一种基于模糊图像测量车速的方法技术

本发明专利技术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；本发明专利技术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。

A method of measuring vehicle speed based on fuzzy image

【技术实现步骤摘要】
一种基于模糊图像测量车速的方法
本专利技术属于车速测量的
，具体涉及一种基于模糊图像测量车速的方法。
技术介绍
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，本专利技术公开了一种基于模糊图像测量车速的方法。
技术实现思路
本专利技术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。本专利技术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。为了更好的实现本专利技术，进一步地，采用如下公式计算车辆行驶速度：r>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。为了更好的实现本专利技术，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Pd1和Pd2，计算第一标定线段和第二标定线段之间的像素距离hp；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；pd1为第一标定线段的像素长度，pd2为第二标定线段的像素长度。为了更好的实现本专利技术，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。为了更好的实现本专利技术，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。为了更好的实现本专利技术，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。为了更好的实现本专利技术，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。为了更好的实现本专利技术，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。本专利技术与现有技术相比，具有以下优点及有益效果：(1)本专利技术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，本专利技术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)由于本专利技术仅提取单幅图像，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为本专利技术的步骤流程图；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Pd1和Pd2，计算第一标定线段和第二标定线段之间的像素距离hp；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；pd1为第一标定线段的像素长度，pd2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。本实施例的其本文档来自技高网...

【技术保护点】
1.一种基于模糊图像测量车速的方法，其特征在于，包括以下步骤：/n步骤1、实时拍摄单幅车辆场景图像；/n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；/n步骤3、提取当前车辆场景图像中的车辆图像；/n步骤4、对车辆图像进行模糊度计算并输出模糊像素值；/n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。/n

【技术特征摘要】
1.一种基于模糊图像测量车速的方法，其特征在于，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。


2.根据权利要求1所述的一种基于模糊图像测量车速的方法，其特征在于，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。


3.根据权利要求2所述的一种基于模糊图像测量车速的方法，其特征在于，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...

【专利技术属性】
技术研发人员：王飞，
申请(专利权)人：中科智云科技有限公司，
类型：发明
国别省市：安徽;34