【正文】 參考文獻(xiàn)[1][D].山東:山東大學(xué)，2005： 78[2]瞿潤(rùn)平, 戰(zhàn)俊. 視頻檢測(cè)技術(shù)檢測(cè)交通流參數(shù)的原理和方法[J].中國人民公安大學(xué)學(xué)報(bào)(自然學(xué)科版), 1998, 4 (1): 2427.[3]馮奇，周小鵬，孫立軍，[J].上海公路，2004, 1: 51[4]Tamer Rabie, Gasser Auda. ActiveVisionbased Traffic Surveillance and Control[5][[J].中北大學(xué)學(xué)報(bào)，2007, 28: 139144[6][J].廣東公安科技，2005, 78: 6667[7]蘇秀平，[J].機(jī)械設(shè)計(jì)與制造，2005, 6(6):148150[8][J].現(xiàn)代物理知識(shí)，1998，10(5):67[9][J].貴州大學(xué)學(xué)報(bào)(自然科學(xué)版)，2005, 22(3): 287288 WANG Yukang. The principle of ultrasonic wave and application in modern milifarg[J]. Journal of Gui zhou University(Natural Sciences), 2005, 22(3): 287288[10]王樹欣，[[J].電子世界，2005, 8: 47[11]Dailey D J, Li L. Video Image Processing to Create a Speed Sensor[R].Report of WSDOT/TransNow,1999[12][D].吉林:吉林大學(xué)，2006: 3842[13][D].陜西:長(zhǎng)安大學(xué)，2009[14][D].陜西:長(zhǎng)安大學(xué)，2009[15] Horprasert T, Harwood D, Davis L. A Statistical Approach for Realtime Robust Background Subtraction and Shadow Detection[C]. IEEE ICCV39。與通常的圖像匹配問題不同，匹配目標(biāo)—車輛處于運(yùn)動(dòng)狀態(tài)中，車輛和固定著的攝像機(jī)相對(duì)位置不斷變化，車輛尺寸、灰度因拍攝角度的不同而發(fā)生復(fù)雜改變。視頻測(cè)速的前提是需要一個(gè)準(zhǔn)確的二值化信息，現(xiàn)實(shí)情況下，現(xiàn)場(chǎng)光線條件隨著隧道內(nèi)照明燈的亮度變化而截然不同，車輛陰影也使圖像受噪聲干擾嚴(yán)重，從而決定了二值化信息中非常可能包含有一定的陰影信息，影響了對(duì)車輛精確位置的確定，使得模板可能找到路面上，從而影響了車速的精確測(cè)量。速度計(jì)算部分分析模板波形特征，取其谷值點(diǎn)，計(jì)算出實(shí)際車輛位移，結(jié)合攝像機(jī)標(biāo)定結(jié)果，計(jì)算出車輛速度。分別研究了模板匹配算法和速度計(jì)算方法。在線性模型標(biāo)定的基礎(chǔ)上，根據(jù)實(shí)地場(chǎng)景的特性，用幾何的方法，推導(dǎo)出一維標(biāo)定算法，并結(jié)合系統(tǒng)的實(shí)際情況，針對(duì)一維標(biāo)定的缺點(diǎn)，增加一個(gè)補(bǔ)償角度，擴(kuò)展成為二維標(biāo)定，最后簡(jiǎn)化二維標(biāo)定，在提高標(biāo)定精度的同時(shí)，又不增加計(jì)算成本。本文研究了基于視頻的交通事件和交通參數(shù)檢測(cè)系統(tǒng)中瞬時(shí)車輛速度檢測(cè)模塊。第五章 結(jié)論及展望隨著我國交通建設(shè)的高速發(fā)展，隧道、大橋、道路監(jiān)控的規(guī)模在迅速擴(kuò)大，依靠人工監(jiān)控車輛運(yùn)行狀況已很難滿足當(dāng)前日益復(fù)雜的交通管理需要，解決這一問題的關(guān)鍵在與建立智能交通系統(tǒng)ITS。其不足是，若參數(shù)足夠準(zhǔn)確以及牌照(字符)上下邊緣定位也非常精確，則理論上本算法可以精確無誤的求出車輛速度，但是實(shí)際應(yīng)用中，車輛牌照(字符)上下邊緣定位是有一定誤差的，這也是本算法誤差的主要來源。本視頻測(cè)速算法效率還是比較高的，與僅進(jìn)行車輛速度計(jì)算的光流方程法與算法80ms相比，本算法的優(yōu)越性非常明顯。當(dāng)采用了牌照上下邊緣進(jìn)行測(cè)速時(shí)，兩幅圖像的牌照識(shí)別和車速計(jì)算總耗時(shí)在600ms左右，其中測(cè)速時(shí)間小于10ms。當(dāng)出現(xiàn)上述情況時(shí)引入了動(dòng)態(tài)閉值算法，即綜合考慮遠(yuǎn)近景牌照字符高度差，位置差，水平投影統(tǒng)計(jì)分布等，動(dòng)態(tài)選取TGate和防BGate，以求盡量準(zhǔn)確定出遠(yuǎn)近牌照字符上下邊緣位置，減小此誤差。N遍歷A〔Nj，若遇到A[n]BGate，記下其離A[0〕的距離P2，則可確定牌照字符下邊緣為By=Oby+PZ:，以及牌照字符上下邊緣位置Ty、By求出車輛速度。，統(tǒng)計(jì)其每行上的點(diǎn)陣分布，存于數(shù)組A「N」，N=OtyOby:，從N一O遍歷A[N]，若遇到A[n]TGate，記下其離A[N」的距離P1=Nn，則可確定牌照字符上邊緣為Ty=otyPI。 采用牌照字符上下邊緣測(cè)速通過分析大量圖片發(fā)現(xiàn)一般切割出的牌照區(qū)域，不管牌照區(qū)域的位置偏上或者偏下，基本都能夠包括垂直方向上完整的牌照字符，而且牌照中字符的實(shí)際高度有國家統(tǒng)一標(biāo)準(zhǔn)，因此實(shí)際應(yīng)用中考慮用牌照字符的上下邊緣進(jìn)行車輛定位，其原理同利用牌照上下邊框進(jìn)行車輛定位是一樣的。實(shí)驗(yàn)結(jié)果如下:遠(yuǎn)景牌照:左上角頂點(diǎn)(361，390)，右下角頂點(diǎn)(53，338)牌照大小:165X53車輛距離::左上角頂點(diǎn)(439，348)，右下角頂點(diǎn)(623，295)牌照大小:184X54 車輛距離: 視頻測(cè)速:實(shí)際速度:37km/h 牌照識(shí)別+視頻測(cè)速時(shí)間:采用牌照上下邊緣進(jìn)行車輛定位，誤差相當(dāng)大，通過研究分析，發(fā)現(xiàn)主要原因是遠(yuǎn)近景圖切割出的牌照區(qū)域不是很好的吻合，直接導(dǎo)致了牌照垂直方向定位不夠精確，其中近景圖牌照區(qū)域偏下。選取參數(shù)如下:圖像尺寸:768x576 像素拍攝間隔:攝像機(jī)焦距: 成像高度: 拍攝高度::70m。成像高度:指攝像機(jī)像平面實(shí)際高度。車輛距離:指攝像機(jī)焦點(diǎn)到車輛牌照的水平距離。 （）將像平面部分圖像放大進(jìn)行進(jìn)一步分析。所以，若只取一條水平特征量，無法判斷車輛在△T時(shí)間 視頻測(cè)速算法考慮到系統(tǒng)應(yīng)用中還要識(shí)別牌照字符，而牌照分割時(shí)不可避免的要對(duì)牌照定位，為了提高效率，不取車輛中的其他水平特征信息，而就取牌照的上下邊緣作為2條水平特征向量進(jìn)行車輛實(shí)際位置的計(jì)算。若只選取1條水平特征量，例如選取車輛牌照下邊緣，在t1時(shí)刻，車輛在路面上的實(shí)際位置為U點(diǎn)，牌照下邊緣在圖像中的垂直位置為D點(diǎn)，t2時(shí)刻車輛運(yùn)動(dòng)到V點(diǎn)，牌照下邊緣在圖像中的垂直位置為J點(diǎn)，則在△t=t1t0時(shí)間內(nèi)，車輛運(yùn)動(dòng)距離為△X=URVR=UV。首先需要證明在每幅圖像中必須取2條水平特征量，才能將求出車輛的水平實(shí)際位置。例如，設(shè)路口有一固定攝像機(jī)，在to時(shí)刻，拍攝下包括車A的道路圖片(遠(yuǎn)景)，并計(jì)算出車輛A相對(duì)于基準(zhǔn)點(diǎn)的距離為x0，在tl時(shí)刻，拍攝下包括車A的道路圖片(近景)，并計(jì)算出車輛A相對(duì)于基準(zhǔn)點(diǎn)的距離為xl，則△t=t1to，△x=x0x1，車輛速度為V=△x/△to。不難看出，光流方程法和相位相關(guān)法的運(yùn)算量非常大，而且光流方程法對(duì)圖像光線的分布有一定要求，實(shí)用起來效果也并不好。對(duì)(2)式的離散運(yùn)動(dòng)模型兩邊進(jìn)行二維傅立葉變換，m=1，在塊B上生成 （）其中S、(fx，fy)代表圖像k的二維傅立葉變換。 相位相關(guān)法基于塊運(yùn)動(dòng)模型的相位相關(guān)法中，兩個(gè)相鄰圖像之間的傅立葉相位差的線性項(xiàng)決定了運(yùn)動(dòng)估算。假設(shè)Sc(x，y，O表示連續(xù)時(shí)空亮度分布)，如果順著起動(dòng)軌跡的亮度保持不變，可以得到x和y元沿著運(yùn)動(dòng)軌跡隨t變化，使用微分連鎖法，則光流方程可表示成: （）其中 表示依據(jù)連續(xù)空間坐標(biāo)速度矢量分量。整體平滑度約束條件引起遮擋邊界上的不準(zhǔn)確的運(yùn)動(dòng)估算。對(duì)于彩色圖像，OFE可分別施加于每個(gè)顏色帶，它能夠約束三個(gè)不同方向的位移矢量[3]。首先是基于光流方程(OFE)的方法，它試圖依據(jù)時(shí)空?qǐng)D像亮度梯度來得到一個(gè)光流場(chǎng)的估算。己有的傳統(tǒng)算法有基于光流方程的HomSChunck法，基于塊運(yùn)動(dòng)模型的相位相關(guān)法，基于三維重建的檢測(cè)算法等。如無特別說明，后面章節(jié)中涉及到用標(biāo)定結(jié)果計(jì)算速度時(shí)，用的都是此視頻圖像)。所以本文最終采用了簡(jiǎn)化后的二維標(biāo)定算法。(l)中間車道線上的點(diǎn)對(duì)二維標(biāo)定進(jìn)行簡(jiǎn)化后，、B和M、N的標(biāo)定結(jié)果即為一維標(biāo)定中A、B和M、N的結(jié)果，即:MappedDis[143]MappedDis[84]=989389=600(cm)=6(m)MappedDis[189]MappedDis[171]=2199389=610(cm)=(m)(2)偏離中間車道線的點(diǎn)，本場(chǎng)景的補(bǔ)償角度a=，E、F、P、Q四點(diǎn)所在的水平線都旋轉(zhuǎn)a角度，求出其與中間車道線的焦點(diǎn)G、H、K、J的縱坐標(biāo)分別為6116181。經(jīng)對(duì)4處不同場(chǎng)景的近30次測(cè)量，二維標(biāo)定的精度約為96%。使用二維標(biāo)定，P、Q的實(shí)際距離為:MappedDis[340][189]MapPedDis[300][171]=20071438=569(cm)=(m)E、F和P、可見在二維標(biāo)定算法下，對(duì)于遠(yuǎn)離中間車道線上的點(diǎn)，標(biāo)定精度比一維標(biāo)定算法精確很多。 二維標(biāo)定驗(yàn)證示意圖(2)偏離中間車道線的點(diǎn)，一維標(biāo)定情況下，近處的E、F的實(shí)際距離等于A、B的實(shí)際距離，即為6米。用二維標(biāo)定的結(jié)果來驗(yàn)證，M. N兩點(diǎn)的實(shí)際距離為:MappedDis[465][189]MappedDis[448] [171]=22021593=609(cm)=(m)可見在二維標(biāo)定情況下，中間車道線的標(biāo)定精度和一維標(biāo)定比較近似。(1)中間車道線上的點(diǎn)，A, B為近處兩條白色短線的結(jié)束點(diǎn)，由標(biāo)定設(shè)置界面可以看出，A, B的實(shí)際距離應(yīng)該等于6米。即實(shí)際情況下：MappedDis[Q]MappedDis[P]= MappedDis[J]MappedDis[K]=MappedDis[182]MappedDis[165]=19791408=571(cm)= (m) 一維標(biāo)定誤差（遠(yuǎn)處）根據(jù)上述結(jié)果可以檢出:對(duì)于偏離中間車道線的點(diǎn)，一維標(biāo)定算法會(huì)有誤差，并且偏離中間車道線越遠(yuǎn)，誤差就越大，這就需要用到二維標(biāo)定。即一維標(biāo)定結(jié)果下：MappedDis[F]MappedDis[E]= MappedDis[B]MappedDis[A]=6(m)MappedDis[P]MappedDis[Q]= MappedDis[M]MappedDis[N]=6(m) 一維標(biāo)定驗(yàn)證示意圖（偏離中間車道線的點(diǎn)）但是，實(shí)際情況下：MappedDis[F]MappedDis[E]不等于MappedDis[B]MappedDis[A]MappedDis[P]MappedDis[Q]不等于MappedDis[M]MappedDis[N]E,F兩點(diǎn)的實(shí)際距離應(yīng)該等于P, Q兩點(diǎn)的實(shí)際距離，G, H點(diǎn)的縱坐標(biāo)分別為72和135。(2)偏離中間車道線的點(diǎn)對(duì)于偏離中間車道線上的點(diǎn)，一維標(biāo)定算法就會(huì)有一定誤差。近處的標(biāo)定比遠(yuǎn)處誤差小。(l)中間車道線上的點(diǎn)，A、B為近處兩條白色短線的結(jié)束點(diǎn)，所以A、B的距離應(yīng)該等于6米用一維標(biāo)定的結(jié)果來驗(yàn)證，A、B兩點(diǎn)的實(shí)際距離為: MappedDis[143]MappedDis[84]=989389=600(cm)=6(m)M、N為遠(yuǎn)處兩條白色短線的結(jié)束點(diǎn)，所以M、N的距離也應(yīng)該等于6米，用一維標(biāo)定的結(jié)果來驗(yàn)證，M、N兩點(diǎn)的實(shí)際距離為: MappedDis[189]MappedDis[171]=2199389=610(cm)=(m) 一維定驗(yàn)證示意圖（中間車道線）可見AB的標(biāo)定結(jié)果完全準(zhǔn)確，與一維標(biāo)定算法所測(cè)量出來的數(shù)值完全相等。288大小的數(shù)組中存儲(chǔ)的是中間車道線上的點(diǎn)的標(biāo)定結(jié)果，為了不引起由于攝像機(jī)架設(shè)位置不同帶來的誤差，需要通過對(duì)斜線斜率的計(jì)算得出補(bǔ)償角度的大小，如本場(chǎng)景的補(bǔ)償角度為:tan=:在下拉列表選擇攝像機(jī)架設(shè)在路左還是路右，用CameraPos表示，攝像頭在路左時(shí)CameraPos為0，在路右時(shí)CameraPoS為2。最后設(shè)置透視關(guān)系下的編輯框里輸入兩點(diǎn)之間的實(shí)際距離(單位是米)，如輸入6米，再點(diǎn)擊設(shè)定按鈕。本視頻圖像選定中間車道線的白色虛線做為等距參照物，在距離相等(世界坐標(biāo)系)的地方點(diǎn)擊，用十字顯示。矩形框代表視頻圖像，斜線代表車道線。所以測(cè)速前，必須先計(jì)算出左邊車道線延長(zhǎng)線的正確坐標(biāo)，(b)理想狀況下的樣子。從圖中可以看到，左車道線越往下越偏左，直到偏出視頻可見范圍，所以初次點(diǎn)擊車道得出的LaneMark【101[0l等靠下的車道線坐標(biāo)都為。:在設(shè)置車道區(qū)域的下拉列表本別選中三個(gè)車道，做左側(cè)視頻上點(diǎn)擊車道線位置，用黑線顯示。變量LoopPos表示線圈位于第幾行(單位為塊)，本場(chǎng)景中LoopPos=20。系統(tǒng)運(yùn)行之前需要先進(jìn)行初始參數(shù)設(shè)置。 簡(jiǎn)化的補(bǔ)償角度示意圖在本章所選取的視頻圖像中，補(bǔ)償角度的大小經(jīng)過計(jì)算為:tan=。這里假設(shè)直線E和直線F是平行的，首先做一條水平輔助線，那么此水平輔助線和直線E的夾角就是已知的。只需要畫一條斜線。所以需要對(duì)二維標(biāo)定算法進(jìn)行簡(jiǎn)化，不但能對(duì)攝像機(jī)角度偏差做一個(gè)補(bǔ)償，而且能減少一定的計(jì)算量以及存儲(chǔ)空間。雖然二維標(biāo)定算法的精度比一維標(biāo)定有著很大的提高，系統(tǒng)在工控機(jī)上運(yùn)行時(shí)，二維標(biāo)定計(jì)算量以及內(nèi)存的增加，不會(huì)影響整個(gè)系統(tǒng)。本文中使用二維數(shù)組MappedDis[720] [288]來實(shí)現(xiàn)。 ，點(diǎn)M和點(diǎn)N所在的兩條直線上任意兩點(diǎn)的距離為M和N的距離，即等于MappedDis[M] MappedDis[N]。 補(bǔ)償后的標(biāo)定效果示意圖 ，每條直線上的值都是相等的，直線s與中間車道線相交于0點(diǎn)，以這條線作為基準(zhǔn)0點(diǎn)，也就是說這條線上透視關(guān)系值都為0，直線S下方這一部分的值未處理，也都為0。進(jìn)行參數(shù)設(shè)置時(shí)，除了點(diǎn)擊中間車道線上等距的幾個(gè)點(diǎn)之外，還需要點(diǎn)擊出右車道線上與中間車道線對(duì)應(yīng)