CN1466092A - 运动目标视频检测处理的桩考仪 - Google Patents
运动目标视频检测处理的桩考仪 Download PDFInfo
- Publication number
- CN1466092A CN1466092A CNA021235333A CN02123533A CN1466092A CN 1466092 A CN1466092 A CN 1466092A CN A021235333 A CNA021235333 A CN A021235333A CN 02123533 A CN02123533 A CN 02123533A CN 1466092 A CN1466092 A CN 1466092A
- Authority
- CN
- China
- Prior art keywords
- image
- site
- moving target
- examination instrument
- examination
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种运动目标视频检测处理的桩考仪,其特征在于:它包括一台CCD摄像机,与其相连的高分辨率图像信号采集卡,桩考仪硬件***,与之配套的运动目标视频图象处理应用软件***。通过软、硬件***的协调工作,本发明可实时地给出受试目标的准确航迹和考试结果。本发明由于采用了新颖的设计思路以及一系列视频处理的先进技术,仪器的检测处理精与考核的客观性与可信度高,使用灵活,受环境因素的影响小,实时性强,可动态的监视考核全过程,几乎不用对考车做专门改装,考官坐在计算机房里就可对驾驶员进行考核,适用于对各类汽车的驾驶员进行考试,因而具有较高的使用价值和经济效益。
Description
技术领域
本发明涉及一种汽车驾驶员现场考试设备,特别是关于一种运动目标视频检测处理的桩考仪。
背景技术
对汽车驾驶员的驾驶技术进行现场考试,是在公安交通管理部门严格监管下必经的一项程序。采用计算机和电子技术实时监测整个考试过程,既可减轻考核人员的劳动,又能提高考试的公平性与合理性,因而不失为一种可行的方案。然而以往国内的这类考试***,大多都是在专用考车的传动轴上,安装能检测运动汽车行驶方向和位置的传感器,同时在车上安装由单片机,计算机软、硬件,控制电路组成的电子***(以下称之为“传感器方式”)。一般这种***都是先将传感器采集到的各种信息经单片机预处理,然后在安装于车上的控制装置的控制下,用无线收发设备与考场外的计算机(主机)进行异步通讯,经过实时动画模拟和流程控制,最终根据有关判据(交通规则、驾驶技术)确定考试是否合格。这类考试***仍然存在如下一些不足:1、需要在汽车上安装硬件设备,或对考试车辆进行改装,这就要求每个考场必须使用固定车辆进行考试,而且考车车况变化容易对考生的考试结果产生影响。2、由于采用异步通信方式,加上对各种干扰的过滤不佳,汽车行驶轨迹由动画的方式模拟给出,考核精度比较差,因而不能很好地表示车辆实际行驶路线和考试情况。3、由于场地的局限性,不能满足受试人员对实际场景的要求。4、由于采用很多硬件设备,***安装所需时间长,增加了成本,用户使用和维修不便,而且容易出现硬件故障,一旦考试车辆出现故障,将直接影响考试的进行。
为了解决上述设备所存在的问题,就需要解决以下两个问题:1、降低设备硬件组成的复杂性,并尽可能使考核设备脱离考车。2、综合采用先进技术,使得新研制的设备虽不直接与考车接触,但却能实时获取它的精确位置与运动参数。
发明内容
针对上述问题,本发明的目的是提供一种在汽车驾驶员现场考核时,可实时地给出受试目标的准确航迹和考试结果,且使用维修方便的运动目标视频检测处理的桩考仪。
为实现上述目的,本发明采用如下技术方案:一种运动目标视频检测处理的桩考仪,其特征在于:它包括一台CCD摄像机,与其相连的高分辨率图像信号采集卡,桩考仪硬件***,与之配套的应用软件***。
所述的桩考仪硬件***,包括计算机硬件***,无线电信标产生装置,通信指挥控制装置。
所述的计算机硬件***,包括PC机,与其配套的外设,接口电路(I/O)模块;其中的PC机是市售个人计算机;其中的外设包括键盘,鼠标,高分辨显示器,打印机等;其中的接口电路(I/O)模块,包括计算机与高分辨率图像信号采集卡之间的接口电路,及计算机与通信装置之间的接口电路。
所述的无线电信标产生装置,主要由线杆位置信标信号产生器,发动机熄火信标信号产生器,以及无线电发射机组成。
所述的通信指挥控制装置,包括桩考指挥控制器,和受试人员通话的对讲机,无线电接收机,及与考试中心进行话音通信与数字通信的电话和调制解调器。
所述的应用软件***,是根据不同数学模型及规则编写的、具有不同功能并依次被计算机调用的程序模块,它包括图像基础处理、图像畸变校正、运动目标检测、运动目标的航迹确定、考核结果评判及考核管理等程序模块。
所述的图像基础处理程序模块,是一个滤除干扰,保留运动目标各种特征信息的计算机处理过程,它包括依次被执行的基于平均法去噪的初始背景获得、基于Kalman滤波的实时背景更新、灰度归一处理、基于数学形态学的图像形态滤波、基于模糊信息处理技术进行图像边缘增强、基于小波变换的图像分割处理等子程序。
所述的运动目标检测程序模块,是一个在图像基础处理的基础上,确定运动目标位置坐标和运动参数的计算机图像处理过程,包括基于灰度变化的似然比检测、基于目标形心和质心特征的特征点匹配检测、用来区分真假目标的运动目标辨识等子程序。
所述的运动目标航迹确定程序模块,它的作用是对“目标检测程序模块”的输出信息进行再处理,以获取运动目标位置、航向、速度及其准确航迹,它包括曲线拟合与外推、Kalman滤波递推平滑等子程序。
所述的考核结果评判与管理程序,包括考试结果评判子程序,考试结果保存、显示、打印、上报及考绩管理服务子程序。
本发明由于采用了以上技术方案,因而具有如下一些特点:1、几乎不用对考车做专门改装,就可对驾驶员进行考核,而且桩考仪***受环境因素的影响相对较低,可靠性高,使用灵活性强。2、桩考仪的视频处理软件所用数学模型先进,应用灵活,检测处理精度高,可实时动态显示考场的全景、受试车辆的航迹等。3、还可实时接收桩考仪***各线杆、发动机熄火信标发生器的信号,并结合轨迹测量,实时判断考试人员的操作是否正确,同时将考试过程实时描绘在计算机屏幕上,客观而准确地做出考试结论,自动给出打印结果。4、因此,考官几乎不用出门,就可在计算机房里通过非常简单的操作,在显示器上直接监视目标的航迹及考试结果,观察考试的全过程,大大减轻自身的劳动强度。5、适应性强,可对各类汽车及其驾驶员进行考试。6、可对考生进行考绩管理、查询,并有组网功能。
附图说明
图1是桩考仪的使用方式示意图
图2是桩考仪***的组成方框图
图3是计算机应用软件***的组成结构示意图
图4是运动目标图象视频处理程序与考核过程流程图
具体实施方式
如图1、图2所示,本实用新型包括一台CCD摄像机U1,与其相连的高分辨率图像信号采集卡U2,桩考仪硬件***U3,与之配套的应用软件***MS。U1的作用是对受考车辆、整个场景等进行全方位摄像;U2的作用是对摄象机的输出信号进行高保真的数字采样,自动调节图象序列的亮度和对比度;U3、MS是组成桩考仪的核心,其作用是对所收到的视频图象时间序列信号进行处理,尽可能多地去掉各种干扰信息,提取出运动目标的位置与航迹信息,并根据目标的航迹、信标信号和考试规则,对考核结果做出是否合格的结论。
如图2所示,桩考仪硬件***U3,包括计算机硬件***U31,信标信号产生装置U32,以及通信指挥控制装置U33。
上述的U31,包括PC机U311,与其配套的外设U312,接口电路(I/O)模块U313;其中U311是市售个人计算机,U312包括键盘U3121,鼠标U3122,高分辨显示器U3123,打印机U3124,其作用是保证人机之间的信息交换;其中的接口(I/O)电路模块U313,包括计算机与图象采集卡之间的接口电路U3131、计算机与通信指挥控制装置U33之间的接口电路U3132;U313的作用是保证计算机与图象采集卡U2、以及通信指挥控制装置U33之间的连接与通信,而无线电信标产生装置U32所产生的信标信号,首先用无线方式传给U33,然后再由其通过接口模块U313送给计算机。
上述的U32包括标志杆的位置信标信号产生器U321、发动机熄火信标信号产生器U322及无线电发射机U323,其作用是在考核过程中,为考场图像背景提供各标志杆位置与发动机是否熄火的信息。
上述的U33包括桩考指挥控制器U331,无线电接收机U332,与受试人员通话的对讲机U333,及与考试中心进行话音通信与数字通信的电话U334和调制解调器U335,其主要作用是在桩考过程中对受试人员进行指挥等。
在本发明中,用同一个观测器(CCD摄象机)及其后的图象数据采集卡所得到的“时间图象序列”,包含有摄像机与景物间在不同时刻的相对位置及相对运动的信息。通过视频图象处理,提取出目标特征信号,估计它的位置及运动参数,经数学处理就可给出受试车辆的动态航迹;在此基础上,计算机***(包括硬件和软件)通过对“受试车辆的动态航迹”与“信标信息”进行比较(因为它反映司机驾驶技术),视受试人员操作的正确率,并最终依据“考评规则”对考试是否合格做出结论。由于本专业的技术人员对上述硬件及其作用都很清楚,所以这里不再赘述。
根据“几何光学”中的“小孔成象原理”,处在摄像机视场中的静止或运动着的物体,都会在其屏幕上形成对应的图象,或者说是在每帧目标图象里,都包含了我们感兴趣的目标信息。理论和实践都证明,当用摄像机对物体进行观察时,因光照的气象条件、摄像机本身的原因、物体及其背景等对光的反射特性存在着差异,不仅会引起图象的畸变,而且最终都会表现为图象序列信号的变化及图象帧与帧之间的灰度变化。这也就是说,如果我们能检测出帧与帧之间图象序列的灰度变化,就可以找出物体在相应时间间隔内的相对移动。但实际图象信号中是有噪声干扰的,计算机视频处理的目的,就是要最大限度地降低各种噪声干扰并保留甚至增强目标的特征,以便把目标的特征参数(目标的实时位置、速度、航向、某段时间内目标的航迹等)提取或确定下来。为此,就需要根目标图象信号的特征和噪声的统计特性,抽象出图象畸变校正及各种视频处理数学模型,并据此编制相应的计算机处理程序(见下面)对图象信号进行视频处理,就能得到满意的结果。
如图3所示的应用软件***MS,包括图象畸变校正软件模块MS1、图象基础处理软件模块MS2、运动目标检测软件模块MS3、运动目标的航迹确定软件模块MS4、考核结果评判及考核管理软件模块MS5等计算机应用程序模块。
上述的MS1图象畸变校正软件模块,其数学模型是根据如下分析建立的:
由于CCD摄像机所使用的镜头是广角镜头,真实像素坐标与理想像素坐标的差别可粗略描写成:
辐射方向畸变
Δx1=(x-x0)(k1r2+k2r4+k3r6+……)
Δy1=(y-y0)(k1r2+k2r4+k3r6+……)
非对称畸变
Δx2=P1[r2+2(x-x0)2]+2P2(x-x0)(y-y0)
Δy2=P2[r2+2(y-y0)2]+2P1(x-x0)(y-y0)
仿射畸变
Δx3=α1+α2x+α3y
Δy3=β1+β2x+β3y
欲进行校正,只要求得相应的畸变系数ki,Pi,αi,βi,即可得到需要的图象。以辐射方向畸变校正为例进行说明:
x′=x+k1(x-x0)[(x-x0)2+(y-y0)2]
认为r2是主要误差
y′=y+k1(y-y0)[(x-x0)2+(y-y0)2]
u=(x-x0)[(x-x0)2+(y-y0)2]
为表述简洁,令
v=(y-y0)[(x-x0)2+(y-y0)2]
x′=x+k1u
则有
y′=y+k1v
根据空间解析几何的原理以及校正后的一条直线的像仍然是一条直线的假定,线上任意3个点的坐标应满足
解之得
取绝对值小的k1。
其中
对每条畸变直线的像均可求得一个k1,取几个k1的平均值作为畸变系数,用此系数k1对图象进行辐射方向畸变校正,用多组已知像点、物点坐标的控制点,通过迭代的方法可计算出畸变参数。上述的图象畸变校正软件模块MS1,需要对每一幅采集的图象都进行图象畸变校正。
上述的MS2,它包括基于平均法去噪的初始背景获得子程序MS21,基于Kalman滤波的实时背景更新子程序MS22,灰度归一处理子程序MS23,基于数学形态学的图像形态滤波子程序MS24,基于模糊信息处理技术进行图像边缘增强子程序MS25,基于小波变换的图像分割处理子程序MS26。通过执行MS21使存在于图象采集卡输出信号中的各种干扰噪声大为降低、有用信号得以增强以后,接着再依次用MS22、MS23、MS24、MS25、MS26这些子程序,对图象采集卡得到的“既含有干扰,又含有目标信息”的图象时间序列信号进行视频处理,就可进一步消除各种干扰,最大限度地保留运动目标的各种信息,为后续处理打下基础。
上述的MS21,其作用是消除一般噪声干扰,减弱图象采集卡引入的量化噪声影响,消除摄像机抖动带来的干扰,使获得的初始背景图象的质量不依赖起始时间,进而获得迭代计算所需的初始图象背景。MS21所依据的理论是噪声的统计特性。由于汽车的不同色彩表现为灰度随机分布,而且目标均以运动状态存在于视场中,对于视场内每一像素,隶属于背景的概率极大,经过对输入序列的若干帧平均(次数依实验确定)即可得到与实际背景图像近似的初始背景。
上述的MS22,其作用是完成背景的实时更新。因为光线的变化使背景产生变化,只有实时更新图像背景,才能保持良好的检测效果。Kalman滤波是对输入序列进行时域数字低通滤波的过程。采用一阶Kalman滤波,可从其中提取出慢变化过程,即可作为新的图象背景。具体实施时,是在实际场景中,选一始终不存在目标的区域,利用这一区域像素平均灰度的变化,来更新时间迭代公式中的增益因子来实现的。
上述的MS23,它的主要作用是减少因照度的变化对图象造成的不利影响(干扰)。由于在不同帧中,灰度的分布具有相同的均值和方差,给定图像A中的区域i和B中的区域j,用下式
表示归一化图像R中对应区域像素的灰度值。其中IR(x,y)是在图像R中位于(x,y)处的灰度,μR(i)和σR(i)是R中区域i的灰度值的均值和方差。据此式编制计算程序对灰度归一化,就可消除因照度、对比度变化对目标检测造成的不利影响。
上述的MS24,它的作用是降低由背景噪声、采样量化噪声、气象噪声、传递噪声以及存在于图像中的其它寄生效应所引起的目标轮廓噪声,以便有效地提取最感兴趣的图像信息。在对视频图像处理时,仅用上述的的图像滤波方法很容易损失汽车目标的边缘信息,经用“腐蚀、膨胀、开、闭”四种结构元素为模型编制的数字滤波程序MS24对图象序列信号再处理,进一步滤除了附着在目标图像边缘上的噪声,有效的保护了汽车图象的细节。
数学形态学是分析几何形状和结构的数学方法,是建立在集合代数基础上,用集合论方法定量描述几何结构的方法,它由一组形态学的代数运算子组成。最基本的形态学运算子有腐蚀、膨胀、开和闭。用这些运算子及其组合可完成图象滤波等很多方面的工作。其中,腐蚀的过程是:用图象的每一个像素与结构元素原点像素周围的邻域比较。如果图象像素的邻域与结构元素完全相同,则保留;如果不同,则去掉。膨胀的过程是:把图象中与结构元素不同的邻域补充为结构元素。开运算的过程是:用同样的结构元素对图象先进行一次腐蚀,再进行一次膨胀。闭运算的过程是:用同样的结构元素对图象先进行一次膨胀,再进行一次腐蚀。利用开运算可以消除“噪声点”和“毛刺”,也就是对图象进行滤波平滑。利用闭运算也可以把图象上的噪声点去掉而保持原图尺寸不变。
上述的MS25,其作用是增强目标的轮廓象素。在桩考仪对汽车目标跟踪测量时,所得图象的边缘本身存在一定的不确定性及“是边缘又不是边缘”的模糊性。增强目标轮廓象素的目的是要把这种模糊性变为“要么是边缘,要么不是边缘”的“确定性”,以便有效把汽车与背景分割开来,这就要用模糊信息处理技术,有选择地强调图象中的某些信息(进行图象增强)。具体实施时,是以像素的相对灰度作为模糊特征,推导出算法的数学模型(见下面),然后再根据该数学模型编制成模糊处理程序,实现目标轮廓象素的增强。
设X是一个具有L个模糊灰度等级的M×N维模糊矩阵
式中Pmn/xmn=μx(m,n)为阵中第(m,n)个单点集的隶属度函数,它表示象素的相对灰度模糊特征;Pmn为(m,n)点的模糊灰度
其中,xmax为最大灰度级,Fd为倒数型模糊性因子,Fe为指数型模糊性因子;图象增强就是有选择地强调图象中的某些信息,而Fd,Fe的取值对模糊增强效果有很大影响,所以它们的选择要根据实验而定;若用模糊对比度增强算子“INT”对一模糊集
A进行增强操作得到一模糊集合
A′(即
A′=INT
A),以其隶属度函数
其改进形式是:
比例因子μc=G(xc)=xc/xmax,xc满足
对图象进行增强处理后,用索贝尔(Sobel)算子得到边缘点集,并按一定的判别准则取出边缘点集,就可以得到目标的轮廓了,MS25就是根据模糊数学的原理编制的。
上述的MS26,它可以消除由于受噪声、光照不均匀、天气变化等因素影响所造成的图象灰度的较大起伏,这种起伏可能会把真目标漏掉,也可能导致检测出假目标。解决问题的思路是,基于小波变换的极值和零交叉特性提取图象直方图的波峰和波谷点,实现阈值分割门限的自动选取。小波的固有特点使得这种方法可以由粗到精的多尺度门限分割,具有较强的适应性。从以下的数学推导,可以很清楚地看出用程序MS26实现阈值自动选取的方法。
定义Wsf(x)=f(x)ψs(x)函数f(x)的“小波变换”,它是f(x)和ψ(x)的卷积;其中
为小波函数;变换的物理意义是:改变s值可得到一组在不同尺度下的信号分量{Wsf(x)},叫细节分量或小波系数。根据小波函数的性质,还可把变换写成:
它相应于对信号f(x)在尺度s下平滑后的一次或二次微分。令S=2j,j∈z,把“连续型变换”变成能用计算机处理的离散形式有
当一组小波基选定后,可以确定出一个低通离散滤波器L和高通离散滤波器H及平滑函数ψ(x);在对直方图进行小波变换得到{W2 jh(x)},j=1,2,…集合,集合中每一个元素都有三个数据,分别为{Vi Pi Vi+1},Vi,Vi+1是相邻波谷点,Pi是Vi和Vi+1之间的波峰点,这三个数据为图象的像素值区间和均值;在尺度2j下,把图象f(x,y)分割成量化图
式中:Vi j表示尺度2j下直方图的第i个波谷点,Pi j表示尺度2j下直方图的第i个波峰点,Nj表示尺度2j下直方图的波峰总数。
用上述MS21-MS26这些程序,依次对图象采集卡得到的“既含有干扰,又含有目标信息”的图象时间序列信号进行视频处理,就可消除各种干扰,最大限度的保留运动目标的各种信息,为后续处理打下基础。
如图3所示的MS3,是一个在图像基础处理的基础上,确定运动目标位置坐标和运动参数的计算机图像处理过程,包括基于灰度变化的似然比检测子程序MS31、基于目标形心和质心特征的特征点匹配检测子程序MS32、用来区分真假目标的运动目标辨识子程序MS33。
上述的MS31既能自适应调节图象刷新率,又能解决灰度出现二值化时阈值问题。由于基于特征的检测是依据图像的特征(点、线、矩)或由特征组成的模型(多边形、多面体)来检测运动目标的,基于灰度的方法一般是依据图像中灰度模式(像素点灰度值、图像块的灰度分布、图像的局部能量函数等)的变化来检测运动目标的,考虑到桩考仪视频图像的特征模型有时会因遮挡而丢失,灰度模式会随外界变化而改变,采用这两种方法融合来进行运动目标检测,较好地解决了这些问题。
基于灰度变化检测运动目标的基础仍是普通采用的帧间相减技术,但是目前的图象差值技术存在如下问题:1、首先是参考图象的刷新问题。一个低的刷新频率可以导致图象差值对场景光线变化的敏感;相反,一个高的刷新频率将导致灵敏度严重下降,特别是无法检测到相对慢速的运动物体。因此,为了解决这个问题,我们采用了检测块的概念。对于一个宽为W,高为H的图象,以W/n为单位等分宽,以H/m为单位等分高,从而得到M×N个小图象区域,每个小区域称为一个检测块。当物体运动时,将从一个检测块进入另一个检测块,通过测量单位时间内运动物体穿越的块数,即可获得该物体的运动速率。如果目标运动速率较慢,则***自动降低当前的刷新频率,从而确保运动目标的正确捕获。这种自适应调节方案解决了固定刷新频率存在的矛盾。2、其次,目前的图象差值技术还存在着象素灰度值相减后二值化时的阈值选择问题。用模式识别理论中的最大似然估计提出的一种较为精确的变化检测技术,它考虑在图像中的一n×n像素区域,基于二阶统计值计算一差量度(测度),此差量度基于一似然比。似然比L可以通过两区域的均值和方差计算而得:
其中μi和σi 2分别为区域i的均值和方差。与常规的差分技术相比,似然检测技术对噪声不太敏感,而且相对精确,
上述的MS32,其作用是求目标质心的坐标。由于目标形心和质心体现了目标形状特征,在大多数情况下两者基本一致,但形心仅依赖于边缘,对分割敏感,而质心依赖目标的分布,对分割的要求相对较低,允许轮廓有一定误差,因此我们采用质心定位目标,用边缘链求取质心的快速计算方法。该程序是这样编制的:首先用模糊检测技术提取汽车的边缘点,在边缘跟踪中得到每点的进出方向,然后通过分析判断出左右端点属性后,得到目标的面积,进而求取目标的质心坐标;得到目标质心后,将面目标转化为点目标,这样,目标匹配就转化为点的匹配,称为图象匹配。图象匹配是在如下匹配约束下的最佳搜索:1、运动限制:目标上的同名像点仅出现在经似然比检测出的象素集合中;2、视差连续限制:仅在被遮挡区域或边界上,视差才出现不连续;3、物体形态限制:汽车表面的坡度和高度在一定范围内变化;4、速度限制:像点水平方向与垂直方向的变化速度小于最大可能速度。由此可找出对应点范围限制,减少搜索区和剔除部分伪匹配点;图象匹配的过程是测度函数(灰度相关系数,灰度协方差,灰度差的平方,灰度差的绝对值之和)最优化解的求解过程。我们采用“协方差最大与差的绝对值之和最小”作为双重判据,决定匹配点的取舍以增强匹配结果的可靠性,又用两者不同的加权作为配后检验,再剔除部分“野”点,提高匹配的正确率,效果较好;找到匹配点后,计算两者坐标差作为目标速度,并根据此值预测目标新位置;对于已匹配多次(N>2)的目标,在当前场找出与其预测坐标距离小于速度误差的点,若存在,则根据当前质心坐标修正目标运动速度,预测出目标的新位置;若不存在,根据原速度估计新坐标,同时设置未匹配标志;如果连续几场均未得到匹配,则确认目标离开视场。
上述的MS33,其作用是对运动目标进行辨识处理,区分出真假目标。由于在用上述程序所得到的“候选运动目标集合”中,既有我们所要的真正运动目标汽车的子集,也有由于各种噪声和干扰产生的虚假目标子集,必须通过目标辨识,才能保证检测的可靠性。本程序采用的运动目标辨识方法,是分析相邻两帧中前一帧图像中的各个候选目标集合(块),分别求得其与后一帧图像相同位置上的失配度量,然后通过设置一失配度量门限,将候选目标块初步判定为目标子集(块)或背景子集(块);对初步归入目标子集(块)中的那些“目标”,经“表决器”多次判断、表决,就可完成对目标的最终辨识。
显见,用MS31——MS33这些子程序对MS2的输出信息进行流水线式处理,就可把运动目标(汽车)的实时位置坐标(Xi,Yi)确定出来;
如图3所示的目标航迹确定软件模块MS4,包括依次执行的曲线拟合与外推子程序MS41、Kalman滤波递推平滑等子程序MS42,作用是求出受试汽车目标的运动轨迹和其他运动参数(运动方向、运动速度等)。
上述MS41编程的依据如下:当给定有限个点的轨迹坐标fi=f(Xi Yi Zi)其中i=1、2…n;由这n个已知点的坐标,可以用以下方法估算出第n+1点的位置坐标fn+1=(X、Y、Z),这叫外推。拟合一般用不超过三阶的多项式,即f=C0+C1X+C2X2+C3X3;这里采用二阶拟合,外推系列公式为:
n n+1
3 f4=f1-3f2++3f3
4 f5=(3f1-5f2-3f3+9f4)/4
5 f6=((3f1-3f2-4f3++9f5)/5
其中,fi为时刻i的目标位置坐标。利用n点外推公式能可靠地剔除运动目标轨迹上的多义性位置点。
经MS41处理所得到的运动目标航迹并不是很平滑的,需要用MS42对其做进一步Kalman滤波递推平滑处理。由于经MS41处理后已给出了受试汽车的运动轨迹,其中包含了目标的实时位置(Xi、Yi)及其运动方向、速度、加速度等特征参数信息。由于Xi、Yi是独立的,而时间间隔是固定的,据此可以写出状态方程和观察(测量)方程:
Xk=φk,k-1Xk+Wk-1
Yk=HkXk+Vk式中,φk,k-1为N×N阶矩阵,称为状态转移矩阵;
Wk为一个N维噪声向量。
Yk为M维的观测向量;
Hk为M×N维观测矩阵;滤波递推公式
Gk=PkHk T[HkPkHk T+Rk]-1
Xk=φk,k-1Xk-1+Gk[Yk-Hkφk,k-1Xk,K-1]
Ck=(1-GkHk)Pk
式中,Qk为N×N阶的Wk协方差矩阵,Rk为M×M阶的观测噪声Vk的协方差矩阵,Gk为N×M阶增益矩阵,Xk为N维方差(k个时刻滤波估值),Ck为N×N阶的估计误差矩阵;按递推计算,从时刻X0=E(X0)开始,用相应矩阵和k时刻观测值Yk可估计出Xk,对多个点进行这种递推计算,就可得到受试汽车的运动轨迹及目标的其他特征参数(位置坐标、航向、速度、加速度等特征参数)信息,并在计算机的显示器上显示出来。
上述MS5,包括考试结果评判子程序MS51,考试结果存储、显示、打印、上报及考绩管理等服务子程序MS52;上述的MS51的作用是,根据用上述方法所得到的受试目标运动轨迹,结合由通信指挥控制装置U33之U331接收到并存于计算机中的、由U32之U321、U322发送的无线电信标信息,通过数据比较及判断,就可对受试人员的操作是否正确做出評价。对航迹上的每一点循环运用比较程序,并用“考试的評分标准”评判,就可对汽车驾驶员的本次考试是否合格做出客观而准确的结论;在此过程中,服务子程序MS52也将实时地把桩考过程描绘在计算机屏幕上,打印、上报考试结果,并把受试人员及其考试结果等资料自动存入考绩管理数据库。
图4给出了桩考仪软件***(MS)的工作流程图,详细说明这里从略。
Claims (10)
1、一种运动目标视频检测处理的桩考仪,其特征是:它包括一台CCD摄像机,与其相连的高分辨率图像信号采集卡,桩考仪硬件***,与之配套的应用软件***。
2、如权利要求1所述的视频图像检测处理技术的桩考仪,其特征在于:所述的桩考仪硬件***,主要由计算机硬件***,无线电信标产生装置,通信指挥控制装置所组成。
3、如权利要求2所述的运动目标视频检测处理的桩考仪,其特征在于:所述的计算机硬件***,主要包括PC机,与其配套的外设,接口电路(I/O)模块;其中的PC机是市售个人计算机;其中的外设包括键盘,鼠标,高分辨显示器,打印机等;其中的接口电路(I/O)模块,包括计算机与高分辨率图像信号采集卡之间的接口电路,及计算机与通信装置之间的接口电路。
4、如权利要求2所述的运动目标视频检测处理的桩考仪,其特征在于:所述的通信指挥控制装置,包括桩考指挥控制器,和受试人员通话的对讲机,无线电接收机,及与考试中心进行话音通信与数字通信的电话和调制解调器。
5、如权利要求2所述的运动目标视频检测处理的桩考仪,其特征在于:所述的信标装置,主要包括线杆位置信标信号产生器,发动机熄火信标信号产生器,以及无线电发射机。
6、如权利要求1所述的运动目标视频检测处理的桩考仪,其特征在于:所述的应用软件***,包括根据不同的数学模型或规则编写的图象预处理(基础处理)、图象畸变校正、运动目标检测、运动目标的航迹确定、考核结果评判及考核管理等计算机应用程序,这些程序模块是依次被调用的。
7、如权利要求1或6所述的运动目标视频检测处理的桩考仪,其特征在于:所述的图像基础处理程序模块,是一个滤除干扰,保留运动目标各种特征信息的计算机处理过程,它包括依次被执行的基于平均法去噪的初始背景获得、基于Kalman滤波的实时背景更新、灰度归一处理、基于数学形态学的图像形态滤波、基于模糊信息处理技术进行图像边缘增强、基于小波变换的图像分割处理等子程序。
8、如权利要求1或6所述的运动目标视频检测处理的桩考仪,其特征在于:所述的运动目标检测程序模块,是一个在图像基础处理的基础上,确定运动目标位置坐标和运动参数的计算机图像处理过程,包括基于灰度变化的似然比检测、基于目标形心和质心特征的特征点匹配检测、用来区分真假目标的运动目标辨识等子程序。
9、如权利要求1或6所述的运动目标视频检测处理的桩考仪,其特征在于:所述的运动目标航迹确定程序模块,它是对“目标检测程序模块”的输出信息进行再处理,以获取运动目标位置、航向、速度及其准确航迹,它包括曲线拟合与外推、Kalman滤波递推平滑等子程序。
10、如权利要求1和6所述的运动目标视频检测处理的桩考仪,其特征在于:所述的考核结果评判与管理程序,包括考试结果评判子程序,考试结果保存、显示、打印、上报及考绩管理服务子程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA021235333A CN1466092A (zh) | 2002-07-02 | 2002-07-02 | 运动目标视频检测处理的桩考仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA021235333A CN1466092A (zh) | 2002-07-02 | 2002-07-02 | 运动目标视频检测处理的桩考仪 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1466092A true CN1466092A (zh) | 2004-01-07 |
Family
ID=34142359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA021235333A Pending CN1466092A (zh) | 2002-07-02 | 2002-07-02 | 运动目标视频检测处理的桩考仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1466092A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102522008A (zh) * | 2011-11-23 | 2012-06-27 | 康佳集团股份有限公司 | 一种多媒体互动教学方法及其***、一种电视机 |
CN103606321A (zh) * | 2013-10-29 | 2014-02-26 | 南京多伦科技股份有限公司 | 基于视频定位和数字建模相结合技术的路考评判方法 |
CN107607916A (zh) * | 2017-08-18 | 2018-01-19 | 上海无线电设备研究所 | 一种抗自卫式速度距离联合欺骗干扰方法 |
US10626391B2 (en) | 2014-03-05 | 2020-04-21 | Evonik Operations Gmbh | Granules comprising isomaltulose synthase |
-
2002
- 2002-07-02 CN CNA021235333A patent/CN1466092A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102522008A (zh) * | 2011-11-23 | 2012-06-27 | 康佳集团股份有限公司 | 一种多媒体互动教学方法及其***、一种电视机 |
CN103606321A (zh) * | 2013-10-29 | 2014-02-26 | 南京多伦科技股份有限公司 | 基于视频定位和数字建模相结合技术的路考评判方法 |
CN103606321B (zh) * | 2013-10-29 | 2016-01-20 | 南京多伦科技股份有限公司 | 基于视频定位和数字建模相结合技术的路考评判方法 |
US10626391B2 (en) | 2014-03-05 | 2020-04-21 | Evonik Operations Gmbh | Granules comprising isomaltulose synthase |
CN107607916A (zh) * | 2017-08-18 | 2018-01-19 | 上海无线电设备研究所 | 一种抗自卫式速度距离联合欺骗干扰方法 |
CN107607916B (zh) * | 2017-08-18 | 2020-07-31 | 上海无线电设备研究所 | 一种抗自卫式速度距离联合欺骗干扰方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818326B (zh) | 一种基于场景多维特征的船只检测方法及*** | |
CN108222749B (zh) | 一种基于图像分析的智能自动门控制方法 | |
CN100544446C (zh) | 用于视频监控的实时运动检测方法 | |
CN109635875A (zh) | 一种基于深度学习的端到端网口检测方法 | |
CN107403175A (zh) | 一种运动背景下的视觉跟踪方法及视觉跟踪*** | |
CN104517125B (zh) | 高速物体的图像实时跟踪方法与*** | |
CN110246151B (zh) | 一种基于深度学习和单目视觉的水下机器人目标跟踪方法 | |
CN117593592B (zh) | 车底异物智能扫描识别***及方法 | |
CN107194408A (zh) | 一种混合块稀疏协作模型的目标跟踪方法 | |
CN105678806A (zh) | 一种基于Fisher判别的生猪行为轨迹自动跟踪方法 | |
CN114266977A (zh) | 基于超分辨可选择网络的多auv的水下目标识别方法 | |
CN113066064A (zh) | 基于人工智能的锥束ct图像生物结构识别及三维重建*** | |
CN112418149A (zh) | 一种基于深卷积神经网络的异常行为检测方法 | |
CN117237902A (zh) | 基于深度学习的机器人物体识别*** | |
CN1466092A (zh) | 运动目标视频检测处理的桩考仪 | |
CN117876664A (zh) | 一种光电经纬仪目标跟踪辅助方法 | |
CN112733770A (zh) | 一种区域入侵监测方法和装置 | |
CN111523392B (zh) | 一种基于卫星正射影像全姿态的深度学习样本制备方法及识别方法 | |
CN116758421A (zh) | 一种基于弱监督学习的遥感图像有向目标检测方法 | |
CN115713787B (zh) | 一种行人检测方法、计算机设备及存储介质 | |
CN111881748A (zh) | 一种基于vbai平台建模的车道线视觉识别方法和*** | |
CN108985216B (zh) | 一种基于多元logistic回归特征融合的行人头部检测方法 | |
CN116079713A (zh) | 一种钻锚机器人多钻臂协同控制方法、***、设备及介质 | |
CN113824880B (zh) | 一种基于目标检测和uwb定位的车辆跟踪方法 | |
CN114972335A (zh) | 一种用于工业检测的图像分类方法、装置及计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |