2 …… 126 127 128 129 130 131 132 133 134 135 136 137 138 139 9 …… 779 790 801 812 823 834 846 858 870 882 894 907 920 933 142 143 144 145 146 147 148 149 150 151 152 153 154 …… 286 287 图3.20 标定结果
975 989 1004 1019 1034 1050 1065 1082 1099 1116 1133 1151 1169 …… 23719 24674 第四章 其他视频测速方法
视频测速利用二维图像对三维运动进行估算，是一个发展较快的领域。己有的传统算法有基于光流方程的Hom-SChunck法，基于块运动模型的相位相关法，基于三维重建的检测算法等。
4.1光流方程法
首先根据车辆在道路上的实际运动情况，可以认为车辆的运动为基于笛卡儿坐标系的三维刚体平移或近似平移运动。
首先是基于光流方程(OFE)的方法，它试图依据时空图像亮度梯度来得到一个光流场
的估算。对于单色图像，OFE需要和合适的时空平滑度约束条件联合使用，这个条件要求位移矢量在附近区域缓慢变化。对于彩色图像，OFE可分别施加于每个颜色带，它能够约束三个不同方向的位移矢量[3]。在绝大多数情况下，一个适当的平滑度约众条件对于获得满意结果也是必需的。整体平滑度约束条件引起遮挡边界上的不准确的运动估算。更先进的有向平滑度约束条件允许运动场中有突变的间断点。
假设Sc(x，y，O表示连续时空亮度分布)，如果顺着起动轨迹的亮度保持不变，可以得到x和y元沿着运动轨迹随t变化，使用微分连锁法，则光流方程可表示成:
Vx(x,y,t)?Sc(x,y,t)?S(x,y,t)?Sc(x,y,t)?Vy(x,y,t)c??0 （4.1）
?x?y?t其中 表示依据连续空间坐标速度矢量分量。在一定的约束条件下，计算前向和后项有限差分的平均值并通过用四次有限
分来得到可以求出和分别表示水平和垂直方向的速度。
4.2 相位相关法
基于块运动模型的相位相关法中，两个相邻图像之间的傅立叶相位差的线性项决定了运动估算。设图像k中的一个中心位于n，力的NXN块被模型化为图像k+m(m为整数)中同样尺寸块的一个完全位移形式:即
Sk(x,y,t)?Sk?m(x?dx,y?dy,k?m) （4.2） ，其中dx，dy，是位移(平移)矢量分量。对(2)式的离散运动模型两边进行二维傅立叶变换，m=1，在块B上生成
Sk(fx,fy)?Sk?1(fx,fy)exp[j2?(dxfx?dyfy)] （4.3）
其中S、(fx，fy)代表图像k的二维傅立叶变换。其互功率谱相位为 Ck,k?1(fx,将（3）带入有
~fy)?*Sk?1(fx,fy)Sk?1(fx,fy)*|Sk?1(fx,fy)Sk?1(fx,fy)| （4.4）
Ck~,k?1(fx,fy)?exp[j2?(dxfx?dyfy)] （4.5）
相位相关法在计算机实现中要用二维DFT代替二维傅立叶变换，首先计算图和图像k+m各自块的二维DFT，然后计算(4)中的互功率谱相位，再计算出的二维逆DFT得到相位相关函数，当取定特征点n=(x,y)，后很明显相位相关函数，将是相对位移d=(dx,dy)
的函数检测相位相关函数中峰值的位置，就可以检测出两个块间的相对位移。
4.3视频测速原理
不难看出，光流方程法和相位相关法的运算量非常大，而且光流方程法对图像光线的分布有一定要求，实用起来效果也并不好。
图4.1视频测速系统框图
视频测速的原理主要就是从一前一后两幅二维车辆图像中分别提取出车辆的三维实际位置差，则可以即算出车辆速度。例如，设路口有一固定摄像机，在to时刻，拍摄下包括车A的道路图片(远景)，并计算出车辆A相对于基准点的距离为x0，在tl时刻，拍摄下包括车A的道路图片(近景)，并计算出车辆A相对于基准点的距离为xl，则△t=t1-to，△x=x0-x1，车辆速度为V=△x△to。 4.3.1视频测速前提
如何从车辆二维图像得到车辆实际的三维空间位置信息，需要解决一些理论上的问题。首先需要证明在每幅图像中必须取2条水平特征量，才能将求出车辆的水平实际位置。
如图5，EF为CCD摄像机像平面，O为CCD焦点。若只选取1条水平特征量，例如选取车辆牌照下边缘，在t1时刻，车辆在路面上的实际位置为U点，牌照下边缘在图像中的垂直位置为D点，t2时刻车辆运动到V点，牌照下边缘在图像中的垂直位置为J点，则在△t=t1-t0时间内，车辆运动距离为△X=UR-VR=UV。
但是，从图中可以看出，在t0时刻，若车辆在路面上的实际位置为U点，牌照下边缘在图像中的垂直位置同样为D点，t1时刻车辆运动到V点，牌照下边缘在图像中的垂直位置同样为J点，则在△t=tl-t0时间内，车辆运动距离为△X=WR-ZR=WZ。所以，若只取一条水平特征量，无法判断车辆在△T时间
图4.2定位原理图
4.3.2 视频测速算法
考虑到系统应用中还要识别牌照字符，而牌照分割时不可避免的要对牌照定位，为了提高效率，不取车辆中的其他水平特征信息，而就取牌照的上下边缘作为2条水平特征向量进行车辆实际位置的计算。
图4.3 测速原理图
如图6，在t0时刻，只要从图像中的牌照位置CD计算出车辆的实际位置x=UR，同理计算出t1时刻车辆实际位置VR，则可以根据下式计算出车辆速度。
（4.6）
将像平面部分图像放大进行进一步分析。
图4.4 测速原理细节图
Ty:D点的y坐标 by:C点的y坐标
]>TGate，记下其离A[N」的距离P1=N-n，则可确定牌照字符上边缘为Ty=oty-PI; 4.选取一个牌照字符上边缘噪声判决门限BGate，从0~·N遍历A〔Nj，若遇到A[n]>BGate，记下其离A[0〕的距离P2，则可确定牌照字符下边缘为By=Oby+PZ:
5.根据前面介绍的视频测速算法，以及牌照字符上下边缘位置Ty、By求出车辆速度。 4.4.4 动态闭值
一般情况下，近景牌照字符的高度(Ty-By)应当大于或者至少等于远景牌照字符高度，采用同一牌照字符上下边缘噪声判决门限TGate和BGate时，有少许图像可能出现近景牌照字符高度小于远景牌照字符高度，导致视频测速产生较大误差。当出现上述情况时引入了动态闭值算法，即综合考虑远近景牌照字符高度差，位置差，水平投影统计分布等，动态选取TGate和防BGate，以求尽量准确定出远近牌照字符上下边缘位置，减小此误差。
远景牌照:左上角顶点(167，382)，右下角 牌照大小:165x53
近景牌照:左上角顶点(186，370)，右下角 牌照大小:184x54