專利名稱：車輛跟蹤方法及系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及信息處理技術領域，尤其涉及一種車輛跟蹤方法及系統(tǒng)。
背景技術：
智能交通視頻監(jiān)控算法主要包含車輛檢測、車輛跟蹤和車輛行為分析三個步驟， 如圖I所示。車輛檢測實現(xiàn)初始交通場景中車輛目標的提取；車輛跟蹤對提取的車輛目標進行實時的運動描述，并生成各自的運動軌跡；行為分析基于產(chǎn)生的運動軌跡的規(guī)律來判斷車輛是否發(fā)生違章行為或處于異常狀態(tài)。
車輛跟蹤技術具有重要的應用價值和發(fā)展前景，近年來發(fā)展迅速。車輛跟蹤試圖在各幀圖像之間確定目標相關信息參數(shù)的相互關系，通過前、后幀之間的對應匹配來獲取目標的軌跡信息。常見跟蹤算法可歸為以下四類。
(I)點跟蹤法包括單點跟蹤和多點跟蹤，主要利用目標歷史位置、速度等信息實現(xiàn)鄰幀之間的目標關聯(lián)，如kalman濾波法，光流法，SIFT匹配法。
(2)核跟蹤法核跟蹤法通過對車輛外觀模型在連續(xù)幀之間進行匹配來計算目標的運動，包括基于模版的方法、基于概率模型的方法和多視覺模型的方法。這類算法涉及的三個基本要素是目標外觀模型、搜索策略和相似性度量。常采用的搜索策略有窮舉法、 目標函數(shù)優(yōu)化法和統(tǒng)計性方法等；而相似性度量標準一般采用平方差和(Sumof Squared Difference, SSD)、互相關系數(shù)、正則化相關系數(shù)等?；谀０娴姆椒▽嵸|(zhì)上就是進行模版匹配?；诟怕誓Ｐ偷姆椒▽⒛繕藚^(qū)域的特征用概率分布模型表示，通過模型匹配實施跟蹤，如基于顏色直方圖的目標跟蹤、基于LBP紋理特征的目標跟蹤、基于GM(1，I)模型的跟蹤、基于馬爾可夫隨機場|旲型的跟蹤、基于均值漂移的跟蹤、基于質(zhì)心迭代的跟蹤、基于粒子濾波器的跟蹤和基于多特征自適應融合的目標跟蹤。其中基于多特征自適應融合的目標跟蹤常采用的特征包括點、線、角點、顏色等?；诙嘁曈X模型的方法能夠適應目標姿態(tài)變化引起的外觀變化，常見的有基于主成份分析(PCA)和基于分類器的方法，如Adaboost分類器。
(3)結構模型跟蹤法根據(jù)先驗知識建立目標的幾何模型，跟蹤時先根據(jù)上一幀結果預測當前幀目標姿態(tài)，將處于預測姿態(tài)的目標模型投影到圖像平面，計算匹配誤差；然后通過優(yōu)化預測姿態(tài)、最小化目標函數(shù)獲得當前跟蹤結果。常用的結構模型為3D線框模型。
(4)剪影跟蹤法首要任務是獲取目標的輪廓，精確得到目標占據(jù)的區(qū)域；如基于主動輪廓模型的跟蹤法。
此外，車輛跟蹤算法根據(jù)算法驅(qū)動方式不同，還可分為自下而上的數(shù)據(jù)驅(qū)動方法， 典型代表為MeanShift算法，和自上而下的模型驅(qū)動方法，典型代表為粒子濾波算法。
上述的車輛跟蹤算法存在以下缺點
(I)目標的模型建立、輪廓獲取難度大，且目標函數(shù)定義或優(yōu)化較復雜；
(2)搜索策略計算量較大；
(3)目標特征不能及時得到更新，姿態(tài)變化易導致跟丟；
(4)跟蹤過程與檢測結果相對獨立，無交互；
(5)對光線變化、相鄰目標遮擋等因素敏感；
(6)對由于遮擋、錯誤消去等原因造成的短暫丟失的目標無法繼續(xù)跟蹤。發(fā)明內(nèi)容
(一)要解決的技術問題
本發(fā)明要解決的技術問題是提供一種跟蹤的準確性和連續(xù)性提高的車輛跟蹤方法。
(二)技術方案
為解決上述問題，一方面，本發(fā)明提供了一種車輛跟蹤方法，包括以下步驟
在車輛檢測結果中選取適于跟蹤的對象作為新的跟蹤目標，并初始化所述跟蹤目標的歷史特征信息；
基于所述跟蹤目標已有的運動信息預測所述跟蹤目標在當前幀出現(xiàn)的軌跡位置和范圍；
使用設定大小的掃描窗在所述跟蹤目標的預測范圍內(nèi)掃描，保留滿足碼字匹配條件的掃描窗對應區(qū)域作為候選框；
評價每個候選框作為最終跟蹤結果的置信度，取有最大置信度的候選框作為跟蹤目標在當前幀的跟蹤結果；
對所述跟蹤結果進行修正；
判斷是否對該跟蹤目標繼續(xù)跟蹤
若繼續(xù)執(zhí)行跟蹤，則利用當前幀跟蹤結果的信息對跟蹤目標的歷史特征信息進行在線更新后轉(zhuǎn)到所述基于所述跟蹤目標已有的運動信息預測所述跟蹤目標在當前幀出現(xiàn)的軌跡位置和范圍的步驟；
若不繼續(xù)執(zhí)行跟蹤，則跟蹤結束。
優(yōu)選地，所述初始化所述跟蹤目標的歷史特征信息的步驟包括以所述車輛檢測結果中的檢測位置所對應的灰度、色調(diào)信息對所述跟蹤目標的歷史特征信息做初始化。
優(yōu)選地，在所述使用設定大小的掃描窗在所述跟蹤目標的預測范圍內(nèi)掃描的步驟之前還包括將所述預測范圍歸一化至設定尺寸的步驟。
優(yōu)選地，所述保留滿足碼字匹配條件的掃描窗對應區(qū)域作為候選框的步驟包括 以所述跟蹤目標于前一幀跟蹤區(qū)域的4bitBP碼字為模板，對預測范圍內(nèi)各掃描位置處掃描窗對應區(qū)域的灰度圖像塊的4bitBP編碼作比對，保留滿足設定重合度的掃描窗對應區(qū)域作為候選框。
優(yōu)選地，在所述以跟蹤目標于前一幀跟蹤區(qū)域的4bitBP碼字為模板，對預測范圍內(nèi)各掃描位置處掃描窗對應區(qū)域的灰度圖像塊的4bitBP編碼作比對的步驟之前，還包括 將所述掃描窗對應區(qū)域的灰度圖像塊進行尺寸歸一化的步驟，所述灰度圖像塊的4bitBP 編碼為歸一化后的灰度圖像塊的4bitBP編碼。
優(yōu)選地，所述掃描窗對應區(qū)域的灰度圖像塊的4bitBP編碼的方法包括
對所述區(qū)域進行第一次全局加權，將區(qū)域均分為上下兩個分塊，對所述上下兩個分塊的灰度均值進行比較若所述上下兩個分塊的灰度均值不相同，則將灰度均值較大的分塊對應的碼字進行預定值的加權；若所述上下兩個分塊的灰度均值相同，則不對所述上下兩個分塊對應的碼字進行加權；
對所述區(qū)域進行第二次全局加權，將區(qū)域均分為左右兩個分塊，對所述左右兩個分塊的灰度均值進行比較若所述左右兩個分塊的灰度均值不相同，則將灰度均值較大的分塊對應的碼字進行預定值的加權；若所述左右兩個分塊的灰度均值相同，則不對所述左右兩個分塊對應的碼字進行加權；
對所述區(qū)域進行局部加權，將所述區(qū)域均分為左上、右上、左下、右下四個子區(qū)域， 分別對每個子區(qū)域進行上述的第一次全局加權和第二次全局加權。
優(yōu)選地，通過與跟蹤目標在前一幀跟蹤區(qū)域的分塊色調(diào)直方圖和歷史整體色調(diào)直方圖的加權的關聯(lián)運算，來評價每個候選框作為最終跟蹤結果的置信度。
優(yōu)選地，所述通過與跟蹤目標在前一幀跟蹤區(qū)域的分塊色調(diào)直方圖和歷史整體色調(diào)直方圖的加權的關聯(lián)運算，來評價每個候選框作為最終跟蹤結果的置信度，取有最大置信度的候選框作為跟蹤目標在當前幀的跟蹤結果的步驟包括
將候選框?qū)纳{(diào)圖像塊均分為四個子塊；
生成每個子塊的色調(diào)直方將各子塊的色調(diào)直方圖累加得到整個候選框?qū)獏^(qū)域的整體色調(diào)直方分別將每個子塊的色調(diào)直方圖與前一幀跟蹤區(qū)域中對應子塊的色調(diào)直方圖進行關聯(lián)度運算后加權求和，得到第一關聯(lián)值；
將所述整 體色調(diào)直方圖與所述跟蹤目標在前第M幀跟蹤區(qū)域的整體色調(diào)直方圖進行整體關聯(lián)度運算，得到第二關聯(lián)值；其中M為自然數(shù)；
將所述整體色調(diào)直方圖與所述跟蹤目標的初始色調(diào)直方圖進行整體關聯(lián)度運算， 得到第二關聯(lián)值；
通過下面的方法得到所述候選框作為最終跟蹤結果的置信度
置信度=第一關聯(lián)值*設定的跟蹤加權值+第二關聯(lián)值*設定的記錄加權值+第三關聯(lián)值*設定的初始加權值；若計算得到的所述候選框的置信度大于等于歷史最大置信度值，則更新記錄的最大置信度和最佳匹配位置兩變量；
遍歷各候選框，取有最大置信度的候選框作為當前幀的跟蹤結果。
優(yōu)選地，其中，兩個色調(diào)直方圖的關聯(lián)度運算公式為
其中，fr為關聯(lián)值，N為直方圖條柱總數(shù)，Xi, Yi分別為兩個色調(diào)直方圖第i條條柱的統(tǒng)計值，X，J分別為兩個色調(diào)直方圖的條柱值均值。
優(yōu)選地，所述對所述跟蹤結果進行修正包括根據(jù)當前幀的車輛檢測結果對所述跟蹤結果進行修正，具體為
對于每個檢測結果，判斷車輛檢測結果對應的檢測框與跟蹤結果對應的跟蹤框的幾何交疊程度、所述檢測框?qū)姆謮K灰度直方圖與所述跟蹤框?qū)姆謮K灰度直方圖的相關度、所述檢測框?qū)姆謮K色調(diào)直方圖與所述跟
權利要求
1.一種車輛跟蹤方法，其特征在于，包括以下步驟 在車輛檢測結果中選取適于跟蹤的對象作為新的跟蹤目標，并初始化所述跟蹤目標的歷史特征信息； 基于所述跟蹤目標已有的運動信息預測所述跟蹤目標在當前幀出現(xiàn)的軌跡位置和范圍； 使用設定大小的掃描窗在所述跟蹤目標的預測范圍內(nèi)掃描，保留滿足碼字匹配條件的掃描窗對應區(qū)域作為候選框； 評價每個候選框作為最終跟蹤結果的置信度，取有最大置信度的候選框作為跟蹤目標在當前幀的跟蹤結果； 對所述跟蹤結果進行修正； 判斷是否對該跟蹤目標繼續(xù)跟蹤若繼續(xù)執(zhí)行跟蹤，則利用當前幀跟蹤結果的信息對跟蹤目標的歷史特征信息進行在線更新后轉(zhuǎn)到所述基于所述跟蹤目標已有的運動信息預測所述跟蹤目標在當前幀出現(xiàn)的軌跡位置和范圍的步驟；若不繼續(xù)執(zhí)行跟蹤，則跟蹤結束。
2.如權利要求I所述的車輛跟蹤方法，其特征在于，所述初始化所述跟蹤目標的歷史特征信息的步驟包括以所述車輛檢測結果中的檢測位置所對應的灰度、色調(diào)信息對所述跟蹤目標的歷史特征信息做初始化。
3.如權利要求I所述的車輛跟蹤方法，其特征在于，在所述使用設定大小的掃描窗在所述跟蹤目標的預測范圍內(nèi)掃描的步驟之前還包括將所述預測范圍歸一化至設定尺寸的步驟。
4.如權利要求I所述的車輛跟蹤方法，其特征在于，所述保留滿足碼字匹配條件的掃描窗對應區(qū)域作為候選框的步驟包括以所述跟蹤目標于前一幀跟蹤區(qū)域的4bitBP碼字為模板，對預測范圍內(nèi)各掃描位置處掃描窗對應區(qū)域的灰度圖像塊的4bitBP編碼作比對，保留滿足設定重合度的掃描窗對應區(qū)域作為候選框。
5.如權利要求4所述的車輛跟蹤方法，其特征在于，在所述以跟蹤目標于前一幀跟蹤區(qū)域的4bitBP碼字為模板，對預測范圍內(nèi)各掃描位置處掃描窗對應區(qū)域的灰度圖像塊的4bitBP編碼作比對的步驟之前，還包括將所述掃描窗對應區(qū)域的灰度圖像塊進行尺寸歸一化的步驟，所述灰度圖像塊的4bitBP編碼為歸一化后的灰度圖像塊的4bitBP編碼。
6.如權利要求4所述的車輛跟蹤方法，其特征在于，所述掃描窗對應區(qū)域的灰度圖像塊的4bitBP編碼的方法包括 對所述區(qū)域進行第一次全局加權，將區(qū)域均分為上下兩個分塊，對所述上下兩個分塊的灰度均值進行比較若所述上下兩個分塊的灰度均值不相同，則將灰度均值較大的分塊對應的碼字進行預定值的加權；若所述上下兩個分塊的灰度均值相同，則不對所述上下兩個分塊對應的碼字進行加權； 對所述區(qū)域進行第二次全局加權，將區(qū)域均分為左右兩個分塊，對所述左右兩個分塊的灰度均值進行比較若所述左右兩個分塊的灰度均值不相同，則將灰度均值較大的分塊對應的碼字進行預定值的加權；若所述左右兩個分塊的灰度均值相同，則不對所述左右兩個分塊對應的碼字進行加權； 對所述區(qū)域進行局部加權，將所述區(qū)域均分為左上、右上、左下、右下四個子區(qū)域，分別對每個子區(qū)域進行上述的第一次全局加權和第二次全局加權。
7.如權利要求I所述的車輛跟蹤方法，其特征在于，通過與跟蹤目標在前一幀跟蹤區(qū)域的分塊色調(diào)直方圖和歷史整體色調(diào)直方圖的加權的關聯(lián)運算，來評價每個候選框作為最終跟蹤結果的置信度。
8.如權利要求7所述的車輛跟蹤方法，其特征在于，所述通過與跟蹤目標在前一幀跟蹤區(qū)域的分塊色調(diào)直方圖和歷史整體色調(diào)直方圖的加權的關聯(lián)運算，來評價每個候選框作為最終跟蹤結果的置信度，取有最大置信度的候選框作為跟蹤目標在當前幀的跟蹤結果的步驟包括 將候選框?qū)纳{(diào)圖像塊均分為四個子塊； 生成每個子塊的色調(diào)直方圖； 將各子塊的色調(diào)直方圖累加得到整個候選框?qū)獏^(qū)域的整體色調(diào)直方圖； 分別將每個子塊的色調(diào)直方圖與前一幀跟蹤區(qū)域中對應子塊的色調(diào)直方圖進行關聯(lián)度運算后加權求和，得到第一關聯(lián)值； 將所述整體色調(diào)直方圖與所述跟蹤目標在前第M幀跟蹤區(qū)域的整體色調(diào)直方圖進行整體關聯(lián)度運算，得到第二關聯(lián)值；其中M為自然數(shù)； 將所述整體色調(diào)直方圖與所述跟蹤目標的初始色調(diào)直方圖進行整體關聯(lián)度運算，得到第二關聯(lián)值； 通過下面的方法得到所述候選框作為最終跟蹤結果的置信度 置信度=第一關聯(lián)值*設定的跟蹤加權值+第二關聯(lián)值*設定的記錄加權值+第三關聯(lián)值*設定的初始加權值；若計算得到的所述候選框的置信度大于等于歷史最大置信度值，則更新記錄的最大置信度和最佳匹配位置兩變量； 遍歷各候選框，取有最大置信度的候選框作為當前幀的跟蹤結果。
9.如權利要求8所述的車輛跟蹤方法，其特征在于，其中，兩個色調(diào)直方圖的關聯(lián)度運算公式為
10.如權利要求I所述的車輛跟蹤方法，其特征在于，所述對所述跟蹤結果進行修正包括根據(jù)當前幀的車輛檢測結果對所述跟蹤結果進行修正，具體為 對于每個檢測結果，判斷車輛檢測結果對應的檢測框與跟蹤結果對應的跟蹤框的幾何交疊程度、所述檢測框?qū)姆謮K灰度直方圖與所述跟蹤框?qū)姆謮K灰度直方圖的相關度、所述檢測框?qū)姆謮K色調(diào)直方圖與所述跟蹤框?qū)姆謮K色調(diào)直方圖的相關度是否都滿足設定的閾值要求，如果滿足，則取檢測結果和跟蹤結果的中間位置作為當前幀跟蹤目標的跟蹤結果。
11.如權利要求I所述的車輛跟蹤方法，其特征在于，所述對所述跟蹤結果進行修正包括根據(jù)當前幀的多個跟蹤框?qū)λ龈櫧Y果進行修正，具體為 判斷當前幀的其它跟蹤框與跟蹤結果對應跟蹤框的幾何交疊程度、所述兩個跟蹤框?qū)姆謮K灰度直方圖的相關度、所述兩個跟蹤框?qū)姆謮K色調(diào)直方圖的相關度是否都滿足設定的閾值要求，如果滿足，則取所述其它跟蹤框與所述跟蹤結果的中間位置作為當前幀跟蹤目標的跟蹤結果。
12.如權利要求I所述的車輛跟蹤方法，其特征在于，所述方法進一步包括 在目標被異常終止跟蹤時，其跟蹤相關信息仍被保留若干幀，期間，如有與所述終止跟蹤的目標特征匹配、運動規(guī)律相符的跟蹤目標出現(xiàn)，則重新啟動對所述終止跟蹤的目標的跟蹤，實現(xiàn)對間斷跟蹤的目標的銜接。
13.一種車輛跟蹤系統(tǒng)，其特征在于，包括 跟蹤啟動模塊，用于在車輛檢測結果中選取適于跟蹤的對象作為新的跟蹤目標，并初始化所述跟蹤目標的歷史特征信息； 運動預測模塊，用于基于所述跟蹤目標已有的運動信息預測所述跟蹤目標在當前幀出現(xiàn)的軌跡位置和范圍； 候選跟蹤區(qū)域搜索模塊，用于使用設定大小的掃描窗在所述跟蹤目標的預測范圍內(nèi)掃描，保留滿足碼字匹配條件的掃描窗對應區(qū)域作為候選框； 最佳跟蹤區(qū)域獲取模塊，用于評價每個候選框作為最終跟蹤結果的置信度，取有最大置信度的候選框作為跟蹤目標在當前幀的跟蹤結果； 跟蹤后處理模塊，用于對所述跟蹤結果進行修正； 判斷更新模塊，用于判斷是否對該跟蹤目標繼續(xù)跟蹤若繼續(xù)執(zhí)行跟蹤，則利用當前幀跟蹤結果的信息對跟蹤目標的歷史特征信息進行在線更新。
全文摘要
本發(fā)明公開了一種車輛跟蹤方法及系統(tǒng)，方法包括以下步驟在車輛檢測結果中選取適于跟蹤的對象作為新的跟蹤目標，并初始化跟蹤目標的歷史特征信息；基于跟蹤目標已有的運動信息預測跟蹤目標在當前幀出現(xiàn)的軌跡位置和范圍；使用設定大小的掃描窗在跟蹤目標的預測范圍內(nèi)掃描，保留滿足碼字匹配條件的掃描窗對應區(qū)域作為候選框；評價每個候選框作為最終跟蹤結果的置信度，取有最大置信度的候選框作為跟蹤目標在當前幀的跟蹤結果；對跟蹤結果進行修正；若對該跟蹤目標繼續(xù)跟蹤則利用當前幀跟蹤結果的信息對跟蹤目標的歷史特征信息進行在線更新后轉(zhuǎn)到運動預測的步驟，否則結束跟蹤。本發(fā)明的車輛跟蹤方法計算量降低，并且具有更高的準確性和連續(xù)性。
文檔編號G06T7/20GK102982559SQ20121049721
公開日2013年3月20日 申請日期2012年11月28日 優(yōu)先權日2012年11月28日
發(fā)明者蘭昆艷, 游亞平, 李謙, 王新生 申請人:大唐移動通信設備有限公司