视频测速综述

开篇：润墨网以专业的文秘视角，为您筛选了一篇视频测速综述范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要 基于视频测速基本原理，介绍了目标跟踪测速法和虚拟线圈测速法两类技术，并分析了视频测速的理论可行性和现实应用中面临的实际问题，对视频测速的发展进行了展望。

【关键词】视频测速 目标跟踪 虚拟线圈 车牌识别

1 引言

随着机动车辆的日益增多，交通管理需要更为高效可行的办法以维持交通秩序。在现有车辆测速系统中，雷达测速、激光测速、线圈测速较为普及，技术也相对成熟；但是，雷达测速价格昂贵且容易被电子狗反侦测，感应线圈测速只能用于固定点监测，测量重复性较低，数据波动性较大，且对路面有一定破坏，激光测速精度高但数据重复性相当不好。相较而言，视频测速不用雷达，也无需传感器，只安装一个视频摄像头，既能对高速行驶中的汽车实现精确测速，又能对超速违章车辆进行布控，在车辆测速中更具有潜在优势。

2 视频测速原理

视频测速是指不使用专门的测速设备(如线圈、雷达、激光等)，通过分析机动车辆的视频监控信号而获得车辆行驶速度的一种方法。视频测速是将摄像机和计算机图像处理技术结合的一种技术。

现有测速领域的所有系统的基本原理都基于一个简单公式：

v = Δd /Δt = (d1 −d0)/(t1 −t0)

一般而言，Δd或Δt中有一个变量值可以直接获取，再利用其他手段测量或计算出另一个变量的值1。

对于视频测速而言，Δt可以通过视频信号帧之间的时间差直接得到；Δd 不能直接获取，而是依据下式：

Δd = d1 −d0= f(s1)−f(s2)

其中，f(s)是一个单映射函数，s值表示位置，是一个在实际应用系统中比较容易获得的值。

在整个视频测速过程中，准确拟订场景距离十分重要，直接影响到最终的测速结果。摄像机的定位角度、位置、高度需要与软件中计算的角度严格一致。

3 视频测速技术分类

目前，视频测速技术主要有两种：基于目标跟踪技术和基于虚拟线圈技术。

3.1 基于目标跟踪测速

基于目标跟踪的视频测速方法利用特定的算法对测速车辆相应目标进行跟踪，一般基于车辆的车牌、车灯或车辆角点等，利用前后帧图像中目标的位移计算车辆速度。目标跟踪方法的测速效果较好，但算法相对复杂，一般只限于对特定车道单个车辆的跟踪测速。基于目标跟踪测速的三个关键点在于：

（1）准确找到两幅车辆图像中的跟踪目标。找到目标才能准确地得到位置 ，计算出车速。

（2）在尽可能短的时间内定位到目标。由于视野范围的限制，车辆行驶速度越高，车辆出现在视野范围的时间也就越短。要实现高速情况下的测速，必须在极短的时间内迅速定位到对应目标，这就要求高速、准确的目标定位算法。

（3）准确获得图像帧的时间差。视频信号帧之间的时间间隔是固定的，只需确定两幅图像间的帧间隔数。考虑到车辆高速通过时可能仅留有2-3帧图像，为实现高速测速，其被处理的帧间隔数越小越好。

3.1.1基于车牌定位测速

车牌是唯一对车辆身份进行识别的标记，尽管牌照的字符、颜色、格式内容和制作材料会多种多样，但车牌仍最为精确和特定的识别标记。随着计算机图像处理技术的发展，车牌定位不仅能实现精确测速，更能通过车牌号唯一识别测速车辆，为交通管理提供了极大便利。

车牌识别首先需要准确进行车牌定位。自然环境下，汽车图像背景复杂，光照不均匀，如何准确地确定车牌区域是整个测速过程的关键。首先要对视频图像进行相关搜索，找到符合汽车牌照特征（目前国内车牌有几大类别，设计车牌识别算法时需要设定相应参数分类定位）的若干区域作为候选区，然后对这些侯选区域做进一步分析，最后选定一个最佳区域作为牌照区域，将其从图像中分割出来。设计算法时还应考虑到车牌倾斜等问题。

车牌识别系统的优劣主要由两个关键性能参数共同决定：识别率和识别速度。

识别率指标的一般要求是24小时全牌正确识别率达到85%-95%。其中全牌识别准确率即全牌正确识别的车牌总数与可由人工正确读取的车牌号总数的比值。

识别速度决定了车牌识别系统是否能够满足实时实际应用的要求。目前市场上的车牌识别系统在实际应用中的识别速度平均为200ms/次。较好的车牌识别系统，其快速识别速度达到10ms/次，实际应用识别速度能够达到平均40ms/次。

3.1.2基于车灯定位

基于车灯定位的视频测速关键在于定位算法的快速性，最好能在20ms内完成车灯的准确定位。其原理就是利用在已知时间差的前后帧图像中车灯的移动距离来计算车的移动速度。

车灯定位的优势在于车灯的特点：

（1）两个车灯一般是对称的，其灰度变化基本一致；

（2）两个区域基本处在一条水平线上；

（3）相对于车身和路面，车灯部分亮度比较大；

（4）由于存在车灯反光罩，车灯灰度变化频繁；

（5）车灯背景比较单一；

（6）目标在视野中是上下运动，对竖直方向偏斜比较小。

利用这些特征制定的算法有利于提高目标车灯搜索的准确率和速度。目前车灯定位的正确率尚低于车牌定位率，离实用化仍有一段距离，但车灯定位方式具有算法简单、快速的特点，可在嵌入式硬件平台上实现。其主要难点在于提高定位速度和定位精度两个方面。

3.2 基于虚拟线圈测速

基于虚拟线圈的视频测速是指在摄像机监控的道路视频画面的合适位置上，人为地设置一个（或两个）虚拟线圈框，通过对触发虚拟线圈框的车辆进行抓拍从而计算得到目标车辆速度的一种方法。

虚拟线圈触发信号产生的原理为:将虚拟线圈划定的区域作为检测区域，它在视频序列中有一定的信号波动，表现在描述区域图像特征的描绘值会有一定的变化。当有车辆经过时，描绘值会产生大的跳变，超过决策阈值，即可以判定有车压线。线圈从无车到有车的状态转换过程中产生一个触发信号。

目前大多数虚拟线圈测速算法还无法完成多车道场景车辆测速的问题，容易受到车辆换道等因素的影响。有学者提出了将虚拟线圈划为分界检测区域和触发检测区域，有效完成了多车道场景下多目标车辆的检测．

4 视频测速应用分析

相对传统的测速方式，视频测速技术具有几大明显优势。

（1）无专用测速设备，系统简化，测速系统成本低；

（2）测速摄像头可同时进行路况监控，设备使用效率高；

（3）从理论上来说，视频测速可达到很高的测速精度。

但事实上，视频测速至今未得到广泛应用，其主要原因在于这一技术在应用中的某些固有缺陷。

一是视频测速软件算法的复杂性。视频测速的实现是通过使用软件算法对视频信号进行分析和运算完成的，实际能够达到的测量精度也取决于软件算法的性能。不同的研发人员开发出来的算法会有很大的不同，而且软件定位算法在不同光照、不同角度、摄像头不同型号等条件下定位准确度变化也比较大。

二是视频测速对摄像机要求的稳定性。既包括连续拍照性能的稳定，也包括摄像机自身位置参数的稳定。视频测速的摄像头要求固定安装，不允许随意转动，其焦距光圈等参数也要求是固定的。然而，照相曝光本身的随机性也有可能对软件定位算法的精度产生影响，而现实条件下各种振动都可能造成摄像头标定参数与实际参数不符。

5 视频测速应用前景展望

视频测速作为一种新兴技术，在智能交通领域具有较大的发展空间。特别是在道路上的固定式摄像头较为普及的情况下，可以不增加任何硬件设备而实现对目标车辆的测速。针对视频测速现有精度不高的问题，可以通过多次或多车的测量来提高准确度；同时，通过改进算法，提高运算速度，使系统模块化，可增强视频测速系统在运用中的灵活性。视频测速也可以和其他测速方式相结合，构成混合测速系统，扩展其应用范围。

参考文献

[1]童剑军,邹明福.基于监控视频图像的车辆测速[J].中国图象图形学报,2005,10(2):192-196．

[2]黄丹丹,孙咏,任俊等．利用图像识别的车速测量系统[J]．计算机辅助设计与图形学学报,2005,17(6):1258-1262．

[3]徐伟,王朔中.基于视频图像Harris角点检测的车辆测速[J].中国图象图形学报,2006,11(11):1650-1652．

[4]刑霄飞,李永宁,林木华．一种基于纹理分析的视频车辆测速方法[J].计算机应用,2005,25(12):2803-2806．

[5]左奇,史忠科.一种新的交通流视频检测方法[J].西安交通大学学报,2004,38(4):396-399．

[6] GA36-2007.中华人民共和国机动车号牌[S]．北京:公安部技术监督委员会,2007.

[7]张宇.车牌识别系统中车牌定位与字符分割方法的研究[D].五邑大学,2009.

[8]孟诺. 交通卡口雷达、视频、线圈检测[J]. 智能建筑与城市信息,2012,04(185):84-89.

[9]童剑军.说说视频测速[EB/OL].[2012-12-13]..

作者简介

陈薏竹（1993-），女，山东省东阿人。大学本科学历。研究方向为光信息科学与技术。

李一昂（1992-），男，河南省开封人。大学本科学历。研究方向为图像处理。

作者单位

国防科学技术大学湖南省长沙市410073