The invention discloses a local data association method for moving vehicle tracking in aerial video. According to the vehicle motion information in the video frame, the region of interest of the vehicle to be tracked is determined, and the range of data association in the subsequent video frame is reduced; the motion characteristics, appearance characteristics and shape characteristics of the vehicle to be tracked and the vehicle to be detected in the region of interest are acquired; the motion and shape characteristics are established respectively. The cost function of shape feature and shape feature is fused to form a comprehensive cost function between the vehicle to be tracked and the vehicle to be detected. According to the four matching relationships between the vehicle to be tracked and the vehicle to be detected in the region of interest in the subsequent frame, four different data association strategies are formulated to flexibly and effectively solve the problem of vehicle driving in and out of the image. Considering the vehicles detected in ROI, it can make up for the defect that the number of vehicles in the frame before and after the global data association algorithm needs to be fixed, and can significantly improve the accuracy and efficiency of the data association of moving vehicles.
【技术实现步骤摘要】
一种航拍视频中运动车辆跟踪的局部数据关联方法
本专利技术涉及车辆跟踪
，提出了一种航拍视频中运动车辆跟踪的局部数据关联方法。
技术介绍
无人机航拍视频中运动车辆跟踪是智能交通系统建设的重要组成部分，同时也是目标运动分析研究的重要内容。车辆跟踪的目的是在连续的图像序列中实时发现并提取运动车辆，根据车辆的边缘、局部运动以及灰度等的变化信息不断跟踪它们，得到这些运动车辆的运动轨迹，可为下一步的车辆识别提供数据，同时还可以为交通流分析和智能交通系统建设等提供重要的参考。对于运动车辆跟踪，其核心问题是数据关联，即将前一帧图像中的待跟踪车辆和后续帧中检测到的车辆进行关联，高效的数据关联策略有利于提高车辆跟踪的准确率和效率。数据关联算法起源于Sittler的工作，其通常分为两大类：一类是基于统计和似然的，另一类是基于神经网络和模糊数学的；而后者近年来更为热门。细分起来，有如下几种常见的数据关联方法，如“最近邻”数据关联、“全邻”数据关联、概率数据关联、联合概率数据关联、两点数据关联算法以及融合相关算法。目前，在图像的杂波干扰环境下，车辆跟踪领域最具代表性的是联合概率数据关...
【技术保护点】
1.一种航拍视频中运动车辆跟踪的局部数据关联方法，其特征在于，包括以下步骤：步骤1)、预测待跟踪车辆在后续帧的位置和速度状态，根据预测的位置确定感兴趣区域ROI的圆心，根据待跟踪车辆的估计速度、地面空间距离和帧率共同确定感兴趣区域ROI的半径，进而确定待跟踪车辆在后续帧的ROI；步骤2)、获取待跟踪车辆的运动、外型和形状特征以及步骤1)获取的感兴趣区域ROI内检测车辆的运动、外型和形状特征；步骤3)、根据步骤2)获取的待跟踪车辆与检测车辆的运动、外型和形状特征，使用范数方式对车辆的上述三种特征分别进行对比运算，建立运动特征代价函数、外型特征代价函数以及形状特征代价函数；然后...
【技术特征摘要】
1.一种航拍视频中运动车辆跟踪的局部数据关联方法，其特征在于，包括以下步骤：步骤1)、预测待跟踪车辆在后续帧的位置和速度状态，根据预测的位置确定感兴趣区域ROI的圆心，根据待跟踪车辆的估计速度、地面空间距离和帧率共同确定感兴趣区域ROI的半径，进而确定待跟踪车辆在后续帧的ROI；步骤2)、获取待跟踪车辆的运动、外型和形状特征以及步骤1)获取的感兴趣区域ROI内检测车辆的运动、外型和形状特征；步骤3)、根据步骤2)获取的待跟踪车辆与检测车辆的运动、外型和形状特征，使用范数方式对车辆的上述三种特征分别进行对比运算，建立运动特征代价函数、外型特征代价函数以及形状特征代价函数；然后利用按权值融合的方式融合这三种特征代价函数，从而建立待跟踪车辆与检测车辆之间的综合代价函数；步骤4)、根据步骤3)提出的综合代价函数进行数据关联，根据数据关联时出现的四种情况提出相应的数据关联策略。2.根据权利要求1所述的一种航拍视频中运动车辆跟踪的局部数据关联方法，其特征在于，步骤1)中具体步骤如下：步骤1-1：预测待跟踪车辆在后续帧的运动信息，包括车辆的运动速度以及车辆的位置；步骤1-2：根据待跟踪车辆在后续帧的预测运动信息，确定待跟踪车辆p在后续帧的ROI；其中为ROI的圆心，半径可由下式确定：其中，分别为待跟踪车辆p在第k帧中x、y轴的位置预测值，为待跟踪车辆在第k帧图像中在x、y轴方向的速度预测值；Rp(k)为待跟踪车辆p在第k帧ROI对应的半径；为待跟踪车辆p在第k帧的估计速度；gsd为地面空间距离；fps为帧率。3.根据权利要求1所述的一种航拍视频中运动车辆跟踪的局部数据关联方法，其特征在于，预测待跟踪车辆在后续帧的运动信息具体包括以下步骤：步骤2-1：通过对待跟踪车辆进行预测得到待跟踪车辆的运动特征，包括待跟踪车辆在后续帧的位置和速度等运动信息；对于检测到的运动车辆，根据基于运动目标跟踪与定位的无人机测速技术进行车辆运动速度及车辆位置的获取；步骤2-2：提取待跟踪车辆与检测车辆的外型特征，包括车辆的轮廓信息以及纹理信息；步骤2-3：获取待跟踪车辆和检测车辆的形状特征，形状特征包括车辆的长和宽。4.根据权利要求3所述的一种航拍视频中运动车辆跟踪的局部数据关联方法，其特征在于，步骤2-2中，首先对航拍视频帧图像进行预处理，消除不同天气和光照强度给图像带来的影响；然后将图像转化为二值图像，在对图像进行标准化处理；然后对图像进行一阶梯度求导，将图像的目标窗口再细分为若干单元格；分别计算每一个单元格中全部像素的梯度方向直方图，并将得到的梯度值映射到指定的方向上，最后分别将得到的梯度值累加起来形成最终的梯度特征；将梯度直方图的不同的块进行归一化处理，得到每一个单元格的特征向量；最后，进行HOG特征向量的统计，将之前得到的特征向量累加形成一幅图形的特征向量总数。5.根据权利要求1所述的一种航拍视频中运动车辆跟踪的局部数据关联方法，其特征在于，对比第k-1帧中待跟踪车辆与第k帧中检测车辆，使用范数等方式对车辆的运动、外型和形状特征分别进行对比运算，建立运动特征代价函数、外型特征代价函数以及形状特征代价函数；然后利用按权值融合的方式融合这三种特征代价函数，从而建立待跟踪车辆与检测车辆之间的综合代价函数。6.根据权利要求5所述的一种航拍视频中运动车辆跟踪的局部数据关联方法，其特征在于，步骤3)中具体步骤如下：首先，定义待跟踪车辆为T(k-1)＝{tp(k-1)|p＝1,2,…,t(k-1)}，其中tp(k-1)为第k-1帧中第p个待跟踪车辆，t(k-1)为k-1帧中待跟踪车辆的数目；分别定义待跟踪车辆的运动特征、外型特征和形状特征：第一，定义ep(k)为步骤2-2中所得到待跟踪车辆tp(k-1)的运动特征在第k帧的预测值，且第二，定义ap(k-1)为步骤2-1中所得到待跟踪车辆tp(k-1)的外型特征；第三，定义sp(k-1)为步骤2-3所得...
【专利技术属性】
技术研发人员：张逊逊，李超飞，徐伟，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。