一种基于监控视频的车型识别与跟踪方法及系统技术方案

本发明专利技术提出了一种基于监控视频的车型识别与跟踪方法及系统，所述方法包括：A、背景建模和前景检测：将视频序列中相对静止不动的部分作为背景与包含运动物体的前景分离开；B、车辆图像特征提取：提取图像中的局部特征描述符，采用SIFT特征描述符，因为该算法能较好的表达图像的内容及特点，对图像噪声和仿射变化有一定的稳定性；C、车辆图像特征编码：将图像上得到的数量不等的局部特征描述符编码为定长向量，以适合于分类器的输入；D、车辆图像识别：选择和设计合适的分类器对图像的特征向量进行分类，最后达到识别的目的；E、车辆图像跟踪：对识别为某一车型识别图像区域进行跟踪，避免重复的前景检测和识别，提高车型识别系统的运行速度。

【技术实现步骤摘要】

本专利技术属于图像识别领域，尤其涉及一种基于监控视频的车型识别与跟踪方法及系统，所述方法及系统使用局部特征描述符作为最原始输入。
技术介绍
智能交通系统(Intelligent Transportation System，ITS)是综合运用信息技术、通讯技术以及计算机技术等对交通运输进行全方位、高效、实时、准确的监控。于上世纪80年代被提出，最初用于车辆导流系统。随着社会经济和城镇化的快速发展，人们生活收入水平得到明显提高，私家车逐渐成为出行的必备工具。这对交通运输管理带来了压力，追尾、超车、闯红灯等交通事故越来越多，汽车排放的大量尾气对城市空气造成了严重影响，因此对ITS的研发具有越来越重要的实用价值。世界主要发达国家陆续开始对ITS的研发，协助城市管理者进行车流疏导，以改善城市交通拥挤的现状。目前，随着其他一些国家和地区的加入，智能交通系统作为交通运输学科的前沿领域正逐步发展为一个新的ITS产业。新世纪以来，国民经济得到飞速发展的情况下，我国人均车辆拥有量得到稳步提高。机动车的大量增加，也带来了很多交通问题，如：超载、汽车超速、闯红灯甚至出现一些车毁人亡的悲剧，给国家和人民带来了重大的生命和财产损失。于是，国家开始逐步重视ITS的研发与应用，随着国家经济的发展，政府的大力投入，同时社会城市化发展，我国智能交通技术的应用前景广阔潜力巨大。车型识别作为ITS的关键组成部分，有着非常广泛的应用，如：自动收费系统，在公路和停车场收费领域，车型识别与车牌识别相结合，不仅可以提高识别的准确率，而且还可以防止“倒卡，换卡”等逃避收费的行为。在公安刑事监控和侦查中，可以结合车型识别来快速点位嫌疑车辆的位置和行踪，帮助追捕嫌犯。车型与车牌识别相结合将有助于建立更加高效车辆管理系统。车型识别也可以应用于车辆的防盗管理系统，防止不法分子盗取车辆。使用车型识别对公路交通流量的统计与分析，做到对道路状况的实时监控和调度，防止交通堵塞、交通事故的出现。自动停车系统也可以利用车型识别，对停车位作更好地规划与运用等。同时也可以用于自动
或辅助安全驾驶领域。车型识别技术和车牌识别一样图像识别领域的学术问题，但它也是一个具有很强实用价值的课题，在公共安全和城市交通管理等方面有很广阔的应用潜力。由于基于监控视频的车型识别问题，很大程度上受到监控环境的影响。当监控环境恶劣时，视频图像的质量就会降低，这可能使前景物体检测和识别出现错误。另一图像处理算法方面存在的缺陷，也是基于监控视频车型识别的发展的重要瓶颈。但是随着近年来新的背景建模和图像识别算法的提出，以及计算机性能和速度的提升，使得基于监控视频的车型识别系统推广于工业应用的可能性有了很大提高。所以基于监控视频的检测和识别技术必将在ITS领域得到广泛应用。基于新的背景建模和识别算法的视频车型检测与识别算法已引起国内外学者的广泛关注，也形成了很多研究热点。
技术实现思路
本专利技术的目的在于提供一种基于监控视频的车型识别与跟踪方法及系统，旨在解决现有技术中存在的问题。本专利技术通过以下技术方案实现：一种基于监控视频的车型识别与跟踪方法，所述方法包括以下步骤：A、背景建模和前景检测：将视频序列中相对静止不动的部分作为背景，将所述背景与包含运动物体的前景分离开；B、车辆图像特征提取：提取图像中的局部特征描述符，所述方法采用SIFT特征描述符，因为该算法能较好的表达图像的内容及特点，对图像噪声和仿射变化有一定的稳定性；C、车辆图像特征编码：将图像上得到的数量不等的局部特征描述符编码为定长向量，以适合于分类器的输入；D、车辆图像识别：选择和设计合适的分类器对图像的特征向量进行分类，最后达到识别的目的；E、车辆图像跟踪：对识别为某一车型识别图像区域进行跟踪，避免重复的前景检测和识别，提高车型识别与跟踪系统的运行速度。作为本专利技术的进一步改进，所述背景建模与前景检测步骤包括以下步骤：A1、背景模型的初始化：根据第一帧图像选取像素点周围的像素作为该点的初始背景样本集；A2、前景检测：将新的像素值与该点的背景样本集比较，若像素值的空间邻域和颜色值邻域，在背景样本集中的点超过第一阈值，则判断其为背景，否则为前景；A3、背景模型更新：当一个像素值被判定为背景时，它有一定的概率替换该像素点及其邻域的像素点的背景样本集，对于一个一直判定为前景的像素点，当计数大于第二阈值就将其强制设定为背景，同时该像素值也有机会去更新其背景和邻域像素的背景样本集。作为本专利技术的进一步改进，所述车辆图像特征提取与编码步骤包括以下步骤：B1、连通分量分析：对图像中前景物体不是一个连通区域的情形，使用多项式拟合或者凸包拟合的方法，得到一个包含前景物体的联通区域；B2、提取图像的局部特征描述符，所述方法采用SIFT特征描述符，即首先进行特征点检测，然后对得到的特征点计算梯度向量，作为该区域的描述；B3、对提取到的128维SIFT特征向量降维至80维；B4、利用混合高斯模型拟合训练集上所有的SIFT特征描述符的分布；具体求解算法使用最大化期望算法；B5、求得的混合高斯模型关于模型参数权重、均值和方差的梯度向量；B6、对得到的梯度向量进行归一化处理，并保存混合高斯模型的相关参数，确保对新来的测试集采用同样的编码方式。作为本专利技术的进一步改进，所述车辆图像识别与跟踪步骤包括以下步骤：C1、利用线性核的支持向量机，学习训练集上编码后的特征向量模型；C2、保存学习到的模型，对于新来的图像，加载训练时期保存的混合高斯模型参数，并将新测试图像提取SIFT局部特征描述符编码为定长向量；C3、加载支持向量机模型，对新测试图像的特征向量进行分类识别；C4、将识别为某车型的新的前景区域作为跟踪器的初始区域；C5、计算得到一个目标的置信图；C6、对于新的视频帧，利用前一帧的上下文信息，卷积图像得到一个目标的置信图，值最大的位置就是我们的目标所在地。作为本专利技术的进一步改进，所述方法采用的局部特征描述符，对角度很好的稳定性。本专利技术的另一目的在于提供一种基于监控视频的车型识别与跟踪系统，所述车型识别与跟踪系统包括：背景建模和前景检测模块，用于将视频序列中相对静止不动的部分作为背景，将所述背景与包含运动物体的前景分离开；车辆图像特征提取模块，用于提取图像中的局部特征描述符，所述装置法采用SIFT特征描述符；车辆图像特征编码模块，用于将图像上得到的数量不等的局部特征描述符编码为定长向量，以适合于分类器的输入；车辆图像识别模块，用于选择和设计合适的分类器对图像的特征向量进行分类，最后达到识别的目的；车辆图像跟踪模块，用于对识别为某一车型识别图像区域进行跟踪，避免重复的前景检测和识别，提高车型识别与跟踪系统的运行速度。作为本专利技术的进一步改进，所述背景建模和前景检测模块包括：背景模型初始子模块，用于对像素点空间邻域的像素值随机采样，来生成该像素点的初始背景样本集；前景检测子模块，用于将新的像素值与该点的背景样本集比较，若像素值的空间邻域和颜色值邻域，在背景样本集中的点超过第一阈值，则判断其为背景，否则为前景；背景模型更新子模块，用于当一个像素值被判定为背景时，它有一定的概率替换该像素点及其邻域的像素点的背景样本集，对于一个一直判定为前景的像素点，当计数大于第二阈值就将其强本文档来自技高网...

【技术保护点】
一种基于监控视频的车型识别与跟踪方法，其特征在于：所述方法包括以下步骤：A、背景建模和前景检测：将视频序列中相对静止不动的部分作为背景，将所述背景与包含运动物体的前景分离开；B、车辆图像特征提取：提取图像中的局部特征描述符，所述方法采用SIFT特征描述符；C、车辆图像特征编码：将图像上得到的数量不等的局部特征描述符编码为定长向量，以适合于分类器的输入；D、车辆图像识别：选择和设计合适的分类器对图像的特征向量进行分类，最后达到识别的目的；E、车辆图像跟踪：对识别为某一车型识别图像区域进行跟踪，避免重复的前景检测和识别，提高车型识别与跟踪系统的运行速度。

【技术特征摘要】
1.一种基于监控视频的车型识别与跟踪方法，其特征在于：所述方法包括以下步骤：A、背景建模和前景检测：将视频序列中相对静止不动的部分作为背景，将所述背景与包含运动物体的前景分离开；B、车辆图像特征提取：提取图像中的局部特征描述符，所述方法采用SIFT特征描述符；C、车辆图像特征编码：将图像上得到的数量不等的局部特征描述符编码为定长向量，以适合于分类器的输入；D、车辆图像识别：选择和设计合适的分类器对图像的特征向量进行分类，最后达到识别的目的；E、车辆图像跟踪：对识别为某一车型识别图像区域进行跟踪，避免重复的前景检测和识别，提高车型识别与跟踪系统的运行速度。2.根据权利要求1所述的车型识别与跟踪方法，其特征在于：所述步骤A包括以下步骤：A1、背景模型的初始化：根据第一帧图像选取像素点周围的像素作为该点的初始背景样本集；A2、前景检测：将新的像素值与该点的背景样本集比较，若像素值的空间邻域和颜色值邻域，在背景样本集中的点超过第一阈值，则判断其为背景，否则为前景；A3、背景模型更新：当一个像素值被判定为背景时，它有一定的概率替换该像素点及其邻域的像素点的背景样本集，对于一个一直判定为前景的像素点，当计数大于第二阈值就将其强制设定为背景，同时该像素值也有机会去更新其背景和邻域像素的背景样本集。3.根据权利要求1所述的车型识别与跟踪方法，其特征在于：所述步骤B包括以下步骤：B1、连通分量分析：对图像中前景物体不是一个连通区域的情形，使用多项式拟合或者凸包拟合的方法，得到一个包含前景物体的联通区域；B2、提取图像的局部特征描述符，所述方法采用SIFT特征描述符，即首先进行特征点检测，然后对得到的特征点计算梯度向量，作为该区域的描述；B3、对提取到的128维SIFT特征向量降维至80维。4.根据权利要求1所述的车型识别与跟踪方法，其特征在于，所述步骤C包括以下步骤：C1、利用混合高斯模型拟合训练集上所有的SIFT特征描述符的分布；具体求解算法使用最大化期望算法；C2、求得的混合高斯模型关于模型参数权重、均值和方差的梯度向量；C3、对得到的梯度向量进行归一化处理，并保存混合高斯模型的相关参数，确保对新来的测试集采用同样的编码方式。5.根据权利要求1所述的车型识别与跟踪方法，其特征在于，所述步骤D包括以下步骤：D1、利用线性核的支持向量机，学习训练集上编码后的特征向量模型；D2、保存学习到的模型，对于新来的图像，加载训练时期保存的混合高斯模型参数，并将新测试图像提取SIFT局部特征描述符编码为定长向...

【专利技术属性】
技术研发人员：张海军，李正琪，
申请(专利权)人：哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：广东;44