一种基于空地视频关联技术的车辆目标跟踪方法技术

本发明专利技术公开了一种基于空地视频关联技术的车辆目标跟踪算法，包括.图像的预处理，即将图像进行灰度化处理，得到灰度值；2.运动目标的检测，采用相邻帧间差分法对判断目标是否处于运动状态；3.时间轴的匹配，即通过设立参照点，实现地面视频与无人机视频的时间同步；4.运动目标的跟踪，采用MeanShift算法作为跟踪算法，最终空地视频的同步跟踪。

【技术实现步骤摘要】

本专利技术属于数字图像处理、智能交通信息处理
，具体地说是一种基于空地视频关联技术的车辆目标跟踪方法。
技术介绍
随着国家经济的发展以及汽车所有量的大幅度提高，为了满足居民的日常出行需求，各地道路设施的建设工作也都相继展开，这其中尤其以高速公路的建设最为显著。近年来，随着高速公路里程的迅速增加，虽然在很大程度上缓解了居民出行难的问题，但是随之而来的问题也很多，最突出的就当属高速交通监管困难的问题。良好的交通监管是交通安全的生命线，根据以往的事故能够知道，很多的交通事故的发生都和交通监管的缺失有很大的关系，而高速公路更是由于其车速快的特点更是成为了很多特大型交通事故的重灾区。而在历次交通事故中，由于相对于一般的道路来说，高速公路的交通环境相对封闭，而且同时还存在路面通行车辆种类繁杂、路段通行秩序变化多样，且路面交通安全监管警力不足、监控手段过于单一等特点，这就对于事故的取证造成了很大的困难，结果就是在交通事故的责任判定上存在漏洞。同时，由于传统的固定式的监测手段的范围局限性高，受地面地形、环境的影响较大，这就会让很多驾驶员在驾驶中存在侥幸心理，即仅仅在通过监测点时才会规范自身驾驶行为，这使得驾驶员的驾驶行为不存在连续性，严重影响所记录数据的真实性，这使得对于特定车辆交通违章与交通事故的分析缺乏准确的数据支持。随着高速公路的不断发展，传统的监控手段已经无法满足需求，如今急需一种既能够针对特定目标进行跟踪同时也能加大监控范围的监控方法。
技术实现思路
本专利技术的目的是为了解决上述现有技术的不足为目的，提供了一种结合无人机监测平台的基于MeanShift算法的空地一体化视频监测同步跟踪算法，其能够很好的解决监控范围不足、监测手段单一、事故取证不足的缺点，提高高速公路交通监测的准确率与效率。本专利技术的一种基于空地视频关联技术的车辆目标跟踪方法，包括以下几个步骤：步骤一、图像预处理。将得到的地面与无人机的视频图像进行灰度化处理。步骤二、运动目标的检测。采用相邻帧间差分法对运动车辆进行检测，判断追踪目标是否处于运动状态。步骤三、时间轴的同步。通过设置参照点实现地面监控设备与无人机监控设备的时间同步性。步骤四、运动目标的跟踪。在时间轴同步的基础上，采用MeanShift算法对目标进行跟踪，实现空地监控设备的协同监测跟踪。本专利技术的优点在于：(1)创造性的将MeanShift算法同时间轴同步操作结合在一起，为多平台同步追踪提供了一个很好的范例；(2)将无人机平台与地面监控平台结合起来，在发挥了无人机监测范围广、阻碍少的优势的同时，也发挥了地面监控设备精确化的特点，优势互补，针对交通违法或者特定车辆达到了无死角的监控跟踪；(3)在现有设备的基础上，通过该专利技术算法即可实现交通道路监管中多维同步监控，减少了研发新设备的费用，节约了成本；(4)相比与传统的监测手段，本专利技术从结合无人机监测平台入手，同时运用图像处理、时间轴匹配以及MeanShift算法为主体的空地视频关联技术算法，在实现目标车辆跟踪的同时，最大程度的将无人机检测平台的监测范围广、受地面地形、环境影响小的特点与地面监控设备的监控精细化的特点结合起来，无论是在调查取证还是车辆数据分析等方面，都很大程度上弥补了传统监测手段的不足。附图说明图1a地面监控视频灰度化效果图；图1b无人机视频灰度化效果图；图2运动车辆检测效果图；图3a地面监控视频参考点设置示意图；图3b无人机视频参考点设置示意图；图4 Bhattacharyya系数的几何意义；图5车辆追踪效果示意图a；图6车辆追踪效果示意图b。具体实施方式下面将结合附图和实施例对本专利技术作进一步的详细说明。本专利技术是一种基于空地视频关联技术的车辆目标跟踪方法，包括以下几个步骤：步骤一、图像预处理地面监控设备采集道路中车辆运行视频，无人机采集同一时刻同样区域车辆运行视频，对道路监控视频和无人机监控视频进行图像预处理，转换效果如图1a和图1b所示，图像预处理是将视频中的图像序列由RGB颜色空间转换为灰度空间，采用的是彩色转灰度的整数算法，通过该算法，将视频中的图像全部灰度化，并以灰度值的形式存储起来，采用的转换公式为：Gray＝(R*299+G*587+B*114+500)/1000 (1)其中：Gray表示灰度值，R表示红色通道像素值大小，G表示绿色通道像素值大小，B表示蓝色通道像素值大小。步骤二、运动目标检测采用相邻帧间差分法进行运动车辆检测，相邻帧间差分法是将相邻两帧视频图像所对应的像素点进行一一相减，从而得到两帧图像颜色或者亮度的差值绝对值，再根据预先设定好的差分阈值确定视频图像中的运动目标，实现运动目标检测的具体步骤如下：(1)假设视频图像大小为M×N，(x,y)对应视频图像中的任意一点，且0≤x≤M，0≤y≤N，用fk-1(x,y)表示视频序列中该点的当前图像对应的前一帧的颜色值；(2)设fk(x,y)表示该点当前图像所对应图像的颜色值，Mk(x,y)代表两帧间的运动区域；(3)选取Tthreshold为差分阈值，对应的视频中的每个像素点均用当前帧颜色值减去前一帧颜色值，当所得差值绝对值大于差分阈值时，Mk(x,y)赋值为1，则判定该位置上存在运动目标，否则为0，则相邻帧间差分法可以由式(2)表示，图2为利用该方法进行运动目标检测的效果图： M k ( x , y ) = 1 , | f k ( x , y ) - f k - 1 ( x , y ) | > T t h r e 本文档来自技高网...

【技术保护点】
一种基于空地视频关联技术的车辆目标跟踪方法，包括以下几个步骤：步骤一、图像预处理；无人机采集同一时刻同样区域车辆运行视频，对道路监控视频和无人机监控视频进行图像预处理，进行灰度化处理；步骤二、运动目标的检测；针对图像预处理后的道路监控与无人机监控视频，采用相邻帧间差分法对运动车辆进行检测，实现运动目标检测；步骤三、时间轴的同步；通过设置参照点实现地面监控设备与无人机监控设备的时间同步性；步骤四、运动目标的跟踪；在时间轴同步的基础上，对目标进行跟踪，实现空地监控设备的协同监测跟踪。

【技术特征摘要】
1.一种基于空地视频关联技术的车辆目标跟踪方法，包括以下几个步骤：步骤一、图像预处理；无人机采集同一时刻同样区域车辆运行视频，对道路监控视频和无人机监控视频进行图像预处理，进行灰度化处理；步骤二、运动目标的检测；针对图像预处理后的道路监控与无人机监控视频，采用相邻帧间差分法对运动车辆进行检测，实现运动目标检测；步骤三、时间轴的同步；通过设置参照点实现地面监控设备与无人机监控设备的时间同步性；步骤四、运动目标的跟踪；在时间轴同步的基础上，对目标进行跟踪，实现空地监控设备的协同监测跟踪。2.根据权利要求1所述的一种基于空地视频关联技术的车辆目标跟踪方法，所述的步骤一具体为：将地面监控设备采集道路中车辆运行视频、无人机采集同一时刻同样区域车辆运行视频中的图像序列由RGB颜色空间转换为灰度空间，采用彩色转灰度整数算法，将视频中的图像全部灰度化，并以灰度值的形式存储起来，采用的转换公式为：Gray＝(R*299+G*587+B*114+500)/1000 (1)其中：Gray表示灰度值，R表示红色通道像素值大小，G表示绿色通道像素值大小，B表示蓝色通道像素值大小。3.根据权利要求1所述的一种基于空地视频关联技术的车辆目标跟踪方法，所述的步骤二具体为：(1)假设视频图像大小为M×N，(x,y)对应视频图像中的任意一点，且0≤x≤M，0≤y≤N，用fk-1(x,y)表示视频序列中该点的当前图像对应的前一帧的颜色值；(2)设fk(x,y)表示该点当前图像所对应图像的颜色值，Mk(x,y)代表两帧间的运动区域；(3)设Tthreshold为差分阈值，对应的视频中的每个像素点均用当前帧颜色值减去前一帧颜色值，当所得差值绝对值大于差分阈值时，Mk(x,y)赋值为1，则判定该位置上存在运动目标，否则为0，则相邻帧间差分法由式(2)表示： M k ( x , y ) = 1 , | f k ( x , y ) - f ...

【专利技术属性】
技术研发人员：王云鹏，尹国浩，马晓磊，陈鹏，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11