一種車輛檢測跟蹤方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及視頻圖像處理領(lǐng)域,具體而言,涉及一種車輛檢測跟蹤方法和裝置。
【背景技術(shù)】
[0002] 目前,在汽車行駛的過程中,正常行駛的汽車周圍的車輛都有可能靠近它,如果距 離靠的太近,就可能造成正常行駛的汽車與靠近其的車輛發(fā)生追尾剮蹭,對車輛的行車安 全造成威脅。為了保證正常行駛的汽車的行車安全,可使正常行駛的汽車檢測其周圍車輛 的車輛位置,及時發(fā)現(xiàn)周圍的靠近車輛。
[0003] 相關(guān)技術(shù)中,在汽車檢測其周圍車輛的車輛位置的過程中,先獲取車輛的周圍車 輛的車輛圖像,然后將獲取的車輛圖像大小縮放到滿足預(yù)設(shè)的模型尺寸的大小后,通過模 型進(jìn)行圖像特征檢測得到車輛在圖像縮放后的位置信息,最后將縮放后的位置信息還原, 得到車輛在原始圖像中的位置信息。
[0004] 在汽車檢測其周圍車輛的車輛位置的過程中,當(dāng)獲取到的車輛圖像的尺寸與訓(xùn)練 模型的大小相差很大時,對車輛圖像的尺寸縮放會增大檢測到的車輛位置的檢測誤差,降 低定位車輛位置的準(zhǔn)確度。
【發(fā)明內(nèi)容】
[0005] 有鑒于此,本發(fā)明實(shí)施例的目的在于提供一種車輛檢測跟蹤方法和裝置,以減少 檢測到的車輛位置的檢測誤差,提高定位車輛位置的準(zhǔn)確度。
[0006] 第一方面,本發(fā)明實(shí)施例提供了一種車輛檢測跟蹤方法,包括:
[0007] 對當(dāng)前拍攝到的車輛圖像進(jìn)行檢測,得到所述車輛圖像的車輛特征;其中,所述車 輛特征包括以下至少之一:圖像灰度特征、梯度幅值特征和梯度方向特征;
[0008] 從預(yù)先訓(xùn)練的多模型網(wǎng)絡(luò)結(jié)構(gòu)中選取適應(yīng)所述車輛圖像尺寸的一組模型;
[0009] 通過選取出的一組模型,對所述車輛特征進(jìn)行車輛檢測,得到所述車輛圖像中各 個車輛的位置信息;
[0010] 根據(jù)得到的各個所述車輛的位置信息,對所述車輛圖像中的車輛進(jìn)行跟蹤。
[0011]結(jié)合第一方面,本發(fā)明實(shí)施例提供了第一方面的第一種可能的實(shí)施方式,其中,通 過選取出的一組模型,對所述車輛特征進(jìn)行車輛檢測,得到所述車輛圖像中各個車輛的位 置信息,包括:
[0012] 判斷距離最近一次使用全局檢測算法確定車輛的位置信息的時長是否達(dá)到預(yù)設(shè) 時間長度;其中,所述位置信息包括車輛的輪廓外接矩形的中心點(diǎn)坐標(biāo)、端點(diǎn)坐標(biāo)和所述車 輛的車輛搜索區(qū)域;
[0013] 如果是,通過全局檢測算法和選取出的一組模型,對所述車輛圖像中得到的所述 車輛特征進(jìn)行車輛檢測,確定車輛圖像中各個車輛的位置信息;
[0014] 如果否,使用最近一次得到的車輛的輪廓外接矩形的中心點(diǎn)坐標(biāo)和端點(diǎn)坐標(biāo)確定 車輛搜索區(qū)域,通過局部檢測算法和選取出的一組模型,對各個所述車輛的所述車輛搜索 區(qū)域中的所述車輛特征進(jìn)行特征檢測,確定各個所述車輛的輪廓外接矩形的中心點(diǎn)坐標(biāo)和 端點(diǎn)坐標(biāo)。
[0015] 結(jié)合第一方面,本發(fā)明實(shí)施例提供了第一方面的第二種可能的實(shí)施方式,其中,通 過全局檢測算法和選取出的所述一組模型,對所述車輛圖像中的所述車輛特征進(jìn)行車輛檢 測,確定車輛圖像中各個車輛的位置信息,包括:
[0016] 通過全局檢測算法和選取出的一組模型,對所述車輛圖像中得到的所述車輛特征 進(jìn)行車輛檢測,得到所述車輛圖像中各個所述車輛的輪廓外接矩形的中心點(diǎn)坐標(biāo)和端點(diǎn)坐 標(biāo);
[0017] 以各個所述車輛的所述輪廓外接矩形的中心點(diǎn)坐標(biāo)為各個所述車輛的車輛搜索 區(qū)域中心,按照設(shè)定的車輛搜索區(qū)域大小對所述車輛搜索區(qū)域中心進(jìn)行擴(kuò)展,得到所述車 輛搜索區(qū)域。
[0018] 結(jié)合第一方面,本發(fā)明實(shí)施例提供了第一方面的第三種可能的實(shí)施方式,其中,通 過局部檢測算法和選取出的一組模型,對各個所述車輛的所述車輛搜索區(qū)域中的所述車輛 特征進(jìn)行特征檢測,確定各個所述車輛的輪廓外接矩形的中心點(diǎn)坐標(biāo),包括:
[0019]從確定出的一組模型中選取適應(yīng)車輛搜索區(qū)域尺寸大小的至少一層模型;
[0020] 通過局部檢測算法和選擇出的至少一層模型,對所述車輛搜索區(qū)域中的所述車輛 特征進(jìn)行車輛檢測,確定各個所述車輛的輪廓外接矩形的中心點(diǎn)坐標(biāo)和端點(diǎn)坐標(biāo)。
[0021] 結(jié)合第一方面,本發(fā)明實(shí)施例提供了第一方面的第四種可能的實(shí)施方式,其中,根 據(jù)得到的各個所述車輛的位置信息,對所述車輛圖像中的各個所述車輛進(jìn)行跟蹤,包括:
[0022] 將確定的各個所述車輛的位置信息存儲到預(yù)設(shè)的車輛跟蹤列表中;
[0023]從所述車輛跟蹤列表中獲取所述車輛圖像的上一幀車輛圖像中記錄的各個所述 車輛的輪廓外接矩形的端點(diǎn)坐標(biāo);
[0024] 根據(jù)所述車輛圖像和所述上一幀車輛圖像中各個所述車輛的輪廓外接矩形的端 點(diǎn)坐標(biāo),計(jì)算各個所述車輛在所述車輛圖像和所述上一幀車輛圖像中的車輛關(guān)聯(lián)度;
[0025] 確定各個所述車輛中車輛關(guān)聯(lián)度大于等于預(yù)設(shè)關(guān)聯(lián)度閾值的車輛為關(guān)聯(lián)車輛;
[0026] 將所述關(guān)聯(lián)車輛的置信度與車輛跟蹤列表中記錄的所述關(guān)聯(lián)車輛的目標(biāo)分?jǐn)?shù)相 加,得到所述關(guān)聯(lián)車輛更新后的目標(biāo)分?jǐn)?shù),其中,所述置信度包含在所述關(guān)聯(lián)車輛的位置信 息中;
[0027] 當(dāng)所述關(guān)聯(lián)車輛更新后的目標(biāo)分?jǐn)?shù)大于等于預(yù)設(shè)的第一目標(biāo)分?jǐn)?shù)閾值且所述關(guān) 聯(lián)車輛的關(guān)聯(lián)次數(shù)大于等于關(guān)聯(lián)次數(shù)閾值時,輸出從所述車輛圖像中確定的所述關(guān)聯(lián)車輛 的位置信息,以對所述關(guān)聯(lián)車輛進(jìn)行跟蹤。
[0028] 結(jié)合第一方面,本發(fā)明實(shí)施例提供了第一方面的第五種可能的實(shí)施方式,其中,根 據(jù)所述車輛圖像和所述上一幀車輛圖像中各個所述車輛的輪廓外接矩形的端點(diǎn)坐標(biāo),計(jì)算 各個所述車輛在所述車輛圖像和所述上一幀車輛圖像中的車輛關(guān)聯(lián)度,包括:
[0029] 根據(jù)所述車輛圖像和所述上一幀車輛圖像的各個所述車輛的位置信息中記錄的 各個車輛的車輛輪廓外接矩形的端點(diǎn)坐標(biāo),確定各個所述車輛分別在所述車輛圖像中和在 所述上一幀車輛圖像中的車輛輪廓外接矩形面積;
[0030] 通過公式
對各個所述車輛在所述車輛圖像和所述上一幀車輛圖像 中的車輛關(guān)聯(lián)度A進(jìn)行計(jì)算:
[0031] 其中,匕表示各個所述車輛在所述車輛圖像中的車輛輪廓外接矩形面積,Rb表示各 個所述車輛在所述上一幀車輛圖像中的車輛輪廓外接矩形面積。
[0032] 結(jié)合第一方面,本發(fā)明實(shí)施例提供了第一方面的第六種可能的實(shí)施方式,其中,根 據(jù)得到的各個所述車輛的位置信息,對所述車輛圖像中的各個所述車輛進(jìn)行跟蹤還包括: [0033]確定各個所述車輛中車輛關(guān)聯(lián)度小于關(guān)聯(lián)度閾值的車輛為未關(guān)聯(lián)車輛;
[0034]判斷所述未關(guān)聯(lián)車輛的目標(biāo)分?jǐn)?shù)是否大于等于第一目標(biāo)分?jǐn)?shù)閾值;
[0035] 如果是,輸出從所述車輛圖像中確定的所述未關(guān)聯(lián)車輛的位置信息,以對所述未 關(guān)聯(lián)車輛進(jìn)行跟蹤;
[0036] 如果否,計(jì)算并輸出所述未關(guān)聯(lián)車輛的預(yù)測位置信息,以對所述未關(guān)聯(lián)車輛進(jìn)行 跟蹤。
[0037] 結(jié)合第一方面,本發(fā)明實(shí)施例提供了第一方面的第七種可能的實(shí)施方式,其中,計(jì) 算并輸出所述未關(guān)聯(lián)車輛的預(yù)測位置信息,以對所述未關(guān)聯(lián)車輛進(jìn)行跟蹤,包括:
[0038] 計(jì)算所述未關(guān)聯(lián)車輛的輪廓外接矩形的中心點(diǎn)預(yù)測坐標(biāo);
[0039] 根據(jù)計(jì)算得到的所述中心點(diǎn)預(yù)測坐標(biāo),得到所述未關(guān)聯(lián)車輛的預(yù)測位置信息;
[0040] 使所述車輛跟蹤列表中記錄的所述未關(guān)聯(lián)車輛的目標(biāo)分?jǐn)?shù)減去一預(yù)定分?jǐn)?shù),得到 更新后的所述未關(guān)聯(lián)車輛的目標(biāo)分?jǐn)?shù);
[0041 ]當(dāng)更新后的所述未關(guān)聯(lián)車輛的目標(biāo)分?jǐn)?shù)大于等于第一目標(biāo)分?jǐn)?shù)閾值時,輸出所述 未關(guān)聯(lián)車輛的所述預(yù)測位置信息,以對所述未關(guān)聯(lián)車輛進(jìn)行跟蹤;
[0042]當(dāng)更新后的所述未關(guān)聯(lián)車輛的目標(biāo)分?jǐn)?shù)小于第二目標(biāo)分?jǐn)?shù)閾值時,從所述車輛跟 蹤列表中刪除所述未關(guān)聯(lián)車輛的位置信息,其中,第二目標(biāo)分?jǐn)?shù)閾值小于第一目標(biāo)分?jǐn)?shù)閾 值。
[0043] 結(jié)合第一方面,本發(fā)明實(shí)施例提供了第一方面的第八種可能的實(shí)施方式,其中,計(jì) 算所述未關(guān)聯(lián)車輛的輪廓外接矩形的中心點(diǎn)預(yù)測坐標(biāo),包括:
[0044] 通過公式Xi = Xi-i+Vx和Yi = Yi-i+Vy來對所述未關(guān)聯(lián)車輛的中心點(diǎn)預(yù)測坐標(biāo)進(jìn)行計(jì) 算;
[0045] 其中,t表示預(yù)測的所述未關(guān)聯(lián)車輛的中心點(diǎn)橫坐標(biāo),^表示預(yù)測的所述未關(guān)聯(lián)車 輛的中心點(diǎn)縱坐標(biāo),Xh表示所述上一幀車輛圖像中所述未關(guān)聯(lián)車輛的中心點(diǎn)橫坐標(biāo),Yh 表示所述上一幀車輛圖像中所述未關(guān)聯(lián)車輛的中心點(diǎn)縱坐標(biāo);Vx表示所述未關(guān)聯(lián)車輛的水 平方向運(yùn)動速度,Vy表示所述未關(guān)聯(lián)車輛的垂直方向運(yùn)動速度。
[0046] 第二方面,本發(fā)明實(shí)施例提供了一種車輛檢測跟蹤裝置,包括:
[0047] 車輛特征檢測模塊,用于對當(dāng)前拍攝到的車輛圖像進(jìn)行檢測,得到所述車輛圖像 的車輛特征;其中,所述車輛特征包括以下至少之一:圖像灰度特征、梯度幅值特征和梯度 方向特征;
[0048] 模型選擇模塊,用于從預(yù)先訓(xùn)練的多模型網(wǎng)絡(luò)結(jié)構(gòu)中選取適應(yīng)所述車輛圖像尺寸 的一組模型;
[0049] 位置信息確定模塊,用于通過選取出的一組模型,對所述車輛特征進(jìn)行車輛檢測, 得到所述車輛圖像中各個車輛的位置信息;
[0050] 車輛跟蹤模塊,用于根據(jù)得到的各個所述車輛的位置信息,對所述車輛圖像中的 車輛進(jìn)行跟蹤。
[0051]結(jié)合第二方面,本發(fā)明實(shí)施例提供了第二方面的第一種可能的實(shí)施方式,其中,所 述豐吳型選擇t吳塊,包括:
[0052]時間長度判斷單元,用于判斷距離最近一次使用全局檢測算法確定車輛的位置信 息的時長是否達(dá)到預(yù)設(shè)時間長度;其中,所述位置信息包括車輛的輪廓外接矩形的中心點(diǎn) 坐標(biāo)、端點(diǎn)坐標(biāo)和所述車輛的車輛搜索區(qū)域;
[0053] 第一車輛位置信息確定單元,用于當(dāng)時間長度判斷單元的判斷結(jié)果為是時,通過 全局檢測算法和選取出的一組模型,對所述車輛圖像中得到的所述車輛特征進(jìn)行車輛檢 測,確定車輛圖像中各個車輛的位置信息;
[0054] 第二車輛位置信息確定單元,用于當(dāng)時間長度判斷單元的判斷結(jié)果為否時,使用 最近一次得到的車輛的輪廓外接矩形的中心點(diǎn)坐標(biāo)和端點(diǎn)坐標(biāo)確定車輛搜索區(qū)域,通過局 部檢測算法和選取出的一組模型,對各個所述車輛的所述車輛搜索區(qū)域中的所述車輛特征 進(jìn)行特征檢測,確定各個所述車輛的輪廓外接矩形的中心點(diǎn)坐標(biāo)和端點(diǎn)坐標(biāo)。
[0055] 結(jié)合第二方面,本發(fā)明實(shí)施例提供了第二方面的第二種可能的實(shí)施方式,其中,所 述第一車輛位置信息確定單元,包括:
[0056] 車輛檢測子單元,用于通過全局檢測算法和選取出的一組模型,對所述車輛圖像 中得到的所述車輛特征進(jìn)行車輛檢測,得到所述車輛圖像中各個所述車輛的輪廓外接矩形 的中心點(diǎn)坐標(biāo)和端點(diǎn)坐標(biāo);
[0057] 車輛搜索區(qū)域確定子單元,用于以各個所述車輛的所述輪廓外接矩形的中心點(diǎn)坐 標(biāo)為各個所述車輛的車輛搜索區(qū)域中心,按照設(shè)定的車輛搜索區(qū)域大小對所述車輛搜索區(qū) 域中心進(jìn)行擴(kuò)展,得到所述車輛搜索區(qū)域。
[0058]結(jié)合第二方面,本發(fā)明實(shí)施例提供了第二方面的第三種可能的實(shí)施方式,其中,所 述第二車輛位置信息確定單元,包括:
[0059] 模型確定子單元,用于從確定出的一組模型中選取適應(yīng)車輛搜索區(qū)域尺寸大小的 至少一層模型;
[0060] 車輛位置信息檢測子單元,用于通過局部檢測算法和選擇