之前有手動一個一個影片看的方式查看大型重機檢核的觀察影片，發現小型車的數據遺漏了很多，那時候就想應該可以用程式的方式抓出「未保持安全車距」這個違規。但是沒有實際動手做就不了了之。
今天回想到這件事情，就在壓力之下在網路上找了一個 python + opencv motion detection 的程式碼來跑看看，發現竟然會 work，就拿著這份 code 去改，改成可以 detect 車輛車距的程式。
先講 motion detection 的部分，原理很簡單，基本上背景是不會動的，因此我們可以把每個畫面灰階化、高斯模糊後，與背景相減取得 delta，然後二值化、膨脹，就可以找出每個物體的邊框。
那要怎麼樣抓出車距呢？我一開始的想法是認為，先畫出一條線，當第一輛車通過後 (負緣觸發) 記錄下時間，等到第二輛車通過 (正緣觸發) 就可以透過兩個時間 * 時速算出距離。問題是我們不知道時速，這部分就只能夠透過假設的方式認定車速會高於最低速限，低於最高速限。但這樣好像有點不妥當，不夠精確。
第二個想法是，畫出兩條線，間距 10 公尺 (最低車距），在車道中剛好是一黑一白，當兩條線都被 motion detect 的 rectangle 壓到的時候，就代表車距不足。這個就不必依賴於速限，同時又能夠抓出車距不足的問題。只是會有 false positive，下面會再提到。
前面這個想法還要先解決一個問題：怎麼判斷 rectangle 通過給定的線？在這邊給定的線其實只是用 opencv 透過兩個點畫上去的而已。屏除掉艱澀的幾何算法，我們可以透過 Bresenham’s line algorithm 把兩點之間的直線點都算出來，算出來就能夠每次暴力的對每個偵測出來的 rectangle 去算直線中的點有沒有在 rectangle 裡面。至於時間複雜度……反正我們知道直線點很少，rectangle 也很少，還可以將就著用。
將所有的所需都完成後，我們就能夠用程式去跑，直接抓出可能的違規影像，例如說：
當然，也有很多 false positive，例如說：
到現在只有跑了兩個影片，但是感覺 CP 值不高。每個影片都要重新設定線段，大概要花 5 分鐘。接著再花 5 分鐘跑完一整個小時的影片。接著花 20 分鐘從所有抓出來的照片中挑選在高公局檢核小組裡面遺漏的部分。以兩個片段而言這次遺漏了 15 輛小型車違規。但是只會增加小型車 0.06% 的違規率。假設每個都遺漏這麼多好了，全部 18 個影片也只會增加 0.54% 的違規率而已。從 1.5% 變成 2.04%，操作起來的 CP 值真的不高。
Leave a Reply