孫浩

摘 要：隨著現(xiàn)代智能交通系統(tǒng)的發(fā)展，如何快速、精確地測量車輛速度已經(jīng)成為了熱點問題，而測量行駛中的車輛自身的車速更是一個相對新穎和空白的領(lǐng)域。提出了一種主動式測量車輛自身速度的方法，它是利用基于視頻的目標檢測與跟蹤技術(shù)、紋理模板匹配的算法和DSP技術(shù)，實現(xiàn)了實時測量。

關(guān)鍵詞：速度測量；目標檢測；目標跟蹤；模板匹配

中圖分類號：TP391.41 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2015.12.010

隨著科學(xué)技術(shù)的發(fā)展，機動車輛已經(jīng)成為了出行的重要交通工具。車輛速度作為車輛運行狀態(tài)的重要參數(shù)之一，具有重要的研究價值。目前，對車輛速度的檢測主要分為兩大類，即被動式檢測和主動式檢測。本文針對現(xiàn)有的主動式測量方式中存在的問題，提出了一種基于視頻的車輛速度測量方法。

1 自車速測量技術(shù)

車輛速度測量的首要條件是找到測量基準點，一般以車輛側(cè)方相對靜止的事物為基準點。在激光測距儀距離測量的基礎(chǔ)上，利用視頻檢測和跟蹤技術(shù)實現(xiàn)對車輛速度的測量。

1.1 測量的基本原理

將攝像頭和測距儀安裝在車輛行駛方向的垂線上，并保證二者的同軸狀態(tài)。當被檢測車輛進入攝像頭的拍攝范圍時，可以自動或者人為地檢測出目標，然后使用模板匹配算法跟蹤；當車輛行駛到中間位置時，激光測距儀會測得車輛的距離，并且記錄下當前時間。隨著車輛的繼續(xù)行駛，可以利用像素數(shù)計算車輛偏離位置中線的角度，利用直角三角形原理計算車輛的行駛距離，然后再根據(jù)運行時間最終計算出車輛行駛的速度。

1.2 測量的數(shù)據(jù)流程圖

車輛自速度測量的數(shù)據(jù)流程如圖1所示。

2 基于視頻的紋理模板匹配算法

模板匹配算法是現(xiàn)今圖像處理領(lǐng)域常用的一種檢測和跟蹤方法，它是模式識別和目標跟蹤的重要研究領(lǐng)域。該算法的基本思想是先建立一個已知目標的模板，并根據(jù)模板的特性提取模板的特征，然后在待檢測的圖像中根據(jù)相應(yīng)的特征來識別所需信息，將最符合特征的圖像部分認定為目標部分。這種技術(shù)常常應(yīng)用于人臉檢測和車牌識別等領(lǐng)域。常用的特征模板有基于顏色域的模板、基于特征向量的模板和基于紋理特征的模板等。由于本文的車輛檢測算法中需要使用灰度圖像，而且對識別目標的普適性和實時性要求比較高，所以，選用基于紋理特征的模板匹配算法。

2.1 基于紋理特征的模板匹配算法

算法的基本思路是：

首先，將目標模板按行列方向分別提取紋理矩陣：

；

. （1）

式（1）中：H為垂直紋理矩陣；m為模板；u為橫坐標；v為縱坐標；L為水平紋理矩陣。

將圖像分別按行列方向提取紋理矩陣：

. （2）

式（2）中：H為垂直紋理矩陣；s為源圖像；i為橫坐標；j為縱坐標；L為水平紋理矩陣。

計算圖像各像素點的相似度，即：

；

；

. （3）

式（3）中：βH為垂直紋理相似度；βL為水平紋理相似度；M為圖像寬度；N為圖像高度。

經(jīng)過上述分析可知，最佳匹配位置是相似度最大的點。

2.2 基于DSP技術(shù)對算法進行的改進

在算法中，模板圖像與目標圖像之間匹配時，置信度計算是十分復(fù)雜的，預(yù)算量越大，運行時間越長。因此，本文針對算法中存在的問題進行了改進。

在提取模板圖像和目標圖像2個方向的二值紋理矩陣之前，每個像素用1個字節(jié)（8 bits）二進制碼表示，而二值化后每個像素可用1 bit二進制碼表示。提取了二值紋理矩陣后，雖然模板圖像與目標圖像分別變換為2個方向上的矩陣，但是，其存儲量可減小為原來的1/8，極大地節(jié)省了存儲的空間。

在算法中引入邏輯運算，將相似度的計算改為同或和累加運算，而且這步可以并行實現(xiàn)，即：

. （4）

上述操作可以利用DSP處理，在完成了計算任務(wù)的基礎(chǔ)上，可以節(jié)約大量的時間。

3 目標檢測算法

由于激光測距儀和攝像機的安裝位置是固定的，所以，可以事先調(diào)整安裝位置，從而得到激光命中點在圖像中的位置。如果使用高速激光測距儀，就可以得到車輛行駛時距離目標的特征信息，進而得到激光命中目標的準確時刻，然后根據(jù)這時刻前后2幀圖像對不同的模板進行迭代匹配，即可得到準確的目標圖像，然后利用目標圖像建立模板，在后續(xù)的視頻圖像中進行跟蹤。

激光測距儀掃描過樹木時的數(shù)據(jù)如圖2所示。

從圖2中可以看出，利用高頻率的激光測距儀數(shù)據(jù)可以得出激光經(jīng)過目標的時間。其計算原理如圖3所示。

圖2 激光數(shù)據(jù)圖

在圖3中，豎線代表激光在圖像中的位置，這在短時間內(nèi)是不變的，T1和T4兩個時刻分別是得到圖像的時間，它們是可測量的，而T2和T3時刻也是可以利用激光數(shù)據(jù)得到的，所以，假設(shè)這一段時間內(nèi)車速不變，那么，這一段時間內(nèi)的像素行駛速度也應(yīng)保持不變。這樣，假設(shè)樹木的寬度為d0，那么，利用T2、T3和d0就可以描述像素速度v，然利用v即可計算出T1、T4時刻樹木所在的位置。將2幀圖像中的樹木位置以寬度d0取為模板進行紋理特征匹配，得到匹配度MSE0，最后改變d值，得到MSE1到MSEN。得到的最小的MSEmin即為最佳匹配模板，然后選取對應(yīng)的d作為模板寬度在后面的圖像中進行匹配。

從圖4中可以看出，寬度取11時，匹配效果最佳，匹配效果入圖5所示。

4 結(jié)束語

本文提出了一種測量車輛速度的方法，它是基于視頻檢測和跟蹤算法運行的，具有實用性強、精確度高等優(yōu)點。利用DSP

技術(shù)可以解決實際應(yīng)用過程中實時性差的問題，使其具有更好的應(yīng)用價值。

圖4 MSE曲線圖

圖5 寬度為11時的匹配效果圖

參考文獻

[1]劉鐵軍，史澤林，于海斌.一種基于圖像紋理的模板匹配算法[J].紅外與激光工程，2005（03）.

[2]馬迎軍，郭雷.一種基于圖像紋理的模板匹配算法的改進與實現(xiàn)[J].計算機應(yīng)用研究，2007，24（6）.

〔編輯：白潔〕