一种基于视频图像的车头间距测量方法及系统与流程

本发明涉及智能交通领域，尤其是一种基于视频图像的车头间距测量方法及系统。

背景技术：

车头间距指在一条车道上同向行驶的一列车队中，前后相邻两辆车的车头之间的距离。车头间距的分布与交通流三要素(即流量、速度和密度)密切相关，不同道路状况下车头间距具有不同的规律性；同时，准确的车头间距分布模型是驾驶安全、司机特性等研究的基础。因此，车头间距是交通流运行分析中的一个重要参数。

当前计算车头间距的方法主要包括直接计算法与间接计算法。

直接计算法通常根据车辆所装载的GPS定位系统的数据得出，使用该方法进行车头间距测量时，受GPS精度以及GPS安装位置的不确定性影响，该测量方法误差较大；同时，该方法必须采用至少两辆测试车，且测试车辆必须始终保持跟车状态，也即两辆测试车辆之间不被其他车辆插入或影响，因此该方法在实际的道路环境中不易操作。

间接测量法主要包括基于车头时距的方法、基于跟驰模型的方法和基于交通密度的方法这三类方法。车头时距是用时间表示的车头间距，是指一条车道上同向行驶的一列车队中，相邻两辆车车头端部通过某一断面的时间间隔，通常由人工调查或机器检测所得。基于车头时距的方法得到车头时距后，再通过车头时距与车辆瞬时速度的乘积得到车头间距，这种方法虽然采集简单，但误差较大。基于跟驰模型是一种微观的车辆驾驶行为描述方法，是研究无法超车的单一车道上车辆列队行驶时后车跟随前车的行驶状态的一种理论，跟驰模型的核心思想是将当前车辆在下一时刻的位置表示成当前时刻当前车辆与前车的车头间距、驾驶员反应灵敏度等一系列相关变量的函数。当某一路段或者某一车辆队列的跟驰模型确定后，基于跟驰模型的方法可由跟驰模型推导出具体车辆的车头间距，但由于跟驰模型是理论上的车辆行为模型，因此其得到的只是理论上的车头间距值，与实际的车头间距值存在一定的误差；同时由于建立跟驰模型需要模型参数的精确标定，因此其工作量相对较大。基于交通密度的方法主要是统计一定长度的道路上车辆的数目，从而获得路段交通密度，进而通过交通密度的倒数近似估计车头间距，因此该方法只能得到宏观的平均车头间距；该类方法主要包括车辆计数方法(如出入量法、浮动车法等)与航拍法，车辆计数方法采集工作量大，航拍法具有直观、统计方便的特点，但是其采集成本较高。

综上所述，现有的车头间距测量方法主要存在误差较大、工作量大、只能得到宏观平均车头间距而无法精确获得每辆车的车头间距和成本高等问题。

技术实现要素：

为解决上述技术问题，本发明的目的在于：提供一种误差小、工作量小、能精确获得每辆车的车头间距和成本低的，基于视频图像的车头间距测量方法。

本发明的另一目的在于：提供一种误差小、工作量小、能精确获得每辆车的车头间距和成本低的，基于视频图像的车头间距测量系统。

本发明所采取的技术方案是：

一种基于视频图像的车头间距测量方法，包括以下步骤：

确定摄像机参数，所述摄像机参数指能确定并表示摄像机姿态以及位置的参数；

在待测量车辆上确定测量点，其中，测量点为待测量车辆的车体上一个高度已知且距离待测量车辆车头距离已知的点；

根据摄像机参数计算测量点的世界坐标；

根据测量点的世界坐标计算每辆待测量车辆的车头位置；

根据每辆待测量车辆的车头位置计算相邻两辆车辆的车头间距。

进一步，所述摄像机参数包括但不限于摄像机距离地面的高度、摄像机在世界坐标系中的坐标、摄像机拍摄角、摄像机旋转角、摄像机俯仰角、摄像机焦距、摄像机光心距离摄像机光轴与地面交点之间的距离，所述确定摄像机参数的方法包括但不限于人工到拍摄现场进行测量法、从摄像机的安装要求获得法和图像标定法，其中，图像标定法包括以下步骤：

根据车辆视频图像的类型选定典型图像：若车辆视频图像为视频，则选定的典型图像为视频中成像稳定的一帧图像，若车辆视频图像为卡口图像，则选定的典型图像为卡口图像中一张成像质量好的图像；

根据典型图像采用设定的摄像机模型及标定方法进行参数标定，得到包含摄像机距离地面的高度h在内的摄像机参数以及摄像机在世界坐标系中的坐标Q_CAMERA(X_CAM，Y_CAM，Z_CAM)，其中，X_CAM、Y_CAM和Z_CAM分别为摄像机在世界坐标系中的坐标Q_CAMERA的X轴、Y轴和Z轴分量。

进一步，所述在待测量车辆上确定测量点这一步骤，其包括：

建立车型测量信息库，所述车型测量信息库中存储有不同型号车辆上可能用到的测量点的信息，其中，车型测量信息库存储的测量点信息包括但不限于测量点的类型、测量点距离地面的高度dz_Q和测量点距离车头的距离dh_Q，测量点的类型包括但不限于车牌边缘、车辆下边缘、车窗下边缘、车窗上边缘和车顶后端；

对待测量车辆进行车辆定位、车牌定位与车型识别，获得图像中待测量车辆的测量点的类型与坐标q(x_q，y_q)，其中，x_q和y_q分别为测量点在图像坐标的x轴和y轴分量；

根据测量点的类型与坐标q(x_q，y_q)在车型测量信息库中查找对应的dz_Q与dh_Q并进行记录。

进一步，所述根据摄像机参数计算测量点的世界坐标这一步骤，其包括：

根据摄像机距离地面的高度h或以其它摄像机参数表示的摄像机距离地面高度采用设定的摄像机模型及标定方法计算Q＇(X_Q＇，Y_Q＇，0)点的X轴坐标X_Q＇和Y轴坐标Y_Q＇，其中，Q＇(X_Q＇，Y_Q＇，0)点为世界坐标系中测量点Q(X_Q，Y_Q，Z_Q)与摄像机的坐标Q_CAMERA所确定的直线与XY平面的交点；

根据计算出的X轴坐标X_Q＇和Y轴坐标Y_Q＇、测量点距离地面的高度dz_Q以及摄像机的坐标Q_CAMERA计算测量点Q(X_Q，Y_Q，Z_Q)在世界坐标系中的坐标，所述测量点Q(X_Q，Y_Q，Z_Q)在世界坐标系中的坐标计算公式分别为：

进一步，所述根据测量点的世界坐标计算每辆待测量车辆的车头位置这一步骤，其包括：

取待测量车辆上n个不同的测量点Q₁，Q₂……Q_n，并分别计算每个测量点所对应的车头位置X_veh-Q1，X_veh-Q2……X_veh-Qn，其中，第i个测量点所对应的车头位置X_veh-Qi计算公式为：X_veh-Qi＝X_Qi+dh_Qi，i＝1，2……n，n为正整数；

根据每个测量点所对应的车头位置X_veh-Q1，X_veh-Q2……X_veh-Qn计算待测量车辆所有测量点的平均车头位置X_veh，并以计算的平均车头位置X_veh作为待测量车辆的车头位置，所述待测量车辆所有测量点的车头位置X_veh的计算公式为：

进一步，所述根据每辆待测量车辆的车头位置计算相邻两辆车辆的车头间距这一步骤，其包括：

根据待测量车辆的车头位置X_veh的计算公式得到相邻两辆车辆veh1及veh2的车头位置X_veh1及X_veh2；

根据相邻两辆车辆veh1及veh2的车头位置X_veh1及X_veh2计算相邻两辆车辆veh1及veh2的车头间距dis，所述车头间距dis的计算公式为：dis＝|X_veh1-X_veh2|，其中，||为取绝对值符号。

本发明所采取的另一技术方案是：

一种基于视频图像的车头间距测量系统，包括以下模块：

参数确定模块，用于确定摄像机参数，所述摄像机参数指能确定并表示摄像机姿态以及位置的参数；

测量点确定模块，用于在待测量车辆上确定测量点，其中，测量点为待测量车辆的车体上一个高度已知且距离待测量车辆车头距离已知的点；

世界坐标计算模块，用于根据摄像机参数计算测量点的世界坐标；

车头位置计算模块，用于根据测量点的世界坐标计算每辆待测量车辆的车头位置；

车头间距计算模块，用于根据每辆待测量车辆的车头位置计算相邻两辆车辆的车头间距。

进一步，所述摄像机参数包括但不限于摄像机距离地面的高度、摄像机在世界坐标系中的坐标、摄像机拍摄角、摄像机旋转角、摄像机俯仰角、摄像机焦距、摄像机光心距离摄像机光轴与地面交点之间的距离，所述确定摄像机参数的方法包括但不限于人工到拍摄现场进行测量法、从摄像机的安装要求获得法和图像标定法，其中，图像标定法包括以下步骤：

根据车辆视频图像的类型选定典型图像：若车辆视频图像为视频，则选定的典型图像为视频中成像稳定的一帧图像，若车辆视频图像为卡口图像，则选定的典型图像为卡口图像中一张成像质量好的图像；

根据典型图像采用设定的摄像机模型及标定方法进行参数标定，得到包含摄像机距离地面的高度h在内的摄像机参数以及摄像机在世界坐标系中的坐标Q_CAMERA(X_CAM，Y_CAM，Z_CAM)，其中，X_CAM、Y_CAM和Z_CAM分别为摄像机在世界坐标系中的坐标Q_CAMERA的X轴、Y轴和Z轴分量。

进一步，所述测量点确定模块包括：

建库单元，用于建立车型测量信息库，所述车型测量信息库中存储有不同型号车辆上可能用到的测量点的信息，其中，车型测量信息库存储的测量点信息包括但不限于测量点的类型、测量点距离地面的高度dz_Q和测量点距离车头的距离dh_Q，测量点的类型包括但不限于车牌边缘、车辆下边缘、车窗下边缘、车窗上边缘和车顶后端；

定位与识别单元，用于对待测量车辆进行车辆定位、车牌定位与车型识别，获得图像中待测量车辆的测量点的类型与坐标q(x_q，y_q)，其中，x_q和y_q分别为测量点在图像坐标的x轴和y轴分量；

查找与记录单元，用于根据测量点的类型与坐标q(x_q，y_q)在车型测量信息库中查找对应的dz_Q与dh_Q并进行记录。

进一步，所述世界坐标计算模块包括：

地面交点坐标计算单元，用于据摄像机距离地面的高度h或以其它摄像机参数表示的摄像机距离地面高度采用设定的摄像机模型及标定方法计算Q＇(X_Q＇，Y_Q＇，0)点的X轴坐标X_Q＇和Y轴坐标Y_Q＇，其中，Q＇(X_Q＇，Y_Q＇，0)点为世界坐标系中测量点Q(X_Q，Y_Q，Z_Q)与摄像机的坐标Q_CAMERA所确定的直线与XY平面的交点；

世界坐标计算单元，用于根据计算出的X轴坐标X_Q＇和Y轴坐标Y_Q＇、测量点距离地面的高度dz_Q以及摄像机的坐标Q_CAMERA计算测量点Q(X_Q，Y_Q，Z_Q)在世界坐标系中的坐标，所述测量点Q(X_Q，Y_Q，Z_Q)在世界坐标系中的坐标计算公式分别为：

本发明的方法的有益效果是：包括确定摄像机参数、确定测量点、计算测量点的世界坐标、计算每辆待测量车辆的车头位置和计算相邻两辆车辆的车头间距的步骤，基于视频图像来测量车头间距，与基于GPS、车头时距等测量方法相比，误差更小；只需确定摄像机参数、测量点及其世界坐标，再结合现有车辆定位、车牌定位和车辆分割的方法，即可实现车头间距的自动测量，不再需人工操作，通过自动化测量的方式大大减小了人工工作量且成本较低；能精确计算相邻两辆车辆的车头间距而不是一个车队或者一个路段上的平均车头间距，更加可靠。进一步，在计算每辆待测量车辆的车头位置时对同一辆车使用多个测量点求平均值的方式减小图像测量中的误差，更加精确。

本发明的系统的有益效果是：包括参数确定模块、测量点确定模块、世界坐标计算模块、车头位置计算模块和车头间距计算模块，基于视频图像来测量车头间距，与基于GPS、车头时距等测量方法相比，误差更小；基于视频图像来测量车头间距，与基于GPS、车头时距等测量方法相比，误差更小；只需确定摄像机参数、测量点及其世界坐标，再结合现有车辆定位、车牌定位和车辆分割的方法，即可实现车头间距的自动测量，不再需人工操作，通过自动化测量的方式大大减小了人工工作量且成本较低；能精确计算相邻两辆车辆的车头间距而不是一个车队或者一个路段上的平均车头间距，更加可靠。进一步，车头位置计算模块在计算每辆待测量车辆的车头位置时对同一辆车使用多个测量点求平均值的方式减小图像测量中的误差，更加精确。

附图说明

图1位本发明一种基于视频图像的车头间距测量方法的整体流程图；

图2为本发明实施例一的车头间距测量流程图。

图3为本发明实施例一的摄像机模型示意图；

图4为本发明实施例一摄像机参数标定时选取的矩形区域示意图；

图5为本发明实施例一测量点的示意图；

图6为本发明实施例一常用测量点的示意图；

图7为本发明实施例一世界坐标系中任意一点的成像模型示意图。

具体实施方式

参照图1，一种基于视频图像的车头间距测量方法，包括以下步骤：

确定摄像机参数，所述摄像机参数指能确定并表示摄像机姿态以及位置的参数；

在待测量车辆上确定测量点，其中，测量点为待测量车辆的车体上一个高度已知且距离待测量车辆车头距离已知的点；

根据摄像机参数计算测量点的世界坐标；

根据测量点的世界坐标计算每辆待测量车辆的车头位置；

根据每辆待测量车辆的车头位置计算相邻两辆车辆的车头间距。

进一步作为优选的实施方式，所述摄像机参数包括但不限于摄像机距离地面的高度、摄像机在世界坐标系中的坐标、摄像机拍摄角、摄像机旋转角、摄像机俯仰角、摄像机焦距、摄像机光心距离摄像机光轴与地面交点之间的距离，所述确定摄像机参数的方法包括但不限于人工到拍摄现场进行测量法、从摄像机的安装要求获得法和图像标定法，其中，图像标定法包括以下步骤：

根据车辆视频图像的类型选定典型图像：若车辆视频图像为视频，则选定的典型图像为视频中成像稳定的一帧图像，若车辆视频图像为卡口图像，则选定的典型图像为卡口图像中一张成像质量好的图像；

根据典型图像采用设定的摄像机模型及标定方法进行参数标定，得到包含摄像机距离地面的高度h在内的摄像机参数以及摄像机在世界坐标系中的坐标Q_CAMERA(X_CAM，Y_CAM，Z_CAM)，其中，X_CAM、Y_CAM和Z_CAM分别为摄像机在世界坐标系中的坐标Q_CAMERA的X轴、Y轴和Z轴分量。

进一步作为优选的实施方式，所述在待测量车辆上确定测量点这一步骤，其包括：

建立车型测量信息库，所述车型测量信息库中存储有不同型号车辆上可能用到的测量点的信息，其中，车型测量信息库存储的测量点信息包括但不限于测量点的类型、测量点距离地面的高度dz_Q和测量点距离车头的距离dh_Q，测量点的类型包括但不限于车牌边缘、车辆下边缘、车窗下边缘、车窗上边缘和车顶后端；

对待测量车辆进行车辆定位、车牌定位与车型识别，获得图像中待测量车辆的测量点的类型与坐标q(x_q，y_q)，其中，x_q和y_q分别为测量点在图像坐标的x轴和y轴分量；

根据测量点的类型与坐标q(x_q，y_q)在车型测量信息库中查找对应的dz_Q与dh_Q并进行记录。

进一步作为优选的实施方式，所述根据摄像机参数计算测量点的世界坐标这一步骤，其包括：

根据摄像机距离地面的高度h或以其它摄像机参数表示的摄像机距离地面高度采用设定的摄像机模型及标定方法计算Q＇(X_Q＇，Y_Q＇，0)点的X轴坐标X_Q＇和Y轴坐标Y_Q＇，其中，Q＇(X_Q＇，Y_Q＇，0)点为世界坐标系中测量点Q(X_Q，Y_Q，Z_Q)与摄像机的坐标Q_CAMERA所确定的直线与XY平面的交点；

根据计算出的X轴坐标X_Q＇和Y轴坐标Y_Q＇、测量点距离地面的高度dz_Q以及摄像机的坐标Q_CAMERA计算测量点Q(X_Q，Y_Q，Z_Q)在世界坐标系中的坐标，所述测量点Q(X_Q，Y_Q，Z_Q)在世界坐标系中的坐标计算公式分别为：

进一步作为优选的实施方式，所述根据测量点的世界坐标计算每辆待测量车辆的车头位置这一步骤，其包括：

取待测量车辆上n个不同的测量点Q₁，Q₂……Q_n，并分别计算每个测量点所对应的车头位置X_veh-Q1，X_veh-Q2……X_veh-Qn，其中，第i个测量点所对应的车头位置X_veh-Qi计算公式为：X_veh-Qi＝X_Qi+dh_Qi，i＝1，2……n，n为正整数；

根据每个测量点所对应的车头位置X_veh-Q1，X_veh-Q2……X_veh-Qn计算待测量车辆所有测量点的平均车头位置X_veh，并以计算的平均车头位置X_veh作为待测量车辆的车头位置，所述待测量车辆所有测量点的车头位置X_veh的计算公式为：

进一步作为优选的实施方式，所述根据每辆待测量车辆的车头位置计算相邻两辆车辆的车头间距这一步骤，其包括：

根据待测量车辆的车头位置X_veh的计算公式得到相邻两辆车辆veh1及veh2的车头位置X_veh1及X_veh2；

根据相邻两辆车辆veh1及veh2的车头位置X_veh1及X_veh2计算相邻两辆车辆veh1及veh2的车头间距dis，所述车头间距dis的计算公式为：dis＝|X_veh1-X_veh2|，其中，||为取绝对值符号。

参照图2，一种基于视频图像的车头间距测量系统，包括以下模块：

参数确定模块，用于确定摄像机参数，所述摄像机参数指能确定并表示摄像机姿态以及位置的参数；

测量点确定模块，用于在待测量车辆上确定测量点，其中，测量点为待测量车辆的车体上一个高度已知且距离待测量车辆车头距离已知的点；

世界坐标计算模块，用于根据摄像机参数计算测量点的世界坐标；

车头位置计算模块，用于根据测量点的世界坐标计算每辆待测量车辆的车头位置；

车头间距计算模块，用于根据每辆待测量车辆的车头位置计算相邻两辆车辆的车头间距。

进一步作为优选的实施方式，所述摄像机参数包括但不限于摄像机距离地面的高度、摄像机在世界坐标系中的坐标、摄像机拍摄角、摄像机旋转角、摄像机俯仰角、摄像机焦距、摄像机光心距离摄像机光轴与地面交点之间的距离，所述确定摄像机参数的方法包括但不限于人工到拍摄现场进行测量法、从摄像机的安装要求获得法和图像标定法，其中，图像标定法包括以下步骤：

根据车辆视频图像的类型选定典型图像：若车辆视频图像为视频，则选定的典型图像为视频中成像稳定的一帧图像，若车辆视频图像为卡口图像，则选定的典型图像为卡口图像中一张成像质量好的图像；

根据典型图像采用设定的摄像机模型及标定方法进行参数标定，得到包含摄像机距离地面的高度h在内的摄像机参数以及摄像机在世界坐标系中的坐标Q_CAMERA(X_CAM，Y_CAM，Z_CAM)，其中，X_CAM、Y_CAM和Z_CAM分别为摄像机在世界坐标系中的坐标Q_CAMERA的X轴、Y轴和Z轴分量。

进一步作为优选的实施方式，所述测量点确定模块包括：

建库单元，用于建立车型测量信息库，所述车型测量信息库中存储有不同型号车辆上可能用到的测量点的信息，其中，车型测量信息库存储的测量点信息包括但不限于测量点的类型、测量点距离地面的高度dz_Q和测量点距离车头的距离dh_Q，测量点的类型包括但不限于车牌边缘、车辆下边缘、车窗下边缘、车窗上边缘和车顶后端；

定位与识别单元，用于对待测量车辆进行车辆定位、车牌定位与车型识别，获得图像中待测量车辆的测量点的类型与坐标q(x_q，y_q)，其中，x_q和y_q分别为测量点在图像坐标的x轴和y轴分量；

查找与记录单元，用于根据测量点的类型与坐标q(x_q，y_q)在车型测量信息库中查找对应的dz_Q与dh_Q并进行记录。

进一步作为优选的实施方式，所述世界坐标计算模块包括：

地面交点坐标计算单元，用于据摄像机距离地面的高度h或以其它摄像机参数表示的摄像机距离地面高度采用设定的摄像机模型及标定方法计算Q＇(X_Q＇，Y_Q＇，0)点的X轴坐标X_Q＇和Y轴坐标Y_Q＇，其中，Q＇(X_Q＇，Y_Q＇，0)点为世界坐标系中测量点Q(X_Q，Y_Q，Z_Q)与摄像机的坐标Q_CAMERA所确定的直线与XY平面的交点；

世界坐标计算单元，用于根据计算出的X轴坐标X_Q＇和Y轴坐标Y_Q＇、测量点距离地面的高度dz_Q以及摄像机的坐标Q_CAMERA计算测量点Q(X_Q，Y_Q，Z_Q)在世界坐标系中的坐标，所述测量点Q(X_Q，Y_Q，Z_Q)在世界坐标系中的坐标计算公式分别为：

下面结合说明书附图和具体实施例对本发明作进一步解释和说明。

实施例一

针对现有的车头间距测量方法误差较大、只能得到宏观参数而无法精确获得每相邻两辆车辆的车头间距和工作量大的问题，本发明提出了一种的基于视频图像的车头间距测量方法及系统，在保证测量精度的前提下可以获得视频图像中每相邻两辆车之间的车头间距，且对于同一个视频图像来说，只需确定摄像机参数、测量点及其世界坐标，再结合现有车辆定位、车牌定位、车辆分割的方法，即可实现车头间距的自动测量，不再需人工操作，通过自动化测量的方式大大减小了人工工作量且成本较低。

如图2所示，以图像标定法中的摄像机标定方法为例，该基于视频图像的车头间距测量方法具体过程包括：

(1)摄像机标定

摄像机标定的目的是获得摄像机的参数。为了便于说明，本实施例在进行摄像机标定时设定的摄像机模型及标定方法为Xiaochen He和Nelson Hon Ching Yung提出的摄像机模型及标定方法，如图3所示。通过该方法，本实施例能获得摄像机距离地面的高度h等摄像机参数以及摄像机在世界坐标系中的坐标值Q_CAMERA(X_CAM，Y_CAM，Z_CAM)，具体计算方法如下：

1)从视频图像中选定典型图像进行摄像机标定：若是视频，则取视频中成像稳定的一帧作为典型图像；若是卡口拍摄的连续图像，则取其中一张成像质量较好的图像作为典型图像。

2)在典型图像中选取地面上的一个长、宽已知的矩形区域，且该矩形区域的长、宽与世界坐标中的x轴、y轴平行，如图4中的红框所示，记录该矩形在世界坐标的实际长度为L，宽度为W，矩形四个顶点在图像中的坐标为a(x_a，y_a)，b(x_b，y_b)，c(x_c，y_c)，d(x_d，y_d)。

根据Xiaochen He和Nelson Hon Ching Yung提出的摄像机模型，摄像机参数(包括高度h，旋转角度s，拍摄角度p，俯仰角度t，焦距f)的计算公式为：

f＝F/tant(4)

其中：

α_pq＝x_q-x_p，β_pq＝y_q-y_p，χ_pq＝x_py_q-y_px_q；

U_q＝x_qsins+y_qcoss，V_q＝x_qcoss-y_qsins；

式(3)中的±的选择取决于满足条件时的符号；

若f＜0，则f＝-f，s＝s+180°

根据公式(6)-(8)计算摄像机的世界坐标Q_CAMERA(X_CAM,Y_CAM,Z_CAM)：

X_CAM＝h×tan(90°+t)×sinp (6)

Y_CAM＝h×tan(90°+t)×cosp (7)

Z_CAM＝h (8)

(2)在待测量车上确定测量点

如图5所示，定义测量点为待测量车辆车体上一个高度已知、距离待测量车车头距离已知的点。本实施例预先建立车型测量信息库，该信息库中存有不同型号车辆上可能用到的测量点的信息，包括测量点的类型(如车顶后端1、车窗上边缘2、车窗下边缘3、车牌边缘4车辆下边缘5等，如图6所示)、测量点距离地面的高度dz_Q、测量点距离车头的距离dh_Q。

本实施例测量点的类型可根据实际情况进行增删，但测量点的设立必须满足如下条件：

1)测量点在世界坐标中距离地面的高度dz_Q已知，距离车头的距离dh_Q已知；

2)测量点必须是可以通过现有的算法自动在车辆视频图像中进行定位的，如可通过车牌定位算法获得车牌上测量点的位置、通过车辆分割算法获得车窗边缘的位置、通过车辆定位算法获得车辆下边缘或车辆顶部后边缘的位置等；

3)同一型号的车辆中，测量点的高度是相同的。

建立车型测量信息库后，采用现有的算法对待测量车辆进行车辆定位、车牌定位与车型识别，获得图像中待测量车的测量点的类型与坐标q(x_q，y_q)，然后根据测量点的类型在车型测量信息库中查找对应的dz_Q与dh_Q并进行记录。

(3)计算测量点的世界坐标

设测量点的世界坐标为Q(X_Q，Y_Q，Z_Q)，q(x_q，y_q)为测量点Q在车辆视频图像中的坐标，并设Q＇(X_Q＇，Y_Q＇，0)点为世界坐标系中测量点Q与摄像机光心Q_CAMERE所确定的直线与XY平面的交点，如图7所示。

则根据Xiaochen He和Nelson Hon Ching Yung提出的摄像机模型，Q＇点在世界坐标系中的X坐标与Y坐标可通过式(9)和式(10)进行计算：

在三角形Q_CAMERAQ_CAM-XYQ＇中，根据相似关系，可得：

在XY平面上，根据相似关系，可得：同理可得：

因此，Q点在世界坐标系中的坐标可通过式(11)-(13)进行计算：

Z_Q＝dz_Q (13)

(4)计算每辆待测量车的平均车头位置

车头位置X_veh表示待测量车辆车头平面在X轴方向上的位置，如图5所示。对于测量点Q，可按式(14)来计算车头位置：

X_veh-Q＝X_Q+dh_Q (14)

对于待测量车辆，取待测量车辆上多个不同的测量点Q₁，Q₂……Q_n，并分别计算每个测量点所对应的车头位置X_veh-Q1，X_veh-Q2……X_veh-Qn，然后按公式(14)计算待测量车辆所有测量点对应的车头位置，再计算所有测量点对应的车头位置的平均值，并以计算的平均值作为该待测量车辆的车头位置X_veh，具体计算公式为：

其中，n为该待测量车辆上所取的测量点总数，因此n≥1。一般情况下，测量点的选择应覆盖待测量车上所有的测量点类型，当个别类型的测量点被其他物体遮挡时候，该类型的测量点可不进行统计。

(5)计算相邻两辆车的车头间距

对每张典型图像中的所有车辆进行车辆定位后，在每辆待测量车上确定多个测量点，然后分别计算相邻两辆车辆veh1及veh2的车头位置X_veh1及X_veh2，则这两辆车的车头间距dis为：dis＝|X_veh1-X_veh2|。

本发明基于视频图像的车头间距测量方法具有以下特点：

1)基于视频图像，适用于各类道路监控视频以及车辆抓拍系统来计算车头间距；

2)能测量出视频图像区域内任意两辆车辆的车头间距；

3)该测量方法绝对误差＜±1.3m，相对误差＜3％，精度高；

4)对于具体某一个道路监控视频或具体某一个车辆抓拍系统来说，其只需确定摄像机参数、测量点及其世界坐标，再结合车辆自动定位、车牌自动定位与车辆自动分割技术即可实现车头间距的自动测量；

5)定义了多种类型的测量点并建立车辆测量信息库，保存有不同型号车辆不同测量点的高度和距离车头距离，方便了测量时通过车辆型号进行查找；

6)通过对车辆多个测量点进行计算并取平均值表示车头位置，减小了测量误差；

与现有技术相比，本发明能实现精确、微观和自动的车头间距测量。其中，精确体现在：a)基于图像测量方法，比GPS、车头时距等方法的误差更小；b)对同一辆车使用多个测量点求平均值的方式来减小图像测量中的误差。微观体现在本发明得到的是每两个相邻个体车辆的车头间距，而不是一个车队或者一个路段上的平均车头间距。自动体现在本发明的方法对于某一个具体的监控视频或者车辆图像抓拍系统来说，其只需确定摄像机参数、测量点及其世界坐标，再结合现有车辆定位、车牌定位、车辆分割的方法，即可实现车头间距的自动测量，不再需人工操作。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。