专利名称：车辆跟踪方法及系统的制作方法
技术领域：
本发明涉及信息处理技术领域，尤其涉及一种车辆跟踪方法及系统。
背景技术：
智能交通视频监控算法主要包含车辆检测、车辆跟踪和车辆行为分析三个步骤， 如图I所示。车辆检测实现初始交通场景中车辆目标的提取；车辆跟踪对提取的车辆目标进行实时的运动描述，并生成各自的运动轨迹；行为分析基于产生的运动轨迹的规律来判断车辆是否发生违章行为或处于异常状态。
车辆跟踪技术具有重要的应用价值和发展前景，近年来发展迅速。车辆跟踪试图在各帧图像之间确定目标相关信息参数的相互关系，通过前、后帧之间的对应匹配来获取目标的轨迹信息。常见跟踪算法可归为以下四类。
(I)点跟踪法包括单点跟踪和多点跟踪，主要利用目标历史位置、速度等信息实现邻帧之间的目标关联，如kalman滤波法，光流法，SIFT匹配法。
(2)核跟踪法核跟踪法通过对车辆外观模型在连续帧之间进行匹配来计算目标的运动，包括基于模版的方法、基于概率模型的方法和多视觉模型的方法。这类算法涉及的三个基本要素是目标外观模型、搜索策略和相似性度量。常采用的搜索策略有穷举法、 目标函数优化法和统计性方法等；而相似性度量标准一般采用平方差和(Sumof Squared Difference, SSD)、互相关系数、正则化相关系数等。基于模版的方法实质上就是进行模版匹配。基于概率模型的方法将目标区域的特征用概率分布模型表示，通过模型匹配实施跟踪，如基于颜色直方图的目标跟踪、基于LBP纹理特征的目标跟踪、基于GM(1，I)模型的跟踪、基于马尔可夫随机场|旲型的跟踪、基于均值漂移的跟踪、基于质心迭代的跟踪、基于粒子滤波器的跟踪和基于多特征自适应融合的目标跟踪。其中基于多特征自适应融合的目标跟踪常采用的特征包括点、线、角点、颜色等。基于多视觉模型的方法能够适应目标姿态变化引起的外观变化，常见的有基于主成份分析(PCA)和基于分类器的方法，如Adaboost分类器。
(3)结构模型跟踪法根据先验知识建立目标的几何模型，跟踪时先根据上一帧结果预测当前帧目标姿态，将处于预测姿态的目标模型投影到图像平面，计算匹配误差；然后通过优化预测姿态、最小化目标函数获得当前跟踪结果。常用的结构模型为3D线框模型。
(4)剪影跟踪法首要任务是获取目标的轮廓，精确得到目标占据的区域；如基于主动轮廓模型的跟踪法。
此外，车辆跟踪算法根据算法驱动方式不同，还可分为自下而上的数据驱动方法， 典型代表为MeanShift算法，和自上而下的模型驱动方法，典型代表为粒子滤波算法。
上述的车辆跟踪算法存在以下缺点
(I)目标的模型建立、轮廓获取难度大，且目标函数定义或优化较复杂；
(2)搜索策略计算量较大；
(3)目标特征不能及时得到更新，姿态变化易导致跟丢；
(4)跟踪过程与检测结果相对独立，无交互；
(5)对光线变化、相邻目标遮挡等因素敏感；
(6)对由于遮挡、错误消去等原因造成的短暂丢失的目标无法继续跟踪。发明内容
(一)要解决的技术问题
本发明要解决的技术问题是提供一种跟踪的准确性和连续性提高的车辆跟踪方法。
(二)技术方案
为解决上述问题，一方面，本发明提供了一种车辆跟踪方法，包括以下步骤
在车辆检测结果中选取适于跟踪的对象作为新的跟踪目标，并初始化所述跟踪目标的历史特征信息；
基于所述跟踪目标已有的运动信息预测所述跟踪目标在当前帧出现的轨迹位置和范围；
使用设定大小的扫描窗在所述跟踪目标的预测范围内扫描，保留满足码字匹配条件的扫描窗对应区域作为候选框；
评价每个候选框作为最终跟踪结果的置信度，取有最大置信度的候选框作为跟踪目标在当前帧的跟踪结果；
对所述跟踪结果进行修正；
判断是否对该跟踪目标继续跟踪
若继续执行跟踪，则利用当前帧跟踪结果的信息对跟踪目标的历史特征信息进行在线更新后转到所述基于所述跟踪目标已有的运动信息预测所述跟踪目标在当前帧出现的轨迹位置和范围的步骤；
若不继续执行跟踪，则跟踪结束。
优选地，所述初始化所述跟踪目标的历史特征信息的步骤包括以所述车辆检测结果中的检测位置所对应的灰度、色调信息对所述跟踪目标的历史特征信息做初始化。
优选地，在所述使用设定大小的扫描窗在所述跟踪目标的预测范围内扫描的步骤之前还包括将所述预测范围归一化至设定尺寸的步骤。
优选地，所述保留满足码字匹配条件的扫描窗对应区域作为候选框的步骤包括 以所述跟踪目标于前一帧跟踪区域的4bitBP码字为模板，对预测范围内各扫描位置处扫描窗对应区域的灰度图像块的4bitBP编码作比对，保留满足设定重合度的扫描窗对应区域作为候选框。
优选地，在所述以跟踪目标于前一帧跟踪区域的4bitBP码字为模板，对预测范围内各扫描位置处扫描窗对应区域的灰度图像块的4bitBP编码作比对的步骤之前，还包括 将所述扫描窗对应区域的灰度图像块进行尺寸归一化的步骤，所述灰度图像块的4bitBP 编码为归一化后的灰度图像块的4bitBP编码。
优选地，所述扫描窗对应区域的灰度图像块的4bitBP编码的方法包括
对所述区域进行第一次全局加权，将区域均分为上下两个分块，对所述上下两个分块的灰度均值进行比较若所述上下两个分块的灰度均值不相同，则将灰度均值较大的分块对应的码字进行预定值的加权；若所述上下两个分块的灰度均值相同，则不对所述上下两个分块对应的码字进行加权；
对所述区域进行第二次全局加权，将区域均分为左右两个分块，对所述左右两个分块的灰度均值进行比较若所述左右两个分块的灰度均值不相同，则将灰度均值较大的分块对应的码字进行预定值的加权；若所述左右两个分块的灰度均值相同，则不对所述左右两个分块对应的码字进行加权；
对所述区域进行局部加权，将所述区域均分为左上、右上、左下、右下四个子区域， 分别对每个子区域进行上述的第一次全局加权和第二次全局加权。
优选地，通过与跟踪目标在前一帧跟踪区域的分块色调直方图和历史整体色调直方图的加权的关联运算，来评价每个候选框作为最终跟踪结果的置信度。
优选地，所述通过与跟踪目标在前一帧跟踪区域的分块色调直方图和历史整体色调直方图的加权的关联运算，来评价每个候选框作为最终跟踪结果的置信度，取有最大置信度的候选框作为跟踪目标在当前帧的跟踪结果的步骤包括
将候选框对应的色调图像块均分为四个子块；
生成每个子块的色调直方将各子块的色调直方图累加得到整个候选框对应区域的整体色调直方分别将每个子块的色调直方图与前一帧跟踪区域中对应子块的色调直方图进行关联度运算后加权求和，得到第一关联值；
将所述整 体色调直方图与所述跟踪目标在前第M帧跟踪区域的整体色调直方图进行整体关联度运算，得到第二关联值；其中M为自然数；
将所述整体色调直方图与所述跟踪目标的初始色调直方图进行整体关联度运算， 得到第二关联值；
通过下面的方法得到所述候选框作为最终跟踪结果的置信度
置信度=第一关联值*设定的跟踪加权值+第二关联值*设定的记录加权值+第三关联值*设定的初始加权值；若计算得到的所述候选框的置信度大于等于历史最大置信度值，则更新记录的最大置信度和最佳匹配位置两变量；
遍历各候选框，取有最大置信度的候选框作为当前帧的跟踪结果。
优选地，其中，两个色调直方图的关联度运算公式为
其中，fr为关联值，N为直方图条柱总数，Xi, Yi分别为两个色调直方图第i条条柱的统计值，X，J分别为两个色调直方图的条柱值均值。
优选地，所述对所述跟踪结果进行修正包括根据当前帧的车辆检测结果对所述跟踪结果进行修正，具体为
对于每个检测结果，判断车辆检测结果对应的检测框与跟踪结果对应的跟踪框的几何交叠程度、所述检测框对应的分块灰度直方图与所述跟踪框对应的分块灰度直方图的相关度、所述检测框对应的分块色调直方图与所述跟
权利要求
1.一种车辆跟踪方法，其特征在于，包括以下步骤 在车辆检测结果中选取适于跟踪的对象作为新的跟踪目标，并初始化所述跟踪目标的历史特征信息； 基于所述跟踪目标已有的运动信息预测所述跟踪目标在当前帧出现的轨迹位置和范围； 使用设定大小的扫描窗在所述跟踪目标的预测范围内扫描，保留满足码字匹配条件的扫描窗对应区域作为候选框； 评价每个候选框作为最终跟踪结果的置信度，取有最大置信度的候选框作为跟踪目标在当前帧的跟踪结果； 对所述跟踪结果进行修正； 判断是否对该跟踪目标继续跟踪若继续执行跟踪，则利用当前帧跟踪结果的信息对跟踪目标的历史特征信息进行在线更新后转到所述基于所述跟踪目标已有的运动信息预测所述跟踪目标在当前帧出现的轨迹位置和范围的步骤；若不继续执行跟踪，则跟踪结束。
2.如权利要求I所述的车辆跟踪方法，其特征在于，所述初始化所述跟踪目标的历史特征信息的步骤包括以所述车辆检测结果中的检测位置所对应的灰度、色调信息对所述跟踪目标的历史特征信息做初始化。
3.如权利要求I所述的车辆跟踪方法，其特征在于，在所述使用设定大小的扫描窗在所述跟踪目标的预测范围内扫描的步骤之前还包括将所述预测范围归一化至设定尺寸的步骤。
4.如权利要求I所述的车辆跟踪方法，其特征在于，所述保留满足码字匹配条件的扫描窗对应区域作为候选框的步骤包括以所述跟踪目标于前一帧跟踪区域的4bitBP码字为模板，对预测范围内各扫描位置处扫描窗对应区域的灰度图像块的4bitBP编码作比对，保留满足设定重合度的扫描窗对应区域作为候选框。
5.如权利要求4所述的车辆跟踪方法，其特征在于，在所述以跟踪目标于前一帧跟踪区域的4bitBP码字为模板，对预测范围内各扫描位置处扫描窗对应区域的灰度图像块的4bitBP编码作比对的步骤之前，还包括将所述扫描窗对应区域的灰度图像块进行尺寸归一化的步骤，所述灰度图像块的4bitBP编码为归一化后的灰度图像块的4bitBP编码。
6.如权利要求4所述的车辆跟踪方法，其特征在于，所述扫描窗对应区域的灰度图像块的4bitBP编码的方法包括 对所述区域进行第一次全局加权，将区域均分为上下两个分块，对所述上下两个分块的灰度均值进行比较若所述上下两个分块的灰度均值不相同，则将灰度均值较大的分块对应的码字进行预定值的加权；若所述上下两个分块的灰度均值相同，则不对所述上下两个分块对应的码字进行加权； 对所述区域进行第二次全局加权，将区域均分为左右两个分块，对所述左右两个分块的灰度均值进行比较若所述左右两个分块的灰度均值不相同，则将灰度均值较大的分块对应的码字进行预定值的加权；若所述左右两个分块的灰度均值相同，则不对所述左右两个分块对应的码字进行加权； 对所述区域进行局部加权，将所述区域均分为左上、右上、左下、右下四个子区域，分别对每个子区域进行上述的第一次全局加权和第二次全局加权。
7.如权利要求I所述的车辆跟踪方法，其特征在于，通过与跟踪目标在前一帧跟踪区域的分块色调直方图和历史整体色调直方图的加权的关联运算，来评价每个候选框作为最终跟踪结果的置信度。
8.如权利要求7所述的车辆跟踪方法，其特征在于，所述通过与跟踪目标在前一帧跟踪区域的分块色调直方图和历史整体色调直方图的加权的关联运算，来评价每个候选框作为最终跟踪结果的置信度，取有最大置信度的候选框作为跟踪目标在当前帧的跟踪结果的步骤包括 将候选框对应的色调图像块均分为四个子块； 生成每个子块的色调直方图； 将各子块的色调直方图累加得到整个候选框对应区域的整体色调直方图； 分别将每个子块的色调直方图与前一帧跟踪区域中对应子块的色调直方图进行关联度运算后加权求和，得到第一关联值； 将所述整体色调直方图与所述跟踪目标在前第M帧跟踪区域的整体色调直方图进行整体关联度运算，得到第二关联值；其中M为自然数； 将所述整体色调直方图与所述跟踪目标的初始色调直方图进行整体关联度运算，得到第二关联值； 通过下面的方法得到所述候选框作为最终跟踪结果的置信度 置信度=第一关联值*设定的跟踪加权值+第二关联值*设定的记录加权值+第三关联值*设定的初始加权值；若计算得到的所述候选框的置信度大于等于历史最大置信度值，则更新记录的最大置信度和最佳匹配位置两变量； 遍历各候选框，取有最大置信度的候选框作为当前帧的跟踪结果。
9.如权利要求8所述的车辆跟踪方法，其特征在于，其中，两个色调直方图的关联度运算公式为
10.如权利要求I所述的车辆跟踪方法，其特征在于，所述对所述跟踪结果进行修正包括根据当前帧的车辆检测结果对所述跟踪结果进行修正，具体为 对于每个检测结果，判断车辆检测结果对应的检测框与跟踪结果对应的跟踪框的几何交叠程度、所述检测框对应的分块灰度直方图与所述跟踪框对应的分块灰度直方图的相关度、所述检测框对应的分块色调直方图与所述跟踪框对应的分块色调直方图的相关度是否都满足设定的阈值要求，如果满足，则取检测结果和跟踪结果的中间位置作为当前帧跟踪目标的跟踪结果。
11.如权利要求I所述的车辆跟踪方法，其特征在于，所述对所述跟踪结果进行修正包括根据当前帧的多个跟踪框对所述跟踪结果进行修正，具体为 判断当前帧的其它跟踪框与跟踪结果对应跟踪框的几何交叠程度、所述两个跟踪框对应的分块灰度直方图的相关度、所述两个跟踪框对应的分块色调直方图的相关度是否都满足设定的阈值要求，如果满足，则取所述其它跟踪框与所述跟踪结果的中间位置作为当前帧跟踪目标的跟踪结果。
12.如权利要求I所述的车辆跟踪方法，其特征在于，所述方法进一步包括 在目标被异常终止跟踪时，其跟踪相关信息仍被保留若干帧，期间，如有与所述终止跟踪的目标特征匹配、运动规律相符的跟踪目标出现，则重新启动对所述终止跟踪的目标的跟踪，实现对间断跟踪的目标的衔接。
13.一种车辆跟踪系统，其特征在于，包括 跟踪启动模块，用于在车辆检测结果中选取适于跟踪的对象作为新的跟踪目标，并初始化所述跟踪目标的历史特征信息； 运动预测模块，用于基于所述跟踪目标已有的运动信息预测所述跟踪目标在当前帧出现的轨迹位置和范围； 候选跟踪区域搜索模块，用于使用设定大小的扫描窗在所述跟踪目标的预测范围内扫描，保留满足码字匹配条件的扫描窗对应区域作为候选框； 最佳跟踪区域获取模块，用于评价每个候选框作为最终跟踪结果的置信度，取有最大置信度的候选框作为跟踪目标在当前帧的跟踪结果； 跟踪后处理模块，用于对所述跟踪结果进行修正； 判断更新模块，用于判断是否对该跟踪目标继续跟踪若继续执行跟踪，则利用当前帧跟踪结果的信息对跟踪目标的历史特征信息进行在线更新。
全文摘要
本发明公开了一种车辆跟踪方法及系统，方法包括以下步骤在车辆检测结果中选取适于跟踪的对象作为新的跟踪目标，并初始化跟踪目标的历史特征信息；基于跟踪目标已有的运动信息预测跟踪目标在当前帧出现的轨迹位置和范围；使用设定大小的扫描窗在跟踪目标的预测范围内扫描，保留满足码字匹配条件的扫描窗对应区域作为候选框；评价每个候选框作为最终跟踪结果的置信度，取有最大置信度的候选框作为跟踪目标在当前帧的跟踪结果；对跟踪结果进行修正；若对该跟踪目标继续跟踪则利用当前帧跟踪结果的信息对跟踪目标的历史特征信息进行在线更新后转到运动预测的步骤，否则结束跟踪。本发明的车辆跟踪方法计算量降低，并且具有更高的准确性和连续性。
文档编号G06T7/20GK102982559SQ20121049721
公开日2013年3月20日 申请日期2012年11月28日 优先权日2012年11月28日
发明者兰昆艳, 游亚平, 李谦, 王新生 申请人:大唐移动通信设备有限公司