高速公路場景下一種多特徵融合的多車輛視頻跟蹤方法
2023-05-29 07:21:21 3
專利名稱：高速公路場景下一種多特徵融合的多車輛視頻跟蹤方法
技術領域：
本發明屬於圖像處理領域，具體涉及智能交通領域，特別涉及到高速公路監控場景下多車輛視頻跟蹤的方法。
背景技術：
近年來，由於經濟的快速發展，道路交通迅速發展，機動車輛的保有量迅速攀升， 大量的公路交通問題顯現出來，如堵車、交通事故等頻頻發生，對交通管理提出了新的挑戰。為了解決地面交通快速發展所引發的各種問題，各個發達國家競相投入大量的資金和人員，開始大規模的進行公路交通運輸智能化的研究。智能交通系統(ITS，Intelligent Traffic System)的研究被提到了重要位置。許多國家就發展智能交通系統做出了長遠規劃。部分已經研製成功的智能交通系統技術投入使用後取得了良好的效果和收益。運動車輛檢測跟蹤是基於計算機視覺的智能交通系統的核心技術，是計算機視覺的基本問題之
ο運動車輛跟蹤建立在準確的車輛檢測的基礎之上。目前基於視頻的運動車輛的檢測方法主要有背景差分法、時間差分法、灰度特徵法、光流法、高斯背景建模等方法。運動車輛跟蹤等價於在連續的圖像幀間創建基於位置、速度、形狀、紋理、色彩等有關特徵的對應匹配問題，運動目標的跟蹤大致可以分為基於特徵的方法、基於區域的方法、基於輪廓的方法、基於模型的方法四種。基於特徵的跟蹤
基於特徵的跟蹤方法，是從圖像中提取整個車輛或局部車輛的典型特徵並在圖像序列間匹配這些典型特徵的跟蹤方法。基於區域的跟蹤
基於小區域的跟蹤是比較典型的基於區域的視覺跟蹤。它的基本原則就是利用圖像的特徵將每幀圖像分割為不同區域，通過這些區域在相鄰幀中進行區域匹配，實現目標跟蹤。基於輪廓的跟蹤
基於活動輪廓的跟蹤其核心思想是利用封閉的曲線輪廓來表達運動目標，該曲線輪廓通過各種約束函數達到方向及方向的變形從而逐漸與圖像中的真實目標相適應，檢索或跟蹤複雜背景中的目標。基於模型的跟蹤
基於模型中典型的三維模型的方法通過測量或者其他的計算機視覺技術建立起目標的三維模型，在跟蹤的時候通過模型和投影等參數進行匹配來定位和識別目標。由於利用了物體的三維輪廓或者表面信息，這類方法在本質上具有非常強的魯棒性，在遮擋和幹擾情況下能夠獲得其它方法難以比擬的效果。但是也有自己的一些缺點。
發明內容
本發明的目的是在於克服現有技術的不足，提供一種基於改進的混合高斯建模法進行車輛檢測，然後採用多特徵融合，將分塊建模、顏色建模和位置建模等相融合的多車輛的跟蹤方法。該方法對於高速公路上多車輛的數據關聯和遮擋等跟蹤的難點問題有很強的魯棒性。本發明的目的是通過以下步驟來實現的
步驟1.用一個固定視場的監控攝像機，對高速公路中行駛的車輛獲取視頻圖像。步驟2.對於監控攝像機採集的輸入視頻圖像中的每一幀圖像，利用改進的混合高斯建模，在圖像中進行車輛檢測和定位，具體是
2-1.基於視頻中的道路區域，利用改進的混合高斯建模，所述改進的混合高斯建模引進一個參數餓,揪記錄當前幀與模
型匹配的有效像素的點數，令背景更新率P = +(1-a) !m ,其中「表示基本混合高斯建模中背景參數的更新率。2-2.經過改進的混合高斯建模後，輸入的視頻圖像變成二值化的圖像，其中白色像素代表為前景物體的位置；通過連通區域的4鄰域歸併策略，將符合車輛大小特徵的白色連通區域在原視頻圖像中用矩形搜索框標記出來，這樣可獲得視頻中的車輛定位。步驟3.提取運動車輛的多個特徵信息，用於視頻車輛跟蹤，具體是對車輛所在矩形搜索框進行灰度、HSV顏色和位置信息的提取。步驟4.匹配不同視頻幀的檢測結果，判斷是否屬於同一車輛，並對圖像中車輛相互遮擋的情況進行處理，具體是
4-1.車輛相似度定義將第t幀的第i個車輛檢測結果表示為
權利要求
1.高速公路場景下一種多特徵融合的多車輛視頻跟蹤方法，其特徵在於該方法包括以下步驟步驟1.用一個固定視場的監控攝像機，對高速公路中行駛的車輛獲取視頻圖像； 步驟2.對於監控攝像機採集的輸入視頻圖像中的每一幀圖像，利用改進的混合高斯建模，在圖像中進行車輛檢測和定位，具體是2-1.基於視頻中的道路區域，利用改進的混合高斯建模，所述改進的混合高斯建模引進一個參數揪,餓記錄當前幀與模型匹配的有效像素的點數，令背景更新率P = ￠￡+(1-功Sm ,其中α表示基本混合高斯建模中背景參數的更新率；2-2.經過改進的混合高斯建模後，輸入的視頻圖像變成二值化的圖像，其中白色像素代表為前景物體的位置；通過連通區域的4鄰域歸併策略，將符合車輛大小特徵的白色連通區域在原視頻圖像中用矩形搜索框標記出來，這樣可獲得視頻中的車輛定位；步驟3.提取運動車輛的多個特徵信息，用於視頻車輛跟蹤，具體是對車輛所在矩形搜索框進行灰度、HSV顏色和位置信息的提取；步驟4.匹配不同視頻幀的檢測結果，判斷是否屬於同一車輛，並對圖像中車輛相互遮擋的情況進行處理，具體是4-1.車輛相似度定義將第t幀的第i個車輛檢測結果表示為(4，€Φ，其中表示車輛所在矩形搜索框中心位置(『Μ)，矩形搜索框的寬度和長度為(wj『) ； Bf表示車輛所在矩形搜索框的HSV顏色特徵；C;表示車輛所在矩形搜索框的灰度特徵；而將第t-Ι幀的第j個車輛檢測結果表示為^1Jfcf),其中 4"1= ^^)表示車輛所在矩形搜索框中心位置(^T1sJi1)，矩形搜索框寬度和長度為(Hf1Af) , Sf表示車輛所在矩形搜索框的HSV顏色特徵，Cf表示車輛所在矩形搜索框的灰度特徵；採用高斯分布的核函數建模，分別得到HSV顏色相似函數巧，位置相似函數& ,灰度相似函數Pg ,則車輛相似度函數/ = W1^ +w2PM +WiPrj ,其中W1 W2巧分別為巧、Pm和Pg 在/中的權重函數；4-2.初始化當前幀中檢測出來所有車輛構成了待匹配車輛序列，如果當前幀是改進的混合高斯建模完成後的第一幀，則將第一幀中的待匹配車輛序列初始化為現有跟蹤車輛序列；4-3.預設閥值T1、T2、T3並跟蹤4-3-1.將第t幀的待匹配車輛序列的每一個車輛和現有跟蹤車輛序列的所有車輛進行匹配，找到第t幀中的第i輛待匹配車輛與現有跟蹤車輛序列中相似度函數值最大的第j輛車輛；如果這個最大的相似度函數值大於等於閥值則判斷第t-Ι幀的車輛j出現在第t幀的車輛i的位置，更新車輛信息；如果該最大相似度函數值/」於閥值巧，那麼第t幀的待匹配車輛序列中的車輛i作為可能出現在視頻中的新車輛加入到車輛緩衝序列； 4-3-2.對車輛緩衝序列裡所有的車輛進行統計，如果當前車輛在緩衝序列中連續出現τ幀；那麼認為該車輛是新車輛出現在視頻中，並將該車加入到現有跟蹤車輛序列，並返回至步驟4-3-1 ；如果連續T幀未出現，那麼則認為該車輛已經駛出本視頻監控範圍，從緩衝車輛序列裡刪除，並將其從現有跟蹤車輛序列中刪除；如果第t幀中的車輛目標0對應t-Ι幀中兩輛或兩輛以上車輛ο;,的位置函數都大於一個預設的門「艮"；時，說明車輛目標0對應於前一幀圖像中兩個或兩個以上車輛模型Oi,O)...Om ,判定發生車輛間相互遮擋，採用分塊跟蹤方法消除跟蹤遮擋影響，其中稱乏2 ；所述的分塊跟蹤方法，具體是在車輛錢，O；.所在矩形搜索框內採用分塊模型分別進行分塊，並提取每個分塊的HSV顏色特徵，然後將分好的每個塊都標記上每塊的中心點距離原先車輛矩形搜索框中心點的距離At =(叔辦U-= 1,2，.I其中 為χ方向上的距離，Φ為y方向上的距離力分塊的數量；對每一個分塊在當前t幀的車輛目標ο矩形搜索框中進行顏色匹配；選擇顏色匹配值最大的V個分塊，聯合確定前一幀的車輛的中心在發生遮擋的車輛目標O的矩形搜索框的位置，採用上一幀的車輛矩形搜索框獲得車輛的矩形搜索框位置，這樣可分離多個相互遮擋的車輛，其中 =^V，^ = {dXidylk = lx...N。
2.根據權利要求1所述的高速公路場景下一種多特徵融合的多車輛視頻跟蹤方法，其特徵在於步驟4-1在得到HSV顏色相似函數巧過程中採用了對當前的前景圖像進行採取隔行抽取的方法。
全文摘要
本發明涉及一種高速公路場景下一種多特徵融合的多車輛視頻跟蹤方法。本發明首先用一個固定視場的監控攝像機，對高速公路中行駛的車輛獲取視頻圖像；其次對於監控攝像機採集的輸入視頻圖像中的每一幀圖像，利用改進的混合高斯建模，在圖像中進行車輛檢測和定位；然後提取運動車輛的多個特徵信息，用於視頻車輛跟蹤；最後用於匹配不同視頻幀的檢測結果，判斷是否屬於同一車輛。並對圖像中車輛相互遮擋影響跟蹤效果的情況進行處理。本發明採用了多信息融合的技術，多種特徵的聯合跟蹤有利於提高跟蹤的準確率和抗幹擾性。
文檔編號G08G1/123GK102289948SQ20111025770
公開日2011年12月21日 申請日期2011年9月2日 優先權日2011年9月2日
發明者吳林峰, 胡玲玲, 謝立 申請人:浙江大學