專(zhuān)利名稱(chēng)：基于多特征融合的運(yùn)動(dòng)車(chē)輛跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及ー種運(yùn)動(dòng)車(chē)輛跟蹤方法，尤其涉及一種基于多特征融合的運(yùn)動(dòng)車(chē)輛跟蹤方法。
背景技術(shù)：
智能交通管理系統(tǒng)(ITS :Intelligent Traffic System)是目前世界各國(guó)交通運(yùn)輸領(lǐng)域競(jìng)相研究和開(kāi)發(fā)的熱點(diǎn)。其主要目標(biāo)是獲取道路信息以及車(chē)輛行為信息，包括車(chē)流量、車(chē)速、道路占有率、交通事故檢測(cè)等。車(chē)輛的實(shí)時(shí)跟蹤是智能交通系統(tǒng)的重要技術(shù)之一，是實(shí)現(xiàn)ITS目標(biāo)的核心方法，也是ITS實(shí)現(xiàn)自動(dòng)化、智能化和實(shí)時(shí)應(yīng)用的關(guān)鍵。運(yùn)動(dòng)目標(biāo)跟蹤是對(duì)檢測(cè)到的前景目標(biāo)進(jìn)行實(shí)時(shí)跟蹤直至其在圖像序列中消失，從而描述目標(biāo)的運(yùn)動(dòng)軌跡，提取其動(dòng)態(tài)特征(如位置、速度等)。跟蹤等價(jià)于在序列圖像間基于位置、形狀、顔色、尺寸等參數(shù)進(jìn)行的目標(biāo)匹配。運(yùn)動(dòng)車(chē)輛跟蹤是運(yùn)動(dòng)目標(biāo)跟蹤的ー個(gè)具體應(yīng)用。由于在監(jiān)控的視頻圖像中，車(chē)輛遮擋的現(xiàn)象經(jīng)常發(fā)生，這給車(chē)輛跟蹤造成了很大的困難。因此找到ー個(gè)抗遮擋性好的車(chē)輛跟蹤方法具有十分重要的意義?；谔卣鞯母櫴莻鹘y(tǒng)運(yùn)動(dòng)目標(biāo)跟蹤方法的其中ー種方法，利用運(yùn)動(dòng)目標(biāo)的質(zhì)心、周長(zhǎng)、曲率和各階距等特征，采用模式識(shí)別的方法，速度快，識(shí)別率高，但是使用單ー特征對(duì)遮擋的處理能力有限，尤其在遮擋干擾消失后，難以再恢復(fù)到正確跟蹤。

發(fā)明內(nèi)容
本發(fā)明目的是本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于多特征融合匹配的運(yùn)動(dòng)車(chē)輛跟蹤方法，以提高跟蹤對(duì)遮擋的抗干擾能力，提高對(duì)車(chē)輛跟蹤的正確性。為解決上述問(wèn)題，本發(fā)明的技術(shù)方案是基于多特征融合匹配的運(yùn)動(dòng)車(chē)輛跟蹤方法包括如下步驟I)特征提取階段a)提取檢測(cè)到的運(yùn)動(dòng)車(chē)輛特征，所述特征包括車(chē)輛的質(zhì)心、區(qū)域面積和外接矩形的面積。設(shè)車(chē)輛所在圖像中的區(qū)域?yàn)镽，S為區(qū)域面積，則
權(quán)利要求
1.基于多特征融合的運(yùn)動(dòng)車(chē)輛跟蹤方法，其特征是包括如下步驟 1)特征提取階段 a)提取檢測(cè)到的運(yùn)動(dòng)車(chē)輛特征，所述特征包括車(chē)輛的質(zhì)心、區(qū)域面積和外接矩形的面積；設(shè)車(chē)輛所在圖像中的區(qū)域?yàn)镽，S為區(qū)域面積，則S= 2. h (xJ)為某ー像素在圖像中的位置即第X行第y列；質(zhì)心的坐標(biāo)為& -)貝荇=7 Σ xJ = S Σタ；X為外接矩形的寬，Y為外接矩形的長(zhǎng)，則x'Y=^y)-^y)，外接矩形的面積為XXY ； b)結(jié)束。
2)車(chē)輛跟蹤階段 a)每ー個(gè)跟蹤的目標(biāo)車(chē)輛的歷史特征信息形成一條跟蹤鏈。當(dāng)有新的車(chē)輛目標(biāo)尋找到最佳匹配的跟蹤鏈后，將該車(chē)輛目標(biāo)加入到跟蹤鏈中。并用最新加入的車(chē)輛特征作為整個(gè)跟蹤鏈的特征；此階段為收集所有跟蹤鏈的特征； b)新的車(chē)輛目標(biāo)來(lái)臨時(shí)，為新目標(biāo)和原跟蹤鏈進(jìn)行特征匹配； c)返回匹配結(jié)果； d)結(jié)束； 步驟2)-b的具體過(guò)程如下 1)統(tǒng)計(jì)已獲取的所有跟蹤鏈的特征，各目標(biāo)鏈的特征以最新匹配到的目標(biāo)特征為標(biāo)準(zhǔn)，將所有特征形成一個(gè)未匹配隊(duì)列Q1 ; 2)統(tǒng)計(jì)新加入的目標(biāo)車(chē)輛的特征，將所有新的車(chē)輛目標(biāo)形成一個(gè)待匹配隊(duì)列Q2； 3)使用下式計(jì)算隊(duì)列Q2和未匹配隊(duì)列Q1中所有特征的匹配函數(shù)值E(m，η)，式中E (m，η)為Q1中第m個(gè)特征和Q2中第η個(gè)特征的匹配函數(shù)值，AD(m，η)為歸ー化質(zhì)心距離，AS(m, η)為歸ー化區(qū)域面積，AR(m，η)為歸ー化外接矩形面積；α、β和Y為各特征的權(quán)重； E (m, η) = α Δ D (m, η) + β Δ S (m, η) + γ Δ R(m, η) 4)找出所有匹配函數(shù)值中最小的一個(gè)為當(dāng)前最佳匹配，將02中該目標(biāo)加入對(duì)應(yīng)的跟蹤鏈中，設(shè)置該跟蹤鏈的剰余匹配次數(shù)Count，同時(shí)在Q1和Q2隊(duì)列中刪除已匹配的目標(biāo)車(chē)輛；若有未匹配隊(duì)列和待匹配隊(duì)列，即Q1和Q2隊(duì)列均不為空，則轉(zhuǎn)到3)，否則轉(zhuǎn)到5)； 5)若未匹配隊(duì)列Q1為空，則將待匹配隊(duì)列Q2中所有未匹配的目標(biāo)車(chē)輛作為新目標(biāo)加入跟蹤鏈中，設(shè)置新跟蹤鏈的剰余匹配次數(shù)Count ;若待匹配隊(duì)列Q2為空，未匹配隊(duì)列Q1不為空，更新未匹配隊(duì)列Q1中姆個(gè)目標(biāo)的剩余匹配次數(shù)Count,使Count減I,若Count為O,刪除該跟蹤鏈； 6)結(jié)束。
全文摘要
本發(fā)明的基于多特征融合匹配的運(yùn)動(dòng)車(chē)輛跟蹤方法，包括如下步驟1)特征提取階段a)提取檢測(cè)到的運(yùn)動(dòng)車(chē)輛的特征；b)結(jié)束。2)車(chē)輛跟蹤階段a)更新上一幀圖像中各車(chē)輛的狀態(tài)；b)在當(dāng)前幀和上一幀運(yùn)動(dòng)車(chē)輛間建立匹配連接；c)返回匹配結(jié)果；d)結(jié)束。本發(fā)明的基于多特征融合匹配的運(yùn)動(dòng)車(chē)輛跟蹤方法提高了跟蹤的抗遮擋性能，從而提高了跟蹤的正確性。
文檔編號(hào)G08G1/017GK102682453SQ20121012291
公開(kāi)日2012年9月19日 申請(qǐng)日期2012年4月24日 優(yōu)先權(quán)日2012年4月24日
發(fā)明者吳駿, 唐鵬, 王志堅(jiān), 許峰 申請(qǐng)人:河海大學(xué)