[發明專利]基于視頻車輛檢測和雷達信號融合的車輛測速方法

在審

• 申請號: 201810973204.1
• 申請日: 2018-08-24
• 公開（公告）號: CN109102702A
• 公開（公告）日: 2018-12-28
• 發明（設計）人: 韓玉兵;任潔心;王堯
• 申請（專利權）人: 南京理工大學
• 主分類號: G08G1/052
• 分類號: G08G1/052;G06T7/60;G06T7/277;G06T7/66;G06T7/73;G01S13/42;G01S13/58;G01S13/86
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 封睿

1.一種基于視頻車輛檢測和雷達信號融合的車輛測速方法，其特征在于，步驟如下：

步驟1、車輛識別跟蹤：利用攝像頭采集車輛視頻信息，進行車輛的識別和跟蹤；

步驟2、測速測量：利用雷達獲取的回波信號，確定車輛的速度、距離和方位信息；

步驟3、結果融合：根據雷達檢測的車輛距離和方位信息，確定車輛質心坐標和行駛方向，將其與視頻檢測得到的車輛質心坐標和行駛方向進行匹配，在視頻上顯示車輛的速度信息。

2.根據權利要求1所述的基于視頻車輛檢測和雷達信號融合的車輛測速方法，其特征在于，步驟1利用YOLOv3算法進行車輛識別，利用卡爾曼濾波跟蹤進行車輛跟蹤。

3.根據權利要求2所述的基于視頻車輛檢測和雷達信號融合的車輛測速方法，其特征在于，步驟1利用YOLOv3算法進行車輛識別的具體方法為：

對攝像頭讀取的一幀圖片進行歸一化處理，并劃分成S×S網格，選擇物體中心位置落在的網格負責物體的檢測，由于每個邊界框擁有5個參數，分別為目標的中心坐標(x₀，y₀)，寬w、高h和邊界框置信度，將中心坐標(x₀，y₀)相對于所在的目標中心單元格歸一化到0-1之間，w、h用圖像自身的寬和高歸一化到0和1之間；

根據歸一化后的邊界框參數確定邊界框置信度其中Pr(object)表示邊界框含有目標的可能性，當邊界框內有目標時，Pr(object)＝1，當邊界框內沒有目標時，Pr(object)＝0，表示為邊界框的準確度，計算公式為其中Box_truth代表真實的目標邊界框，Box_pred代表預測的目標邊界框，根據的閾值去除可能性比較低的窗口，使用非極大值抑制去除冗余窗口，輸出最終的目標檢測框。

4.根據權利要求2所述的基于視頻車輛檢測和雷達信號融合的車輛測速方法，其特征在于，步驟1的卡爾曼濾波跟蹤選取車輛的質心坐標為車輛的跟蹤點，將跟蹤分為初始化、預測、匹配和更正四個階段，具體方法為：

將車輛出現在第一幀圖像中的像素坐標作為卡爾曼濾波跟蹤的初始值；

對當前所有的運動目標進行卡爾曼濾波預測，由于物體在短時間內的運動可以看作是勻速直線運動，所以定義其狀態轉移矩陣A為A＝[1,0,△t,0；0,1,0,△t；0,0,1,0；0,0,0,1]，其中△t表示視頻讀取一幀的時間，將狀態矩陣和當前幀的預測結果代入狀態轉移方程，得到下一幀的狀態預測值；

對多個跟蹤目標進行匹配，由于視頻處理一幀的時間短，所以車輛的行駛距離不會很遠，設定一個閾值T，x_k+1,x_k分別是視頻下一幀和當前幀車輛質心的橫坐標，y_k+1,y_k分別是視頻下一幀和當前幀車輛質心的縱坐標，匹配時利用車輛出現在視頻前后幀中的像素坐標計算出歐氏距離當最小歐氏距離小于閾值T且對應的跟蹤車輛和檢測車輛的標識位都顯示沒有匹配成功時，將檢測目標和跟蹤目標進行匹配，否則，判定車輛匹配失敗；

對卡爾曼濾波的估計值進行修正，將得到的車輛質心坐標的估計值和測量值利用卡爾曼系數即可計算當前車輛質心坐標的最優估計值。

5.根據權利要求1所述的基于視頻車輛檢測和雷達信號融合的車輛測速方法，其特征在于，步驟2進行測速測量的具體方法為：

將接收機收到的回波信號進行A/D和混頻處理轉換為差拍信號，并利用窗函數進行FFT變換，對得到的頻譜圖做非相干累積處理來抑制其他目標雜波的干擾；

進行有序統計恒虛警檢測，將處理結果與門限值比較，如果大于門限，則判斷目標存在，進行速度和距離的解耦合操作，由于差拍信號的頻率是由速度和距離信息組成，根據頻譜圖的峰值譜線計算出相鄰幀之間的相位差，利用不模糊距離和差拍信號頻率求解出距離模糊得到目標的距離，代入式即可求

解出車輛的徑向速度，其中f是差拍信號的頻率，μ是調頻斜率，c是光速，R是目標的距離，V是目標的徑向速度，f₀是雷達發射信號的頻率；

根據波程差確定車輛的方位角計算公式為其中，λ是雷達的波長，ΔR是測量其波程差。