背景技術：
在基于視頻的測速方法中，主要需解決的問題是從圖像序列中獲得車輛移動的距離，即找到兩張圖像中車輛位置的匹配關系。常用的方法有角點檢測、紋理分析、視頻跟蹤等，以上方法盡管能夠很好地在兩張圖像中找到相應車輛的匹配位置，但較大的計算量則無法滿足實時測速的要求。另外，用車身的不同位置進行匹配，對車輛實際移動距離的計算也有影響。本文中，通過對視頻序列中車尾位置的檢測，利用圖像匹配方法獲得車輛在圖像上移動的像素差，結(jié)合相機坐標與世界坐標轉(zhuǎn)換，能夠在實時條件下對車輛進行精確測速。

技術實現(xiàn)要素：
本發(fā)明中的基于視頻的車輛測速方法總體上包含兩個方面的內(nèi)容：

一、運動檢測

對車尾的定位依賴于對車輛運動過程的檢測，本發(fā)明在視頻序列圖像中對運動目標進行檢測的方法主要用到了幀差法，通過將兩幀圖像相減獲得運動目標。

在本發(fā)明中，對圖像序列進行幀間差計算檢測車輛運動，再用sobel算子計算幀差圖像的邊緣獲得二值圖像，計算幀差圖像的邊緣可以去掉大面積陰影造成的影響，

令相鄰幀圖像分別為I₁和I₂， 計算幀差圖像為：

用sobel 算子

計算出Dif的邊緣圖像

選取適當閾值 thresh 對該邊緣圖像進行二值化處理

最后，對二值圖像BI中等于255的像素點個數(shù)進行統(tǒng)計，當該統(tǒng)計值大于T時，判定為檢測區(qū)域存在運動

二、 運動狀態(tài)判斷

為了克服幀間差方法在進行運動檢測時存在的不足，將整個運動檢測區(qū)域分為上、下兩個子區(qū)域R_上，R_下，兩個子區(qū)域的面積可以不相等，甚至可以存在重疊區(qū)域，如圖1所示。根據(jù)式(4)分別獲得兩個子區(qū)域的運動狀態(tài)S_上，S_下進行運動狀態(tài)判斷，令S_上，S_下再分別表示檢測區(qū)域的兩個子區(qū)域在第n幀的運動狀態(tài)，由此對車輛狀態(tài)進行判定：

即在檢測區(qū)域內(nèi)，當拍攝車輛尾牌時，車輛應滿足從該區(qū)域下端進入，上端離開的條件。

三、 車尾位置檢測

當檢測到車輛狀態(tài)為“車尾進入”的狀態(tài)，分析對應的二值圖像，從子區(qū)域R_上底部向上檢測到豐富邊沿開始的位置，即為車尾位置。

四、基于灰度的圖像匹配

由于拍攝范圍較小，在兩幀間，忽略車輛因遠離相機產(chǎn)生的幾何變化，根據(jù)圖像塊間的灰度差平方和作為匹配判定依據(jù)。

五、距離測量

考慮攝像機架設位置和角度，對兩張圖像中相匹配點建立車輛移動距離模型，如圖1所示。圖像下端位置在世界坐標中的點(即P_n)距離相機的水平距離，即圖像中距離相機的最近點；D_FAR為圖像上端位置在世界坐標中的點 (即P_f) 距離相機的水平距離，即圖像中距離相機的最遠點；O為攝像機光心；Hei為圖像高度；P_v為機動車上某一點，該點在圖像坐標系中的縱坐標上(即圖像高度方向)對應點Q_v；dist為機動車上的點P_v距離攝像機的水平距離；Y為機動車上的點P_v 距離地面的高度。

由世界坐標中的相互關系可得：

結(jié)合圖像坐標系

可得

對車輛上任意點 P_v 到相機光心連線，與相機垂直方向的夾角：

。

考慮圖1中各角度的關系，可得

車輛到攝像機的水平距離為：

在完成了車尾檢測之后，可計算出車輛在兩幀圖像中車尾距離攝像機的水平距離D_b，D_a。

則可得出車輛行駛速度：

v＝(D_b-D_a)/f。

附圖說明：

圖1：攝像機的圖像坐標與世界坐標的關系示意圖。圖像下端位置在世界坐標中的點(即P_n)距離相機的水平距離，即圖像中距離相機的最近點；D_FAR為圖像上端位置在世界坐標中的點(即P_f)距離相機的水平距離，即圖像中距離相機的最遠點；O為攝像機光心；Hei為圖像高度；P_v為機動車上某一點，該點在圖像坐標系中的縱坐標上(即圖像高度方向)對應點Q_v；dist為機動車上的點P_v距離攝像機的水平距離；Y為機動車上的點P_v距離地面的高度。