一种基于光流和局部不变特征的交通目标跟踪方法技术

一种基于光流和局部不变特征的交通目标跟踪方法，首先对输入视频图像利用高斯背景建模构建初始模板，提取前景目标；接着利用SURF变换算法检测目标特征点；然后通过构建图像多分辨率小波金字塔改进LK稀疏光流法对特征点进行检测和跟踪目标，并制定自适应模板实时更新策略，判断是否最后一帧，若是最后一帧，结束跟踪；若不是最后一帧，则进行模板更新判断；若不需模板更新，则继续跟踪；若需要模板更新，则按照更新方法更新模板和跟踪窗口后，再继续跟踪；该方法匹配准确快速，降低冗余数据，自适应性强，对目标车辆形变、高速、噪声、光照不均、部分遮挡等复杂环境有较高鲁棒性，提高了车辆辨识能力，与传统方法相比有明显优势，在智能交通目标跟踪系统中有着良好的应用前景。

【技术实现步骤摘要】

本专利技术涉及图像处理、视频监控技术中的交通目标跟踪问题，尤其是涉及一种基于光流和局部不变特征的交通目标跟踪方法。
技术介绍
目标检测和跟踪是当今计算机视觉领域的复杂、热点研究课题之一；随着经济发展，交通工具不断增加，交通事故频发；智能交通系统中运动目标检测跟踪技术结合图像处理、计算机和自动化控制技术，实时监控交通目标，提取目标位置、形态结构、运动参数等信息，对改善交通状况提供决策依据；近年来光流技术在模式识别、计算机视觉以及图像处理领域广泛受到关注；光流法基于图像连续序列，抽取光流场，由于目标和背景存在相对运动，运动速度矢量不同于相邻区域，根据像素点速度矢量特征，进行运动估计，进而检测目标及其位置区域；Horn和Schunck两个人最早引入光流约束方程，提出二维速度场同灰度相联系，发展至今包括以基于梯度的方法、基于匹配的方法、基于能量的方法及基于相位的方法；基于匹配的方法对相邻帧字块匹配进行运动估计，特征提取和精确匹配较难；基于能量和相位的方法跟踪效果较好,但计算负荷大,实时性较差；基于梯度的方法研究最多，以图像灰度不变为条件导出光流约束方程；基于梯度的光流方法虽实现简单，但存在以下问题：1)基于光流灰度守恒的制约，不适用与光照变化的情况；2)光流法仅关注像素点，忽略运动目标和像素点的关联；3)对环境噪声敏感，跟踪快速移动物体易失败；4)受摄像机抖动等因素影响，形成的异常信号会导致产生不连续形变场；针对以上问题，如何提取具有抗复杂环境的不变特征和选取有效的跟踪方法有待提高；本专利技术以城市道路交通复杂环境为背景，针对交通监控中存在的车辆跟踪不稳定现象，提出一种基于多分辨率小波金字塔改进LK稀疏光流的跟踪方法，同时联合SURF局部尺度不变特征变换算法检测目标特征点，提高了车辆辨识能力，在智能交通系统目标跟踪中有良好应用前景；
技术实现思路
为了解决现有光流目标跟踪方法存在的计算负荷大，实时性较差，不适用与光照变化环境，且跟踪快速移动的物体容易失败等问题，本专利技术提供一种基于光流和局部不变特征的交通目标跟踪方法，该方法匹配准确快速，降低冗余数据，自适应性强，对目标车辆形变、高速、噪声、光照不均、部分遮挡等复杂环境有较高鲁棒性，提高了车辆辨识能力，与传统方法相比有明显优势，在智能交通目标跟踪系统中有着良好的应用前景。本专利技术解决其技术问题所采用的技术方案是：一种基于光流和局部不变特征的交通目标跟踪方法，首先利用高斯背景建模提取前景目标，接着利用SURF局部尺度不变特征变换算法检测前景目标特征点，然后通过构建图像多分辨率小波金字塔改进LK稀疏光流法对特征点进行检测和跟踪，并制定自适应模板实时更新策略，判断是否最后一帧，若是，结束跟踪；若不是，进行模板更新判断；若不需模板更新，继续跟踪；若需要模板更新，根据更新方法更新跟踪窗口，检测SURF特征点，更新特征点权值，删除低权值特征点，继续跟踪。一种基于光流和局部不变特征的交通目标跟踪方法，其具体实施步骤如下：(1)对输入视频图像采用在线自适应高斯混合模型得到前景目标，建立目标初始模板及跟踪窗口，利用SURF尺度不变特征变换算法检测目标局部特征点；在线自适应高斯混合模型背景建模后，将当前帧和背景帧差分，提取前景车辆，并用滤波、形态学腐蚀开闭去掉噪声和道路信息，建立目标初始模板及跟踪窗口；常用的Harris、Susan、Moravec角点检测算子的描述信息比较单一，对尺度、光照、旋转、噪声、缩放等较为敏感，本专利技术使用的SURF算法对光照、噪声、尺度变化等情况有良好鲁棒性，其通过积分图像生成特征矢量，在多尺度空间同时被处理，无需二次抽样，避免特征矢量在生成时候的重复运算；(2)提升小波构造多分辨率变换金字塔改进LK稀疏光流法，对SURF算法提取的目标局部特征点计算光流运动估计；包括如下步骤：1)算法假设像素邻域空间内运动矢量相同,得到光流能量函数如式(1)所示； E = Σ ( x , y ) ∈ Ω W 2 ( x ) [ I x u + I y v + I t ] 2 - - - ( 1 ) ]]>式中表示灰度在x，y方向，以及t时间的偏导数；u，v是该像素点光流x，y方向的速度分量；邻域内各像素点的权重用W(x)窗口加权函数表示，可以使得邻域区域同外围区域相比，对约束产生更大影响，Ω是光流一致的像素点t时刻的邻域范围；2)设V＝(u,v)T，用最小二乘法求解方程(2)，最小化能量函数E，从而求解光流，得式(3)：ATW2AV＝ATW2B (2)V＝(ATW2A)-1ATW2B (3)其中，各个参数的表示为：W＝diag(W(X1),W(X2),W(X3),…W(Xn)),B＝-(It(X1)，It(X2)，It(X3)，…It(Xn))T；3)相邻帧图像通过提升小波在多尺度分解图像,按精度递减顺序构造不同分辨率的提升小波金字塔图像，从而提升像素最大移动距离；提升小波算法不依赖傅里叶变换；利用小波金子塔层与层间的位移传递计算，使得不同尺度上的位移量相比原始位移量缩小；包括如下步骤：a.通过提升小波算法在多尺度分解图像,构造提升小波金字塔，令In-1(x,y)为第n-1层的金字塔图像，In(x,y)为上层图像，n为金字塔总层数；令gm为金字塔中m层初始估计的光流矢量，△fm为光流计算矢量值，最上层光流初始值为gn-1＝0；各层之间光流映射关系如式(4)所示，根据上层图像对下层金字塔图像进行光流计算如式(5)所示：gm-1＝k(gm+△fm) (4) f = g 0 + Δf 0 = Σ m = 0 n - 1 k m f m - - - ( 5 ) ]]>b.选取3层金字塔，顶层光流量g2＝0，根据式(3)可以求取△f2的光流计算矢量值，带入式(4)中，可以得到2层光流量g1＝k△f2，依次迭代，进一步可以求得最底层的光流量g0以及△f0的值，f＝g0+△f0本文档来自技高网...

【技术保护点】
一种基于光流和局部不变特征的交通目标跟踪方法，其方法特征在于：首先对输入视频图像利用高斯背景建模构建初始模板，提取前景目标；接着利用SURF局部尺度不变特征变换算法检测前景目标特征点；然后通过构建图像多分辨率小波金字塔改进LK稀疏光流法对特征点进行检测和跟踪目标，即对SURF算法提取的目标局部特征点计算光流运动估计，并制定自适应模板实时更新策略，判断是否最后一帧，若是最后一帧，结束跟踪；若不是最后一帧，则进行模板更新判断；若不需要模板更新，则继续跟踪；若需要模板更新，则更新跟踪窗口，利用SURF算法检测跟踪窗口特征点，和前一帧跟踪模板进行特征匹配，更新特征点权值并删除低权值特征点，完成模板更新后，再继续跟踪。

【技术特征摘要】
1.一种基于光流和局部不变特征的交通目标跟踪方法，其方法特征在于：首先对输入视频图像利用高斯背景建模构建初始模板，提取前景目标；接着利用SURF局部尺度不变特征变换算法检测前景目标特征点；然后通过构建图像多分辨率小波金字塔改进LK稀疏光流法对特征点进行检测和跟踪目标，即对SURF算法提取的目标局部特征点计算光...

【专利技术属性】
技术研发人员：厉丹，鲍蓉，肖理庆，党向盈，
申请(专利权)人：徐州工程学院，
类型：发明
国别省市：江苏;32