计算视频内车辆速度差和拍摄者车辆与后方车辆之间距离-（2019年数学建模C题 视觉情报分析）

视频是别克英朗2016款车上乘客通过后视镜拍摄的，通过视频

（1）估算该车和后方红色车辆之间的距离

（2）估算该车超越第一辆白色车辆时两车的速度差异

视频提取地址
链接：https://pan.baidu.com/s/1hPSxrhds6bwxyV4BoUR6Bw
提取码：v78s

分析：根据乘客拍摄的视频，不难发现视频中车辆所在的国道，以及国道道路上白色虚线的标准长为多少，经过查阅，白色的车道标识为6米。然后我们对视频进行分帧操作，我是用python实现的，一秒钟大约30帧左右，然后再根据拍摄者车辆倒视镜的下沿为一个标准线，看拍摄者车辆经过若干白色标识的帧数为多少，进而求取平均值就可以得到拍摄者车辆的速度~~为了更加的直观我把分帧的图像给大家展示一下，这两组也是实验中表格内的前两组实验图。

任务一(估算该车超越第一辆白色车辆时两车的速度差异)


下面的表格是我做此次实验的结果：
拍摄者车辆经过白色车道线的帧差表如下所示

经过多次实验发现，拍摄者的汽车经过白色标识车道线所用的视频帧平均为7帧，已知，每秒产生30帧图像，又经过查阅，白色的车道标识为6米，大约经过的时间为7/30秒，则该小汽车的速度为（假设该车为匀速运动）：v=s/t，带入数据 得 v1 = 25.72m/s

为了精确地得到拍摄者车辆的真实速度，减少误差，已知路面上的白色标识为6米，白色标识之间为3米（3米和6米，百度可查，国家规定距离），这次我们选择“9米 = 白色路面标识 + 白色标识之间的3米” 作为测试距离，同理根据车辆经过不同的这段距离用时多少帧，在换算成秒来求真实速度~~为了更加的直观我把分帧的图像给大家展示一下，这两组也是实验中表格内的前两组实验图。


下面的表格是实验的结果：
拍摄者车辆经过 白色标识车道线+白色标识线间隔 的帧差表如下所示

从实验数据来看，拍摄者车辆经过 9米 距离的路段，用时平均为10帧左右，则可得拍摄者的车辆速度为： v=s/t，其中 s 等于9，时间 t 为 10/30 = 1/3 秒，带入数据得 v2 = 27m/s

综上，已知上次的实验结果为 v1 = 25.72m/s ，结合这次的 v2 = 27m/s，对两次的实验结果取平均，最终可得到拍摄者车辆的速度为 26.36m/s

有了计算拍摄者车辆速度的方法，我们采取同样的措施，根据分帧后的视频，我们根据每一帧的图像发现，在第101帧拍摄者的车辆经过白色汽车车尾，在124帧经过白色汽车车头，一共用时 23 帧。
由公式 V1T - V2T = S 即可得到 V2（V2是经过的白色小车的速度），经过查阅资料（车型根据视频就可以断定什么车，即可得车长为多少），经过的白色小轿车车长 4.45 米，V1 为拍摄者的车辆速度 26.36m/s，时间 T为 23/30秒，S = 4.45米，最后可得 V2=20.56m/s
则两个车的速度差为：26.36-20.56=5.8m/s

任务二(估算该车和后方红色车辆之间的距离)

由任务一可知拍摄者车辆的速度和经过的白色小车的速度，现在我们来估算拍摄者车辆与后方红色车辆之间的距离。同样根据分帧处理后的视频图像，分析可得：从白色汽车经过拍摄者车辆到与红色车辆大致平行位置，经过了200帧（120帧到340帧，如下图所示：

大约 200/30 = 20/3秒，由任务一得到的速度差 5.8m/s 可得，拍摄车辆和红色小车的距离大约为 42.54 米。

视频分帧代码：

import cv2
vidcap = cv2.VideoCapture("car_car.mp4")
success,image = vidcap.read()
count = 0
success = True
while success:
    success,image = vidcap.read()
    cv2.imwrite("frame%d.jpg" % count, image) 
    if cv2.waitKey(10) == 27:
        break
    count += 1

（注：这里的时间换算单位：这是一个13秒的视频，对视频分帧后会得到连续的图像，一秒钟大概为30帧，所以这里的时间都除以 30 。任务二的估算误差比较大，全靠肉眼来分辨大概的位置。这是研究生数学建模比赛其中的一题，感兴趣的小伙伴可以去网上搜索其他的解法）