【技术实现步骤摘要】
本专利技术属于车辆运动分析领域,特别涉及一种结合目标信息和运动估计的车辆跟踪算法。
技术介绍
基于计算机视觉的车辆跟踪系统有视频采集和图像处理两大部分组成,如图1所示。首先由摄像机获取视频信号后,计算机通过视频采集卡接受来自视频输入端的模拟信号,对该模拟信号进行采集并量化为数字信号存储到计算机硬盘上,接着通过数字图像处理和跟踪技术实现对车辆的跟踪。MS(Mean-Shift)算法是常用的视频图像目标跟踪算法。通过目标的HSV特征利用MS算法实现了对目标的跟踪。该算法首先提取目标颜色特征,并以此作为目标模型,然后通过计算目标模型与候选模型的相似性系数,以相似性系数最大的点作为目标的中心,从而确定目标的位置。通过目标的HSI特征,同时结合目标的局部方向信息,提高了 MS算法进行车辆跟踪的稳定性。但是在上述工作中算法均是采用固定窗宽,不能适应车辆在运动图像中产生的尺度变化;此外,由于MS算法是用泰勒级数在上一帧中心近似估计作为当前帧初始窗口,这种估计在车辆变速、车辆遮挡等情况时容易造成跟踪目标的丢失。近年来,也有不少工作采用其他算法进行视觉车辆跟踪。区域匹配法,首先提取车辆的区域参数(中心、长度、宽度),将预测的参数与后序图像序列中提取的区域参数进行匹配,如果坐标中心和面积之差小于预设的阈值,则认为成功实现跟踪;如果大于预设的阈值,则认为发生遮挡,同时利用一条“最佳分割线”将粘连的车辆分开,然后重新确定车辆的位置。但是区域匹配法采用固定的阈值判断车辆的区域,在车辆尺度变化较大时仍会导致定位准确性降低,且“最佳分割线”在车辆有遮挡时分割出车辆的区域匹配相 ...
【技术保护点】
一种结合目标信息和运动估计的车辆跟踪方法,其特征在于:包括以下步骤:步骤1、初始化目标中心像素点坐标x0和跟踪窗宽h1(l,w),;步骤2、提取目标运动信息,计算目标的颜色概率模型u为颜色特征值;步骤3、读取下一帧图像序列i,结合运动信息确定目标尺度的变化,更新hi(l,w),l,w分别为目标窗的长度和宽度;步骤4、卡尔曼滤波器估计目标在当前帧中的预测位置步骤5、在预测位置附近,利用Mean‑Shift过程定位目标在当前帧中的位置y1,步骤6、更新卡尔曼滤波器,跳转至S3继续执行。
【技术特征摘要】
1.一种结合目标信息和运动估计的车辆跟踪方法,其特征在于:包括以下步骤: 步骤1、初始化目标中心像素点坐标Xtl和跟踪窗宽hjl,W),;步骤2、提取目标运动信息,计算目标的颜色概率模型/f,u为颜色特征值; 步骤3、读取下一帧图像序列i,结合运动信息确定目标尺度的变化,更新4(1,《),I, w分 别为目标窗的长度和宽度; 步骤4、卡尔曼滤波器估计目标在当前帧中的预测位置?,.f 步骤5、在预测位置Λ附近,利用Mean-Shift过程定位目标在当前帧中的位置yl, 步骤6、更新卡尔曼滤波器,跳转至S3继续执行。2.根据权利要求1所述的车辆跟踪方法,其特征在于:步骤2中运动信息的提取包括以下子步骤: S21、在视频图像当如帧中锁定跟踪的目标; S22、分别用背景消除法...
【专利技术属性】
技术研发人员:李军,王含嫣,袁宇龙,王斌,
申请(专利权)人:重庆大学,
类型:发明
国别省市:重庆;85
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。