面向智能交通的一种车辆跟踪方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于卡尔曼滤波的目标追踪方法及装置，方法包括：获取目标视频；对第一类图像帧进行目标检测，确定目标对象在所述第一类图像帧中的第一位置信息；基于目标视频中，相邻的第一类图像帧中目标对象的第一位置信息，确定目标对象的运动状态信息；针对每个第二类图像帧，将运动状态信息及该第二类图像帧之前的第一类图像帧对应的第一位置信息输入卡尔曼滤波模型，确定该第二类图像帧中目标对象的预测位置信息；基于第一位置信息及预测位置信息，确定目标对象的运动轨迹。应用本发明专利技术实施例，可以提高目标对象的运动轨迹的准确度。

【技术实现步骤摘要】
面向智能交通的一种车辆跟踪方法及装置
本专利技术涉及图像处理
，特别是涉及面向智能交通的一种车辆跟踪方法及装置。
技术介绍
目标追踪是指对目标视频中感兴趣的目标对象进行追踪，从视频的各个图像帧中识别该目标对象的位置，进而确定该目标对象在视频中的运动轨迹的技术，已经广泛应用于智能交通、视频监控等领域。目前一般采用帧间差分法进行目标追踪。具体来说，电子设备可以对目标视频中每两个相邻的图像帧进行差分运算，确定该两个相邻的图像帧中的相同位置的像素点的像素值的差值的绝对值，进而根据该绝对值与预设阈值之间的大小关系，确定目标对象在图像帧中的位置信息，然后根据该位置信息确定目标对象的运动轨迹。在视频中可能会出现目标对象被遮挡的情况，在这种情况下，视频中的图像帧可能不包括目标对象，针对这样的图像帧，电子设备也就无法通过帧间差分法确定目标对象在图像帧中的位置信息。这会造成目标对象位置信息的缺失，进而导致电子设备确定的目标对象运动轨迹的准确度可能较低。
技术实现思路
本专利技术实施例的目的在于提供一种基于卡尔曼滤波的目标追踪方法及装置，以提高目标对象运动轨迹的准确度。具体技术方案如下：第一方面，本专利技术实施例提供了一种基于卡尔曼滤波的目标追踪方法，所述方法包括：获取目标视频，其中，所述目标视频包括第一类图像帧及第二类图像帧，所述第一类图像帧包括目标对象，所述第二类图像帧不包括目标对象；对所述第一类图像帧进行目标检测，确定所述目标对象在所述第一类图像帧中的第一位置信息；<br>基于所述目标视频中，相邻的第一类图像帧中目标对象的第一位置信息，确定所述目标对象的运动状态信息；针对每个第二类图像帧，将所述运动状态信息及该第二类图像帧之前的第一类图像帧对应的第一位置信息输入卡尔曼滤波模型，确定该第二类图像帧中所述目标对象的预测位置信息，其中，所述卡尔曼滤波模型包括位置信息、运动状态信息及预测位置信息之间的对应关系；基于所述第一位置信息及所述预测位置信息，确定所述目标对象的运动轨迹。可选的，所述运动状态信息为运动速度；所述基于所述目标视频中，相邻的第一类图像帧中目标对象的第一位置信息，确定所述目标对象的运动状态信息的步骤，包括：根据所述相邻的第一类图像帧中目标对象的第一位置信息，确定所述目标对象的位移；基于所述目标对象的位移，以及所述相邻的第一类图像帧之间的时长，确定所述目标对象的运动速度。可选的，所述针对每个第二类图像帧，将所述运动状态信息及该第二类图像帧之前的第一类图像帧对应的第一位置信息输入卡尔曼滤波模型，确定该第二类图像帧中所述目标对象的预测位置信息的步骤，包括：针对每个第二类图像帧，将所述运动状态信息及该第二类图像帧之前的第一类图像帧对应的第一位置信息输入卡尔曼滤波模型；根据当前第一类图像帧的前一第一类图像帧对应的后验预测位置信息以及所述运动状态信息，确定所述当前第一类图像帧对应的先验预测位置信息，其中，所述后验预测位置信息为基于所述前一第一类图像帧对应的卡尔曼增益系数、先验预测位置信息及第一位置信息确定的；根据所述前一第一类图像帧对应的后验预测协方差，确定所述当前第一类图像帧对应的先验预测协方差，其中，所述后验预测误差为基于所述前一第一类图像帧对应的卡尔曼增益系数及先验预测协方差确定的；根据所述先验预测协方差，确定所述当前第一类图像帧对应的卡尔曼增益系数；基于所述卡尔曼增益系数及所述先验预测位置信息与其对应的第一位置信息之间的差异，确定所述当前第一类图像帧对应的后验预测位置信息；基于所述卡尔曼增益系数、所述先验预测协方差及所述先验预测位置信息与其对应的第一位置信息之间的差异，确定所述当前第一类图像帧对应的后验预测协方差；针对每个第二类图像帧，根据该第二类图像帧的前一第一类图像帧对应的后验预测位置信息以及所述运动状态信息，确定该第二类图像帧对应的先验预测位置信息，作为该第二类图像帧对应的预测位置信息。可选的，所述根据当前第一类图像帧的前一第一类图像帧对应的后验预测位置信息以及所述运动状态信息，确定所述当前第一类图像帧对应的先验预测位置信息的步骤，包括：根据公式计算第一类图像帧对应的先验预测位置信息；其中，(x-(k),y-(k))为当前第一类图像帧对应的先验预测位置信息，为所述运动状态信息，(x(y-1),y(k-1))为前一第一类图像帧对应的后验预测位置信息，A为状态转移矩阵，为前一第一类图像帧对应的估计误差，(ωx(k-1),ωy(k-1))为前一第一类图像帧中目标对象所处区域的中心点坐标的估计误差，为前一第一类图像帧中目标对象运动速度的估计误差；所述根据所述前一第一类图像帧对应的后验预测协方差，确定所述当前第一类图像帧对应的先验预测协方差的步骤，包括：根据公式计算当前第一类图像帧对应的先验预测协方差其中，Pk-1为前一第一类图像帧对应的后验预测协方差，Q为状态转移噪声协方差；所述根据所述先验预测协方差，确定所述当前第一类图像帧对应的卡尔曼增益系数的步骤，包括：根据公式计算当前第一类图像帧对应的卡尔曼增益系数Kk；其中，H为观测矩阵，R为观测噪声协方差矩阵；所述基于所述卡尔曼增益系数及所述先验预测位置信息与其对应的第一位置信息之间的差异，确定所述当前第一类图像帧对应的后验预测位置信息的步骤，包括：根据公式计算当前第一类图像帧对应的后验预测位置信息；其中，(x(k),y(k))为当前第一类图像帧对应的后验预测位置信息，yk为前一第一类图像帧对应的第一位置信息；所述基于所述卡尔曼增益系数、所述先验预测协方差及所述先验预测位置信息与其对应的第一位置信息之间的差异，确定所述当前第一类图像帧对应的后验预测协方差的步骤，包括：根据公式计算当前第一类图像帧对应的后验预测协方差Pk；其中，I为单位矩阵。可选的，所述根据所述第一位置信息及所述预测位置信息，确定所述目标对象在所述目标视频中的运动轨迹的步骤，包括：以第一个图像帧中所述目标对象所处区域的中心点为原点，建立轨迹坐标系；基于所述第一位置信息及所述预测位置信息，确定所述目标对象所处区域的中心点在所述轨迹坐标系中对应的各个坐标点；基于所述各个坐标点，确定所述目标对象的运动轨迹。第二方面，本专利技术实施例提供了一种基于卡尔曼滤波的目标追踪装置，所述装置包括：视频获取模块，用于获取目标视频，其中，所述目标视频包括第一类图像帧及第二类图像帧，所述第一类图像帧包括目标对象，所述第二类图像帧不包括目标对象；目标检测模块，用于对所述第一类图像帧进行目标检测，确定所述目标对象在所述第一类图像帧中的第一位置信息；运动状态确定模块，用于基于所述目标视频中，相邻的第一类图像帧中目标对象的第一位置信息，确定所述目标对象的运动状态信息；位置预测模块，用于针对每个第二类图像帧，将所述运动状态信息及该第二类图本文档来自技高网...

【技术保护点】
1.一种基于卡尔曼滤波的目标追踪方法，其特征在于，所述方法包括：/n获取目标视频，其中，所述目标视频包括第一类图像帧及第二类图像帧，所述第一类图像帧包括目标对象，所述第二类图像帧不包括目标对象；/n对所述第一类图像帧进行目标检测，确定所述目标对象在所述第一类图像帧中的第一位置信息；/n基于所述目标视频中，相邻的第一类图像帧中目标对象的第一位置信息，确定所述目标对象的运动状态信息；/n针对每个第二类图像帧，将所述运动状态信息及该第二类图像帧之前的第一类图像帧对应的第一位置信息输入卡尔曼滤波模型，确定该第二类图像帧中所述目标对象的预测位置信息，其中，所述卡尔曼滤波模型包括位置信息、运动状态信息及预测位置信息之间的对应关系；/n基于所述第一位置信息及所述预测位置信息，确定所述目标对象的运动轨迹。/n

【技术特征摘要】
1.一种基于卡尔曼滤波的目标追踪方法，其特征在于，所述方法包括：
获取目标视频，其中，所述目标视频包括第一类图像帧及第二类图像帧，所述第一类图像帧包括目标对象，所述第二类图像帧不包括目标对象；
对所述第一类图像帧进行目标检测，确定所述目标对象在所述第一类图像帧中的第一位置信息；
基于所述目标视频中，相邻的第一类图像帧中目标对象的第一位置信息，确定所述目标对象的运动状态信息；
针对每个第二类图像帧，将所述运动状态信息及该第二类图像帧之前的第一类图像帧对应的第一位置信息输入卡尔曼滤波模型，确定该第二类图像帧中所述目标对象的预测位置信息，其中，所述卡尔曼滤波模型包括位置信息、运动状态信息及预测位置信息之间的对应关系；
基于所述第一位置信息及所述预测位置信息，确定所述目标对象的运动轨迹。


2.根据权利要求1所述的方法，其特征在于，所述运动状态信息为运动速度；
所述基于所述目标视频中，相邻的第一类图像帧中目标对象的第一位置信息，确定所述目标对象的运动状态信息的步骤，包括：
根据所述相邻的第一类图像帧中目标对象的第一位置信息，确定所述目标对象的位移；
基于所述目标对象的位移，以及所述相邻的第一类图像帧之间的时长，确定所述目标对象的运动速度。


3.根据权利要求1所述的方法，其特征在于，所述针对每个第二类图像帧，将所述运动状态信息及该第二类图像帧之前的第一类图像帧对应的第一位置信息输入卡尔曼滤波模型，确定该第二类图像帧中所述目标对象的预测位置信息的步骤，包括：
针对每个第二类图像帧，将所述运动状态信息及该第二类图像帧之前的第一类图像帧对应的第一位置信息输入卡尔曼滤波模型；
根据当前第一类图像帧的前一第一类图像帧对应的后验预测位置信息以及所述运动状态信息，确定所述当前第一类图像帧对应的先验预测位置信息，其中，所述后验预测位置信息为基于所述前一第一类图像帧对应的卡尔曼增益系数、先验预测位置信息及第一位置信息确定的；
根据所述前一第一类图像帧对应的后验预测协方差，确定所述当前第一类图像帧对应的先验预测协方差，其中，所述后验预测误差为基于所述前一第一类图像帧对应的卡尔曼增益系数及先验预测协方差确定的；
根据所述先验预测协方差，确定所述当前第一类图像帧对应的卡尔曼增益系数；
基于所述卡尔曼增益系数及所述先验预测位置信息与其对应的第一位置信息之间的差异，确定所述当前第一类图像帧对应的后验预测位置信息；
基于所述卡尔曼增益系数、所述先验预测协方差及所述先验预测位置信息与其对应的第一位置信息之间的差异，确定所述当前第一类图像帧对应的后验预测协方差；
针对每个第二类图像帧，根据该第二类图像帧的前一第一类图像帧对应的后验预测位置信息以及所述运动状态信息，确定该第二类图像帧对应的先验预测位置信息，作为该第二类图像帧对应的预测位置信息。


4.根据权利要求3所述的方法，其特征在于，所述根据当前第一类图像帧的前一第一类图像帧对应的后验预测位置信息以及所述运动状态信息，确定所述当前第一类图像帧对应的先验预测位置信息的步骤，包括：
根据公式计算第一类图像帧对应的先验预测位置信息；
其中，(x-(k),y-(k))为当前第一类图像帧对应的先验预测位置信息，为所述运动状态信息，(x(k-1),y(k-1))为前一第一类图像帧对应的后验预测位置信息，A为状态转移矩阵，为前一第一类图像帧对应的估计误差，(ωx(k-1),ωy(k-1))为前一第一类图像帧中目标对象所处区域的中心点坐标的估计误差，为前一第一类图像帧中目标对象运动速度的估计误差；
所述根据所述前一第一类图像帧对应的后验预测协方差，确定所述当前第一类图像帧对应的先验预测协方差的步骤，包括：
根据公式计算当前第一类图像帧对应的先验预测协方差
其中，Pk-1为前一第一类图像帧对应的后验预测协方差，Q为状态转移噪声协方差；
所述根据所述先验预测协方差，确定所述当前第一类图像帧对应的卡尔曼增益系数的步骤，包括：
根据公式计算当前第一类图像帧对应的卡尔曼增益系数Kk；
其中，H为观测矩阵，R为观测噪声协方差矩阵；
所述基于所述卡尔曼增益系数及所述先验预测位置信息与其对应的第一位置信息之间的差异，确定所述当前第一类图像帧对应的后验预测位置信息的步骤，包括：
根据公式计算当前第一类图像帧对应的后验预测位置信息；
其中，(x(k),y(k))为当前第一类图像帧对应的后验预测位置信息，yk为前一第一类图像帧对应的第一位置信息；
所述基于所述卡尔曼增益系数、所述先验预测协方差及所述先验预测位置信息与其对应的第一位置信息之间的差异，确定所述当前第一类图像帧对应的后验预测协方差的步骤，包括：
根据公式计算当前第一类图像帧对应的后验预测协方差Pk；
其中，I为单位矩阵。


5.根据权利要求1所述的方法，其特征在于，所述根据所述第一位置信息及所述预测位置信息，确定所述目标对象在所述目标视频中的运动轨迹的步骤，包括：
以第一个图像帧中所述目标对象所处区域的中心点为原点，建立轨迹坐标系；
基于所述第一位置信息及所述预测位置信息，确定...

【专利技术属性】
技术研发人员：刘绍华，付帅，戴士珺，刘海波，赖鹏，李征，贾娟，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11