一种通过图像处理的实时车速计算改进模型

罗博峰

摘  要： 车速检测是保证交通安全的重要手段。动态特征速度检测可以有效地分析汽车驾驶特性和交通流，有助于开发智能交通系统。雷达测速仪和激光测速仪成本相对较高，精度不够，只能测量一瞬间的速度。因此提出一种结合车辆特征点识别的快速图像车速检测方法。首先，筛选出车上的特征点，用一定的跟踪方式跟踪该点，再对获取到的图像进行逆透视变换，通过一定比例关系换算出实际速度。该系统实现了车辆速度的实时检测，有助于智能交通系统的研究。

关键词： 图像处理; 实时跟踪; 快速检测; 车速识别

中图分类号：TP311          文献标志码：A     文章编号：1006-8228（2019）10-28-04

Abstract： Speed detection is an important means to ensure traffic safety. Dynamic feature velocity detection can effectively analyze the driving characteristics and traffic flow of automobiles， which is helpful to the development of intelligent transportation system. Radar velocimeter and laser velocimeter are relatively high in cost and not accurate enough， and can only measure the instantaneous speed. Therefore， an image based fast speed detection method with vehicle feature point recognition is proposed. Firstly， the feature point on the vehicle is filtered out and tracked by a certain tracking method. Then the obtained images are transformed by inverse perspective and the actual speed is worked out through a certain proportion relationship. The system realizes the real-time detection of vehicle speed and is helpful to the research of intelligent transportation system.

Key words： image processing; real-time tracking; fast detection; vehicle speed recognition

0 引言

道路交通信息的準确实时获取是智能交通系统中最关键的环节，实时速度是智能交通系统中最基本的动态信息之一。速度检测是智能交通系统的基础和前提。为了控制速度，确保道路安全，有必要检测车辆的实时速度，实际上交通监控和报警等事件对车辆速度，交通管理部门可以相应地处理。

1 现状分析

目前车速检测主要有三种方法：①雷达探测技术;②埋地感应线圈检测技术;③基于视频图像的车速测量。雷达探测技术具有广泛的速度测量特性，高精度和不受天气条件的影响[1]。循环探测器技术稳定性强，测量精度高，适应性强[2]。视频图像在速度检测的方式是在两个已知点之间拍摄求速度[3]。

1984年，视频车辆检测系统自检器最初是由明尼苏达大学的建立，这是第一次视频处理技术应用于实际的交通检测系统[4]。Binyu Mei可以通过将道路特征点与车载视觉头匹配来拟合车辆的移动距离，得到车速[5]。黄丹丹提出一种几何特征，通过车牌识别，判断空间位置之间的关系，得到汽车的行驶速度[6]。

本文提出了一种基于特征点识别的区间速度实时检测系统。首先通过收集环境中的特征点对图片进行变换，每个特征点的坐标转换为真实的世界坐标。然后进行检测特征点。最后通过一定比例运算，得到速度指标。

2 设计

2.1 硬件设计

测速系统硬件由摄像机一台、数据采集卡一张和一台计算机组成。

2.2 系统原理

测量一个物体的速度，我们需要知道对象的距离[Δs]经过一定时间[Δt]，物体的速度是通过[v=Δs/Δt]求得。

视频图像的速度测量，收集视频的每一帧之间的时间间隔是固定的得到[Δt]，通过计算每一帧图片中特征点的像素位移得到[Δs]。

2.3 软件架构

基于图像处理的速度检测软件主要由视频采集、图像预处理、运动分割、特征点跟踪、车速计算五个部分组成。

3 数学模型

3.1 预处理

按照处理顺序依次包括：

灰度处理，线性插值法高斯金字塔，归一化。

3.2 运动分割

考虑到需要达到实时监测并且需要较好的检测效果，本文采用码书法。

同时为了得到程序具体处理速度，在实验进行时记录一段视频导入程序同时开始计时，记录处理时间得到如下数据：

原始视频时长：31.020s;

程序处理原始数据时间：21.097s。

4.3 实验结论

由图3可直观看出，速度绝对误差绝大部分在<1[km/h]左右范围内波动，因此到能够达到预期目标，处理速度也能够满足设计要求，同时该模型具备良好的抗干扰能力。