自车速测量中的目标检测与跟踪技术

孙浩

摘 要：随着现代智能交通系统的发展，如何快速、精确地测量车辆速度已经成为了热点问题，而测量行驶中的车辆自身的车速更是一个相对新颖和空白的领域。提出了一种主动式测量车辆自身速度的方法，它是利用基于视频的目标检测与跟踪技术、纹理模板匹配的算法和DSP技术，实现了实时测量。

关键词：速度测量；目标检测；目标跟踪；模板匹配

中图分类号：TP391.41 文献标识码：A DOI：10.15913/j.cnki.kjycx.2015.12.010

随着科学技术的发展，机动车辆已经成为了出行的重要交通工具。车辆速度作为车辆运行状态的重要参数之一，具有重要的研究价值。目前，对车辆速度的检测主要分为两大类，即被动式检测和主动式检测。本文针对现有的主动式测量方式中存在的问题，提出了一种基于视频的车辆速度测量方法。

1 自车速测量技术

车辆速度测量的首要条件是找到测量基准点，一般以车辆侧方相对静止的事物为基准点。在激光测距仪距离测量的基础上，利用视频检测和跟踪技术实现对车辆速度的测量。

1.1 测量的基本原理

将摄像头和测距仪安装在车辆行驶方向的垂线上，并保证二者的同轴状态。当被检测车辆进入摄像头的拍摄范围时，可以自动或者人为地检测出目标，然后使用模板匹配算法跟踪；当车辆行驶到中间位置时，激光测距仪会测得车辆的距离，并且记录下当前时间。随着车辆的继续行驶，可以利用像素数计算车辆偏离位置中线的角度，利用直角三角形原理计算车辆的行驶距离，然后再根据运行时间最终计算出车辆行驶的速度。

1.2 测量的数据流程图

车辆自速度测量的数据流程如图1所示。

2 基于视频的纹理模板匹配算法

模板匹配算法是现今图像处理领域常用的一种检测和跟踪方法，它是模式识别和目标跟踪的重要研究领域。该算法的基本思想是先建立一个已知目标的模板，并根据模板的特性提取模板的特征，然后在待检测的图像中根据相应的特征来识别所需信息，将最符合特征的图像部分认定为目标部分。这种技术常常应用于人脸检测和车牌识别等领域。常用的特征模板有基于颜色域的模板、基于特征向量的模板和基于纹理特征的模板等。由于本文的车辆检测算法中需要使用灰度图像，而且对识别目标的普适性和实时性要求比较高，所以，选用基于纹理特征的模板匹配算法。

2.1 基于纹理特征的模板匹配算法

算法的基本思路是：

首先，将目标模板按行列方向分别提取纹理矩阵：

；

. （1）

式（1）中：H为垂直纹理矩阵；m为模板；u为横坐标；v为纵坐标；L为水平纹理矩阵。

将图像分别按行列方向提取纹理矩阵：

. （2）

式（2）中：H为垂直纹理矩阵；s为源图像；i为横坐标；j为纵坐标；L为水平纹理矩阵。

计算图像各像素点的相似度，即：

；

；

. （3）

式（3）中：βH为垂直纹理相似度；βL为水平纹理相似度；M为图像宽度；N为图像高度。

经过上述分析可知，最佳匹配位置是相似度最大的点。

2.2 基于DSP技术对算法进行的改进

在算法中，模板图像与目标图像之间匹配时，置信度计算是十分复杂的，预算量越大，运行时间越长。因此，本文针对算法中存在的问题进行了改进。

在提取模板图像和目标图像2个方向的二值纹理矩阵之前，每个像素用1个字节（8 bits）二进制码表示，而二值化后每个像素可用1 bit二进制码表示。提取了二值纹理矩阵后，虽然模板图像与目标图像分别变换为2个方向上的矩阵，但是，其存储量可减小为原来的1/8，极大地节省了存储的空间。

在算法中引入逻辑运算，将相似度的计算改为同或和累加运算，而且这步可以并行实现，即：

. （4）

上述操作可以利用DSP处理，在完成了计算任务的基础上，可以节约大量的时间。

3 目标检测算法

由于激光测距仪和摄像机的安装位置是固定的，所以，可以事先调整安装位置，从而得到激光命中点在图像中的位置。如果使用高速激光测距仪，就可以得到车辆行驶时距离目标的特征信息，进而得到激光命中目标的准确时刻，然后根据这时刻前后2帧图像对不同的模板进行迭代匹配，即可得到准确的目标图像，然后利用目标图像建立模板，在后续的视频图像中进行跟踪。

激光测距仪扫描过树木时的数据如图2所示。

从图2中可以看出，利用高频率的激光测距仪数据可以得出激光经过目标的时间。其计算原理如图3所示。

图2 激光数据图

在图3中，竖线代表激光在图像中的位置，这在短时间内是不变的，T1和T4两个时刻分别是得到图像的时间，它们是可测量的，而T2和T3时刻也是可以利用激光数据得到的，所以，假设这一段时间内车速不变，那么，这一段时间内的像素行驶速度也应保持不变。这样，假设树木的宽度为d0，那么，利用T2、T3和d0就可以描述像素速度v，然利用v即可计算出T1、T4时刻树木所在的位置。将2帧图像中的树木位置以宽度d0取为模板进行纹理特征匹配，得到匹配度MSE0，最后改变d值，得到MSE1到MSEN。得到的最小的MSEmin即为最佳匹配模板，然后选取对应的d作为模板宽度在后面的图像中进行匹配。

从图4中可以看出，宽度取11时，匹配效果最佳，匹配效果入图5所示。

4 结束语

本文提出了一种测量车辆速度的方法，它是基于视频检测和跟踪算法运行的，具有实用性强、精确度高等优点。利用DSP

技术可以解决实际应用过程中实时性差的问题，使其具有更好的应用价值。

图4 MSE曲线图

图5 宽度为11时的匹配效果图

参考文献

[1]刘铁军，史泽林，于海斌.一种基于图像纹理的模板匹配算法[J].红外与激光工程，2005（03）.

[2]马迎军，郭雷.一种基于图像纹理的模板匹配算法的改进与实现[J].计算机应用研究，2007，24（6）.

〔编辑：白洁〕