一种车辆智能测速装置与方法。车辆智能测速装置与方法包括图像采集模块、存储模块、显示模块、视频处理模块、报警模块。图像采集模块采集彩色视频图像信息，同时传输到存储模块、显示模块和视频处理模块，显示模块实时显示公路交通实况信息，存储模块用于存储实时视频信息用于存档备案，视频处理模块对视频信息进行测速检测，通过背景建模、前景检测、设定测速线、车辆信息匹配更新、超速检测及报警步骤，最终检测得到车辆超速信息并显示报警。本发明专利技术所述的车辆智能测速装置与方法不仅能够可靠地对车辆测速并实时报警，协助交通管理人员及时对超速情况进行处理，预防交通事故的发生，智能保障交通安全与维持交通秩序。
【技术实现步骤摘要】
本专利技术属于智能视频分析监控领域，涉及图像处理、视频分析、模式识别、智能交通、人工智能等技术。
技术介绍
随着我国交通设施的不断发展完善，公路已经延伸到全国各地，我国车辆数目也在快速增长。但是，在车辆行驶过程中，很容易超速，并埋下交通事故的隐患。每年我国交通事故中，有九成是超速行驶引发的。所以，如何有效监视车辆超速信息并及时处理，是减少我国交通事故一项重要措施。目前常用的方法有单点测速、区间测速、流动测速。单点测速，在司机熟知测速点的情况下，可以通过刹车降低车速逃避处罚，很容易造成追尾事故；区间测速需要在每个区间安装多台摄像设备并且需要交通管理人员进行分析，不能实时处理超速状况；流动测速安装在车上容易发现并减速避让。现有测速装置测速结果容易被干扰，并且测速结果只能用于处罚而达不到实时处理超速状况避免事故的发生的目的。现有装置和技术已经不能达到测速的目的意义，无法实现实时监控，监控效率低。车辆智能测速装置能够实现智能测速，而且成本低，可靠性高，并及时发现超速事件进行报警，提前预防事故的发生，有巨大的经济效益与社会效益。目前我国已有的一些车辆智能测速装置与技术还存在很多缺陷，例如环境适应学习能力差，超速漏报、误报等。
技术实现思路
为解决上述问题，本专利技术的目的在于提供车辆智能测速装置与方法。本装置检测速度快、适应性强，能够智能学习周围环境，智能程度高，能够有效解决误报漏报的情况，系统检测结果可靠性强，精度高。本专利技术采用的技术方案是：车辆智能测速装置与方法包括图像采集模块、存储模块、显示模块、视频处理模块、报警模块，检测步骤为：（1） 图像采集模块采集彩色视频图像信息，传输到视频处理模块进行车辆测速检测，同时压缩编码后传输到存储模块、显示模块，存储模块用于存储实时视频信息用于存档备案，显示模块将视频解码后实时显示公路交通实况信息。（2） 视频处理模块接收图像采集模块传输来的彩色视频图像信息，通过背景建模、前景检测、设定测速线、车辆信息匹配更新、超速检测及报警步骤，最终检测得到车辆超速信息，并将超速车辆信息传输给显示模块并显示超速车辆，同时将超速信息传输给报警模块，并将超速车辆信息传输到存储模块存储备案，作为处罚依据。（3） 报警模块接收视频处理模块传输来的报警信号，进行报警，提醒交通管理人员进行实时超速处理，并查看超速车辆与路况。车辆智能测速装置与方法所采用的智能识别算法包括背景建模、前景检测、设定测速线、车辆信息匹配更新、超速检测及报警。所述背景建模就是本装置智能学习周围环境信息的过程，通过视频采集模块采集到的视频图像信息，建立起可以定量定性描述的参量，使系统可以有参照比对的明确信息。本专利技术采集到的是彩色YUV格式的图像视频信息，通过图像的灰度、色彩、饱和度等已知信息，建立起每个像素点的自身的信息库。本专利技术采用的是自适应混合高斯模型进行背景建模。自适应混合高斯模型每个对应的像素点建立起3~5个高斯模型，本专利技术每个像素点建立4个高斯模型，描述每个像素点的高斯模型参数为平均灰度、平均色度、平均饱和度、模型方差、模型权重。首先，建立每个像素点的第一个高斯模型，传输来的第一帧图像的像素点的Y、U、V信息作为高斯模型参数中的平均灰度、平均色度、平均饱和度的值，权重取值为10，均值取0，其余三个高斯模型平均灰度、平均色度、平均饱和度取0，权重取值为1，均值取0，四个高斯模型方差均取值为500；传输来的第二帧图像的平均灰度、平均色度、平均饱和度与第一个高斯模型比对，对应平均灰度、平均色度、平均饱和度差值小于一定阈值，则第一个高斯模型权重加1，否则，存入第二个高斯模型。同理，依次对传输来的图像进行高斯训练学习，如果新一帧图像对应像素点处的高斯模型信息与已有四个高斯模型均不匹配，则替换掉权重最小的高斯模型并继续进行学习。当像素点有高斯模型权重达到300时，则该像素点建模成功，对图像中建模成功的点进行计数，若达到图像中像素点总数的1/3，则背景建模成功，每个像素点建模成功的背景参数信息即为权重最大的高斯模型的信息。同时，背景将继续进行学习，以适应环境中的光线等情景变化。高斯模型的权值不会无限增大，当建模点高斯模型最大权重达到500以后，将按照一定速率进行减少，权值变化规则为：其中，是学习率，的大小与背景更新速度有关，越大，背景更新速度越快，越小，背景更新速度越慢，为新一帧图像背景学习后的权重，为上一帧图像高斯模型权重。方差的更新策略为：其中，为新一帧图像背景学习后的模型方差，为上一帧图像高斯模型方差，、、分别为新一帧图像的平均灰度、平均色度、平均饱和度，、、分别为当前背景的平均灰度、平均色度、平均饱和度。所述前景检测就是检测出现在背景中的新的运动的物体。当背景建模成功后，传输来的新一帧图像在进行背景学习的同时，还要进行前景建模。前景建模同样对每一个像素点建立高斯模型，并将建立的高斯模型同背景模型中对应背景像素点的高斯模型进行比较，如果平均灰度、平均色度、平均饱和度差值小于一定阈值，则当前点为背景点，否则为疑似前景点，进而，将当前像素点高斯模型与背景模型中对应背景像素点的八邻域进行进一步比较，如果平均灰度、平均色度、平均饱和度差值小于一定阈值，则当前点为背景点，否则为前景点，与八邻域像素点比较主要是为了排除树叶等摆动造成的干扰。遍历完所有像素点后，对筛选出的前景点进行膨胀处理，即将同一个实体前景的像素点进行联通。进而，计算每一个联通前景的周长、面积、中心、高宽比，筛除面积过小的前景。同时，对前景是否为车辆进行预判断。车速检测装置正对车辆驶来的方向进行安装，而公路在相机视野中依据公路边线信息，有景深的区别，即距离相机近的位置公路间距宽并且车辆前景信息面积较大，远离相机位置公路间距窄并且车辆前景信息面积较小，进而将图像划分为三个区域，在图像平面高度方向上，平均划分为3段，进而分别给每一个区段设置检测车辆的面积最大、最小阈值信息。进而，根据前景景深信息和前景高宽比，排除不是车辆的其他前景信息，并分别对不同车辆前景标记不同的掩码，并将背景建模成功后的第一帧图像中的前景车辆信息存入前景信息库中。所述的设定测速线是指的测速区段的设定，即设定在某一固定路段完成测速工作。设定过程为在沿着车辆驶来的方向设置两条横向绊线，间距不要过于小以免测速不准。同时设定车速报警阈值，车速超过阈值后报警，协助交通管理人员及时进行超速处理。所述的车辆信息匹配更新是指将前景检测到的车辆信息及时去匹配更新前景历史信息。通过新一帧图像中检测到的前景车辆信息与前景信息库中的前景信息进行比对，依据前景中心位移、面积进行比对，当满足中心位移小于阈值并且前景面积变化小于变化因子时，判断为同一前景车辆，并将新的车辆信息更新历史信息，如果没有匹配的历史信息，则判定为新前景并存入历史信息库，同时，清理历史信息库中已经不存在的前景。所述的超速检测及报警，指的是当检测到前景车辆中心第一次进入测速区域时，标志位bgetin赋值为true，并进行计时操本文档来自技高网...
【技术保护点】
车辆智能测速装置与方法，其特征在于：所述车辆智能测速装置与方法包括图像采集模块、存储模块、显示模块、视频处理模块、报警模块。
【技术特征摘要】
1.车辆智能测速装置与方法，其特征在于：所述车辆智能测速装置与方法包括图像采集模块、存储模块、显示模块、视频处理模块、报警模块。
2.根据权利要求1所述的装置与方法，其特征在于：所述车辆智能测速装置与方法检测步骤为：
（1）图像采集模块采集彩色视频图像信息，传输到视频处理模块进行车辆测速检测，同时压缩编码后传输到存储模块、显示模块，存储模块用于存储实时视频信息用于存档备案，显示模块将视频解码后实时显示公路交通实况信息；
（2）视频处理模块接收图像采集模块传输来的彩色视频图像信息，通过背景建模、前景检测、设定测速线、车辆信息匹配更新、超速检测及报警步骤，最终检测得到车辆超速信息，并将超速车辆信息传输给显示模块并显示超速车辆，同时将超速信息传输给报警模块，并将超速车辆信息传输到存储模块，作为处罚依据；
（3）报警模块接收视频处理模块传输来的报警信号，进行报警，提醒交通管理人员进行实时超速处理，并查看超速车辆与路况。
3.根据权利要求1所述的装置与方法，其特征在于：所述背景建模利用采集到的彩色YUV格式的图像视频信息，通过图像的灰度、色彩、饱和度等已知信息，建立起每个像素点的自身的信息库，利用自适应混合高斯模型每个对应的像素点建立起3~5个高斯模型，描述每个像素点的高斯模型参数为平均灰度、平均色度、平均饱和度、模型方差、模型权重；建模步骤为：首先，建立每个像素点的第一个高斯模型，传输来的第一帧图像的像素点的Y、U、V信息作为高斯模型参数中的平均灰度、平均色度、平均饱和度的值，权重取值为10，均值取0，其余三个高斯模型平均灰度、平均色度、平均饱和度取0，权重取值为1，均值取0，四个高斯模型方差均取值为500；传输来的第二帧图像的平均灰度、平均色度、平均饱和度与第一个高斯模型比对，对应平均灰度、平均色度、平均饱和度差值小于一定阈值，则第一个高斯模型权重加1，否则，存入第二个高斯模型；同理，依次对传输来的图像进行高斯训练学习，如果新一帧图像对应像素点处的高斯模型信息与已有四个高斯模型均不匹配，则替换掉权重最小的高斯模型并继续进行学...
【专利技术属性】
技术研发人员：张德馨，
申请(专利权)人：天津艾思科尔科技有限公司，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。