广东江肇高速公路管理中心 广东省肇庆市 526200
摘要：行车速度检测在交通事故识别过程中非常重要。以往的行车速度计算方式只可以测量车辆碰撞时的速度。碰撞发生前，驾驶员采取制动措施降低车速，造成实测车速偏低，影响事故认定结果。因此，本文主要研究基于视频图像的车速检测方法，能够准确地测量出碰撞前的车速，为交通事故识别提供依据。
关键词：视频图像；车速检测；方法
1.基于视频的车速检测原理
如今，伴随监控设备的大量运用，公路上安装了很多的监控设备，以此方便了交通管理。监控摄像机通常安装在公路的顶部或一侧的位置，高度在5-10m，可按需求安装提供双向或单向的车辆监控视频影像。摄像机和公路上车辆的空间位置如图1所示。速度检测的方法最为基础的依旧是按照视频来作为依据，通过车辆运动位移除以车辆行驶时间得到的。行车速度计算公式为：V=（S2-S1）/（T2-T1）=△S/△T。
根据行车速度计算公式，行车速度检测一般是通过计算一定距离内运动的时间，或是一定时间内汽车移动的距离来实现的。所以在实际运用过程中，可以通过视频图像检测直接获取汽车运行的时间△T，但无法直接得到汽车运行的距离△s。所以，通过视频来检测车速的办法是通过检测车辆在运动时，在各帧中的图像坐标，通过此坐标与现实位置公路的坐标系的映射关系，通过这样的办法将二维转换成三维，从而得到得到实际位移△s，实现速度检测。
.png)
图1 车速检测原理图
2.车速检测系统总体构架
速度检测模块主要是基于图像处理的。这个系统主要包括交通视频采集、摄像机标定、车辆检测、车辆跟踪和车速检测。系统的工作流程如图2所示。速度检测系统需要满足以下功能：（1）在监控的同时完成对车速的检测；（2）可获取车辆流量、车速、平均车速等多种交通信息；并且可以精准定位车辆牌照，实现超速违章的准确定位。
.png)
图2 车速检测系统示意图
2.1 硬件构架
视频测速的主要硬件部分是CCD摄像机。CCD摄像机的视频采集卡可以把实时视频图像转换成连续帧的数字图像序列。CCD摄像机是一种电荷耦合器件，可根据不同型号配置，具有体积小、重量轻、功耗低、寿命长、灵敏度高、动态范围大等特点。其工作原理是通过光线在物体上的反射将其传输到透镜上，并聚焦在CCD芯片上。根据光的强度积累电荷，从而有规律的放电，产生代表图像的电信号。再通过滤波和放大后，从摄像机的输出端输出一个标准的复合视频信号。
2.2软件构架
软件构架主要由视频采集、图像预处理、背景提取、车辆检测、目标分割、目标定位、目标跟踪和速度计算八个模块组成。
（1）图像预处理。由于原始的整个图像太大，其中的信息太多，所以需要对采集的原始视频图像进行预处理，从中提取需要的信息，避免其他的信息对此造成干扰。摄像机采集的原始图像为1280×720像素，截取600×600像素图像作为目标检测区域。然后把彩色图转换为灰度图，进行二值化处理。经膨胀、腐蚀后，提取目标车辆。摄像机图像采集频率为25帧/秒，即相邻两帧之间的时间差为40ms。
（2）背景提取和更新。从有汽车行驶的图像中提取出没有车的公路图像，称为背景估计。同时，为了贴合现场公路的景象，提升识别度，保证该系统长期正确无误的运行下去，还得综合当前道路光影等各种因素，不断实时更新背景图像。用图像多帧平均法提取背景图像。通过对多幅图像在一段时间内的序列信息平均，每个图像对公路背景的影响很小，因此可以将获得的图像视为公路背景图像。
（3）车辆检测与特征点提取。二值化图像处理，根据背景图像判断当前区域是否有车辆，如有车，通过当前帧与背景图像的差分得到目标车辆，为了准确定位，有必要获取目标车辆的特征，使其变得很容易提取和跟踪。
（4）目标车辆跟踪。在获取目标车辆的特征点、精确定位后，依据车辆特征在连续帧中的不同位置对车辆进行跟踪。利用线性方程拟合目标车辆在连续帧特征点中的像素位置，拟合目标车辆的行车路线。
（5）行车速度计算。根据该算法结合摄像机标定结果，通过连续帧来获取目标车辆特征点在图像中的像素位置，并将其像素距离转换为实际道路的距离，距离与时间之比就是目标车辆的实际速度。
3.基于视频的车速检测方法
基于视频的车速检测方法主要由运动目标检测和运动目标跟踪的方法转化而来。目前常用的车速检测方法有：（1）虚拟线圈法；（2）车牌定位法；（3）特征匹配法；（4）运动矢量法；（5）帧差法。虚拟环路法是应用一定距离内的时间来实现速度检测的方法，而运动矢量法、特征匹配法、车牌定位法和帕斯卡差分法通过固定时间计算路面位移来实现速度检测。
3.1虚拟线圈速度检测
虚拟线圈测速法的工作原理与感应线圈测速法相似。一般是在视频图像中，通过在公路上设置单个或多个虚拟环路，相当于在路面下设置感应线圈进行速度检测。设置虚拟线圈之前，通过现实公路的标定，可知道相邻线圈间的实际距离。当汽车进到虚拟线圈时，激活当前虚拟线圈开始计时。当汽车离开虚拟线圈时，线圈状态恢复原位。当移动车辆激活下一个相邻虚拟线圈时，依据速度计算公式的度数计算时间差并计算速度。
3.2车牌定位和速度检测
在汽车牌照的识别方法中，车牌定位和车速检测是通过汽车牌照定位方法转化而来。其工作原理是在视频图像序列中对运动车辆的车牌进行定位、跟踪，获得不同图像的汽车牌照的图像坐标位置后，实现速度检测。
通过视频运动目标检测得到车辆的前景图像。在对车辆前景图像进行一系列图像处理后，采用车牌定位方法提取视频图像中车辆目标的车牌，并输出车牌图像的位置。最后，通过空间坐标将车牌图像的位置坐标转换为现实，在实际公路坐标后检测车速。当前，车牌定位主要采用以下几种方法：（1）基于边缘检测的方法；（2）基于水平灰度变化的方法；（3）基于车牌颜色特征的方法。与其他方法相比，该方法不仅可以获得车速，而且可以获取车牌号。车辆信息量大，便于交通管理和车辆识别。
3.3特征匹配车速检测
基于特征匹配的速度检测方法的原理是图像特征匹配。通过从视频图像序列中提取车辆特征，利用短时间内的不变性的车辆特征，可在不同参数之间匹配相同的车辆特征，得到同一车辆在不同情况下的图像坐标。将图像坐标转换为实际的道路坐标，再除以输出速度的时间差得到车辆的实际位置运动。
汽车的特征点一般可分为颜色、区域、纹理、边缘、拐角特征等。在实际的应用过程中，匹配主要用角点特征，由于角点包含在物体的边缘和轮廓中，能够充分描述物体的特征。所以，角点特征主要用于匹配，数目少，信息冗余少，可加快图像处理的速度。在匹配特征的过程中，通常使用灰度相关来匹配Harris角点。
检测范围广是特征匹配速度检测方法的优势，通过匹配车辆特征可尽可能的避免目标速度检测的错误的发生，且不容易受光线影响，有较强的鲁棒性。与运动矢量法相比，其计算难度大幅度降低。但现有的特征匹配方法只参考到了汽车的特征的跨时匹配，没有参考到公路场景中相似汽车的目标的信息干扰和车辆运行过程中先验信息的使用，其实时性仍有待提高。
3.4运动矢量车速检测
运动矢量的车辆行驶速度检测方法主要是通过运动目标跟踪方法转变而来的。其工作原理是通过对目标车辆的实时跟踪，获得车辆目标的矢量方向和大小，从而算出车辆的速度。根据跟踪方法的不同，可分为基于卡尔曼滤波的跟踪方法和基于Mean Shift的跟踪方法。
在车辆跟踪过程中，可计算出任意车辆目标在任何时间的运动矢量，还可测量出车辆的图像坐标、运动方向和速度。这个方法的优势在于可以在视频图像范围内的任何场景位置检测车速。当应用鲁棒性好的车辆跟踪方法时，可有效降低因为场景灰度变化、车辆突然变道、遮挡等原因造成的车速误差的判断。这种跟踪方法的鲁棒性和实时性有关。当目标的汽车不是该场景中的唯一一个目标时，需要同时跟踪多个目标，这样会大量增加算法的计算量，不易满足车速检测系统的实时性要求。
4.基于视频图像的车速检测研究分析
4.1运动目标提取
运动目标提取就是从图像中提取出感兴趣的区域进行处理，使图像变得简单，减少数据量。
4.1.1交互式目标提取
当前，运动目标提取的方法主要有光流法、背景差分法和帧间差分法。一，光流法。其对汽车颜色不敏锐，并能容忍刻度的变化。但计算量大，实时性差，并且需要特殊的硬件支持。二，背景差分法。该方法方便进行实时处理，补强可以检测静止车辆。但是，它对长时间的光照变化敏感，难以重建背景，不适合于动态背景下运动信息的提取。三，帧间差分法。它对视野中光线的渐变不敏感，易于实时处理。它可以用来提取动态背景下的运动信息。然而，对于静止的车辆来说，它是检测不到的，而且对运动车辆的速度很敏感，很容易产生间隙。
在分析背景差分法和帧间差分法的基础上，提出了一种交互式提取方法。该方法不仅能获得完整的图像，而且能消除背景光等因素的干扰。步骤如下：将当前帧减去背景帧标记为B1，第二帧减去背景帧标记为B2，分别对B1和B2进行预处理，然后减去B2和B1，用阈值法提取运动目标，记录为C21。这种交互式运动中的目标获取方式是手动选取的，根据目标运动需要的区域，然后对该区域内的图像进行处理，从而获取运动目标。该方法的优势是有选择性地提取出运动目标，既能消除环境变化的干扰，又能消除运动车辆阴影、光线和附近物体的影响。
4.1.2特征点选取
为了获得目标运动时，在图像中的运行轨迹，需提取其特征点。选择运动物体的N帧图像中的点来表示物体在图像中的位置。选取运动目标的质心作为运动目标的特征点。由于交通事故图像是连续的，运动目标运动速度很快，所以假设目标在相邻帧的图像中的位置变化不大，其行驶的方向和面积变化也不大。那么交互式提取运动车辆，可得到车辆质心。
4.2记录运动轨迹
为了分析汽车行驶速度和方向的变化，需要在计算车速之前先得到图像中汽车的行驶轨迹。
通过提取运动车辆的特征点{x=x1，x2，...，xn}、{y=y1，y2，...，yn}，得到一组N帧中运动物体的质心坐标。
用线性y=a+bx来近似这些点，用最小二乘法求出回归系数b和回归常数a。
.png)
有
.png)
（1）
方程（1）为所求的线性回归方程。图3中的直线MF为车辆在视频上的运行轨迹。
.png)
图3 透视关系推导图
4.3图像距离到实际距离的转换
通过对帧图像的处理，可获取汽车在视频上运动的像素距离，而不是在平面坐标系中以长度单位表示的距离。因此，有必要将图像坐标转换为平面坐标，以获得平面坐标中的实际距离。因此，需要摄像机标定来计算实际距离。
结束语：
在研究基于视频的速度检测技术时，我们分析和研究的基础是对摄像机捕捉到的图像进行进一步处理。只有通过对视频图像进行一系列具体的处理，才能将其应用到具体的算法和测速方法中。
参考文献：
[1]刘伟.基于图像处理的车速检测方法研究[D].长安大学，2014.
[2]卢彬，陈域，李冬生，朱闯.基于视频图像的车速检测方法[J].电视技术，2014，38（07）：199-201.
[3]苏菠，姜军，张志伟，凤宇飞.基于连续视频分析的化学危险品码头车辆测速方法研究[J].粘接，2020（01）.
[4]黄大君，吴昊.基于虚拟线圈的车速检测算法研究[J].兰州文理学院学报（自然科学版），2020（01）.
[5]程淑红，高许，程树春，管永来.基于计算机视觉的运动车辆检测[J].计量学报，2017（03）.
[6]唐恬，李震，顾平，李良荣.基于视频图像的隧道行车速度检测[J].贵州大学学报（自然科学版），2016（05）.
[7]逯鹏，李亚萍，李世杰，乔超，黄石磊，张利亚.基于视觉机制的非结构环境下车速检测算法研究[J].计算机应用研究，2015（05）.