一种车速检测方法技术

本发明专利技术属于交通技术领域，提供了一种车速检测方法。该方法包括构建车辆识别模型；然后对交通视频数据中的每一帧画面进行处理，获得车辆的模型数据；再在获取当前帧画面中的车辆模型数据的基础上，对当前帧画面中的车辆的下一帧画面中的车辆模型数据进行预测，获得当前帧画面中的车辆在下一帧画面中的预测车辆模型数据；再将交通视频数据中的每一帧画面中的车道辅助线位置以及车辆的物理空间位置，转换为图像像素空间坐标系中的数字空间坐标位置；最后计算获得车辆的运行速度。本发明专利技术提供的方法可以充分利用车道辅助线，快速准确地获得车速，实现交通流基本参数的精准获取。实现交通流基本参数的精准获取。实现交通流基本参数的精准获取。

【技术实现步骤摘要】
一种车速检测方法


[0001]本专利技术属于交通
，特别涉及一种车速检测方法。

技术介绍

[0002]快速发展的机器视觉和深度学习等先进技术作为智能交通系统的重要组成部分，已受到越来越多的关注。在车辆参数检测中，传统方法常采用人工肉眼检测和各种不同用途的仪器(应变计、测速仪、超载检测仪、测距仪等)来进行车辆参数检测，费时费力且检测精度不高。机器视觉技术可以充分利用交通摄像头提供的车辆信息，准确有效地识别车辆参数信息。基于机器视觉的非接触式交通参数识别方法具有测量范围广、无需任何额外传感设备、不用封闭交通、长期稳定工作和易于信息集成等优势。机器视觉与深度学习的结合，成为车辆检测与参数识别领域的研究热点。
[0003]应用深度学习进行车辆识别、并采用机器学习中的相关目标跟踪算法实现车辆移动轨迹跟踪，同时开展摄像机图像像素尺寸与实际距离尺寸的坐标系转换，可快速、精准提取交通视频中移动车辆的运行速度，以交通流运行特征分析，进而分析交通拥堵的形成、演化及消散等现象的成因，为交通控制管理措施的实施提供一定支撑。既有摄像机坐标系标定转换方法通常将已知尺寸的参考物放置于不同角度、不同位置的图像中，使参考物物体尽量布满整个视频采集画面，并采用图像像素提取技术获取每张图像中参考物物体角点的位置坐标，在此基础上，通过理论模型推演，实现图像像素尺寸与实际物体尺寸的关联，该方法可有效获取景深距离近的视频画面的物体尺寸，但由于其理论模型的移植性较差，应用效果不理想，且对于景深较远交通视频中的参考物工程实施难度大，并存在一定安全风险，导致既有方法在交通流参数检测方面受到限制。

技术实现思路

[0004]为了解决现有技术中存在的上述至少一个问题，本专利技术提供了一种车速检测方法，该方法基于具有车道辅助线的交通监控视频数据获得。
[0005]一种车速检测方法，其特征在于，所述方法包括：
[0006]步骤1：构建车辆识别模型；
[0007]步骤2：对交通视频数据中的每一帧画面进行处理，获得车辆的模型数据；
[0008]步骤3：在采用步骤2的操作获取当前帧画面中的车辆模型数据的基础上，对当前帧画面中的车辆的下一帧画面中的车辆模型数据进行预测，获得当前帧画面中的车辆在下一帧画面中的预测车辆模型数据；
[0009]按照如下规则进行级联匹配：若下一帧画面中出现了不完整的车辆的情形，则将直接采纳根据上述当前帧画面中的该车辆的车辆模型数据预测得到的下一帧画面中该车辆的车辆模型数据，作为该车辆在下一帧画面中的车辆模型数据，并且不再对该车辆在下下一帧画面中的车辆模型数据进行预测；
[0010]将当前帧画面中的车辆在下一帧画面中的预测车辆模型数据，与采用步骤2的操
作获取的下一帧画面中的车辆模型数据进行IOU匹配；根据IOU匹配结果实现车辆的轨迹更新；
[0011]步骤4：将交通视频数据中的每一帧画面中的车道辅助线位置，转换为图像像素空间坐标系中的数字空间坐标位置；将交通视频数据中的每一帧画面中的车辆的物理空间位置，转换为图像像素空间坐标系中的坐标位置；
[0012]步骤5：基于步骤4获得的交通视频数据中的每一帧画面中的车道辅助线位置在图像像素空间坐标系中的数字空间坐标位置，以及交通视频数据中的每一帧画面中的车辆的中心点对应的图像像素空间坐标系中的坐标位置，按照如下公式计算获得车辆的运行速度：
[0013][0014]式(1)中，v为车辆的运行速度，d为车道辅助线的长度，T1为在图像像素空间坐标系中车辆的位置经过第一个车道辅助线的起点的时刻，T2为在图像像素空间坐标系中车辆的位置经过第一个车道辅助线的终点的时刻。
[0015]本专利技术提供的车速检测方法，可以充分利用车道辅助线和道路监控视频，自动、快速、准确地获得交通监控视频中的车辆的车速，实现交通流基本参数的精准获取。
附图说明
[0016]图1为本专利技术实施例1中10分钟交通视频数据中快速路车辆运行速度的检测结果。
[0017]图2为本专利技术实施例1中激光雷达设备获取的点云数据。
[0018]图3为本专利技术实施例1中车速检测方法对比效果图。
具体实施方式
[0019]为使本专利技术的技术方案、目的和优点更加清楚，下面通过具体的实施例子对本专利技术做进一步的详细描述。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术，并不用于限制本专利技术。
[0020]本专利技术提供了一种车速检测方法，所述方法基于具有车道辅助线的交通监控视频数据建立。所述车速检测方法包括如下步骤：
[0021]步骤1、构建车辆识别模型。
[0022]其中，所述车辆识别模型可以为YOLOV5车辆识别模型。
[0023]所述YOLOV5车辆识别模型的训练可以包括如下的操作：将开源数据库中人工标记的车辆目标的信息，包括车辆的描框数据、车辆类型信息输入YOLOV5车辆识别模型；针对不同类型的车辆设置车辆的初始描框数据，并将不同车辆类型的初始描框数据输入YOLOV5车辆识别模型。YOLOV5车辆识别模型在初始描框数据的基础上输出每个车辆的预测框数据，然后计算每个车辆的预测框数据和真实框数据的准确度，再反向更新模型参数；通过这样不断的迭代，实现YOLOV5车辆识别模型的训练过程。
[0024]在本专利技术的一个具体实施方式中，所述YOLOV5车辆识别模型由包含超过14万帧视频图像和8250辆人工标记的车辆目标信息的开源数据库训练得到。
[0025]其中，所述车辆的描框数据包括车辆在图像像素空间坐标系中的位置信息和车辆
的尺寸信息。所述图像像素空间坐标系用来表示每一帧画面中的车辆的尺寸和物理空间位置在图像像素空间上的像素投影。所述图像像素空间坐标系与实际尺寸坐标系相对应。所述实际尺寸坐标系建立在每一帧画面上，坐标原点位于每一帧画面的左上角，横轴水平向右，纵轴竖直向下。相应地，所述图像像素空间坐标系的坐标原点与实际尺寸坐标系的坐标原点对应，图像像素空间坐标系的横轴对应于实际尺寸坐标系的横轴，图像像素空间坐标系的纵轴对应于实际尺寸坐标系的纵轴。
[0026]所述车辆在图像像素空间坐标系中的位置(使用(x,y)来表示)，对应于车辆在实际尺寸坐标系中的车辆中心点位置。所述车辆中心点是指车辆在每一帧画面中的正投影(只体现车辆的长度和宽度，不体现车辆的高度的投影)的几何中心。
[0027]所述车辆在图像像素空间坐标系中的尺寸信息对应于车辆在实际尺寸坐标系中的车辆长度和宽度。所述车辆在实际尺寸坐标系中的车辆长度为从车辆的车头到车尾的距离。所述车辆在实际尺寸坐标系中的车辆宽度为：不考虑后视镜等明显突出车身的组件时，从车身的左侧到右侧的距离。
[0028]所述车辆类型包括公交车、货车、小汽车、摩托车。
[0029]本专利技术中，根据如下标准来划分车型：车辆长度为1.6
‑
2.4m、宽度为0.7
‑
0.8m、高度为1.1
‑
1.2m时，将该本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车速检测方法，其特征在于，所述方法包括：步骤1：构建车辆识别模型；步骤2：对交通视频数据中的每一帧画面进行处理，获得车辆的模型数据；步骤3：在采用步骤2的操作获取当前帧画面中的车辆模型数据的基础上，对当前帧画面中的车辆的下一帧画面中的车辆模型数据进行预测，获得当前帧画面中的车辆在下一帧画面中的预测车辆模型数据；按照如下规则进行级联匹配：若下一帧画面中出现了不完整的车辆的情形，则将直接采纳根据上述当前帧画面中的该车辆的车辆模型数据预测得到的下一帧画面中该车辆的车辆模型数据，作为该车辆在下一帧画面中的车辆模型数据，并且不再对该车辆在下下一帧画面中的车辆模型数据进行预测；将当前帧画面中的车辆在下一帧画面中的预测车辆模型数据，与采用步骤2的操作获取的下一帧画面中的车辆模型数据进行IOU匹配；根据IOU匹配结果实现车辆的轨迹更新；步骤4：将交通视频数据中的每一帧画面中的车道辅助线位置，转换为图像像素空间坐标系中的数字空间坐标位置；将交通视频数据中的每一帧画面中的车辆的物理空间位置，转换为图像像素空间坐标系中的坐标位置；步骤5：基于步骤4获得的交通视频数据中的每一帧画面中的车道辅助线位置在图像像素空间坐标系中的数字空间坐标位置，以及交通视频数据中的每一帧画面中的车辆的中心点对应的图像像素空间坐标系中的坐标位置，按照如下公式计算获得车辆的运行速度：式(1)中，v为车辆的运行速度，d为车道辅助线的长度，T1为在图像像素空间坐标系中车辆的位置经过第一个车道辅助线的起点的时刻，T2为在图像像素空间坐标系中车辆的位置经过第一个车道辅助线的终点的时刻。2.根据权利要求1所述的方法，其特征在于：所述车辆识别模型为YOLOV5车辆识别模型。3.根据权利要求2所述的方法，其特征在于：所述YOLOV5车辆识别模型的训练包括如下的操作：将开源数据库中人工标记的车辆的描框数据、以及车辆类型信息输入YOLOV5车辆识别模型；针对不同类型的车辆设置车辆的初始描框数据，并将不同车辆类型的初始描框数据输入YOLOV5车辆识别模型；YOLOV5车辆识别模型在初始描框数据的基础上输出每个车辆的预测框数据，然后计算每个车辆的预测框和真实框的准确度，再反向更新模型参数。4.根据权利要求3所述的方法，其特征在于：所述交通视频数据为含有具有前后间隔的交通辅助线的交通视频数据。5.根据权利要求4所述的...

【专利技术属性】
技术研发人员：杨柳，侯文学，赵显焦，方宏广，侯少梁，任聪聪，郭建坡，赵凯文，
申请(专利权)人：中电建路桥集团有限公司，
类型：发明
国别省市：