车辆经过的初始位置和终点位置,且初始位置用K1标示,终点位置用K2标示;
通过视频获得车辆的信息,测量并记录标定车辆的图像特征,将图像特征通过卷积神经网络进行表征学习,然后对车辆的任意一个时间点进行图像特征的提取,将以时间节点为标轴,每个时间节点对应一个图像特征;
建立动态模型,提取时间节点下的车辆运动参数;
将时间节点下的车辆图像特征与车辆运动参数进行对应,然后进行车辆当前速度的计算。
当车辆行驶到初始位置K1时开始进行图像特征的提取,然后行驶到终点位置K2时结束图像特征的提取,当车辆行驶到初始位置K1时开始进行车辆运动参数的提取,然后行驶到终点位置K2时结束车辆运动参数的提取,在进行车辆运动参数提取时,首先对不同的车辆进行标定,分别进行对不同车辆进行标记,在卷积神经网络中的每一个卷积层取得的图像特征都紧跟着一个用来求局部平均与二次提取的计算层,两次特征提取结构减小特征分辨率,监控视频的安装在初始位置安装一个,在终点位置安装一个,同时在初始位置和终点位置的中间处分别安装一个,通过三个监控视频同时工作进行图像特征和车辆运动参数的提取,进行数据的平均值计算,并保存数据,将取得的数据进行整理统计,并按照时间节点计算出当前时间节点的速度。
实施例二:
本发明提供了一种从道路监控视频获取车辆车速的方法:
选取合适的路段进行道路监控视频的安装,在进行道路的选择时,道路需要平整,且道路需要笔直的道路;
首先在道路上标记出车辆经过的初始位置和终点位置,且初始位置用K1标示,终点位置用K2标示;
通过视频获得车辆的信息,测量并记录标定车辆的图像特征,将图像特征通过卷积神经网络进行表征学习,然后对车辆的任意一个时间点进行图像特征的提取,将以时间节点为标轴,每个时间节点对应一个图像特征;
建立动态模型,提取时间节点下的车辆运动参数;
将时间节点下的车辆图像特征与车辆运动参数进行对应,然后进行车辆当前速度的计算。
当车辆行驶到初始位置K1时开始进行图像特征的提取,然后行驶到终点位置K2时结束图像特征的提取,当车辆行驶到初始位置K1时开始进行车辆运动参数的提取,然后行驶到终点位置K2时结束车辆运动参数的提取,在进行车辆运动参数提取时,首先对不同的车辆进行标定,分别进行对不同车辆进行标记,在卷积神经网络中的每一个卷积层取得的图像特征都紧跟着一个用来求局部平均与二次提取的计算层,两次特征提取结构减小特征分辨率,监控视频的安装在初始位置安装一个,在终点位置安装一个,同时在初始位置和终点位置的中间处分别安装一个,通过三个监控视频同时工作进行图像特征和车辆运动参数的提取,进行数据的中间值计算,并保存数据,将取得的数据进行整理统计,并按照时间节点计算出当前时间节点的速度。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种从道路监控视频获取车辆车速的方法,包括以下步骤:
S1:选取合适的路段进行道路监控视频的安装,在进行道路的选择时,道路需要平整,且道路需要笔直的道路;
S2:首先在道路上标记出车辆经过的初始位置和终点位置,且初始位置用K1标示,终点位置用K2标示;
S3:通过视频获得车辆的信息,测量并记录标定车辆的图像特征,将图像特征通过卷积神经网络进行表征学习,然后对车辆的任意一个时间点进行图像特征的提取,将以时间节点为标轴,每个时间节点对应一个图像特征;
S4:建立动态模型,提取时间节点下的车辆运动参数;
S5:将时间节点下的车辆图像特征与车辆运动参数进行对应,然后进行车辆当前速度的计算。
2.根据权利要求1所述的一种从道路监控视频获取车辆车速的方法,其特征在于:当车辆行驶到初始位置K1时开始进行图像特征的提取,然后行驶到终点位置K2时结束图像特征的提取。
3.根据权利要求1所述的一种从道路监控视频获取车辆车速的方法,其特征在于:当车辆行驶到初始位置K1时开始进行车辆运动参数的提取,然后行驶到终点位置K2时结束车辆运动参数的提取。
4.根据权利要求1所述的一种从道路监控视频获取车辆车速的方法,其特征在于:在进行车辆运动参数提取时,首先对不同的车辆进行标定,分别进行对不同车辆进行标记。
5.根据权利要求1所述的一种从道路监控视频获取车辆车速的方法,其特征在于:在卷积神经网络中的每一个卷积层取得的图像特征都紧跟着一个用来求局部平均与二次提取的计算层,两次特征提取结构减小特征分辨率。
6.根据权利要求1所述的一种从道路监控视频获取车辆车速的方法,其特征在于:监控视频的安装在初始位置安装一个,在终点位置安装一个,同时在初始位置和终点位置的中间处分别安装一个。
7.根据权利要求6所述的一种从道路监控视频获取车辆车速的方法,其特征在于:通过三个监控视频同时工作进行图像特征和车辆运动参数的提取,进行数据的中间值和平均值计算,并保存数据。
8.根据权利要求1所述的一种从道路监控视频获取车辆车速的方法,其特征在于:将取得的数据进行整理统计,并按照时间节点计算出当前时间节点的速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110105001.2A CN112785855A (zh) | 2021-01-26 | 2021-01-26 | 一种从道路监控视频获取车辆车速的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110105001.2A CN112785855A (zh) | 2021-01-26 | 2021-01-26 | 一种从道路监控视频获取车辆车速的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112785855A true CN112785855A (zh) | 2021-05-11 |
Family
ID=75757304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110105001.2A Pending CN112785855A (zh) | 2021-01-26 | 2021-01-26 | 一种从道路监控视频获取车辆车速的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785855A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635094A (zh) * | 2008-07-24 | 2010-01-27 | 安徽蓝盾光电子股份有限公司 | 一种车辆区间测速的方法 |
CN103456172A (zh) * | 2013-09-11 | 2013-12-18 | 无锡加视诚智能科技有限公司 | 一种基于视频的交通参数测量方法 |
CN104021676A (zh) * | 2014-06-25 | 2014-09-03 | 上海交通大学 | 基于车辆动态视频特征的车辆定位及车速测量方法 |
US20140348390A1 (en) * | 2013-05-21 | 2014-11-27 | Peking University Founder Group Co., Ltd. | Method and apparatus for detecting traffic monitoring video |
CN111753797A (zh) * | 2020-07-02 | 2020-10-09 | 浙江工业大学 | 一种基于视频分析的车辆测速方法 |
CN112053572A (zh) * | 2020-09-07 | 2020-12-08 | 重庆同枥信息技术有限公司 | 基于视频和距离网格标定的车辆测速方法、设备及*** |
-
2021
- 2021-01-26 CN CN202110105001.2A patent/CN112785855A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635094A (zh) * | 2008-07-24 | 2010-01-27 | 安徽蓝盾光电子股份有限公司 | 一种车辆区间测速的方法 |
US20140348390A1 (en) * | 2013-05-21 | 2014-11-27 | Peking University Founder Group Co., Ltd. | Method and apparatus for detecting traffic monitoring video |
CN103456172A (zh) * | 2013-09-11 | 2013-12-18 | 无锡加视诚智能科技有限公司 | 一种基于视频的交通参数测量方法 |
CN104021676A (zh) * | 2014-06-25 | 2014-09-03 | 上海交通大学 | 基于车辆动态视频特征的车辆定位及车速测量方法 |
CN111753797A (zh) * | 2020-07-02 | 2020-10-09 | 浙江工业大学 | 一种基于视频分析的车辆测速方法 |
CN112053572A (zh) * | 2020-09-07 | 2020-12-08 | 重庆同枥信息技术有限公司 | 基于视频和距离网格标定的车辆测速方法、设备及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102930735A (zh) | 一种基于交通视频的城市实时交通路况信息发布方法 | |
CN109102695B (zh) | 智能交通服务站、智能交通服务方法及*** | |
CN201397576Y (zh) | 车辆路口违法变向自动捕捉装置 | |
CN114333330B (zh) | 一种基于路侧边缘全息感知的交叉口事件检测*** | |
CN105590478B (zh) | 城市公共路段停车管理***及方法 | |
CN109784254A (zh) | 一种车辆违规事件检测的方法、装置和电子设备 | |
CN107622668A (zh) | 一种基于rfid的动态可视化交叉口监测管理*** | |
CN105355053A (zh) | 路边违停车辆自动检测*** | |
CN102496000A (zh) | 一种城市交通事故检测方法 | |
CN113868492A (zh) | 一种基于电警、卡口数据的可视化od分析方法及应用 | |
CN107886707B (zh) | 地理区块的优化方法及装置、车辆监控方法及装置 | |
Remias et al. | Travel time observations using Bluetooth MAC address matching: A case study on the Rajiv Gandhi Roadway: Chennai, India | |
Kumar et al. | Study on road traffic congestion: A review | |
CN115862327A (zh) | 一种智慧园区的可视化管理***及方法 | |
CN114913447A (zh) | 基于场景识别的警务智慧指挥室***及方法 | |
CN116168538B (zh) | 一种平面道路车辆通行空间识别方法 | |
CN112785855A (zh) | 一种从道路监控视频获取车辆车速的方法 | |
AU2021105200A4 (en) | Traffic operation simulation control method based on internet of things | |
CN110992690A (zh) | 车联网中基于时空离群点的虚假数据检测方法 | |
EP4138058A1 (de) | System und verfahren zum ermitteln von daten an einem verkehrswege-knotenpunkt | |
CN113158728B (zh) | 一种基于灰度共生矩阵的车位状态检测方法 | |
Sodagaran et al. | Intelligent traffic information system a real-time traffic information system on the Shiraz bypass | |
CN112802333A (zh) | 基于ai视频分析的高速公路路网安全态势分析***、方法 | |
CN109685010B (zh) | 一种高速公路边坡防护网漏洞位置定位方法及*** | |
Wen et al. | A new algorithm of incident detection on freeways |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210511 |