车辆追踪方法和装置制造方法及图纸

本发明专利技术涉及一种车辆追踪方法和装置，所述方法包括：在视频图像序列中实时追踪车辆图像；定期从所述视频图像序列中当前的视频图像中检测出车辆图像；获取当前追踪的车辆图像；根据当前追踪的车辆图像和前次定期检测时追踪到的车辆图像进行校验；当校验成功时，将当前检测到的车辆图像与当前追踪的车辆图像融合以修正当前追踪的车辆图像。本发明专利技术提供的车辆追踪方法和装置，可以保证车辆追踪的实时性和准确性。

Vehicle tracking method and apparatus

The invention relates to a method and device for vehicle tracking, the method includes: real-time tracking of vehicle image in the video image sequence; regularly from the video image sequence in the current video image detected in the vehicle image; acquiring vehicle image current tracking; calibration according to the vehicle image tracking to detect the current regular vehicle tracking and when the previous image; when the verification is successful, the current vehicle image detected and tracked the vehicle image fusion to correct current vehicle image tracking. The vehicle tracking method and device provided by the invention can ensure the real time and accuracy of vehicle tracking.

【技术实现步骤摘要】

本专利技术涉及车辆安全
，特别是涉及一种车辆追踪方法和装置。
技术介绍
目前在基于计算机视觉的车辆识别领域，一般需要检测到车辆，然后对检测到的车辆持续追踪，直至离开视野。实现流程如图1所示，先进行车辆检测，然后基于检测到的初始车辆不断进行车辆追踪，如果车辆追踪失败，则结束车辆追踪。目前的一种车辆追踪方法，在检测到车辆后将检测结果作为初始车辆进行追踪，后续追踪过程脱离检测结果的监督。然而目前的车辆追踪方法虽然计算量小能够达到实时性的要求，但长时间的追踪会导致追踪的车辆位置与车辆的实际位置逐渐发生偏离，追踪的准确性较差。
技术实现思路
基于此，有必要针对目前的车辆追踪方法实时性差的问题，提供了一种车辆追踪方法和装置。一种车辆追踪方法，所述方法包括：在视频图像序列中实时追踪车辆图像；定期从所述视频图像序列中当前的视频图像中检测出车辆图像；获取当前追踪的车辆图像；根据当前追踪的车辆图像和前次定期检测时追踪到的车辆图像进行校验；当校验成功时，将当前检测到的车辆图像与当前追踪的车辆图像融合以修正当前追踪的车辆图像。一种车辆追踪装置，所述装置包括：追踪模块，用于在视频图像序列中实时追踪车辆图像；定期检测模块，用于定期从所述视频图像序列中当前的视频图像中检测出车辆图像；获取模块，用于获取当前追踪的车辆图像；校验模块，用于根据当前追踪的车辆图像和前次定期检测时追踪到的车辆图像进行校验；修正模块，用于当校验成功时，将当前检测到的车辆图像与当前追踪的车辆图像融合以修正当前追踪的车辆图像。上述车辆追踪方法和装置，在视频图像序列中实时追踪车辆图像，并且定期进行车辆检测以检测出相应的车辆图像，通过将当前检测到的车辆图像与当前追踪的车辆图像融合来修正当前追踪的车辆图像，这样通过定期修正的方式可以保证车辆追踪的实时性和准确性。而且在修正前先根据当前追踪的车辆图像和前次定期检测时追踪到的车辆图像进行校验，从而根据校验结果来修正当前追踪的车辆图像，可以进一步保证车辆追踪的准确性。附图说明图1为目前车辆追踪方法的流程示意图；图2为一个实施例中车辆追踪系统的组成示意图；图3为一个实施例中计算机的内部结构示意图；图4为一个实施例中车辆追踪方法的流程示意图；图5为一个实施例中计算光流的示意图；图6为一个实施例中获取当前追踪的车辆图像的哈希值序列的步骤的流程示意图；图7为一个实施例中获取当前追踪的车辆图像的哈希值序列过程的示意图；图8为另一个实施例中车辆追踪方法的流程示意图；图9A为一个实施例中计算当前检测到的车辆图像与当前追踪的车辆图像的重叠度的示意图；图9B为另一个实施例中计算当前检测到的车辆图像与当前追踪的车辆图像的重叠度的示意图；图10为一个实施例中车辆追踪装置的结构框图；图11为另一个实施例中车辆追踪装置的结构框图；图12为一个实施例中获取模块的结构框图。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。如图2所示，在一个实施例中，提供了一种车辆追踪系统，包括相连接的计算机202和摄像机204。其中摄像机204用于采集图像获得视频流并传输给计算机202，计算机202用于根据视频流进行车辆追踪。计算机202可以是独立的物理计算机，也可以是多个物理计算机的集群。如图3所示，在一个实施例中，计算机202包括通过系统总线连接的处理器、非易失性存储介质、内存储器和视频接口。其中处理器具有计算功能和控制计算机202工作的功能，该处理器被配置为执行一种车辆追踪方法。非易失性存储介质包括磁存储介质、光存储介质和闪存式存储介质中的至少一种。非易失性存储介质存储有操作系统和车辆追踪装置，车辆追踪装置用于实现一种车辆追踪方法。内存储器用于为操作系统和车辆追踪装置的运行提供高速缓存。视频接口用于接收摄像机204传输的视频流。如图4所示，在一个实施例中，提供了一种车辆追踪方法，本实施例以该方法应用于上述图2和图3中的计算机202来举例说明。该方法具体包括如下步骤：步骤402，在视频图像序列中实时追踪车辆图像。车辆可以是汽车或者人力车，汽车包括电动汽车和燃料动力汽车。计算机202在视频图像序列中实时追踪车辆图像，可使得追踪到视频图像序列中各视频图像中的车辆图像与视频图像序列的帧率匹配。计算机202可以通过背景差分算法或者帧间差分算法在视频图像序列中实时追踪车辆图像。其中背景差分算法通过将视频图像序列中当前的视频图像与背景图像做差分运算从而获得追踪的车辆图像。建立背景图像时，可以采用中值法背景建模，具体可以取视频图像序列中一段时间内连续的N个视频图像，把这N个视频图像对应位置的像素点灰度值按升序或降序排列，然后取位于中间的灰度值作为背景图像中相应像素点的灰度值。其中帧间差分算法通过对视频图像序列中相邻帧做差分运算，利用视频图像序列中相邻帧的强相关性进行变化检测，从而检测出运动车辆。帧间差分算法通过直接比较相邻帧的视频图像对应像素点的灰度值的不同，然后通过选取阈值来提取视频图像序列中的车辆运动区域，从而获得追踪的车辆图像。步骤404，定期从视频图像序列中当前的视频图像中检测出车辆图像。具体地，定期是指每隔预设时间间隔或者每到预设时间点，预设时间间隔比如1至5秒，尤其可选2秒。视频图像序列中当前的视频图像，是指视频图像序列中在定期执行检测车辆图像的动作的当时的视频图像。检测某图像中的车辆图像所花费的时间一般要多于追踪该图像中的车辆图像所花费的时间。在一个实施例中，步骤404包括：定期利用经过车辆图像样本和非车辆图像样本训练的分类器从视频图像序列中当前的视频图像中检测出车辆图像。这里通过模式识别从视频图像中检测出初始的车辆图像。模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认和分类的过程。具体地，计算机202可以将视频图像序列中当前的视频图像划分为多个窗口图像，利用经过车辆图像样本和非车辆图像样本训练的分类器对每个窗口图像进行分类，找到判别为属于车辆图像样本一类的窗口图像以确定车辆图像。在一个实施例中，计算机202可以对视频图像序列中当前的视频图像提取特征后再划分为多个窗口图像，然后利用上述分类器对每个窗口图像进行分类。在一个实施例中，可将视频图像序列中当前的视频图像划分为多个窗口图像后，对每个窗口图像提取特征后再利用上述分类器对每个窗口图像进行分类。其中提取的特征可以是HOG(HistogramofOrientedGradient，方向梯度直方图)、SIFT(Scale-InvariantFeatureTransform，尺度不变特征转换)或者SURF(SpeededUpRobostFeatures，加速稳健特征)等。分类器可以采用SVM(SupportVectorMachine，支持向量机)分类器、级联分类器(如Adaboost分类器)或者人工神经网络分类器等。在一个实施例中，在将视频图像序列中当前的视频图像划分窗口图像时，可以使用预设尺寸的窗口划分出相同尺寸的窗口图像，然后对窗口图像进行分类，将判定为属于车辆图像样本一类的本文档来自技高网...

【技术保护点】
一种车辆追踪方法，所述方法包括：在视频图像序列中实时追踪车辆图像；定期从所述视频图像序列中当前的视频图像中检测出车辆图像；获取当前追踪的车辆图像；根据当前追踪的车辆图像和前次定期检测时追踪到的车辆图像进行校验；当校验成功时，将当前检测到的车辆图像与当前追踪的车辆图像融合以修正当前追踪的车辆图像。

【技术特征摘要】
1.一种车辆追踪方法，所述方法包括：在视频图像序列中实时追踪车辆图像；定期从所述视频图像序列中当前的视频图像中检测出车辆图像；获取当前追踪的车辆图像；根据当前追踪的车辆图像和前次定期检测时追踪到的车辆图像进行校验；当校验成功时，将当前检测到的车辆图像与当前追踪的车辆图像融合以修正当前追踪的车辆图像。2.根据权利要求1所述的方法，其特征在于，所述在视频图像序列中实时追踪车辆图像，包括：通过帧间差分算法或者光流算法在视频图像序列中实时追踪车辆图像。3.根据权利要求1所述的方法，其特征在于，所述根据当前追踪的车辆图像和前次定期检测时追踪到的车辆图像进行校验，包括：获取当前追踪的车辆图像的哈希值序列；根据前次定期检测时追踪到的车辆图像的哈希值序列和获取的哈希值序列进行校验；所述方法还包括：当校验成功时，根据修正的车辆图像更新前次定期检测时追踪到的车辆图像的哈希值序列。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：从指定视频图像中检测出初始的车辆图像；根据初始的车辆图像生成哈希值序列作为前次定期检测时追踪到的车辆图像的哈希值序列；所述在视频图像序列中实时追踪车辆图像，包括：根据初始的车辆图像，在所述指定视频图像之后的视频图像序列中实时追踪车辆图像。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取当前检测到的车辆图像与当前追踪的车辆图像的重叠度；比较所述重叠度与预设重叠度阈值；当所述重叠度小于预设重叠度阈值时，根据前次定期检测时追踪到的车辆图像的哈希值序列和获取的哈希值序列进行校验。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：当所述重叠度大于等于预设重叠度阈值时，根据当前追踪的车辆图像更新前次定期检测时追踪到的车辆图像的哈希值序列，根据当前追踪的车辆图像继续在所述视频图像序列中实时追踪车辆图像；当校验成功时，根据修正的车辆图像继续在所述视频图像序列中实时追踪车辆图像。7.根据权利要求3所述的方法，其特征在于，所述获取当前追踪的车辆图像的哈希值序列，包括：将当前追踪的车辆图像调整为预设尺寸；将调整后的车辆图像各像素点的像素值转换为二进制的数值；将转换的数值按照预设顺序组合以形成当前追踪的车辆图像的哈希值序列。8.一种车辆追踪装置，其特征在于，所述装置包括：追踪模块，用于在视频图像序列中实时追踪车辆图像；定期检测模块，用于定期从所述视频图像...

【专利技术属性】
技术研发人员：张世亮，桂天宜，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44