车速检测

最新推荐文章于 2024-08-06 00:13:12 发布

weixin_45764226

最新推荐文章于 2024-08-06 00:13:12 发布

阅读量5.5k

点赞数 12

文章标签：计算机视觉车速检测

本文链接：https://blog.csdn.net/weixin_45764226/article/details/107306479

版权

这篇博客介绍了模式识别作业中的车速检测方法，包括基于目标检测和虚拟线圈法。虚拟线圈法通过监测像素变化来计算车速，而目标检测法则依赖于车辆定位。博主分享了设置可视化虚拟线圈的过程，以及利用背景差分法检测汽车的方法，尽管这种方法存在误差。最终，博主提到实际项目中需要考虑更多因素，并展示了识别车速的示例结果。

摘要由CSDN通过智能技术生成

车速检测

这是我的第一篇博客哈哈，、受到疫情的影响，在家完成模式识别的作业。本次是模式识别作业的其中一个，车速检测，在此记录一下，好日后查找，当然，如果能对大家有帮助，我将会很高兴滴。话不多说，我们看重点。
基于视频的实时车速检测有两种方法，一种是目标检测法，另一种是线圈法。前者就是检测出每一帧中车的位置，然后根据相机标定的值得到车在实际道路上的位移，通过距离除以时间就能得到车速。后者是在固定的两个位置分别设置两个虚拟线圈（为啥叫虚拟线圈，因为实际上这两个位置是人为圈出来的）。当汽车经过虚拟线圈时，这个区域的像素值会改变。当检测到像素值发生改变时，记录当前帧数，两个帧数相减得到汽车经过两个虚拟线圈的帧数，然后根据视频帧率得到时间，最后就是距离除以时间就能得到车速。
整体检测流程如下图所示
在这里插入图片描述

可视化虚拟线圈

这个对车速检测没有任何关系，纯粹是是我们能肉眼看到设置的线圈的位置，毕竟眼见为实嘛。
在图像上画线

function [ dest ] = DrawVirtualbox( src, pt, wSize,  lineSize, color )
% %将图像画上有颜色的框图，如果输入是灰度图，先转换为彩色图像，再画框图
% 图像矩阵
% 行向量方向  是  y
% 列向量方向  是  x
%----------------------------------------------------------------------
%输入：
% src：        原始图像，可以为灰度图，可为彩色图
% pt：         左上角坐标   [x1, y1]
% wSize：   框的大小      [wx, wy]
% lineSize： 线的宽度
% color：     线的颜色      [r,  g,  b] 
%----------------------------------------------------------------------
%输出：
% dest：           画好了的图像
%----------------------------------------------------------------------
%flag=1: 有缺口的框
%flag=2: 无缺口的框

flag = 2;

%判断输入参数个数
if nargin < 5
    color = [255 255 0];
end

if nar