技术特征：
1.一种基于多摄像头的十字路口车辆实时跟踪方法，其特征在于：包括s1：采集位于十字路口四个方向上摄像头视角的监控视频；s2：分别对每个摄像头进行目标车辆特征提取，求取每个摄像头下目标车辆的位置，分别求取所有摄像头之间的单应性矩阵，从而确定所有摄像头监控区域下目标车辆的相对位置关系；s3：十字路口四个方向上所有摄像头的监控区域下形成目标车辆的空间位置约束，对不同摄像头下的同一目标车辆进行位置关联，进行目标车辆的特征提取；s4：当某一摄像头发生目标车辆跟踪丢失时，将其他摄像头的信息补偿到该摄像头的监控图像中，完成目标车辆的持续跟踪。2.如权利要求1所述的基于多摄像头的十字路口车辆实时跟踪方法，其特征在于：步骤s2中，根据十字路口四个方向上摄像头的监控视野，选取每个路口的固定标志物，根据选取的固定标志物将整个十字路口框定成一个矩形区域，在矩形区域的视野内分别求取十字路口四个方向上摄像头之间的单应性矩阵，从而确定十字路口四个方向上摄像头监控区域下车辆的相对位置关系。3.如权利要求2所述的基于多摄像头的十字路口车辆实时跟踪方法，其特征在于：选取每个路口的人行横道作为固定标志物。4.如权利要求1所述的基于多摄像头的十字路口车辆实时跟踪方法，其特征在于：通过十字路口四个方向上摄像头同时对同一棋盘格进行拍摄，求取十字路口四个方向上摄像头之间的单应性矩阵。5.如权利要求1所述的基于多摄像头的十字路口车辆实时跟踪方法，其特征在于：步骤s3中，目标车辆的特征提取包括全局特征的颜色特征提取和局部特征的surf算法特征匹配；针对目标车辆的全局特征提取和局部特征匹配，在目标车辆未被遮挡时，通过全局特征的颜色特征提取选取整个目标车辆的像素区域进行颜色特征提取匹配；当目标车辆出现遮挡现象时，通过目标车辆的位置，比较目标车辆以及遮挡车辆距离目标车辆前进方向处摄像头的距离，靠近所述前进方向处摄像头的遮挡车辆同时进行全局特征提取和局部特征匹配，远离所述前进方向处摄像头的目标车辆选取目标车辆在监控视频中的外界矩形框并减去与遮挡车辆重叠的区域，然后再进行全局特征提取和局部特征匹配，完成目标车辆是否发生遮挡的判断。6.如权利要求5所述的基于多摄像头的十字路口车辆实时跟踪方法，其特征在于：所述局特征的颜色特征提取为：通过rgb颜色空间先获取车辆的颜色特征，再转换到hsv颜色空间进行颜色特征量化，然后选择合适的颜色名对颜色特征进行量化降维处理，建立颜色名量化表，对目标车辆进行颜色名量化，从而达到颜色特征快速匹配。7.如权利要求5所述的基于多摄像头的十字路口车辆实时跟踪方法，其特征在于：所述局部特征的surf算法特征匹配为：c1：构建黑塞矩阵：通过黑塞矩阵中行列式的局部最大值判断被检测目标车辆特征点的尺度和位置，如果行列式的值大于零，则该像素为极值点，反之则为非极值点；c2：构建图像的尺度空间：在不同尺度寻找相同位置的特征点，利用surf算法，采用尺寸不同的方格滤波器处理被检测目标车辆的初始图片，获取图片尺度空间；
c3：特征点的定位：将像素点的特征点与该像素点三维空间中周围的点进行对比，如果该像素点的值比周围的值都要大，则该像素点被定义为特征点。8.如权利要求1所述的基于多摄像头的十字路口车辆实时跟踪方法，其特征在于：步骤s4中，根据同一十字路口的各个车道建立车辆行驶轨迹的数据库，在当十字路口某方向上摄像头的监控视野内出现车辆部分遮挡或完全遮挡导致车辆跟踪丢失情况时，存在跟踪丢失的摄像头根据建立的数据库对被遮挡车辆的行驶路线进行轨迹预测，然后通过其他摄像头对被遮挡车辆通过空间位置的确定和特征匹配进行定位和跟踪，并将被遮挡车辆的位置信息补偿到跟踪丢失摄像头的监控图像中，结合预测的行驶轨迹，当该车辆再次出现在跟踪丢失摄像头的监控视野时，仍能准确的定位到该车辆的位置，从而完成车辆的持续跟踪。
技术总结
本发明公开了一种基于多摄像头的十字路口车辆实时跟踪方法，采集位于十字路口四个方向上摄像头视角的监控视频；分别对每个摄像头进行目标车辆特征提取，求取每个摄像头下目标车辆的位置，分别求取所有摄像头之间的单应性矩阵，从而确定所有摄像头监控区域下目标车辆的相对位置关系；十字路口四个方向上所有摄像头的监控区域下形成目标车辆的空间位置约束，对不同摄像头下的同一目标车辆进行位置关联，进行目标车辆的特征提取；当某一摄像头发生目标车辆跟踪丢失时，将其他摄像头的信息补偿到该摄像头的监控图像中，完成目标车辆的持续跟踪。本发明克服单摄像头下识别与跟踪技术的不足，对多摄像头下车辆的识别与定位方法进行讨论与改进。论与改进。论与改进。
技术研发人员：贾子彦 崔瑞 刘晓杰 诸一琦 丁兆明 张雷 陶为戈 薛波 俞洋
受保护的技术使用者：江苏理工学院
技术研发日：2022.12.12
技术公布日：2023/3/7