[發(fā)明專利]一種基于雙目立體視覺系統(tǒng)的車輛智能測速方法

有效

• 申請?zhí)枺?/td>: 201910608772.6
• 申請日: 2019-07-08
• 公開（公告）號: CN110322702B
• 公開（公告）日: 2020-08-14
• 發(fā)明（設計）人: 楊蕾;宋曉煒;李夢龍;李淵;蔡文靜;羅建晨
• 申請（專利權）人: 中原工學院
• 主分類號: G08G1/04
• 分類號: G08G1/04;G06K9/00;G06T7/292;G06T7/80;G06N3/04
• 代理公司: 鄭州優(yōu)盾知識產(chǎn)權代理有限公司 41125
• 代理人: 栗改

本發(fā)明提出了一種基于雙目立體視覺系統(tǒng)的車輛智能測速方法，其步驟如下：車牌作為檢測特征對SSD神經(jīng)網(wǎng)絡進行訓練得到車牌識別模型；對雙目立體視覺系統(tǒng)進行標定獲取兩部相機的自身參數(shù)和外部參數(shù)；利用車牌識別模型對獲取的視頻幀進行車牌檢測，定位出目標車輛的車牌位置；基于特征的匹配算法對車牌位置進行特征點提取和立體匹配；對保留的匹配點進行篩選和剔除，保留位置最接近車牌中心的匹配點的坐標；對篩選后的匹配點對進行立體測量，獲取空間坐標下的位置；計算目標車輛在一定時間內(nèi)通過的距離，獲得目標車輛運行速度。本發(fā)明安裝調(diào)試簡易、可以同時自動識別經(jīng)過訓練的多種特征，能夠更好地滿足未來智能交通網(wǎng)絡及物聯(lián)網(wǎng)的發(fā)展需求。

技術領域

本發(fā)明涉及雙目立體視覺的技術領域，尤其涉及一種基于雙目立體視覺系統(tǒng)的車輛智能測速方法。

背景技術

傳統(tǒng)的交通監(jiān)控系統(tǒng)通常是通過安裝在道路上方或者側面的攝像設備對道路進行拍攝，進而配合預埋線圈或者雷達、激光雷達等方式檢測超速行為并拍照取證，需要多個系統(tǒng)配合工作才可以完成測速、車牌識別、取證并記錄的工作，安裝鋪設和調(diào)試工作相對復雜。而對于其他違規(guī)駕駛行為，諸如駕駛過程中接聽電話、未系安全帶等行為通常還需要人為查看視頻或圖像記錄進行檢測。而面對越來越多的車輛，人工檢測違規(guī)行為的方式顯然將無法滿足未來道路監(jiān)控發(fā)展的需求。智能交通的建設迫在眉睫。

雙目立體視覺系統(tǒng)是機器視覺領域的一個十分經(jīng)典的視覺體系，它利用兩部攝像機獲取一對存在一定視差的視頻圖像，通過對兩幅圖像中差異進行計算即可獲取物體在現(xiàn)實三維空間中的一些狀態(tài)。用的雷達、激光等測速方法，需破壞道路埋設線圈且不能同時測量視野內(nèi)所有車輛目標，不能夠在起伏路段及轉向路段完成車輛測速。

發(fā)明內(nèi)容

針對現(xiàn)有車輛測速方法需要破壞道路且不能測量視野內(nèi)的所有車輛的技術問題，本發(fā)明提出一種基于雙目立體視覺系統(tǒng)的車輛智能測速方法，利用雙目立體視覺系統(tǒng)測速具有探測隱秘性，無需破壞道路埋設線圈且可以同時測量視野內(nèi)所有車輛目標，能夠在起伏路段及轉向路段完成車輛測速。。

為了達到上述目的，本發(fā)明的技術方案是這樣實現(xiàn)的：一種基于雙目立體視覺系統(tǒng)的車輛智能測速方法，其步驟如下：

步驟一：將帶有車牌的圖像組成的數(shù)據(jù)集輸入SSD神經(jīng)網(wǎng)絡，車牌作為檢測特征對SSD神經(jīng)網(wǎng)絡進行訓練得到車牌識別模型；

步驟二：將雙目立體視覺系統(tǒng)架設在車道右側、中間或上方，利用對雙目立體視覺系統(tǒng)進行標定獲取兩部相機的自身參數(shù)和外部參數(shù)；利用標定后的雙目立體視覺系統(tǒng)拍攝運動的目標車輛的視頻；

步驟三：利用步驟一訓練好的車牌識別模型對標定好的雙目立體視覺系統(tǒng)獲取的視頻幀進行車牌檢測，定位出目標車輛的車牌位置；

步驟四：利用基于特征的匹配算法對同一相機的前后幀圖像中車牌位置進行特征點提取和立體匹配，通過單應性矩陣過濾后保留正確的匹配點；利用基于特征的匹配算法對雙目立體視覺系統(tǒng)左右路對應視頻幀中的對應車牌進行特征點提取和立體匹配，利用單應性矩陣過濾后將正確的匹配點進行保留；

步驟五：對步驟四保留的匹配點對進行進一步篩選，然后利用雙目立體視覺系統(tǒng)測距的方法對篩選后的匹配點進行剔除，保留位置最接近車牌中心的匹配點的坐標作為當前幀中目標車輛所處的位置；

步驟六：利用雙目立體視覺系統(tǒng)對篩選后的匹配點對進行立體測量，獲取空間坐標下的位置；通過位置信息計算目標車輛在一定時間內(nèi)通過的距離，獲得目標車輛運行速度。

所述步驟一中的SSD神經(jīng)網(wǎng)絡是在經(jīng)典SSD神經(jīng)網(wǎng)絡的基礎上去除了卷積層conv11_2，采用conv4_3、conv7、conv8_2、conv9_2、conv10_2和conv11_2層，將各卷積層提取的不同尺度的特征信息進行融合并輸入到分類器中，車牌識別模型通過分類器輸出的特征圖預測車牌的位置。