一种基于视频的车辆跟踪方法及装置制造方法及图纸

本发明专利技术公开一种基于视频的车辆跟踪方法及装置，该方法包括：确定视频中用于车辆追踪的第一帧图像，利用第一帧图像初始化模型。在处理当前帧图像时，利用上一帧图像上确定的搜索范围，提取当前帧图像上搜索范围内的图像特征，生成特征循环矩阵，与当前的模型进行匹配，得到匹配度矩阵。根据匹配度矩阵各位置的匹配度值更新目标位置，实现车辆追踪。在生成各帧图像模型之前，根据标定重新确定目标大小，根据目标大小与搜索范围的比例关系，缩放上一帧图像的搜索范围。提取当前帧图像上所述搜索范围内的图像特征，根据图像特征最终生成模型，更新现有的模型。由于每帧图像上的目标大小根据标定被更新，系统能够自适应尺度跟踪，使得车辆跟踪更准确。

【技术实现步骤摘要】

本专利技术涉及数据处理领域，具体涉及一种基于视频的车辆跟踪方法及装置。
技术介绍
随着计算机技术和图像处理技术的不断发展，基于视频的车辆检测与跟踪技术已经成为智能交通系统领域的关键技术。由于基于视频的车辆检测与跟踪方法便于维护且成本较低，同时对车辆的检测与跟踪范围广，可获取较多种类的交通参数，所以，该技术被智能交通系统广泛应用。对于道路上固定视角的摄像头拍摄的视频，在目前的基于视频的车辆跟踪方法中，跟踪车辆的过程车辆可能出现由远及近或由近及远的位移，在视频中车辆的大小会随之发生变化。但是，一旦视频中的车辆变小，则可能将背景过多的纳入跟踪车辆的搜索范围内；或者，一旦视频中的车辆过大，则可能导致无法跟踪车辆的整体。同时随着车辆行驶远近变化、转弯形变、光变等，车辆的外观逐渐变化等因素，容易影响跟踪效果。现有的基于视频的车辆跟踪方法存在跟踪不准确的问题，那么如何兼顾快速跟踪和跟踪效果是一个极具挑战性的课题。
技术实现思路
本专利技术提供了一种基于视频的车辆跟踪方法及装置，能够在基于视频的车辆跟踪中实现快速跟踪的同时提高跟踪准确性。本专利技术实施例提供了一种基于视频的车辆跟踪方法，所述方法包括：预先确定视频中用于车辆追踪的第一帧图像，并利用所述第一帧图像初始化模型；将所述视频中的下一帧图像作为当前处理图像，执行对当前处理图像中的车辆进行跟踪流程：所述对当前处理图像中的车辆进行跟踪流程包括：获取所述当前处理图像的上一帧图像上确定的搜索范围；提取所述当前处理图像上所述搜索范围内的图像特征，并根据所述图像特征，得到特征循环矩阵；利用所述特征循环矩阵与当前的模型进行匹配，得到匹配度矩阵；并利用所述匹配度矩阵中匹配度值最高且匹配度值超过预设阈值的位置更新所述目标位置；判断所述目标位置是否超出所述视频的监视范围，如果是，则结束流程，否则，继续执行模型生成与更新流程；所述模型生成与更新流程包括：根据拍摄所述视频的设备的标定参数，重新确定所述目标大小；根据预先确定的目标大小与搜索范围的比例关系，重新确定所述当前处理图像上的搜索范围；提取所述当前处理图像上的搜索范围内的图像特征，并根据所述图像特征，得到特征循环矩阵；利用所述特征循环矩阵生成模型，并利用所述模型更新现有的模型；继续执行所述将所述视频中的下一帧图像作为当前处理图像的步骤。优选地，所述利用所述第一帧图像初始化模型，包括：获取所述第一帧图像上的目标位置、目标大小，并根据预先确定的目标大小与搜索范围的比例关系，确定所述第一帧图像上的搜索范围；提取所述第一帧图像上的搜索范围内的图像特征，根据所述图像特征，得到特征循环矩阵，并利用所述特征循环矩阵初始化模型。优选地，所述提取所述第一帧图像上的搜索范围内的图像特征，根据所述图像特征，得到特征循环矩阵，并利用所述特征循环矩阵初始化模型，包括：提取所述第一帧图像上的搜索范围内的图像特征；根据所述图像特征生成特征矩阵，将所述特征矩阵转换成循环矩阵后，使用FFT快速傅里叶变换将所述循环矩阵映射到傅里叶空间，得到特征循环矩阵；利用所述特征循环矩阵初始化模型。优选地，所述对当前处理图像中的车辆进行跟踪流程，和\\或，所述模型生成与更新流程中的所述根据所述图像特征，得到特征循环矩阵步骤，包括：根据所述图像特征生成特征矩阵，将所述特征矩阵转换成循环矩阵后，使用FFT快速傅里叶变换将所述循环矩阵映射到傅里叶空间，得到特征循环矩阵。优选地，所述方法还包括：获取所述视频中的目标速度，并根据所述目标速度确定目标大小与搜索范围的比例关系。本专利技术实施例还提供了一种基于视频的车辆跟踪装置，所述装置包括：初始化模块，目标位置更新模块和模型更新模块；所述初始化模块，用于预先确定视频中用于车辆追踪的第一帧图像，并利用所述第一帧图像初始化模型；所述目标位置更新模块包括第一获取子模块、提取特征子模块、目标位置更新子模块、判断子模块和第一触发子模块；所述第一获取子模块，用于将所述视频中的下一帧图像作为当前处理图像，获取所述当前处理图像的上一帧图像上确定的搜索范围；所述提取特征子模块，用于提取所述当前处理图像上所述搜索范围内的图像特征，并根据所述图像特征，得到特征循环矩阵；所述目标位置更新子模块，用于利用所述特征循环矩阵与当前的模型进行匹配，得到匹配度矩阵；并利用所述匹配度矩阵中匹配度值最高且匹配度值超过预设阈值的位置更新所述目标位置；所述判断子模块，用于判断所述目标位置是否超出所述视频的监视范围；所述第一触发子模块，用于在所述判断子模块的结果为否时，触发所述模型更新模块；所述模型更新模块包括第一确定子模块，提取特征子模块、模型更新子模块和第二触发子模块；所述第一确定子模块，用于根据拍摄所述视频的设备的标定参数，重新确定所述目标大小；根据预先确定的目标大小与搜索范围的比例关系，重新确定所述当前处理图像上的搜索范围；所述提取特征子模块，用于提取所述当前处理图像上的搜索范围内的图像特征，并根据所述图像特征，得到特征循环矩阵；所述模型更新子模块，用于利用所述特征循环矩阵生成模型，并利用所述模型更新现有的模型；所述第二触发子模块，用于在所述模型更新子模块更新现有的模型后，触发所述目标位置更新模块。优选地，所述初始化模块，包括：第二确定子模块，用于获取所述第一帧图像上的目标位置、目标大小，并根据预先确定的目标大小与搜索范围的比例关系，确定所述第一帧图像上的搜索范围；第一初始化子模块，用于提取所述第一帧图像上的搜索范围内的图像特征，根据所述图像特征，得到特征循环矩阵，并利用所述特征循环矩阵初始化模型。优选地，所述第一初始化子模块，包括：提取子模块，用于提取所述第一帧图像上的搜索范围内的图像特征；第一转换子模块，用于根据所述图像特征生成特征矩阵，将所述特征矩阵转换成循环矩阵后，使用FFT快速傅里叶变换将所述循环矩阵映射到傅里叶空间，得到特征循环矩阵；第二初始化子模块，用于利用所述特征循环矩阵初始化模型。优选地，所述提取特征子模块，包括：第二转换走模块，用于根据所述图像特征生成特征矩阵，将所述特征矩阵转换成循环矩阵后，使用FFT快速傅里叶变换将所述循环矩阵映射到傅里叶空间，得到特征循环矩阵。优选地，所述装置还包括：确定模块，用于获取所述视频中的目标速度，并根据所述目标速度确定目标大小与搜索范围的比例关系。本专利技术提供了一种基于视频的车辆跟踪方法，预先确定视频中用于车辆追踪的第一帧图像，并利用所述第一帧图像初始化模型。顺序执行所述视频中的各帧图像，在处理当前帧图像时，利用上一帧图像上确定的搜索范围，提取当前帧图像上所述搜索范围内的图像特征，生成特征循环矩阵后，与当前的模型进行匹配，得到匹配度矩阵。根据匹配度矩阵上各个位置的匹配度值更新目标位置，实现车辆追踪。另外，在生成各帧图像对应的模型之前，首先根据标定重新确定目标大小，并根据目标大小与搜索范围的比例关系，缩放上一帧图像确定的搜索范围。在完成缩放后的搜索范围的基础上，提取当前帧图像上所述搜索范围内的图像特征，根据图像特征最终生成模型，并更新现有的模型。由于每帧图像上的目标大小根据标定被更新，系统能够自适应尺度跟踪，使得车辆跟踪更准确。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见本文档来自技高网...

【技术保护点】
一种基于视频的车辆跟踪方法，其特征在于，所述方法包括：预先确定视频中用于车辆追踪的第一帧图像，并利用所述第一帧图像初始化模型；将所述视频中的下一帧图像作为当前处理图像，执行对当前处理图像中的车辆进行跟踪流程：所述对当前处理图像中的车辆进行跟踪流程包括：获取所述当前处理图像的上一帧图像上确定的搜索范围；提取所述当前处理图像上所述搜索范围内的图像特征，并根据所述图像特征，得到特征循环矩阵；利用所述特征循环矩阵与当前的模型进行匹配，得到匹配度矩阵；并利用所述匹配度矩阵中匹配度值最高且匹配度值超过预设阈值的位置更新所述目标位置；判断所述目标位置是否超出所述视频的监视范围，如果是，则结束流程，否则，继续执行模型生成与更新流程；所述模型生成与更新流程包括：根据拍摄所述视频的设备的标定参数，重新确定所述目标大小；根据预先确定的目标大小与搜索范围的比例关系，重新确定所述当前处理图像上的搜索范围；提取所述当前处理图像上的搜索范围内的图像特征，并根据所述图像特征，得到特征循环矩阵；利用所述特征循环矩阵生成模型，并利用所述模型更新现有的模型；继续执行所述将所述视频中的下一帧图像作为当前处理图像的步骤。

【技术特征摘要】
1.一种基于视频的车辆跟踪方法，其特征在于，所述方法包括：预先确定视频中用于车辆追踪的第一帧图像，并利用所述第一帧图像初始化模型；将所述视频中的下一帧图像作为当前处理图像，执行对当前处理图像中的车辆进行跟踪流程：所述对当前处理图像中的车辆进行跟踪流程包括：获取所述当前处理图像的上一帧图像上确定的搜索范围；提取所述当前处理图像上所述搜索范围内的图像特征，并根据所述图像特征，得到特征循环矩阵；利用所述特征循环矩阵与当前的模型进行匹配，得到匹配度矩阵；并利用所述匹配度矩阵中匹配度值最高且匹配度值超过预设阈值的位置更新所述目标位置；判断所述目标位置是否超出所述视频的监视范围，如果是，则结束流程，否则，继续执行模型生成与更新流程；所述模型生成与更新流程包括：根据拍摄所述视频的设备的标定参数，重新确定所述目标大小；根据预先确定的目标大小与搜索范围的比例关系，重新确定所述当前处理图像上的搜索范围；提取所述当前处理图像上的搜索范围内的图像特征，并根据所述图像特征，得到特征循环矩阵；利用所述特征循环矩阵生成模型，并利用所述模型更新现有的模型；继续执行所述将所述视频中的下一帧图像作为当前处理图像的步骤。2.根据权利要求1所述的基于视频的车辆跟踪方法，其特征在于，所述利用所述第一帧图像初始化模型，包括：获取所述第一帧图像上的目标位置、目标大小，并根据预先确定的目标大小与搜索范围的比例关系，确定所述第一帧图像上的搜索范围；提取所述第一帧图像上的搜索范围内的图像特征，根据所述图像特征，得到特征循环矩阵，并利用所述特征循环矩阵初始化模型。3.根据权利要求2所述的基于视频的车辆跟踪方法，其特征在于，所述提取所述第一帧图像上的搜索范围内的图像特征，根据所述图像特征，得到特征循环矩阵，并利用所述特征循环矩阵初始化模型，包括：提取所述第一帧图像上的搜索范围内的图像特征；根据所述图像特征生成特征矩阵，将所述特征矩阵转换成循环矩阵后，使用FFT快速傅里叶变换将所述循环矩阵映射到傅里叶空间，得到特征循环矩阵；利用所述特征循环矩阵初始化模型。4.根据权利要求1所述的基于视频的车辆跟踪方法，其特征在于，所述对当前处理图像中的车辆进行跟踪流程，和\\或，所述模型生成与更新流程中的所述根据所述图像特征，得到特征循环矩阵步骤，包括：根据所述图像特征生成特征矩阵，将所述特征矩阵转换成循环矩阵后，使用FFT快速傅里叶变换将所述循环矩阵映射到傅里叶空间，得到特征循环矩阵。5.根据权利要求1所述的基于视频的车辆跟踪方法，其特征在于，所述方法还包括：获取所述视频中的目标速度，并根据所述目标速度确定目标大小与搜索范围的比例关系。6.一种基于视频的车辆跟踪装置，其特征在于，所述装置包括：初始化模块，目标位置更新模块和模型更新模块；所述初始化模块，用于预先确定视频中用于...

【专利技术属性】
技术研发人员：邹博，周晓，宋泳贤，李爽，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁;21