一种基于CCD成像原理的视频测速算法
测速技术的发展
目前，车辆测速技术主要有地感线圈测速（或红外测速）、雷达测速（或激光测速）及视频测速等。
1、地感线圈测速
地感线圈测速技术利用电磁感应原理，当有车辆经过地感线圈区域时，线圈磁通量发生变化，输出触发信号，提示有车经过，因此可以在公路路面一定距离上设置两个地感线圈区域，通过监测出车辆经过这两个区域的时间差，即可计算出车辆速度。由于地感线圈需对路面进行切割，会对路面有一定的破坏。
2、雷达测速
所谓雷达测速，就是根据接收到的反射波频移量的计算而得出被测物体的运动速度。通俗来说，就是在道路旁边架设雷达发射器，向道路来车方向发射雷达波束，再接收汽车的反射的回波，通过回波分析测定汽车车速，如车速超过设定值，则指令相机拍摄（晚间同时触发闪光灯）。目前，警用的雷达测速仪分固定和流动两种，固定的安装在桥梁或者十字路口，流动的一般安装在巡逻车上雷达测速则利用多普勒效应，通过雷达反射波相对于发射波的频移计算出运动物体的速度。雷达测速系统对于测量角度要求较高，测速系统需正对物体运动向，测量偏差角度应小于10度。
3、激光测速
激光测速红外线和激光检测有类似之处，由于激光有点测量行为，从理论上讲时可行的检测过程相当高，但与微波雷达相比，同样面临路口多，道路多，车辆多，行人多的影响，点测量效率无法满监管要求，最重要的是：激光检测中的激光束对人体主要是人眼的伤害尤其严重。在欧美等国家用激光测速的交通测速仪器，其性能指标不仅要达到国际安全标准，同时在使用中必须人工操控，以避免多人眼造成伤害。在日本是严格禁止用激光检测设备的，因此激光检测在理论上又是较好，但目前在使用过程中的安全问题仍未解决。
4、视频测速
“视频测速”是指不使用专用的测速设备(如线圈、雷达、激光等)，仅仅通过对车辆视频监控信号进行分析而获得机动车辆行驶速度的一种方法。这种技术是通过闭路电视系统或数字照相机、摄像机来进行现场数据采集，采用视频识别技术和数字化技术分析交通数据可以设想一下，不用雷达，不用传感器，仅仅安装一个视频摄像头，便可获知监控对象的实际运动速度。该方法通过对连续视频图像的分析，跟踪违章车辆行为的过程，通过分析控制拍照进行违章抓拍。该系统的优点是不受路面情况限制，安装不需要破坏路面，或在路面下埋设感应圈，通过在道路上方架设摄像头来检测交通数据，是新一代的道路车辆检测方式。视频的缺点是对移动车辆的鉴别有一定的困难，另外受光线，天气影响比较大。
CCD成像原理
图像传感器，是组成工业相机的重要组成部分。根据元件的不同，可分为CCD（Charge Coupled Device，电荷耦合元件）和CMOS（Complementary Metal-Oxide Semiconductor，金属氧化物半导体元件）两大类。在上世纪末的25年里，CCD技术一直统领着图像传感器件的潮流，它是能集成在一块很小的芯片上的高分辨率和高质量图像传感器。CCD与CMOS图像传感器光电转换的原理相同，他们最主要的差别在于信号的读出过程不同；由于CCD仅有一个（或少数几个）输出节点统一读出，其信号输出的一致性非常好；而CMOS芯片中，每个像素都有各自的信号放大器，各自进行电荷-电压的转换，其信号输出的一致性较差。但是CCD为了读出整幅图像信号，要求输出放大器的信号带宽较宽，而在CMOS 芯片中，每个像元中的放大器的带宽要求较低，大大降低了芯片的功耗，这就是CMOS芯片功耗比CCD要低的主要原因。尽管降低了功耗，但是数以百万的放大器的不一致性却带来了更高的固定噪声，这又是CMOS相对CCD的固有劣势。 目前用于道路交通测速的视频摄像机基本是采用CCD技术的高清相机
基于CCD成像原理的测速方法
本文提供一种能够利用现有的视频探头对车速进行测量的方法。为了达到上述目的，本文的技术方案是提供了一种基于特征点变化的视频测速方法，其步骤为：
则结合公式（3）至（6）可以得到公式（1），同理可以得到公式（2）。
本方式采用连续图片，或者视频流中的特征点象素变化量进行长度计算，可以或者 连续图片内被测量特征物体的位移变化量ΔS，特征物体可以是车牌，车灯，车标或者其他不随移动物体位移，或短时间内变化的特征，根据目前技术可以获知连续图片的拍摄时间久可以获知拍摄时间差Δt，在知道被测量物体位移变化量及连续图片差的情况下就可以获得被测量物体速度：V=ΔS/Δt
具体实现流程为：当有移动物体进入相机或者摄像机拍摄场景内时，开始查找移动物体内较易提取的特征（对于交通行业可以选择车牌，车标灯），根据拍摄方式的不同，移动物体分为接近和远离相机（摄像机）两种情况；对于接近相机的情况：当移动物体上特征可以清楚分辨的时候记录该特征的像素坐标，并记录该时间，一段时间后（移动物体没有移出拍摄区域）记录该特征的另一坐标，并记录该时间，根据本方式可以计算出移动物体在该时间内在实际环境中位移量ΔS，且移动时间可以通过相机内记录两次时间的时间差Δt，则该物体的速度为：V=ΔS/Δt；远离情况和接近情况相关，差别在于远离情况会较快的获取到移动物体的特征坐标，具体计算公式与接近相同。
对于移动物体特征的提取，按照目前技术可实现情况，可以为车牌，车标，或者车辆在被拍摄图片录像内的道路投影，按照目前的技术，在完成特征量提取后，会给出提取特征量的对角坐标如：x1，y1；x2y,2分别对应左上，右下或者左下右上等方式，本算法采用任意一个即可，但是两次采用的坐标需为同一坐标，即第一次用左上坐标，则第二次也为左上。
移动时间差的计算，在目前技术条件下，大多数的相机，摄像机内部具有相关计时器，可以完成时间差的计时功能。
实际效果
通过测试，在用a、b式时在外青松公路测试（AD=6;AB=15;n=1232;a=0.0044mm;DE’=25mm）
利用a、b式计算出地面线圈的距离为2.98m。测量行驶车辆速度数据如下；
序号 | 雷达枪速度 | 线圈速度 | 视频速度 | 雷达枪与视频偏差 |
1 | 42 | 38.7 | 49.6 | 正7.6 |
2 | 46 | 43.2 | 51.2 | 正5.2 |
3 | 42 | 39.5 | 48.4 | 正6.4 |
4 | 56 | 52.5 | 65.4 | 正9.4 |
5 | 40 | 37 | 44.8 | 正4.8 |
6 | 39 | 36 | 45 | 正6 |
7 | 65 | 59.6 | 78.5 | 正13.5 |
8 | 56 | 52.3 | 65.5 | 正9.5 |
9 | 58 | 53.1 | 68.1 | 正10.1 |
10 | 48 | 44 | 53.6 | 正5.6 |
在实际应用中一般定位车牌上的某一点作为车辆位置。但车牌距离地面有一定的高度。根据图像透视投影的原理得到公式
（c）：AN=(AD-h)×tg{arctg(AB/AD)+ arctg（B’E’/DE’）+ arctg{[(n/2)- X1]×a}/DE’}
（d）：AM=(AD-h)×tg{arctg(AB/AD)+ arctg（B’E’/DE’）-arctg{[(n/2)- X1]×a}/DE’}
如测试数据偏高可修改h来调整
示图如下：在用c d公式计算结果如下：
序号 | 雷达枪 | 线圈 | 视频 | 视频与雷达抢偏差 |
1 | 42 | 38.3 | 43.2 | 正1.2 |
2 | 35 | 32.3 | 36.1 | 正1.1 |
3 | 60 | 60.3 | 64.3 | 正4.3 |
4 | 40 | 36.1 | 41.4 | 正1.4 |
5 | 55 | 51.4 | 56.2 | 正1.2 |
6 | 63 | 63 | 69 | 正6 |
7 | 52 | 47 | 53 | 正1 |
8 | 48 | 45 | 49 | 正1 |
9 | 46 | 42 | 48 | 正2 |
10 | 71 | 67 | 73 | 正2 |
11 | 89 | 81 | 91.9 | 正2.9 |
12 | 60 | 57.1 | 62 | 正2 |
13 | 47 | 45 | 48.5 | 正1.5 |
14 | 50 | 45 | 52 | 正2 |
15 | 65 | 62.7 | 66.4 | 正1.4 |
16 | 46 | 43.4 | 48.6 | 正2.6 |
17 | 57 | 54 | 59.7 | 正2.7 |
18 | 46 | 43.8 | 49.3 | 正3.3 |
19 | 56 | 50.1 | 58.9 | 正2.9 |
20 | 55 | 52.8 | 56.6 | 正1.6 |
21 | 62 | 57.2 | 63.5 | 正1.5 |
22 | 41 | 38.3 | 43.2 | 正2.2 |
23 | 32 | 28.7 | 33 | 正1 |
24 | 45 | 42.4 | 47.2 | 正2.2 |
25 | 53 | 48.1 | 54.6 | 正1.6 |
26 | 42 | 40 | 43.6 | 正1.6 |
27 | 52 | 49.6 | 52.9 | 正0.9 |
28 | 38 | 35.6 | 40.6 | 正1.4 |
结论
经济在发展，时代在改变，汽车车速的监测技术也日趋完善，但存在的缺陷也不容忽视，每年死于交通事故的人数一直居高不下，其中由超速引起的交通事故占了很大比例，因此我们需要加快对现有监测技术的改善，并且对现有技术进行融合，以一项技术的长处去弥补另一项技术的短处，从而产生趋近于完美的监测技术，并广泛地普及开来。另外，也要加强对超速的管制，才能发挥这些技术的最大的作用。
参考文献
付永启. CCD在测速中的应用[J]. 光学精密工程, 1995, 3(2):94-97.
王彭城 汽车行驶速度监测技术现况及发展 常州工学院
陈荣保,赵聃,王乾隆.基于图像处理的前方行驶车辆速度测量方法[J].传感器与微系统,2018,37(04):17-19+23
梁帅.基于监控视频的车辆速度测算[J].电脑与电信,2017(04):36-38
童剑军,邹明福.基于监控视频图像的车辆测速[J].中国图象图形学报,2005(02):192-196
王命延,朱明峰,王昊.机动车视频测速中关键技术的研究与实现[J].计算机工程,2006(05):198-201.
作者简历
史贝娜（1976--），女，工程硕士学位，主要研究领域：交通控制，智能控制，交通数据采集。
张东海（1981-）男，本科 主要研究领域：交通控制，智能控制，图像检测识别
