一種基于角點匹配的運動車輛跟蹤方法
【專利摘要】本發(fā)明公開了一種基于角點匹配的運動車輛跟蹤方法，針對固定視場的監(jiān)控攝像機獲取的視頻圖像，使用哈里斯算法提取出檢測區(qū)域的角點，并計算出相應角點的尺度不變旋轉特征描述子，然后對角點按照尺度不變旋轉特征描述子進行匹配，進而形成軌跡，并計算出軌跡的速度和方向等信息，在對軌跡進行動態(tài)分組，對初始分組的結果進行合理性判斷，確認為車輛。本發(fā)明以對軌跡的匹配跟蹤，并對其進行分組，而完成對車輛的跟蹤。本發(fā)明能很好的處理場景光照變化，以及車輛部分遮擋等對車輛檢測和跟蹤的影響。
【專利說明】—種基于角點匹配的運動車輛跟蹤方法
【技術領域】
[0001]本發(fā)明屬于模式識別領域，具體涉及智能交通【技術領域】，特別涉及一種基于角點匹配的運動車輛跟蹤方法。
【背景技術】
[0002]伴隨著城市化的進展和汽車的普及，世界各國的交通量急劇增加，如何管理好公路的運行與運營，保障好車輛在公路上的安全、快速的行駛，成為交通管理的重要問題，智能交通的概念應運而生，而車輛檢測和跟蹤已經成為智能交通研究的一個熱點。
[0003]目前常用的車輛檢測和跟蹤方法主要包括:背景差值檢測法、車輛模型檢測法和動態(tài)輪廓檢測法。背景差值檢測法是經典的運動檢測方法，目前大多數車輛檢測系統(tǒng)均是采用此類方法，它的主要思想是用當前圖像減去道路背景圖像，找出差值大于設定閾值的部分，再進行圖像分割進而檢測出場景中的車輛，實現(xiàn)背景差值檢測關鍵是背景提取，得到背景存在兩方面的困難:①不可能要求交通暫停來直接獲取道路背景；②背景會隨著光照的變化而發(fā)生明顯的變化，例如白天和黑夜道路背景是完全不同的，實時、動態(tài)地獲得對道路背景的最佳描述，是背景差值檢測法的關鍵，也是一個難點。
[0004]車輛模型檢測法是美國加州大學伯克里分校Koller.D等人和英國里丁大學Baker.K, Sullivan.G提出的一種基于三維模型的車輛檢測跟蹤方法。該方法需要首先設計一系列三維車輛模型，并生成它們在各種情況下對應的一維、二維模板，利用單攝像頭所拍攝的圖像中區(qū)域與這些模板的匹配來進行車輛的檢測跟蹤。這種方法最大的優(yōu)勢在于可以恢復出車輛的行駛軌跡和車輛模型，能夠在一定程度上克服遮擋和陰影等問題，但在實際應用中，很難得到道路上可能出現(xiàn)的所有車輛類型的詳細幾何模型，所以此類方法很難運用于實際的車輛檢測系統(tǒng)中。
[0005]動態(tài)輪廓檢測的基本思想是當車輛進入攝像機檢測范圍時，捕捉其輪廓，以捕捉到的輪廓作為檢測對象，根據運動和灰度邊界進行動態(tài)更新，從而達到車輛檢測跟蹤的目的。如果車輛在進入檢測范圍時，系統(tǒng)正確地初始化了車輛的輪廓，那么如果該車輛在隨后的行程中與其它車輛發(fā)生了局部遮擋，系統(tǒng)仍然能夠將其檢測出來。但是，如果車輛在進入檢測區(qū)域時沒能正確地初始化車輛輪廓，例如兩輛車在進入檢測區(qū)域的時候已經發(fā)生了局部遮擋并被檢測為一輛車，那么系統(tǒng)將檢測錯誤。在交通較為擁擠的情況下，上述情況發(fā)生概率較大。

【發(fā)明內容】

[0006]本發(fā)明的目的在于提供一種基于角點匹配的運動車輛跟蹤方法，本發(fā)明對車輛局部遮擋、光照變化具有很強的魯棒性。
[0007]本發(fā)明的技術解決方案為:針對固定視場的監(jiān)控攝像機獲取的視頻圖像，使用哈里斯算法提取出檢測區(qū)域的角點，并計算出相應角點的尺度不變旋轉特征描述子；然后對角點按照尺度不變旋轉特征描述子進行匹配，進而形成軌跡，并計算出軌跡的速度和方向等信息；然后對軌跡進行動態(tài)分組，對初始分組的結果進行合理性判斷，確認為車輛。其具體實現(xiàn)步驟為:
[0008]步驟一:現(xiàn)場場景圖像獲??；
[0009]監(jiān)控攝像頭要求為輸出標準模擬視頻的CXD-攝像頭，且鏡頭是固定的，以等間隔對現(xiàn)場視頻進行采樣以獲得連續(xù)的現(xiàn)場場景圖像，采樣分辨率是720X576，為保證對車輛檢測和跟蹤的準確性，采樣間隔應小于0.1秒，即大于10幀每秒。
[0010]步驟二:哈里斯角點提??；
[0011]哈里斯角點檢測算法是在莫拉韋克算法基礎上發(fā)展起來的，該算子使用一階差分，計算簡單，可以使用滑動窗口，適合矩陣運算，具有穩(wěn)定、提取的角點特征均勻和可以定量提取角點的特點；其原理是將所處理的矩形窗口 W向任意方向移動微小位移(X，y)，其灰度改變量可以用自相關函數表示為:



[001 2]
【權利要求】
1.一種基于角點匹配的運動車輛跟蹤方法，其特征在于:其步驟為: 步驟一:現(xiàn)場場景圖像的獲??； 步驟二:哈里斯角點的提取； 步驟三:角點尺度不變旋轉特征描述子的計算； 步驟四:軌跡的形成以及其參數的計算； 步驟五:對軌跡進行動態(tài)分組及車輛的確認。
2.根據權利要求1所述的基于角點匹配的運動車輛跟蹤方法，其特征在于:在所述現(xiàn)場場景圖像的獲取步驟中，監(jiān)控攝像頭為CCD攝像頭，鏡頭固定，以等間隔對現(xiàn)場視頻進行采樣，采樣分辨率是720 X 576，采樣間隔小于0.1秒。
3.根據權利要求1所述的基于角點匹配的運動車輛跟蹤方法，其特征在于:哈里斯角點檢測算法使用一階差分，是將所處理的矩形窗口 w向任意方向移動微小位移(x，y);灰度改變量可以用自相關函數表示為:
4.根據權利要求3所述的基于角點匹配的運動車輛跟蹤方法，其特征在于:所述E(x, y)是(X，y)處的自相關函數的值；所述wu，v是圖像窗口 w在(u, v)處的值；所述Ix+U，y+V是在(x+u, y+v)處的圖像灰度；所述Iu，v是在(U，V)處的圖像灰度；所述?為卷積運算。
5.根據權利要求1所述的基于角點匹配的運動車輛跟蹤方法，其特征在于:所述尺度不變旋轉特征描述子是圖像的局部特征，對旋轉、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持穩(wěn)定性。
6.根據權利要求1所述的基于角點匹配的運動車輛跟蹤方法，其特征在于:軌跡由對角點進行匹配形成，軌跡參數的計算采用雙向匹配的方法； 待匹配區(qū)域通過軌跡的速度得到，公式為:
W = A^velocity
H = W 速度的計算公式為:
7.根據權利要求6所述的基于角點匹配的運動車輛跟蹤方法，其特征在于:所述待匹配區(qū)域公式中W、H為待匹配區(qū)域的寬和高，velocity為該軌跡的速度，A為控制待匹配區(qū)域大小的參數；所述速度計算公式中Plx和P2X分別是軌跡中不同角點的X坐標，Ply和P2y分別是軌跡中不同角點的y坐標，delta是這兩個角點間隔的時間；所述方向計算公式中Plx和P2X分別是軌跡中不同角點的X坐標，Ply和P2y分別是軌跡中不同角點的y坐標。
8.根據權利要求1所述的基于角點匹配的運動車輛跟蹤方法，其特征在于: 兩軌跡之間的相似度通過兩條軌跡之間的位置、速度、方向以及移動距離來度量； 兩軌跡位置的相似度通過計算兩軌跡最后匹配點之間的歐式距離來表示:
9.根據權利要求1所述的基于角點匹配的運動車輛跟蹤方法，其特征在于: 車輛確認規(guī)則為: 規(guī)則一:每個分組的軌跡數不能少于一定數目； 規(guī)則一:每個分組的軌跡在最近一段時間內，位移不能小于或者大于一定距離； 規(guī)則三:每個分組的所有軌跡的外接矩形，不能過大或者過小。
【文檔編號】G08G1/01GK103996292SQ201410235503
【公開日】2014年8月20日 申請日期:2014年5月29日 優(yōu)先權日:2014年5月29日
【發(fā)明者】甘智峰, 邵文簡, 賴頁, 丁天 申請人:南京新奕天科技有限公司