一种车辆检测跟踪方法和装置的制造方法
【技术领域】
[0001 ]本发明涉及视频图像处理领域，具体而言，涉及一种车辆检测跟踪方法和装置。
【背景技术】
[0002] 目前，在汽车行驶的过程中，正常行驶的汽车周围的车辆都有可能靠近它，如果距 离靠的太近，就可能造成正常行驶的汽车与靠近其的车辆发生追尾剐蹭，对车辆的行车安 全造成威胁。为了保证正常行驶的汽车的行车安全，可使正常行驶的汽车检测其周围车辆 的车辆位置，及时发现周围的靠近车辆。
[0003] 相关技术中，在汽车检测其周围车辆的车辆位置的过程中，先获取车辆的周围车 辆的车辆图像，然后将获取的车辆图像大小缩放到满足预设的模型尺寸的大小后，通过模 型进行图像特征检测得到车辆在图像缩放后的位置信息，最后将缩放后的位置信息还原， 得到车辆在原始图像中的位置信息。
[0004] 在汽车检测其周围车辆的车辆位置的过程中，当获取到的车辆图像的尺寸与训练 模型的大小相差很大时，对车辆图像的尺寸缩放会增大检测到的车辆位置的检测误差，降 低定位车辆位置的准确度。
【发明内容】
[0005] 有鉴于此，本发明实施例的目的在于提供一种车辆检测跟踪方法和装置，以减少 检测到的车辆位置的检测误差，提高定位车辆位置的准确度。
[0006] 第一方面，本发明实施例提供了一种车辆检测跟踪方法，包括：
[0007] 对当前拍摄到的车辆图像进行检测，得到所述车辆图像的车辆特征;其中，所述车 辆特征包括以下至少之一:图像灰度特征、梯度幅值特征和梯度方向特征；
[0008] 从预先训练的多模型网络结构中选取适应所述车辆图像尺寸的一组模型；
[0009] 通过选取出的一组模型，对所述车辆特征进行车辆检测，得到所述车辆图像中各 个车辆的位置信息；
[0010] 根据得到的各个所述车辆的位置信息，对所述车辆图像中的车辆进行跟踪。
[0011]结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，通 过选取出的一组模型，对所述车辆特征进行车辆检测，得到所述车辆图像中各个车辆的位 置信息，包括：
[0012] 判断距离最近一次使用全局检测算法确定车辆的位置信息的时长是否达到预设 时间长度;其中，所述位置信息包括车辆的轮廓外接矩形的中心点坐标、端点坐标和所述车 辆的车辆搜索区域；
[0013] 如果是，通过全局检测算法和选取出的一组模型，对所述车辆图像中得到的所述 车辆特征进行车辆检测，确定车辆图像中各个车辆的位置信息；
[0014] 如果否，使用最近一次得到的车辆的轮廓外接矩形的中心点坐标和端点坐标确定 车辆搜索区域，通过局部检测算法和选取出的一组模型，对各个所述车辆的所述车辆搜索 区域中的所述车辆特征进行特征检测，确定各个所述车辆的轮廓外接矩形的中心点坐标和 端点坐标。
[0015] 结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，通 过全局检测算法和选取出的所述一组模型，对所述车辆图像中的所述车辆特征进行车辆检 测，确定车辆图像中各个车辆的位置信息，包括：
[0016] 通过全局检测算法和选取出的一组模型，对所述车辆图像中得到的所述车辆特征 进行车辆检测，得到所述车辆图像中各个所述车辆的轮廓外接矩形的中心点坐标和端点坐 标；
[0017] 以各个所述车辆的所述轮廓外接矩形的中心点坐标为各个所述车辆的车辆搜索 区域中心，按照设定的车辆搜索区域大小对所述车辆搜索区域中心进行扩展，得到所述车 辆搜索区域。
[0018] 结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，通 过局部检测算法和选取出的一组模型，对各个所述车辆的所述车辆搜索区域中的所述车辆 特征进行特征检测，确定各个所述车辆的轮廓外接矩形的中心点坐标，包括：
[0019]从确定出的一组模型中选取适应车辆搜索区域尺寸大小的至少一层模型；
[0020] 通过局部检测算法和选择出的至少一层模型，对所述车辆搜索区域中的所述车辆 特征进行车辆检测，确定各个所述车辆的轮廓外接矩形的中心点坐标和端点坐标。
[0021] 结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，根 据得到的各个所述车辆的位置信息，对所述车辆图像中的各个所述车辆进行跟踪，包括：
[0022] 将确定的各个所述车辆的位置信息存储到预设的车辆跟踪列表中；
[0023]从所述车辆跟踪列表中获取所述车辆图像的上一帧车辆图像中记录的各个所述 车辆的轮廓外接矩形的端点坐标；
[0024] 根据所述车辆图像和所述上一帧车辆图像中各个所述车辆的轮廓外接矩形的端 点坐标，计算各个所述车辆在所述车辆图像和所述上一帧车辆图像中的车辆关联度；
[0025] 确定各个所述车辆中车辆关联度大于等于预设关联度阈值的车辆为关联车辆；
[0026] 将所述关联车辆的置信度与车辆跟踪列表中记录的所述关联车辆的目标分数相 加，得到所述关联车辆更新后的目标分数，其中，所述置信度包含在所述关联车辆的位置信 息中；
[0027] 当所述关联车辆更新后的目标分数大于等于预设的第一目标分数阈值且所述关 联车辆的关联次数大于等于关联次数阈值时，输出从所述车辆图像中确定的所述关联车辆 的位置信息，以对所述关联车辆进行跟踪。
[0028] 结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，根 据所述车辆图像和所述上一帧车辆图像中各个所述车辆的轮廓外接矩形的端点坐标，计算 各个所述车辆在所述车辆图像和所述上一帧车辆图像中的车辆关联度，包括：
[0029] 根据所述车辆图像和所述上一帧车辆图像的各个所述车辆的位置信息中记录的 各个车辆的车辆轮廓外接矩形的端点坐标，确定各个所述车辆分别在所述车辆图像中和在 所述上一帧车辆图像中的车辆轮廓外接矩形面积；
[0030] 通过公式
对各个所述车辆在所述车辆图像和所述上一帧车辆图像 中的车辆关联度A进行计算：
[0031] 其中，匕表示各个所述车辆在所述车辆图像中的车辆轮廓外接矩形面积，Rb表示各 个所述车辆在所述上一帧车辆图像中的车辆轮廓外接矩形面积。
[0032] 结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，根 据得到的各个所述车辆的位置信息，对所述车辆图像中的各个所述车辆进行跟踪还包括： [0033]确定各个所述车辆中车辆关联度小于关联度阈值的车辆为未关联车辆；
[0034]判断所述未关联车辆的目标分数是否大于等于第一目标分数阈值；
[0035] 如果是，输出从所述车辆图像中确定的所述未关联车辆的位置信息，以对所述未 关联车辆进行跟踪；
[0036] 如果否，计算并输出所述未关联车辆的预测位置信息，以对所述未关联车辆进行 跟踪。
[0037] 结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，计 算并输出所述未关联车辆的预测位置信息，以对所述未关联车辆进行跟踪，包括：
[0038] 计算所述未关联车辆的轮廓外接矩形的中心点预测坐标；
[0039] 根据计算得到的所述中心点预测坐标，得到所述未关联车辆的预测位置信息；
[0040] 使所述车辆跟踪列表中记录的所述未关联车辆的目标分数减去一预定分数，得到 更新后的所述未关联车辆的目标分数；
[0041 ]当更新后的所述未关联车辆的目标分数大于等于第一目标分数阈值时，输出所述 未关联车辆的所述预测位置信息，以对所述未关联车辆进行跟踪；
[0042]当更新后的所述未关联车辆的目标分数小于第二目标分数阈值时，从所述车辆跟 踪列表中删除所述未关联车辆的位置信息，其中，第二目标分数阈值小于第一目标分数阈 值。
[0043] 结合第一方面，本发明实施例提供了第一方面的第八种可能的实施方式，其中，计 算所述未关联车辆的轮廓外接矩形的中心点预测坐标，包括：
[0044] 通过公式Xi = Xi-i+Vx和Yi = Yi-i+Vy来对所述未关联车辆的中心点预测坐标进行计 算；
[0045] 其中，t表示预测的所述未关联车辆的中心点横坐标，^表示预测的所述未关联车 辆的中心点纵坐标，Xh表示所述上一帧车辆图像中所述未关联车辆的中心点横坐标，Yh 表示所述上一帧车辆图像中所述未关联车辆的中心点纵坐标;Vx表示所述未关联车辆的水 平方向运动速度，Vy表示所述未关联车辆的垂直方向运动速度。
[0046] 第二方面，本发明实施例提供了一种车辆检测跟踪装置，包括：
[0047] 车辆特征检测模块，用于对当前拍摄到的车辆图像进行检测，得到所述车辆图像 的车辆特征;其中，所述车辆特征包括以下至少之一：图像灰度特征、梯度幅值特征和梯度 方向特征；
[0048] 模型选择模块，用于从预先训练的多模型网络结构中选取适应所述车辆图像尺寸 的一组模型；
[0049] 位置信息确定模块，用于通过选取出的一组模型，对所述车辆特征进行车辆检测， 得到所述车辆图像中各个车辆的位置信息；
[0050] 车辆跟踪模块，用于根据得到的各个所述车辆的位置信息，对所述车辆图像中的 车辆进行跟踪。
[0051]结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所 述丰吴型选择t吴块，包括：
[0052]时间长度判断单元，用于判断距离最近一次使用全局检测算法确定车辆的位置信 息的时长是否达到预设时间长度;其中，所述位置信息包括车辆的轮廓外接矩形的中心点 坐标、端点坐标和所述车辆的车辆搜索区域；
[0053] 第一车辆位置信息确定单元，用于当时间长度判断单元的判断结果为是时，通过 全局检测算法和选取出的一组模型，对所述车辆图像中得到的所述车辆特征进行车辆检 测，确定车辆图像中各个车辆的位置信息；
[0054] 第二车辆位置信息确定单元，用于当时间长度判断单元的判断结果为否时，使用 最近一次得到的车辆的轮廓外接矩形的中心点坐标和端点坐标确定车辆搜索区域，通过局 部检测算法和选取出的一组模型，对各个所述车辆的所述车辆搜索区域中的所述车辆特征 进行特征检测，确定各个所述车辆的轮廓外接矩形的中心点坐标和端点坐标。
[0055] 结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所 述第一车辆位置信息确定单元，包括：
[0056] 车辆检测子单元，用于通过全局检测算法和选取出的一组模型，对所述车辆图像 中得到的所述车辆特征进行车辆检测，得到所述车辆图像中各个所述车辆的轮廓外接矩形 的中心点坐标和端点坐标；
[0057] 车辆搜索区域确定子单元，用于以各个所述车辆的所述轮廓外接矩形的中心点坐 标为各个所述车辆的车辆搜索区域中心，按照设定的车辆搜索区域大小对所述车辆搜索区 域中心进行扩展，得到所述车辆搜索区域。
[0058]结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所 述第二车辆位置信息确定单元，包括：
[0059] 模型确定子单元，用于从确定出的一组模型中选取适应车辆搜索区域尺寸大小的 至少一层模型；
[0060] 车辆位置信息检测子单元，用于通过局部检测算法和选择