車輛智能測速裝置與方法
【專利摘要】一種車輛智能測速裝置與方法。車輛智能測速裝置與方法包括圖像采集模塊、存儲模塊、顯示模塊、視頻處理模塊、報警模塊。圖像采集模塊采集彩色視頻圖像信息，同時傳輸?shù)酱鎯δK、顯示模塊和視頻處理模塊，顯示模塊實時顯示公路交通實況信息，存儲模塊用于存儲實時視頻信息用于存檔備案，視頻處理模塊對視頻信息進行測速檢測，通過背景建模、前景檢測、設(shè)定測速線、車輛信息匹配更新、超速檢測及報警步驟，最終檢測得到車輛超速信息并顯示報警。本發(fā)明所述的車輛智能測速裝置與方法不僅能夠可靠地對車輛測速并實時報警，協(xié)助交通管理人員及時對超速情況進行處理，預(yù)防交通事故的發(fā)生，智能保障交通安全與維持交通秩序。
【專利說明】車輛智能測速裝置與方法
[0001]

【技術(shù)領(lǐng)域】
[0002] 本發(fā)明屬于智能視頻分析監(jiān)控領(lǐng)域，涉及圖像處理、視頻分析、模式識別、智能交 通、人工智能等技術(shù)。
[0003]

【背景技術(shù)】
[0004] 隨著我國交通設(shè)施的不斷發(fā)展完善，公路已經(jīng)延伸到全國各地，我國車輛數(shù)目也 在快速增長。但是，在車輛行駛過程中，很容易超速，并埋下交通事故的隱患。每年我國交 通事故中，有九成是超速行駛引發(fā)的。所以，如何有效監(jiān)視車輛超速信息并及時處理，是減 少我國交通事故一項重要措施。目前常用的方法有單點測速、區(qū)間測速、流動測速。單點測 速，在司機熟知測速點的情況下，可以通過剎車降低車速逃避處罰，很容易造成追尾事故； 區(qū)間測速需要在每個區(qū)間安裝多臺攝像設(shè)備并且需要交通管理人員進行分析，不能實時處 理超速狀況；流動測速安裝在車上容易發(fā)現(xiàn)并減速避讓。現(xiàn)有測速裝置測速結(jié)果容易被干 擾，并且測速結(jié)果只能用于處罰而達不到實時處理超速狀況避免事故的發(fā)生的目的?，F(xiàn)有 裝置和技術(shù)已經(jīng)不能達到測速的目的意義，無法實現(xiàn)實時監(jiān)控，監(jiān)控效率低。車輛智能測速 裝置能夠?qū)崿F(xiàn)智能測速，而且成本低，可靠性高，并及時發(fā)現(xiàn)超速事件進行報警，提前預(yù)防 事故的發(fā)生，有巨大的經(jīng)濟效益與社會效益。目前我國已有的一些車輛智能測速裝置與技 術(shù)還存在很多缺陷，例如環(huán)境適應(yīng)學(xué)習(xí)能力差，超速漏報、誤報等。
[0005]


【發(fā)明內(nèi)容】

[0006] 為解決上述問題，本發(fā)明的目的在于提供車輛智能測速裝置與方法。本裝置檢測 速度快、適應(yīng)性強，能夠智能學(xué)習(xí)周圍環(huán)境，智能程度高，能夠有效解決誤報漏報的情況，系 統(tǒng)檢測結(jié)果可靠性強，精度高。
[0007] 本發(fā)明采用的技術(shù)方案是： 車輛智能測速裝置與方法包括圖像采集模塊、存儲模塊、顯示模塊、視頻處理模塊、報 警模塊，檢測步驟為： (1)圖像采集模塊采集彩色視頻圖像信息，傳輸?shù)揭曨l處理模塊進行車輛測速檢測，同 時壓縮編碼后傳輸?shù)酱鎯δK、顯示模塊，存儲模塊用于存儲實時視頻信息用于存檔備案， 顯示模塊將視頻解碼后實時顯示公路交通實況信息。
[0008] (2)視頻處理模塊接收圖像采集模塊傳輸來的彩色視頻圖像信息，通過背景建模、 前景檢測、設(shè)定測速線、車輛信息匹配更新、超速檢測及報警步驟，最終檢測得到車輛超速 信息，并將超速車輛信息傳輸給顯示模塊并顯示超速車輛，同時將超速信息傳輸給報警模 塊，并將超速車輛信息傳輸?shù)酱鎯δK存儲備案，作為處罰依據(jù)。
[0009] (3)報警模塊接收視頻處理模塊傳輸來的報警信號，進行報警，提醒交通管理人員 進行實時超速處理，并查看超速車輛與路況。
[0010] 車輛智能測速裝置與方法所采用的智能識別算法包括背景建模、前景檢測、設(shè)定 測速線、車輛信息匹配更新、超速檢測及報警。
[0011] 所述背景建模就是本裝置智能學(xué)習(xí)周圍環(huán)境信息的過程，通過視頻采集模塊采集 至IJ的視頻圖像信息，建立起可以定量定性描述的參量，使系統(tǒng)可以有參照比對的明確信息。 本發(fā)明采集到的是彩色YUV格式的圖像視頻信息，通過圖像的灰度、色彩、飽和度等已知信 息，建立起每個像素點的自身的信息庫。本發(fā)明采用的是自適應(yīng)混合高斯模型進行背景建 模。自適應(yīng)混合高斯模型每個對應(yīng)的像素點建立起3飛個高斯模型，本發(fā)明每個像素點建 立4個高斯模型，描述每個像素點的高斯模型參數(shù)為平均灰度、平均色度、平均飽和度、模 型方差、模型權(quán)重。首先，建立每個像素點的第一個高斯模型，傳輸來的第一幀圖像的像素 點的Y、U、V信息作為高斯模型參數(shù)中的平均灰度、平均色度、平均飽和度的值，權(quán)重取值為 10,均值取〇,其余三個高斯模型平均灰度、平均色度、平均飽和度取〇,權(quán)重取值為1，均值 取〇,四個高斯模型方差均取值為500 ;傳輸來的第二幀圖像的平均灰度、平均色度、平均飽 和度與第一個高斯模型比對，對應(yīng)平均灰度、平均色度、平均飽和度差值小于一定閾值，則 第一個高斯模型權(quán)重加1，否則，存入第二個高斯模型。同理，依次對傳輸來的圖像進行高斯 訓(xùn)練學(xué)習(xí)，如果新一幀圖像對應(yīng)像素點處的高斯模型信息與已有四個高斯模型均不匹配， 則替換掉權(quán)重最小的高斯模型并繼續(xù)進行學(xué)習(xí)。當像素點有高斯模型權(quán)重達到300時，則 該像素點建模成功，對圖像中建模成功的點進行計數(shù)，若達到圖像中像素點總數(shù)的1/3,則 背景建模成功，每個像素點建模成功的背景參數(shù)信息即為權(quán)重最大的高斯模型的信息。同 時，背景將繼續(xù)進行學(xué)習(xí)，以適應(yīng)環(huán)境中的光線等情景變化。
[0012] 高斯模型的權(quán)值不會無限增大，當建模點高斯模型最大權(quán)重達到500以后，將按 照一定速率進行減少，權(quán)值變化規(guī)則為：

【權(quán)利要求】
1. 車輛智能測速裝置與方法，其特征在于：所述車輛智能測速裝置與方法包括圖像采 集模塊、存儲模塊、顯示模塊、視頻處理模塊、報警模塊。
2. 根據(jù)權(quán)利要求1所述的裝置與方法，其特征在于：所述車輛智能測速裝置與方法檢 測步驟為： (1) 圖像采集模塊采集彩色視頻圖像信息，傳輸?shù)揭曨l處理模塊進行車輛測速檢測，同 時壓縮編碼后傳輸?shù)酱鎯δK、顯示模塊，存儲模塊用于存儲實時視頻信息用于存檔備案， 顯示模塊將視頻解碼后實時顯示公路交通實況信息； (2) 視頻處理模塊接收圖像采集模塊傳輸來的彩色視頻圖像信息，通過背景建模、前景 檢測、設(shè)定測速線、車輛信息匹配更新、超速檢測及報警步驟，最終檢測得到車輛超速信息， 并將超速車輛信息傳輸給顯示模塊并顯示超速車輛，同時將超速信息傳輸給報警模塊，并 將超速車輛信息傳輸?shù)酱鎯δK，作為處罰依據(jù)； (3) 報警模塊接收視頻處理模塊傳輸來的報警信號，進行報警，提醒交通管理人員進行 實時超速處理，并查看超速車輛與路況。
3. 根據(jù)權(quán)利要求1所述的裝置與方法，其特征在于：所述背景建模利用采集到的彩色 YUV格式的圖像視頻信息，通過圖像的灰度、色彩、飽和度等已知信息，建立起每個像素點的 自身的信息庫，利用自適應(yīng)混合高斯模型每個對應(yīng)的像素點建立起:T5個高斯模型，描述 每個像素點的高斯模型參數(shù)為平均灰度、平均色度、平均飽和度、模型方差、模型權(quán)重；建模 步驟為：首先，建立每個像素點的第一個高斯模型，傳輸來的第一幀圖像的像素點的Y、U、V 信息作為高斯模型參數(shù)中的平均灰度、平均色度、平均飽和度的值，權(quán)重取值為10,均值取 〇,其余三個高斯模型平均灰度、平均色度、平均飽和度取〇,權(quán)重取值為1，均值取〇,四個高 斯模型方差均取值為500 ;傳輸來的第二幀圖像的平均灰度、平均色度、平均飽和度與第一 個高斯模型比對，對應(yīng)平均灰度、平均色度、平均飽和度差值小于一定閾值，則第一個高斯 模型權(quán)重加1，否則，存入第二個高斯模型；同理，依次對傳輸來的圖像進行高斯訓(xùn)練學(xué)習(xí)， 如果新一幀圖像對應(yīng)像素點處的高斯模型信息與已有四個高斯模型均不匹配，則替換掉權(quán) 重最小的高斯模型并繼續(xù)進行學(xué)習(xí)；當像素點有高斯模型權(quán)重達到300時，則該像素點建 模成功，對圖像中建模成功的點進行計數(shù)，若達到圖像中像素點總數(shù)的1/3,則背景建模成 功；每個像素點建模成功的背景參數(shù)信息即為權(quán)重最大的高斯模型的信息，同時，背景將繼 續(xù)進行學(xué)習(xí)，以適應(yīng)環(huán)境中的光線等情景變化。
4. 根據(jù)權(quán)利要求1所述的裝置與方法，其特征在于：所述背景建模高斯模型的權(quán)值更 新規(guī)則為：
高斯模型權(quán)重不會無限增大，當建模點高斯模型最大權(quán)重達到500以后，將按照一定 速率進行減少更新，其中，&是學(xué)習(xí)率，《的大小與背景更新速度有關(guān)，^越大，背景更新速 度越快，《越小，背景更新速度越慢，，為新一幀圖像背景學(xué)習(xí)后的權(quán)重，?u為上一幀圖 像高斯模型權(quán)重； 所述背景建模高斯模型的方差的更新策略為：
其中，of為新一幀圖像背景學(xué)習(xí)后的模型方差，ofq為上一幀圖像高斯模型方差，、 qG分別為新一幀圖像的平均灰度、平均色度、平均飽和度，u,4、u別為當前背 景的平均灰度、平均色度、平均飽和度。
5. 根據(jù)權(quán)利要求1所述的裝置與方法，其特征在于：所述車輛智能測速裝置與方法中 前景檢測就是檢測出現(xiàn)在背景中的新的運動的物體，對前景是否為車輛進行預(yù)判斷采用面 積景深原理，所述車速檢測裝置正對車輛駛來方向進行安裝，而公路在相機視野中依據(jù)公 路邊線信息，有景深的區(qū)別，即距離相機近的位置公路間距寬并且車輛前景信息面積較大， 遠離相機位置公路間距窄并且車輛前景信息面積較小，進而將圖像劃分為三個區(qū)域，在圖 像平面高度方向上，平均劃分為3段，進而分別給每一個區(qū)段設(shè)置面積最大、最小閾值信 息，進而，根據(jù)前景景深信息即可作為排除不是車輛的前景信息。
6. 根據(jù)權(quán)利要求1所述的裝置與方法，其特征在于：所述車輛智能測速裝置與方法中 超速檢測及報警，指的是當檢測到前景車輛中心第一次進入測速區(qū)域時，標志位bgetin賦 值為true，并進行計時操作，后續(xù)繼續(xù)對前景信息進行跟蹤，當檢測到前景車輛駛出測速區(qū) 域時，標志位bgetout賦值為true,此時計時停止，此時，依據(jù)設(shè)定的區(qū)域的距離與跟蹤時 間，便可計算出車輛行駛速度，如果超速，則進行報警，并記錄車輛信息。
【文檔編號】G08G1/054GK104408942SQ201410694939
【公開日】2015年3月11日 申請日期:2014年11月27日 優(yōu)先權(quán)日:2014年11月27日
【發(fā)明者】張德馨 申請人:天津艾思科爾科技有限公司