一种基于车辆检测跟踪的车辆分析方法及系统技术方案

一种基于车辆检测跟踪的车辆分析方法，包括以下步骤，(1)获取视频帧图像，对视频帧图像进行车辆检测，标定初始帧图像上的车辆框；(2)建立模板特征：对初始帧图像车辆框进行扩大得到背景框，对背景框提取图像特征，建立位置模板特征；以及对车辆框进行多个尺度缩放，对每个尺度提取图像特征，建立尺度模板特征；(3)输入下一帧图像，建立实时特征并将实时特征与模板特征建立相关，得出目标框位置，完成车辆跟踪；(4)重复步骤(3)进行跟踪；当跟踪踪的帧数到达预设的数值时，则从步骤(1)开始重复检测再跟踪；(5)获取该车辆的所有车辆框，分析车辆的运动轨迹。

A Vehicle Analysis Method and System Based on Vehicle Detection and Tracking

A vehicle analysis method based on vehicle detection and tracking includes the following steps: (1) acquiring the video frame image, detecting the vehicle in the video frame image and calibrating the vehicle frame in the initial frame image; (2) establishing template features: enlarging the vehicle frame in the initial frame image to get the background frame, extracting image features from the background frame, establishing position template features; and carrying out multiple vehicle frames. Firstly, each scale is scaled to extract image features and build scale template features; (3) input the next frame image, establish real-time features and correlate real-time features with template features to get the location of the target frame and complete vehicle tracking; (4) repeat steps (3) track; when the number of frames in the tracking reaches the preset value, repeat detection and tracking from step (1) start; (5) Obtain all vehicle frames of the vehicle and analyze the vehicle's trajectory.

【技术实现步骤摘要】
一种基于车辆检测跟踪的车辆分析方法及系统
本专利技术涉及交通管理
，特别涉及一种基于车辆检测跟踪的车辆分析方法。
技术介绍
当前使用的交通流量分析系统，通常采用人工进行统计、调度，这种方法一方面效率较为低下，无法满足实时调控的需求，另一方面，此种方法需耗费很大的人力成本。目前，已经采用的基于车辆检测和跟踪的技术可以克服以上人工检测的缺陷，目前有联合传感技术、视频技术、无线通信技术构建的自动车辆检测系统，其通过高清红外摄像机抓拍车牌信息、车内违法驾驶行为的监控等，通过地感线圈对路段的车流量进行统计监测，以及车辆测速仪对所经过的车辆进行测速等。在实际上，通过地感线圈对路段的车流量进行统计监测和超声波检测车辆，因前进中的车辆速度、种类始终变化，普遍存在反射信号不稳定，测量误差大的问题；另外，地感线圈施工麻烦，容易破坏，使得其在实际应用中有很大的局限性。
技术实现思路
本专利技术的目的在于，提出一种可以实时监测车辆并进行分析车辆行为，且分析效率高、准确率高的基于车辆检测跟踪的车辆分析方法。为了实现上述目的，本专利技术所采用的技术方案为：一种基于车辆检测跟踪的车辆分析方法，包括以下步骤，(1)获取视频帧图像，对视频帧图像进行车辆检测，标定初始帧图像上的车辆框；(2)建立模板特征：对初始帧图像车辆框进行扩大得到背景框，对背景框提取图像特征，建立位置模板特征；以及对车辆框进行多个尺度缩放，对每个尺度提取图像特征，建立尺度模板特征；(3)输入下一帧图像，建立实时特征并将实时特征与模板特征建立相关，得出目标框位置，完成车辆跟踪；具体步骤如下：在图像中选取与背景框同等位置以及大小的候选框，对候选框提取图像特征，建立位置实时特征；该位置实时特征与位置模板特征建立相关匹配得到中心位置响应图，中心位置响应图中最大响应值所在位置即为目标框中心位置；基于目标框的中心位置，按车辆框大小选取候选框，按步骤(2)的方法对候选框进行多个尺度缩放后提取图像特征，建立尺度实时特征；将该尺度实时特征与尺度模板特征建立相关匹配获取响应图，响应图中最大响应值所在尺度即为目标框的尺度；根据目标框中心位置以及目标框的尺度，得出目标框位置；(4)重复步骤(3)进行跟踪；当跟踪踪的帧数到达预设的数值时，则从步骤(1)开始重复检测再跟踪；(5)获取该车辆的所有车辆框，分析车辆的运动轨迹。其中，上述步骤(4)之前还包括，对模板特征进行更新：将模板特征与实时特征进行线性融合，形成新的模板特征。其中，上述步骤(2)中位置模板特征的获取具体步骤为：(2.1)提取梯度特征，包括将背景框分成小的连通区域，采集每个连通区域中各像素点的方向直方图，将所有的方向直方图组合后构成梯度特征直方图；将该特度特征直方图进行汉宁窗口加权，并进行二维傅里叶变换，构建成梯度模板特征xtf；提取颜色特征，包括获取车辆框的前景区域和背景区域，分别对目标框的前景区域和背景区域建立前景颜色模板特征fg_hist和背景颜色模板特征bghist。其中，上述步骤(2)中尺度模板特征的获取具体步骤为：(2.2)将背景框进行多个尺度的缩放，分别提取每个尺度下的梯度特征直方图，将该梯度特征直方图进行汉宁窗口加权，并进行二维傅里叶变换，构建成尺度模板特征xsf。其中，上述步骤(3)中获取目标框中心位置的具体步骤为：(3.1)输入候选框，按步骤(2.1)的方法构建梯度实时特征new_xtf；(3.2)梯度实时特征new_xtf与梯度模板特征xtf建立相关关系并输出响应图，该相关关系建立公式表示为：new_xtf*h1，计算结果进行逆傅里叶变换，得到响应图g1；其中，h1＝min||∑h1*xtf-g||2+λ∑||h1||2，其中，g为服从高斯分布的期望响应，，λ为常数；(3.3)获取候选框的前景区域和背景区域，将该背景区域的每个像素点RGB值在第一帧的背景颜色模板特征bg_hist内进行查找，计算出背景颜色概率；将该前景区域的每个像素点RGB值在第一帧的前景颜色模板特征fg_hist内进行查找，计算出前景颜色概率，并根据公式计算出像素概率pwp；(3.4)将响应图g1和像素概率pwp进行线性融合，计算出中心位置响应图，该中心位置响应图中最大响应值所在位置为目标框的中心位置。像素概率的计算公式为：pwp＝P_fg/(P_fg+P_bg)，其中，P_fg为前景颜色概率，P_bg为背景颜色概率。其中，上述步骤(3)中获取目标框的尺度的方法包括以下具体步骤：(3.5)对步骤(3.4)中获得的目标中心位置进行基于车辆框大小的缩放，作为候选框；(3.6)对候选框，按照步骤(2.2)的方法分别提取每个尺度下的梯度特征直方图，将该梯度特征直方图构建成梯度实时特征new_xsf；(3.7)梯度实时特征new_xsf与梯度模板特征xsf建立相关关系并输出响应图，该相关关系建立公式表示为：new_xsf*h2，计算后输出响应图记为g2，响应图g2最大值所对应的尺度为目标框的尺度；其中，h2＝min||∑h2*xsf-g||2+λ∑||h2||2，其中，g为服从高斯分布的期望响应，，λ为常数；其中，上述步骤中，前景颜色概率计算公式为：P_fg＝fg_hist[像素R值/bin_width][像素G值/bin_width][像素B值/bin_width]，背景颜色概率计算公式为：P_bg＝bg_hist[像素R值/bin_width][像素G值/bin_width][像素B值/bin_width]，其中，像素R值、像素G值和像素B值分别为候选框内像素点的对应RGB值；bin_width为颜色直方图的间隔。其中，上述步骤(3.2)中还包括，根据响应图g1，计算出跟踪置信度，并输出，所述置信度为响应图中的最大值。其中，上述步骤(1)中车辆检测方法具体为：获取视频帧图像，对图像中的目标人工进行标注，并制作标注数据库；将SSD网络结构的VGGNet替换为MobileNet，并进行裁剪；将标注完成的视频帧图像输入SSD网络进行训练，完成检测器的制作；利用检测器在图像帧中检测目标物体。一种基于车辆检测跟踪的车辆分析系统，包括：车辆检测单元，用于对输入视频帧进行车辆检测，并标定图像上的车辆框；模板特征提取单元：用于对图像车辆框进行扩大得到背景框，对背景框提取图像特征，建立位置模板特征；以及对车辆框进行多个尺度缩放，对每个尺度提取图像特征，建立尺度模板特征；实时特征提取单元：用于在图像中选取与背景框同等位置以及大小的候选框，对候选框提取图像特征，建立位置实时特征；以及，基于目标框的中心位置，按车辆框大小选取候选框，对候选框进行多个尺度缩放后提取图像特征，建立尺度实时特征；特征匹配单元：用于将位置实时特征与位置模板特征建立相关匹配得到响应图，从响应图中选出最大响应值所在位置作为为目标框中心位置；以及，将尺度实时特征与尺度模板特征建立相关匹配获取响应图，从响应图中选出最大响应值所在尺度作为目标框的尺度；计数单元：用于对跟踪的帧数进行计数，当跟踪踪的帧数到达预设的数值时，重新开始检测；轨迹分析单元：用于获取该车辆的所有车辆框，分析车辆的运动轨迹。区别于现有技术，本专利技术具有以下有益效果：可以实时快速处理交通视频信息，通过对视频中的车辆检测以及追踪的方法，获本文档来自技高网...

【技术保护点】
1.一种基于车辆检测跟踪的车辆分析方法，其特在在于：包括以下步骤，(1)获取视频帧图像，对视频帧图像进行车辆检测，标定初始帧图像上的车辆框；(2)建立模板特征：对初始帧图像车辆框进行扩大得到背景框，对背景框提取图像特征，建立位置模板特征；以及对车辆框进行多个尺度缩放，对每个尺度提取图像特征，建立尺度模板特征；(3)输入下一帧图像，建立实时特征并将实时特征与模板特征建立相关，得出目标框位置，完成车辆跟踪；具体步骤如下：在图像中选取与背景框同等位置以及大小的候选框，对候选框提取图像特征，建立位置实时特征；该位置实时特征与位置模板特征建立相关匹配得到中心位置响应图，中心位置响应图中最大响应值所在位置即为目标框中心位置；基于目标框的中心位置，按车辆框大小选取候选框，按步骤(2)的方法对候选框进行多个尺度缩放后提取图像特征，建立尺度实时特征；将该尺度实时特征与尺度模板特征建立相关匹配获取响应图，响应图中最大响应值所在尺度即为目标框的尺度；根据目标框中心位置以及目标框的尺度，得出目标框位置；(4)重复步骤(3)进行跟踪；当跟踪踪的帧数到达预设的数值时，则从步骤(1)开始重复检测再跟踪；(5)获取该车辆的所有车辆框，分析车辆的运动轨迹。...

【技术特征摘要】
1.一种基于车辆检测跟踪的车辆分析方法，其特在在于：包括以下步骤，(1)获取视频帧图像，对视频帧图像进行车辆检测，标定初始帧图像上的车辆框；(2)建立模板特征：对初始帧图像车辆框进行扩大得到背景框，对背景框提取图像特征，建立位置模板特征；以及对车辆框进行多个尺度缩放，对每个尺度提取图像特征，建立尺度模板特征；(3)输入下一帧图像，建立实时特征并将实时特征与模板特征建立相关，得出目标框位置，完成车辆跟踪；具体步骤如下：在图像中选取与背景框同等位置以及大小的候选框，对候选框提取图像特征，建立位置实时特征；该位置实时特征与位置模板特征建立相关匹配得到中心位置响应图，中心位置响应图中最大响应值所在位置即为目标框中心位置；基于目标框的中心位置，按车辆框大小选取候选框，按步骤(2)的方法对候选框进行多个尺度缩放后提取图像特征，建立尺度实时特征；将该尺度实时特征与尺度模板特征建立相关匹配获取响应图，响应图中最大响应值所在尺度即为目标框的尺度；根据目标框中心位置以及目标框的尺度，得出目标框位置；(4)重复步骤(3)进行跟踪；当跟踪踪的帧数到达预设的数值时，则从步骤(1)开始重复检测再跟踪；(5)获取该车辆的所有车辆框，分析车辆的运动轨迹。2.如权利要求1所述的一种基于车辆检测跟踪的车辆分析方法，其特征在于：上述步骤(4)之前还包括，对模板特征进行更新：将模板特征与实时特征进行线性融合，形成新的模板特征。3.如权利要求1所述的一种基于车辆检测跟踪的车辆分析方法，其特在在于：上述步骤(2)中位置模板特征的获取具体步骤为：(2.1)提取梯度特征，包括将背景框分成小的连通区域，采集每个连通区域中各像素点的方向直方图，将所有的方向直方图组合后构成梯度特征直方图；将该特度特征直方图进行汉宁窗口加权，并进行二维傅里叶变换，构建成梯度模板特征xtf；提取颜色特征，包括获取车辆框的前景区域和背景区域，分别对目标框的前景区域和背景区域建立前景颜色模板特征fg_hist和背景颜色模板特征bghist。4.如权利要求3所述的一种基于车辆检测跟踪的车辆分析方法，其特在在于：上述步骤(2)中尺度模板特征的获取具体步骤为：(2.2)将背景框进行多个尺度的缩放，分别提取每个尺度下的梯度特征直方图，将该梯度特征直方图进行汉宁窗口加权，并进行二维傅里叶变换，构建成尺度模板特征xsf。5.如权利要求3所述的一种基于车辆检测跟踪的车辆分析方法，其特征在于：上述步骤(3)中获取目标框中心位置的具体步骤为：(3.1)输入候选框，按步骤(2.1)的方法构建梯度实时特征new_xtf；(3.2)梯度实时特征new_xtf与梯度模板特征xtf建立相关关系并输出响应图，该相关关系建立公式表示为：new_xtf*h1，计算结果进行逆傅里叶变换，得到响应图g1；其中，h1＝min||∑h1*xtf-g||2+λ∑||h1||2，其中，g为服从高斯分布的期望响应，λ为常数；(3.3)获取候选框的前景区域和背景区域，将该背景区域的每个像素点RGB值在第一帧的背景颜色模板特征bg_hist内进行查找，计算出背景颜色概率；将该前景区域的每个像素点RGB值在第一帧的前景颜色模板特征fg_hist内进行查找，计算出前景颜色概率，并根据公式计算出像素概率pwp；(3.4)将响应图g1和像素概...

【专利技术属性】
技术研发人员：刘小扬，王心莹，何学智，林林，
申请(专利权)人：新大陆数字技术股份有限公司，
类型：发明
国别省市：福建,35