一种车辆跟踪方法及装置制造方法及图纸

本发明专利技术适用于车辆跟踪技术领域，提供了一种车辆跟踪方法及装置，所述车辆跟踪方法包括：设定车辆检测区域和车辆跟踪区域；在所述车辆检测区域内，利用方向梯度直方图HOG检测模式和支持向量机SVM检测模式，检测车辆；在所述车辆跟踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆进行跟踪，生成所述车辆的跟踪轨迹。在本发明专利技术实施例中，在所述车辆跟踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆进行跟踪，生成所述车辆的跟踪轨迹，因此解决了现有车辆跟踪方法，无法有效跟踪不同车型和不同场景的车辆的问题，因此既增大了车辆跟踪方法的适用范围，也提高了跟踪效率。

【技术实现步骤摘要】

本专利技术属于车辆跟踪
，尤其涉及一种车辆跟踪方法及装置。
技术介绍
随着车辆数量的急剧增加，交通系统日益受到人们的重视。因此，交通系统开始向智能化与自动化发展。要实现交通系统得智能化与自动化，首要任务就是系统能够很好的完成车辆目标的定位和跟踪，以便为整个智能交通提供有效信息。然而，现有车辆跟踪方法，无法有效跟踪不同车型和不同场景的车辆，降低车辆跟踪方法的适用范围和跟踪效率。其原因在于：现有车辆跟踪方法，是通过图像匹配进行跟踪的，当处于光照不足的，且车辆距离摄像机较远的场景时，图像的分辨率较低，使得车辆区分度较低，图像匹配时，容易跟踪到其它的车辆，造成跟踪失误，因此无法有效跟踪不同车型和不同场景的车辆，降低车辆跟踪方法的适用范围和跟踪效率。
技术实现思路
本专利技术实施例的目的在于提供一种车辆跟踪方法，旨在解决现有车辆跟踪方法，无法有效跟踪不同车型和不同场景的车辆，降低车辆跟踪方法的适用范围和跟踪效率。本专利技术实施例是这样实现的，一种车辆跟踪方法，包括：设定车辆检测区域和车辆跟踪区域；在所述车辆检测区域内，利用方向梯度直方图HOG检测模式和支持向量机SVM检测模式，检测车辆；在所述车辆跟踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆进行跟踪，生成所述车辆的跟踪轨迹。本专利技术实施例的另一目的在于提供一种车辆跟踪装置，包括：设定模块，用于设定车辆检测区域和车辆跟踪区域；检测模块，用于在所述车辆检测区域内，利用方向梯度直方图HOG检测模式和支持向量机SVM检测模式，检测车辆；跟踪模块，用于在所述车辆跟踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆进行跟踪，生成所述车辆的跟踪轨迹。在本专利技术实施例中，在所述车辆跟踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆进行跟踪，生成所述车辆的跟踪轨迹，因此解决了现有车辆跟踪方法，无法有效跟踪不同车型和不同场景的车辆的问题，因此既增大了车辆跟踪方法的适用范围，也提高了跟踪效率。附图说明图1是本专利技术实施例提供的车辆跟踪方法的实现流程图；图2是本专利技术实施例提供的跟踪轨迹的较佳样例图；图3是本专利技术实施例提供的车辆跟踪方法步骤S102的实现流程图；图4是本专利技术实施例提供的步骤S302的实现流程图；图5是采用窗口检测HOG特征的较佳样例图；图6是本专利技术实施例提供的生成车辆的跟踪轨迹的实现流程图；图7是本专利技术实施例提供的车辆跟踪装置的结构框图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例一参考图1，图1是本专利技术实施例提供的车辆跟踪方法的实现流程图，详述如下：在步骤S101中，设定车辆检测区域和车辆跟踪区域；在步骤S102中，在所述车辆检测区域内，利用方向梯度直方图HOG检测模式和支持向量机SVM检测模式，检测车辆；在步骤S103中，在所述车辆跟踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆进行跟踪，生成所述车辆的跟踪轨迹。参考图2，图2是本专利技术实施例提供的跟踪轨迹的较佳样例图。在本专利技术实施例中，在所述车辆跟踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆进行跟踪，生成所述车辆的跟踪轨迹，因此解决了现有车辆跟踪方法，无法有效跟踪不同车型和不同场景的车辆的问题，因此既增大了车辆跟踪方法的适用范围，也提高了跟踪效率。实施例二参考图3，图3是本专利技术实施例提供的车辆跟踪方法步骤S102的实现流程图，详述如下：在步骤S301中，在所述车辆检测区域内，利用HOG检测模式，检测HOG特征；在步骤S302中，根据检测到的HOG特征以及所述SVM检测模式，训练车辆分类器。在本专利技术实施例中，训练车辆分类器，通过车辆分类器，分类出无法有效跟踪不同车型和不同场景的车辆，便于后续增大适用范围和提高跟踪效率。实施例三参考图4，图4是本专利技术实施例提供的步骤S301的实现流程图，详述如下：在步骤S401中，输入待检测图像；在步骤S402中，将所述待检测图像的尺寸大小转化为相同的预设尺寸；在步骤S403中，在所述待检测图像中的车辆检测区域内，利用HOG检测模式中的窗口，按预设的检测顺序，检测HOG特征，所述检测顺序包括从上至下、从左至右。其中，为便于说明，步骤S301在车辆检测区域内，利用HOG检测模式，检测HOG特征，在实际应用中的实施过程，详述如下：1)标准化gamma空间和颜色空间；将图像转化成灰度图，将整个图像进行gamma归一化(gammamoralization)。以有效地降低图像局部阴影和光照的变化，减少光照因素的影响。Gamma归一化公式如下：I(x,y)＝I(x,y)gamma(1-1)其中gamma通常取0.5。2)计算图像梯度；计算图像水平方向和垂直方向的梯度，并以此计算每个像素为主的梯度方向值；其中，求导操作不仅能够捕获轮廓、人影和一些纹理信息，还能够进一步弱化光照的影响。其中，图像中像素点(x,y)的梯度为：Gx(x,y)＝H(x+1,y)-H(x-1,y)Gy(x,y)＝H(x,y+1)-H(x,y-1)(1-2)上式中Gx(x,y),Gy(x,y),H(x,y)分别表示图像中点(x,y)处的水平方向和垂直方向的梯度以及像素值，像素点(x,y)处的梯度幅值和梯度方向分别为： G ( x , y ) = G x ( x , y ) 2 + G y ( x , y ) 2 ]]> α ( x , y ) = tan - 1 本文档来自技高网...

【技术保护点】
一种车辆跟踪方法，其特征在于，包括：设定车辆检测区域和车辆跟踪区域；在所述车辆检测区域内，利用方向梯度直方图HOG检测模式和支持向量机SVM检测模式，检测车辆；在所述车辆跟踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆进行跟踪，生成所述车辆的跟踪轨迹。

【技术特征摘要】
1.一种车辆跟踪方法，其特征在于，包括：
设定车辆检测区域和车辆跟踪区域；
在所述车辆检测区域内，利用方向梯度直方图HOG检测模式和支持向量机
SVM检测模式，检测车辆；
在所述车辆跟踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆
进行跟踪，生成所述车辆的跟踪轨迹。
2.根据权利要求1所述的车辆跟踪方法，其特征在于，所述在所述车辆检
测区域内，利用方向梯度直方图HOG检测模式和支持向量机SVM检测模式，检
测车辆，具体为：
在所述车辆检测区域内，利用HOG检测模式，检测HOG特征；
根据检测到的HOG特征以及所述SVM检测模式，训练车辆分类器。
3.根据权利要求2所述的车辆跟踪方法，其特征在于，所述在所述车辆检
测区域内，利用HOG检测模式，检测HOG特征，具体为：
输入待检测图像；
将所述待检测图像的尺寸大小转化为相同的预设尺寸；
在所述待检测图像中的车辆检测区域内，利用HOG检测模式中的窗口，按
预设的检测顺序，检测HOG特征，所述检测顺序包括从上至下、从左至右。
4.根据权利要求1所述的车辆跟踪方法，其特征在于，所述在所述车辆跟
踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆进行跟踪，生成所
述车辆的跟踪轨迹之前，所述车辆跟踪方法还包括：
建立待检测图像的图像金字塔，所述图像金字塔包括根据多层分辨率不同
的图像，所述图像的层数根据分辨率的高低排列，最上层图像为层数最高的图
像，次上层图像为层数第二高的图像，最下层图像为层数第低的图像。
5.根据权利要求4所述的车辆跟踪方法，其特征在于，所述在所述车辆跟

\t踪区域内，利用图像金字塔光流跟踪模式，对检测到的车辆进行跟踪，生成所
述车辆的跟踪轨迹，包括：
在所述图像金字塔中，计算最上层图像中车辆特征点光流的精确值；
利用所述最上层图像中车辆特征点光流的精确值，估算次上层图像中车辆特
征点光流的初始值，并计算所述次上层图像中车辆特征点光流的精确值；
利用所述次上层图像中车辆特征点光流的精确值，估算所述次上层图像的下
一层图像中车辆特征点光流的初始值，并计算所述次上层图像的下一层图像中
车辆特征点光流的精确值，逐层计算，直至到达最底层图像；
根据每层图像中的所述车辆特征点的...

【专利技术属性】
技术研发人员：彭志远，彭博，
申请(专利权)人：深圳市朗驰欣创科技有限公司，
类型：发明
国别省市：广东;44