阅读说明：本技术 一种基于模糊图像测量车速的方法 (Method for measuring vehicle speed based on fuzzy image ) 是由 王飞 于 2019-11-21 设计创作，主要内容包括：本发明公开了一种基于模糊图像测量车速的方法,包括以下步骤：步骤1、实时拍摄单幅车辆场景图像；步骤2、根据车辆场景图像计算路面距离与像素距离之间的标定函数；步骤3、提取当前车辆场景图像中的车辆图像；步骤4、对车辆图像进行模糊度计算并输出模糊像素值；步骤5、根据标定函数、模糊像素值、拍摄曝光时间计算车辆行驶速度；本发明使用拍摄的单幅图像,通过深度学习模型评估模糊度来计算图像中的车速,可有效简化车辆测速设备安装及测量过程。(The invention discloses a method for measuring vehicle speed based on a blurred image, which comprises the following steps: step 1, shooting a single vehicle scene image in real time; step 2, calculating a calibration function between the road surface distance and the pixel distance according to the vehicle scene image; step 3, extracting a vehicle image in the current vehicle scene image; step 4, calculating the fuzziness of the vehicle image and outputting a fuzzy pixel value; step 5, calculating the vehicle running speed according to the calibration function, the fuzzy pixel value and the shooting exposure time; the method uses the shot single image to evaluate the ambiguity through the deep learning model to calculate the vehicle speed in the image, and can effectively simplify the installation and measurement process of the vehicle speed measuring equipment.)

一种基于模糊图像测量车速的方法

技术领域

本发明属于车速测量的技术领域，具体涉及一种基于模糊图像测量车速的方法。

背景技术

目前交通测速中基于视频测速的方式主要有大场景测速方法、双目或多目摄像机测速方法，以及全景摄像机和特写摄像机相结合的测速方式。其中，大场景测速方法，测量精度受光照影响受其他车辆的干扰影响很大。双目和多目摄像机使用的摄像机多，安装麻烦，而且立体匹配困难。基于全景摄像机和特写摄像机相结合的方式，同样存在所需摄像机多、安装复杂等不足。同时，传统的图像测速方法一般需要拍摄多幅图像，然后进行多幅图像之间的比对最终进行车速计算，相应的车速测量过程复杂。因此，针对传统的车速测量方法中存在的测速设备安装不便、测量过程复杂的缺陷，本发明公开了一种基于模糊图像测量车速的方法。

发明内容

本发明的目的在于提供一种基于模糊图像测量车速的方法，使用拍摄的图像，通过深度学习模型评估模糊度来计算图像中的车速，可有效简化车辆测速设备安装及测量过程。

本发明通过下述技术方案实现：

一种基于模糊图像测量车速的方法，包括以下步骤：

步骤1、实时拍摄单幅车辆场景图像；

步骤2、根据车辆场景图像计算路面距离与像素距离之间的标定函数；

步骤3、提取当前车辆场景图像中的车辆图像；

步骤4、对车辆图像进行模糊度计算并输出模糊像素值；

步骤5、根据标定函数、模糊像素值、拍摄曝光时间计算车辆行驶速度。

为了更好的实现本发明，进一步地，采用如下公式计算车辆行驶速度：

其中：v为车辆行驶速度；

h(x)为标定函数；

z为车辆图像与第一标定线段之间的最小像素距离；

△z为模糊像素值；

△t为拍摄曝光时间。

为了更好的实现本发明，进一步地，所述步骤2包括以下子步骤：

步骤2.1、在车辆场景图像中分别选取两条垂直于路面长度方向且相互平行的第一标定线段和第二标定线段，测量第一标定线段和第二标定线段的实际长度分别为d₁和d₂；

步骤2.2、根据车辆场景图像计算第一标定线段和第二标定线段的像素长度分别为P_d1和P_d2，计算第一标定线段和第二标定线段之间的像素距离h_p；

步骤2.3、计算标定函数h(x)，计算公式如下：

其中：

d₁为第一标定线段的实际长度，d₂为第二标定线段的实际长度；

p_d1为第一标定线段的像素长度，p_d2为第二标定线段的像素长度。

为了更好的实现本发明，进一步地，所述第一标定线段与第二标定线段之间的距离大于等于车辆长度。

为了更好的实现本发明，进一步地，所述步骤1中采用高速摄像机拍摄车辆图像，并设置若干组固定快门曝光时间。

为了更好的实现本发明，进一步地，所述固定快门曝光时间根据环境光线强度进行调节。

为了更好的实现本发明，进一步地，所述步骤3中采用深度学习目标检测方法提取当前图像场景中的车辆图像。

为了更好的实现本发明，进一步地，所述步骤4中采用深度学习目标检测方法对车辆图像进行模糊度计算并输出模糊像素值。

本发明与现有技术相比，具有以下优点及有益效果：

(1)本发明采用摄像机拍摄单幅车辆场景图像，并根据单幅车辆场景图像计算路面距离与像素距离的标定函数关系，同时通过深度学习目标检测方法提取车辆图像，并对车辆图像进行模糊度计算得到模糊像素值，最终根据模糊像素值、标定函数、快门曝光时间计算车辆行驶速度，相比于传统的测速测量方法，本发明具有仅提取单幅图像、所需参数少、车速测量计算过程简便快捷的有益效果；

(2)由于本发明仅提取单幅图像，因此只需要对应车道安装独立的摄像机，所需摄像机数量少，相应的摄像机安装也更加方便。

附图说明

图1为本发明的步骤流程图；

图2为车辆场景图像示意图。

具体实施方式

实施例1：

本实施例的一种基于模糊图像测量车速的方法，如图1所示，一种基于模糊图像测量车速的方法，包括以下步骤：

步骤1、实时拍摄单幅车辆场景图像；

步骤2、根据车辆场景图像计算路面距离与像素距离之间的标定函数；

步骤3、提取当前车辆场景图像中的车辆图像；

步骤4、对车辆图像进行模糊度计算并输出模糊像素值；

步骤5、根据标定函数、模糊像素值、拍摄曝光时间计算车辆行驶速度。

采用摄像机拍摄车辆场景图像，摄像机的镜头正对车道安装，保证摄像机的镜头能够完整捕捉到车辆的车牌。然后根据摄像机拍摄的车辆场景图像建立路面距离与像素距离之间的标定函数关系，即通过标定函数根据像素距离能够计算得出实际的路面距离。然后将车辆图像从车辆场景图像中提取出来，根据提取出的车辆图像进行图像模糊度计算，得到车辆图像的模糊像素值。然后根据标定函数计算出模糊像素值对应的实际的路面距离，这一段路面距离即为车辆在拍摄曝光时间内行驶的实际路程，然后通过速度等于路程与时间的比值计算出车辆形式速度。

摄像机所拍摄的车辆场景图像为单幅图像，车辆图像也为从单幅的车辆场景图像中提取的单幅图像。

所述步骤3中采用深度学习目标检测方法提取当前车辆场景图像中的车辆图像。

所述步骤4中采用深度学习目标检测方法对车辆图像进行模糊度计算并输出模糊像素值。

实施例2：

本实施例在实施例1的基础上做进一步优化，采用如下公式计算车辆行驶速度：

其中：v为车辆行驶速度；

h(x)为标定函数；

z为车辆图像与第一标定线段之间的最小像素距离；

△z为模糊像素值；

△t为拍摄曝光时间。

步骤2中计算标定函数的子步骤如下：

步骤2.1、如图2所示，在车辆场景图像中分别选取两条垂直于路面长度方向且相互平行的第一标定线段和第二标定线段，测量第一标定线段和第二标定线段的实际长度分别为d₁和d₂；

步骤2.2、根据车辆场景图像计算第一标定线段和第二标定线段的像素长度分别为P_d1和P_d2，计算第一标定线段和第二标定线段之间的像素距离h_p；

步骤2.3、计算标定函数h(x)，计算公式如下：

其中：

d₁为第一标定线段的实际长度，d₂为第二标定线段的实际长度；

p_d1为第一标定线段的像素长度，p_d2为第二标定线段的像素长度。

为了便于标定函数的确定，所述第一标定线段与第二标定线段之间的距离应大于等于车辆长度，以减小标定函数的误差。

本实施例的其他部分与实施例1相同，故不再赘述。

实施例3：

本实施例在上述实施例1或2的基础上做进一步优化，所述步骤1中采用高速摄像机拍摄车辆图像，并设置若干组固定快门曝光时间，所述固定快门曝光时间根据环境光线强度进行调节。

为了尽可能保证拍摄的车辆场景图像的清晰度，因此选用高速摄像机拍摄车辆图像，能够对高速行驶的车辆进行及时抓拍。同时，根据环境光线强度设置若干组固定快门曝光时间，环境光线强度弱时，则对应设置的固定快门曝光时间较长；环境光线强度强时，则对应设置的固定快门曝光时间较短。

本实施例的其他部分与上述实施例1或2相同，故不再赘述。

实施例4：

一种基于模糊图像测量车速的方法，首先实时拍摄车辆场景图像，并进行车辆场景图像中的车辆目标识别，然后在车辆场景图像中沿垂直于路面长度方向分别划定两条相互平行的第一标定线段和第二标定线段，由于路面宽度是一致的，因此第一标定线段和第二标定线段的实际长度d₁和d₂相等，通过测量得出d₁＝d₂＝3.6m。

然后根据车辆场景图像，计算第一标定线段的像素长度P_d1，计算第二标定线段的像素长度P_d2，经过计算得出P_d1＝292pix，P_d2＝114pix；第一标定线段和第二标定线段上像素点之间的距离h_p＝292pix，车辆图像距离第一标定线段最小距离z＝63pix。

则根据标定函数计算公式得出标定函数为h(x)＝0.01232876+0.0000413094x。

然后通过深度学习目标检测方法取当前车辆场景图像中的车辆图像，并计算得到像素模糊值为△z＝155pix，快门曝光时间△t＝0.25s，然后根据车辆行驶速度计算公式计算得出车辆形式速度v＝11.2m/s。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。