APP下载

自车速测量中的目标检测与跟踪技术

2015-07-21孙浩

科技与创新 2015年12期
关键词:目标跟踪目标检测

孙浩

摘 要:随着现代智能交通系统的发展,如何快速、精确地测量车辆速度已经成为了热点问题,而测量行驶中的车辆自身的车速更是一个相对新颖和空白的领域。提出了一种主动式测量车辆自身速度的方法,它是利用基于视频的目标检测与跟踪技术、纹理模板匹配的算法和DSP技术,实现了实时测量。

关键词:速度测量;目标检测;目标跟踪;模板匹配

中图分类号:TP391.41 文献标识码:A DOI:10.15913/j.cnki.kjycx.2015.12.010

随着科学技术的发展,机动车辆已经成为了出行的重要交通工具。车辆速度作为车辆运行状态的重要参数之一,具有重要的研究价值。目前,对车辆速度的检测主要分为两大类,即被动式检测和主动式检测。本文针对现有的主动式测量方式中存在的问题,提出了一种基于视频的车辆速度测量方法。

1 自车速测量技术

车辆速度测量的首要条件是找到测量基准点,一般以车辆侧方相对静止的事物为基准点。在激光测距仪距离测量的基础上,利用视频检测和跟踪技术实现对车辆速度的测量。

1.1 测量的基本原理

将摄像头和测距仪安装在车辆行驶方向的垂线上,并保证二者的同轴状态。当被检测车辆进入摄像头的拍摄范围时,可以自动或者人为地检测出目标,然后使用模板匹配算法跟踪;当车辆行驶到中间位置时,激光测距仪会测得车辆的距离,并且记录下当前时间。随着车辆的继续行驶,可以利用像素数计算车辆偏离位置中线的角度,利用直角三角形原理计算车辆的行驶距离,然后再根据运行时间最终计算出车辆行驶的速度。

1.2 测量的数据流程图

车辆自速度测量的数据流程如图1所示。

2 基于视频的纹理模板匹配算法

模板匹配算法是现今图像处理领域常用的一种检测和跟踪方法,它是模式识别和目标跟踪的重要研究领域。该算法的基本思想是先建立一个已知目标的模板,并根据模板的特性提取模板的特征,然后在待检测的图像中根据相应的特征来识别所需信息,将最符合特征的图像部分认定为目标部分。这种技术常常应用于人脸检测和车牌识别等领域。常用的特征模板有基于颜色域的模板、基于特征向量的模板和基于纹理特征的模板等。由于本文的车辆检测算法中需要使用灰度图像,而且对识别目标的普适性和实时性要求比较高,所以,选用基于纹理特征的模板匹配算法。

2.1 基于纹理特征的模板匹配算法

算法的基本思路是:

首先,将目标模板按行列方向分别提取纹理矩阵:

. (1)

式(1)中:H为垂直纹理矩阵;m为模板;u为横坐标;v为纵坐标;L为水平纹理矩阵。

将图像分别按行列方向提取纹理矩阵:

. (2)

式(2)中:H为垂直纹理矩阵;s为源图像;i为横坐标;j为纵坐标;L为水平纹理矩阵。

计算图像各像素点的相似度,即:

. (3)

式(3)中:βH为垂直纹理相似度;βL为水平纹理相似度;M为图像宽度;N为图像高度。

经过上述分析可知,最佳匹配位置是相似度最大的点。

2.2 基于DSP技术对算法进行的改进

在算法中,模板图像与目标图像之间匹配时,置信度计算是十分复杂的,预算量越大,运行时间越长。因此,本文针对算法中存在的问题进行了改进。

在提取模板图像和目标图像2个方向的二值纹理矩阵之前,每个像素用1个字节(8 bits)二进制码表示,而二值化后每个像素可用1 bit二进制码表示。提取了二值纹理矩阵后,虽然模板图像与目标图像分别变换为2个方向上的矩阵,但是,其存储量可减小为原来的1/8,极大地节省了存储的空间。

在算法中引入逻辑运算,将相似度的计算改为同或和累加运算,而且这步可以并行实现,即:

. (4)

上述操作可以利用DSP处理,在完成了计算任务的基础上,可以节约大量的时间。

3 目标检测算法

由于激光测距仪和摄像机的安装位置是固定的,所以,可以事先调整安装位置,从而得到激光命中点在图像中的位置。如果使用高速激光测距仪,就可以得到车辆行驶时距离目标的特征信息,进而得到激光命中目标的准确时刻,然后根据这时刻前后2帧图像对不同的模板进行迭代匹配,即可得到准确的目标图像,然后利用目标图像建立模板,在后续的视频图像中进行跟踪。

激光测距仪扫描过树木时的数据如图2所示。

从图2中可以看出,利用高频率的激光测距仪数据可以得出激光经过目标的时间。其计算原理如图3所示。

图2 激光数据图

在图3中,竖线代表激光在图像中的位置,这在短时间内是不变的,T1和T4两个时刻分别是得到图像的时间,它们是可测量的,而T2和T3时刻也是可以利用激光数据得到的,所以,假设这一段时间内车速不变,那么,这一段时间内的像素行驶速度也应保持不变。这样,假设树木的宽度为d0,那么,利用T2、T3和d0就可以描述像素速度v,然利用v即可计算出T1、T4时刻树木所在的位置。将2帧图像中的树木位置以宽度d0取为模板进行纹理特征匹配,得到匹配度MSE0,最后改变d值,得到MSE1到MSEN。得到的最小的MSEmin即为最佳匹配模板,然后选取对应的d作为模板宽度在后面的图像中进行匹配。

从图4中可以看出,宽度取11时,匹配效果最佳,匹配效果入图5所示。

4 结束语

本文提出了一种测量车辆速度的方法,它是基于视频检测和跟踪算法运行的,具有实用性强、精确度高等优点。利用DSP

技术可以解决实际应用过程中实时性差的问题,使其具有更好的应用价值。

图4 MSE曲线图

图5 宽度为11时的匹配效果图

参考文献

[1]刘铁军,史泽林,于海斌.一种基于图像纹理的模板匹配算法[J].红外与激光工程,2005(03).

[2]马迎军,郭雷.一种基于图像纹理的模板匹配算法的改进与实现[J].计算机应用研究,2007,24(6).

〔编辑:白洁〕

猜你喜欢

目标跟踪目标检测
多视角目标检测与跟踪技术的研究与实现
视频中目标检测算法研究
行为识别中的人体运动目标检测方法
基于改进连续自适应均值漂移的视频目标跟踪算法
基于重采样粒子滤波的目标跟踪算法研究
移动机器人图像目标识别
基于背景建模法的运动目标检测
基于P3电位的目标检测研究
空管自动化系统中航迹滤波算法的应用与改进
智能视频技术在电力系统领域的应用