基于車牌字符邊界定位的視頻測速VIP

1、2014 年 5 月May 2014第 40 卷 第 5 期計 算 機 工 程Computer EngineeringVol.40No.5·人工智能及識別技術(shù)·文獻標(biāo)識碼：A號：TP18文章編號：1000-3428(2014)05-0158-06基于車牌字符邊界陳群，(浙江工業(yè)大學(xué)信息的瑾測速，盧，杭州 310023)摘 要：卡口環(huán)境下測速誤差大的問題，提出一種提高測速精度的方法。采用以車牌第 2 個字符作為車輛的特征塊，利用小波變換分解字符的外部邊界特征曲線，在低分辨率下實現(xiàn)目標(biāo)字符的模板匹配，并獲取該曲線相對模板的偏移量，在辨率上進行邊界坐標(biāo)的精細調(diào)整，完成車輛特征塊的

2、精確。結(jié)合字符高度固定的先驗知識，確定車輛特征塊所處的實際坐標(biāo)系，以提高對車輛行駛距離的計算。在實際環(huán)境下，對該方法進行長達 2 個多小時的測試，并對測試結(jié)果與線圈測速、基于車牌的測速進行對比，結(jié)果表明，在車輛正常行駛的速度下，與線圈測速相比，該方法測速誤差在 3 km/h 以內(nèi)。：測速；字符；小波分解；模板匹配；攝像機標(biāo)定；消失點Speed Measurement Based onBoundary Location of License Plate CharactersCHEN Qun, YANG Dong-yong, LU Jin(College of Information Engine

3、ering,of Technology, Hangzhou 310023, China)【Abstract】Aiming at the problem thatspeed measurement has a large error under bayonet socket environment, a method to improvethe velocity precision is proposed. The second character of license plate as a feature of vehicle positioning block is used, wavele

4、t decomposition is used to decompose the characteristic curve of the characters outer boundary, the feature matching is made and the offset of the curve about the template is obtained at low resolution, the outer boundary is adjusted in the initial resolution to complete the vehicleprecise location.

5、 The actual coordinate of the block is determined combined with the height fixed of character, improves the distance of thevehicle traveling. In actual environment, it tests the algorithm for longer than two hours, and compared with coil speed andspeedmeasurement by license plate location. Results s

6、how that, under normal speed, the error is within 3 km/h compared with the coil speed.【Key words】pointsspeed measurement; character location; wavelet decomposition; template matching; camera calibration; vanishingDOI: 10.3969/j.issn.1000-3428.2014.05.033的轉(zhuǎn)換關(guān)系進行速度的轉(zhuǎn)換。但是上述的標(biāo)定方法都只是1概述測速是智能交通系統(tǒng)中一種新型測速方式

7、，能克建立像平面到路面坐標(biāo)系下的，沒能建立像平面到車輛特征塊點所處的世界坐標(biāo)系下的轉(zhuǎn)換。在卡口環(huán)境下，研究的是基于對車輛特征塊的，如對車燈6、角服線圈測速需要破壞路面的缺點，也能彌補測速對安裝角度要求高的不足1-2。目前，國內(nèi)外越來越多的學(xué)者研點7，再求出相應(yīng)的行駛距離。目前，研究的最成8的究與測速相關(guān)的技術(shù)。為了避免基于虛擬線測速是基于車牌測速，以其作為車輛每幀的定中觸線時間誤差的問題，文獻3提出了在車道上設(shè)置一個矩形檢測區(qū)，通過檢測區(qū)內(nèi)的 4 個頂點與其在畫面中成像坐標(biāo)之間的關(guān)系，確定相應(yīng)的轉(zhuǎn)換系數(shù)，將圖像中的像素位結(jié)果，再結(jié)合攝像機標(biāo)定技術(shù)實現(xiàn)測速。但車輛從遠景駛?cè)虢爸?，效果會受車牌?/p>

8、框、傾斜等因素的干擾，使前后兩幀切割出來的車輛牌照不能很好的吻合，從而影響測速精度。點坐標(biāo)準(zhǔn)確地到相應(yīng)的路面坐標(biāo)系下，確定車輛的位移計算出速度，使研究的技術(shù)集中在如何精確地得到車輛的行駛距離。為了簡化相機標(biāo)定實現(xiàn)在實際道路下的測速， 文獻4-5提出了利用消失點的原理建立像平面與路面坐標(biāo)基金項目：浙江省自然科學(xué)基金資助項目(Y1080533)。為提高測速的精度，本文提出一種基于車牌字符邊界的測速方法，對字符的外部邊界精確，以提高車輛行駛距離的估算。作者簡介：陳 群(1987)，男，主研方向：模式識別，數(shù)字圖像信號處理；，教授、博士生導(dǎo)師；盧 瑾，實驗師、博士。收稿日期：2013-02-27修回日

9、期：2013-03-31：chenqun_20060500第40 卷 第5 期陳群，盧瑾：基于車牌字符邊界的測速1592測速原理測速是通過é fx0fy0u0ùé0ù é cos(s)-sin(s) ù其中， K = ê 0úê ú ；ú ；F =vT = 0êêêë 0úê ú êël úû 0- sin(s) -cos(s)ûë分析技術(shù)實現(xiàn)對車輛的測速。

10、通1 úû過對車輛的實時，得到該車輛在畫面中的移動速度，é1 0ùE = ê01ú 。再利用攝像機標(biāo)定技術(shù)實現(xiàn)速度的轉(zhuǎn)換。車輛在畫面中的移動速度如下式所示：ëû對式(2)進行反變換就可以建立從像平面到路面坐v = (d1 - d0 ) /(t1 - t0 ) = Dd / Dt其中，d0 和 d1 分別是通過(1)，得到t0 和 t1 時刻車輛標(biāo)系( Zw = 0 )的轉(zhuǎn)換關(guān)系，具體公式如下：lus cos( p ) sin( t ) + vs sin( p )X=wvs cos( t ) + f sin( t )

11、在畫面中的移動距離，然后通過像平面與路面坐標(biāo)系的映射關(guān)系實現(xiàn)速度的轉(zhuǎn)換。在實際道路上，像平面與路面坐l-us sin( p ) sin( t ) + vs cos( p ) vs cos( t ) + f sin( t )Y =w標(biāo)系(原點為攝像機光軸與地面的交點)9的所示。關(guān)系如圖 1ìus = (u - u0 ) cos( s) + (v - v0 ) sin( s)í(3)v = (u - u0 ) sin( s) - (v - v0 ) cos( s)î sOS由式(3)可知只要標(biāo)定出 f，l，p，t，s 這 5 個參數(shù)，就XcXcsZc能完成像平面與路面

12、坐標(biāo)系的關(guān)系。本項目所使用的Yc Ycs攝像機是銳勢相機 310 系列，分辨率為1 616 ´1 232 ，拍攝頻率為 15 幀/s。設(shè)像平面坐標(biāo)系的原點在左下角，在實O像平面uHv際道路上配置相應(yīng)的標(biāo)志點以提取消失點，再根據(jù)消失點原理實現(xiàn)標(biāo)定。在實際道路面下的配置方法，如圖 3 所示。lhZw1Zw=h 時的路面坐標(biāo)系Yw1pOw1 Xw1ZwtYwOwXw 道路面路面坐標(biāo)系圖 1 路面坐標(biāo)系與像平面的關(guān)系圖 1 中的角度 t 為相機光軸與路面的夾角，p 為光軸與路面夾角，s 為相機內(nèi)部的旋轉(zhuǎn)角， l 為兩平面之間的距離。其中， X csYcs Zcs 坐標(biāo)系是相機坐標(biāo)系 XcYc

13、 Zc 繞 Zc 軸旋轉(zhuǎn)s 度后形成的坐標(biāo)系， X wYw Zw 是路面坐標(biāo)系，UV 為像平圖 3 參數(shù)配置方法通過配置在畫面中獲取的坐標(biāo)位置為： A(480, 997) ， B(235, 597) ，C(1 559, 586) ，D(1 373, 998) ，E (383, 838) E(383, 838) ， F (306, 713) 以此計算直線 AB ， CD ， AD ，面坐標(biāo)系。從圖 1 可知，將路面坐標(biāo)系驟，如圖 2 所示。到像平面的步BC 的表，由直線 AB 與CD 的交點計算出垂直方向消圖 2 路面坐標(biāo)系到像平面坐標(biāo)的轉(zhuǎn)換過程失點坐標(biāo)為(1 015, 1 669) 和由直線

14、AD 與 BC 的交點計算出水平方向消失點坐標(biāo)(-140 995, - 2 166) ，實際相機安裝的高度為 H = 6.65 m ，焦距 f = 25 cm ，像元dx = d y = 4.4 um 。根據(jù)文獻9-10基于 2 個消失點標(biāo)定便可計算出仰角為 t = 10.5 °，偏角為 p = -2 °，內(nèi)部傾角為s = 0.83 °，再將標(biāo)定出來的參數(shù)代入式(3)即可得到像平面與路面坐標(biāo)的轉(zhuǎn)換。= 35 .4 ´ us cos( -2) sin(10 .5) + vs sin( -2)結(jié)合圖 1 的上的轉(zhuǎn)換關(guān)系如下：關(guān)系，圖 2 中的 4 個變換過程

15、在數(shù)學(xué)é X ùcé u ùé f0 ù0f y0uêúx0Yê ú1Z cêú0 ú êú =ê v ú =c0v 01êê Z úcê 1 úê 00 úû êúë ûë1ëû-sin(s)-cos(s) 00-sin( p)é cos(s)ê- sin(

16、s)00100ù é Xcs ù0ú ê Ycs ú1ZcXK 0 êú êú =wvs cos(10 .5) + 5705 ´ sin(10 .5)ê0ú ê Zcs ú00ê1ú êú= 35 .4 ´ -us sin( -2) sin(10 .5) + vs cos( -2)1Yëû ëû0ùéXwùwvs cos(10

17、.5) + 5705 ´ sin(10 .5)écos( p)0ìus = (u - 808 ) cos( 0.83) + (v - 616 ) sin( 0.83)éF 0 ù ê-sin(t)sin( p)0úê Yw ú-sin(t)cos( p)cos(t)cos( p) 0-cos(t)-sin(t) 0 1K 0êív(4)ú êúêú= (u - 808 ) sin( 0.83) - (v - 616 ) cos( 0.8

18、3)Zcë 0 Eû ê cos(t)sin( p)l úê Zw úî sêúê 1 ú01ûëû從式(4)可知，車輛的精度是影響測速精度的ë關(guān)鍵因素。在實際情況下，路面坐標(biāo)系需建立在點所(2)160計 算機 工 程2014 年 5 月 15 日對應(yīng)的平面上(即圖 1 所示的 Zw = h )，而不應(yīng)直接建立在距抽樣11，并將邊界點集轉(zhuǎn)換到極坐標(biāo)形式下來表達，實 現(xiàn)字符邊界的尺度、平移、旋轉(zhuǎn)不變性。再對特征曲線進 行小波分解選擇低頻信息進行匹配

19、，以濾除細節(jié)噪聲干擾。地面上。所以，必須計算出點所處的高度，進一步提高第 2測速的精度。據(jù)此，本文提出利用小波變換對車牌由輪廓跟蹤法對字符邊界點進行逆時針等距到的邊界圖如圖 5 所示(以字符“B”為例)：所得個字符的外部邊界進行精確，在低分辨率下通過最佳起點匹配實現(xiàn)目標(biāo)字符的模板匹配和邊界偏移量的確定，在原始分辨率下提取曲率特征，依次選擇 3 個基準(zhǔn)點40利用最佳匹配原理，建立起模板邊界與目標(biāo)邊界的系，統(tǒng)一以模板信息代替目標(biāo)邊界，提高前后兩幀關(guān)點30位置的吻合度。最后，結(jié)合字符高度固定的先驗知識，完20成點實際坐標(biāo)系的確定，提高對相鄰兩幀間車輛移動邊界點集形狀中心邊界起點距離的計算。3基于車牌

20、10的測速算法車牌實現(xiàn)是卡口系統(tǒng)里的子模塊，通常以其結(jié)果0204060x/像素測速。其方式主要是根據(jù)車牌長寬比例、字圖 5邊界點集符區(qū)域的紋理特征、車牌顏色等特征實現(xiàn)對車牌區(qū)域的定將邊界點坐標(biāo)轉(zhuǎn)化成極坐標(biāo)形式進行表達：位，再將結(jié)果代入式(4)得出速度。車牌算法的基rj =x2 + y2 , j j = arctan( y j / x j )(5)本流程如圖 4 所示。jjr'將幅值 rj 進行歸一化成 j ：彩色汽車圖像利用明暗相間紋理及Sobel 算子確定牌照大致位置r' = (r - r)/(r- r)(6)j Î n 得到j(luò)jminmaxmin其中， rmin

21、= minrj , j Î n, rmax = maxrj ,灰度化處理的邊界點的幅值和相位的特征曲線如圖 6、圖 7 所示。圖像的灰度拉伸邊緣算子卷積運算得到車牌候選區(qū)域根據(jù)特征確定牌照圖 4 車牌流程可知，車牌算法基本流程算法中并沒有對車牌的上圖 6 邊界點的幅值曲線從下邊界做精分割，只是出一個大致區(qū)域。但是，測速對特征塊的精度要求很高。前后兩幀的點差一個像素，得到的速度相差1 km/h 左右。因此，必須對其進行改進來提高4基于車牌測速精度。的測速改進算法車牌圖像通過二值化后，其字符的邊界往往存在缺陷、毛刺、傾斜等因素的干擾。這些干擾會造成車輛前后兩幀圖 7 邊界點的相位曲線由于

22、邊界點的幅值曲線 r ' 包含了邊界點與幾何中心的關(guān)系即字符的邊界信息，因此本文提取幅值曲線 r ' 作為目標(biāo)字符的特征曲線。然而目標(biāo)邊界往往存在許多干擾，僅僅依靠初始的邊界信息進行匹配，誤匹配率比較高。由小波變換的知，通過尺度函數(shù)：f (2k x - j) | j Î Z 可生成分辨率為 2 j下的逼近信號，表征特征曲線的邊界信息的近似信號；由的點不吻合，從而影響對車輛行駛距離的估算，以致影響測速精度。為了能消除這些干擾，本文先對目標(biāo)字符邊界進行等距采樣形成特征曲線并對其進行小波表達，再不斷調(diào)整曲線的起點位置實現(xiàn)特征匹配。最后，利用最佳匹配完成邊界的調(diào)整達到精。4.

23、1 字符外部邊界特征曲線的小波表達首先將到的 m 點邊界點統(tǒng)一以 n 點對邊界進行等相位得到最終的牌照根據(jù)波峰波谷，調(diào)整車牌左右邊界對區(qū)域進行水平投影， 統(tǒng)計波峰波谷對各區(qū)域進行連通域顏色統(tǒng)計，進一步排除偽區(qū)域第40 卷 第5 期陳 群，盧 瑾：基于車牌字符邊界的測速161小波函數(shù)：j (2k x - j) | j Î Z 生成的小波空間，得到是分辨率為 2 j 和 2 j+1 下的逼近信號之差，表征了邊界信息的細節(jié)信號。使其與模板邊界能夠一一對應(yīng)。設(shè) rb 為模板邊界特征， rc 為目標(biāo)邊界特征，兩者相異度計算方式如下：N -1所以特征曲線的邊界點數(shù) N 應(yīng)為 2 的冪次方才造&#

24、229;rb (i) - rc i2成邊界信息的丟失。本文選擇 N = 128 并對其進行周期性擴D(rb , rc ) =i=0(9)'''展為 r (N ) = r (0), r (N +1) = r (1),L, r (N + t) = r (t),L，N -1N -1111årb (i)2 ´ årc (i)2將其在第 J 層下進行小波分解如下式所示：R1 (x) = åCk , jf (2k x - j) + å Dk , jj (2k x - j)i=0i=0+¥+¥(7)對于圖 5 字符

25、“B”，通過最佳起點搜索匹配與模板“B”的特征曲線形成了匹配對，兩者的相異度 D=0.021， 所對應(yīng)的 m=0，k=2，即偏移量為 S=2。4.3 基于最佳匹配的字符邊界精調(diào)整在原始分辨率下，目標(biāo)邊界由于存在干擾與模板仍有一定的差異，生成的邊界點集 r' 會存在細微的偏差，從而導(dǎo)致與模板邊界的對應(yīng)是模糊的，而且每一幀對應(yīng)的模糊j=-¥j=-¥其中，Ck , j 和 Dk , j 分別為曲線 r1 在分辨率為 J 下的近似和細節(jié)數(shù)據(jù)。當(dāng) J = 3 時，分解后的效果如圖 8、圖 9 所示(數(shù)據(jù)重新歸一化處理)。狀況都不一樣，這樣極大地影響了車輛的匹配結(jié)果如圖 10

26、所示。精度。其粗模板邊界目標(biāo)邊界100150采樣點低頻分量曲線圖 80 0050100采樣點圖 10 邊界粗匹配結(jié)果為了能解決上述的問題，本方法通過建立模板與目標(biāo)邊界的仿射變換關(guān)系對目標(biāo)邊界進行精確調(diào)整。假設(shè)Cc 為目前邊界，Cb 為模板邊界，S(sx,sy ) 為尺度矩陣，R(q ) 為旋轉(zhuǎn)矩陣， T ( t x , t y ) 為平移矩陣。其仿射變換原理如下：Cc = S(sx , sy )R(q )T (tx , ty )Cb =qsy cosq 0étx ù圖 9高頻分量曲線ê sy sinqty ú Cb(10)êê

27、5;ú1 úû4.2 基于最佳起點匹配的模板查找和偏移量計算字符受傾斜現(xiàn)象的影響，使目標(biāo)邊界曲線與模板曲線 的起點不一樣。但通過對循環(huán)平移和小波變換進行分析12，0從上面的變換過程中可知有 5 個未知參數(shù)，至少得建立 5 個方程才能求解。所以要選取 3 個基準(zhǔn)點(每個基準(zhǔn)點可以得到 2 個方程)才能建立模板到目標(biāo)的仿射變換關(guān)系。3 個基準(zhǔn)點的選擇步驟如下：(1)對特征曲線分段匹配處理，排除相似度較差的曲線區(qū)間：其滿足把偏移量除以 2 J ，所得的m 余數(shù)為 k ，則平移后的小波變換結(jié)果等于先將邊界點集平移 k 個進行小波變換后再平移 m 個。具體原理如下式如示：W

28、 J (Rk + m×2(r) = Rm W J (Rk (r);(8)k = 0,1,L,2 J -1, m = 0,1,L,2n - J -1Pg = (s, e) | Di (rb (s, e), rc (s, e) < D, e - s = n(11)其中， (s, e) 表示曲線的起始點； Di 表示第i 段曲線的相異度； D 表示整條曲線的相異度； n 表示每段曲線的點數(shù)。(2)對剩下的曲線段 Pg，提取曲率特征選擇曲率較大的即通過搜索 m 和 k 的值，得到匹配的相異度最小時所對應(yīng)的模板即為當(dāng)前字符匹配的結(jié)果，并根據(jù) m 、 k 計算出偏移量 S = m 

29、5; 2 J + k ，以此對目標(biāo)邊界點集進行平移，幅值162計 算機工 程2014 年 5 月 15 日點為候選基準(zhǔn)點，以排除因曲率變化過于平坦導(dǎo)致基準(zhǔn)點集中在某一曲線段，無法獲取最佳關(guān)系。調(diào)整前后的點對比如表 1 所示。 表 1 邊界調(diào)整前后對比 調(diào)整前調(diào)整后Pc = (x, y) | Curv(Pg ) < avg Curv(Pg )(12)gÎ0,num左上頂點(11, 32)右下底點(25, 4)(11 6, 32 3)(25 1, 6 2)其中，(x, y) 表示目標(biāo)邊界的坐標(biāo)位置；Curv(Pg ) 表示當(dāng)前曲線段的曲率。(3)對候選基準(zhǔn)點 Pc 以 3 點為一組

30、建立模板與目標(biāo)邊界的關(guān)系，取匹配相異度最小所對應(yīng)的基準(zhǔn)點。具體的流程如圖 11 所示。由圖 12、圖 13 和表 1 可知，通過調(diào)整后字符邊界與模板邊界的特征曲線基本重合且目標(biāo)字符的邊界坐標(biāo)得到調(diào)整，消除了缺陷、毛刺、傾斜等因素的干擾。5車輛行駛距離的確定實現(xiàn)對車輛特征塊的后，再求出點所處的實測速。際坐標(biāo)系，就可以確定車輛的行駛距離，實現(xiàn)由于實現(xiàn)了字符邊界的精，通過字符高度固定的先驗知識，投影出點距離地面的高度。投影的原理如圖 14所示。圖 11 邊界精調(diào)整流程根據(jù)圖 11 的流程，對圖 5 中的字符邊界進行精細調(diào)整所得的變換矩陣如下：-26.705 4ùé0.802 00

31、.079 7 0.799 60C c= ê-0.078 4-9.376 1 ú ´ Cb(13)êêëú1úû0邊界調(diào)整后的效果如圖 12、圖 13 所示。圖 14點高度投影原理如圖 14 所示，A 為字符邊界的左上頂點；F 為邊界的左下頂點； C 為上邊界在地面上的投影點； D 為下邊界在地面上的投影點；OH 為相機安裝的高度； AE 為字符上邊界距離地面的高度。通過相機標(biāo)定，可以得到OD 和OC 的距離。OC - ODBD OH EF OHCD OC DF DH=OCBD - AF=BD由式可得點距離

32、地面的高度 AE 為：AF ´ OC圖 12調(diào)整后的曲線對比AE = AF + EF = AF + OH -(14)OC - OD40設(shè)OH = H ，結(jié)合式(14)對式(4)進行修改，得到的新表如下：X 'w = ( H - AE ) / H ´ X w30Y 'w = (H - AE ) / H ´ Yw(15)20邊界點集形狀中心邊界起點將每幀字符的左上頂點坐標(biāo)代入式(15)，便可以計算出車輛所行駛的距離。106實驗結(jié)果0204060x/像素調(diào)整后的邊界點集將測速算法從PC 平臺移植到DSP 環(huán)境下(智能卡口系統(tǒng)由上海弘視通信技術(shù)提供)，在實

33、際卡口環(huán)圖 13幅值特征粗匹配結(jié)果Pc = (x, y) | Curv(Pg ) < avg Curv(Pg )gÎ0,num字符邊界精調(diào)整邊界 特征曲線分段匹配處理Pg=(s,e)|Di (rb(s,e),rc(s,e)<D,e s=h計算每組基準(zhǔn)點的變換矩陣Ri最小相異度minDi提取曲率特征 ，確定候選基準(zhǔn)點調(diào)整目標(biāo)邊界坐標(biāo)第40 卷 第5 期陳 群，盧 瑾：基于車牌字符邊界的測速163境下進行長達 2 個多小時的測試，測試結(jié)果與線圈測速、距離的計算，有效地提高7結(jié)束語測速的精度?；谲嚺扑尽５臏y速進行對比。部分測試結(jié)果如表 2為提高測速的精度，本文提出對字符的外

34、部邊界 表 2 部分測試結(jié)果對比精確，以提高車輛行駛距離的估算。實驗結(jié)果表明，序 線圈測速改進前改進前誤點 改進后改進前誤差/(km h1)/(km h1) 測速/(km h1) 差/(km h1) 高度/m測速/(km h1)號本文方法可有效地提高測速的精度，且不受車輛類型、0150 6647 1558 6353 637 976 4867 104 072 267 286 565 295 315 903 862 767 7775 252 256 632 775 503 6975 552 763 445 864 326 362 793 485 641 0300 93048 8745 241 79

35、特征塊位置高低的影響。但是本文是在車牌的前提下進行的研究，對于車速超過100 km / h 以上的容易造成車牌模糊導(dǎo)致字符區(qū)域分割失敗。因此，考慮如何去除運動模612 910 241 731 001 370 882 310 120 760 494917146 7843 8638 6553 5841 5240 4467 8150 8545 8140 9160 8648 0845 73931152 1047 5052 1651 1760 7742 4659 9940 1270 3454 2567 0653 0351 328269 900931 429355 8336 92

36、0 9100 46057 8047 02糊是需要研究的重點。參考文獻1,濤. 基于的交通自動檢測技0 4900 8800 9600 4600 4100 4320 4400 4600 88037 6552 2140 6442 3153 2147 5248 3643 9844 88術(shù)綜述J. 公路交通科技, 2006, 23(8): 116-121.安福東. 機動車的幾種測速方式原理及性能的分析比較J. 技術(shù), 2003, (3): 33-35.23張重德,. 一種提高車速檢測精度的方法J.上海交通大學(xué)學(xué)報, 2010, 44(10): 1439-1443.4Maduro C, Batista K

37、, Peixoto P,. Estimation of Vehicle12131415161748 2444 7444 3944 0155 5240 21Velocity and Traffic Intensity Using Rectified ImagesC/ Proc. of International Conference on Image Processing. S. 1.: IEEE Press, 2008: 777-780.Nguyen T T, Pham X D. Compensating Background for Noise Due to Camera Vibration in Uncalibrated-camera-based Vehicle Speed Measurement SystemJ