视频测速

视频测速

姓名：***

导师姓名：刘立忠

车身热成形方向

近一年来，在智能交通领域，有一个名词似乎一直都有着很高的热度，那便是“视频测速”。

“视频测速”是指不使用专用的测速设备(如线圈、雷达、激光等)，仅仅通过对车辆视频监控信号进行分析而获得机动车辆行驶速度的一种方法。可以设想一下，不用雷达，不用传感器，仅仅安装一个视频摄像头，便可获知监控对象的实际运动速度，这实在足一件十分简单实用的技术。这一测速方法作为一种新型的测速方式已逐渐引起交通行业的重视，因为其具有目前使用的车辆速度测定方法所没有的很多优点。

一交通系统常见的测速方式

目前交通系统工程中常见的测速方式包括以下几种:

1.用多普勒雷达

所谓多普勒雷达就是利用多普勒效应获取目标物的速度。奥地利科学家多普勒最早发现，当声音，光和无线电波等振动源与观测者以相对速度V相对运动时，观测者所收到的振动频率与振动源所发出的频率有所不同，称之为多普勒效应。

脉冲多普勒雷达的工作原理可表述如下:当雷达发射一固定频率的脉冲波对空扫描时，如遇到活动目标，回波的频率与发射波的频率出现频率差，称为多普勒频率。根据多普

勒频率的大小，可测出目标时雷达的径向相对运动速度;根据发射脉冲和接收的时间差，可以测出目标的距离。同时用频率过滤方法检测目标的多普勒频率讲线，滤除干扰杂波的谱线，可使雷达从强杂波中分辨出目标信号。所以脉冲多普勒雷达比普通雷达的抗杂波干扰能力强，能探测出隐蔽在背景中的活动目标。

以往的多普勒雷达由于脉冲信号发射角大，达到一定距离后会散射为一个较大范围的扇形区域，因此在使用时容易受到相邻车道车辆的干扰，造成速度测量的偏差。目前新推出的多普勒雷达大多为被称作“窄幅”的型号，即脉冲发射扇形角很小，以使在一定测量距离内能将脉冲的发射和接收限制在一个较小的局部范围内，以尽可能地避免相邻车道的干扰。

2.采用激光雷达测速

由于激光具有极好的方向性以及极小的散射角，因此有些高档雷达采用激光脉冲进行测速，通过发射激光脉冲并接收反射回来的脉冲以计算出目标速度。这种雷达测速精度高，准确度好，能实现“定点测速”，能在较远的距离范围内完成小目标范围内的物体测速，杭干扰能力强，缺点是成本较高，且因仪器精密，工作德定性稍差。

3.采用双传感器触发计算速度

双传感器方式指通过检测车辆经过两个传感器(最常见

的为地感线圈或红外、压感触发装置)的时间差，由于传感器为固定安装方式，二者之间的距离是已知且确定不变的，使用速度公式便可计算出车辆的行驶速度。

这种测速方式测速精度高，成本低，不足之处是需要固定埋设传感器。这种不足导致了三个方面的缺陷:无法自由移动使用，只能在固定点进行，由于需要安装传感器，有可能需要破坏路面，降低路面承载能力;传感器的安装维护调试以及使用寿命也限制了这种测速方式的普及。因此，在某些应用场合该方式使用起来并不方便。

二视频测速

视频测速原理：不存在可以直接测定速度的装置,所有的测速设备或者装置都是依靠下式来实现的,

v =Δd/Δt = (d1-d0) /(t1-t0) (1)

但在大多数情况下,可以方便地获得Δt和Δd中某一个变量的值,而利用其他手段测量或计算出另一个变量的值。在视频测速中,通过视频信号的固定帧间时间可直接得到Δt,而通过其他的方法间接地计算出Δd,此时并不是采用方程式(1)进行速度的计算,而是采用下式

v =Δd/Δt = (d1-d0) /(t1-t0)=(f(S1)-f(S0)) /(t1-t0) (2)

其中, f(S)是一个单映射函数(通常也是递增或递减函数),S值表示位置,是一个在实际应用系统中比较容易获得的值。假定预先知道函数f(S)的表达式,则通过f(S),可以由S1和S0计算

得到d1和d0两个变量的值,相减即可得到Δd,而实际测量中又能直接获得t1和t0的值,从而可以由式(2)计算出v值。

视频测速的原理即基于此。

图1是在车辆监控视频标准信号中连续采集到的两帧图像由两帧图像中可以看到车辆朝摄像机方向由远至近行驶时,视野中的车辆是由上向下运动的。

如果可以找到两帧图像中的对应点、对应线或者对应块,并且保证使用的摄像机是固定架设不动的(包括空间位置不动和摄像角度不动,这在工程中完全可以做到),则两帧图像中的像素点即有了对应可比性,分别定位到对应点或对应块在两幅图像中的位置S1(t1时刻帧图像中)和S0(t0时刻帧图像中),相减可以得到对应点或者对应在t1-t0(即Δt)时间内移动的像素距离(S1-S0) (如图2所示)。根据速度公式,自然可以求得该块在图像中的移动速度,单位为“像素/秒”。

然而,我们的目的是为了获得车辆的实际速度,而不是车辆在图像中的移动速度,速度单位也不是像素/时间,而应该是

公里/小时。因此,必须找到ΔS与实际距离Δd的函数关系。从计算机视觉角度来看,S坐标(x,y,z)与d坐标(X,Y,Z)之间为

矩阵关系[1],即（3）

由于是测速精度的主要影响因素是图像中车灯的定位精度,而不是车灯在图像中坐标与实际坐标间的换算精度,因此,在运算中无需过于精确地进行坐标值的矩阵参数求值和换算,而可以采用近似换算,这种近似换算产生的精度误差对于最后的测速精度的影响并不大,但却可以大大减少算法的运算量,其测速精度仍然可以达到实际系统的应用要求。

Fig. 2Two frames ( images) at t0 and t1

在图2中,考虑到摄像设备安装的安全性和效果较好的视觉俯仰角度,θ一般不小于60°,此时视距c和监测点距摄像机的距离d一般比较大(通常c>13m,d>10m),当Δt很小时,Δd与d相比很小,可以忽略图2中θ的变化Δθ,而仅考虑由θ产生的透视,此时,可以认为视野范围内所有点相对于摄像头的仰角均为θ。

设视频信号中截取到的图像,其高宽分别为576像素和768像素(此为标准视频信号分辨率)[2],对于车辆监控视频,可以选择视频视野宽刚好为一个车道宽(约3.5m,在安装摄像机时可利用路面分道线方便地调节镜头焦距后固定),如图3所示。

Fig. 3 A blockmoves in two frames