一种基于特征点匹配的车辆检测及跟踪方法技术

一种基于特征点匹配的车辆检测及跟踪方法，针对固定视场的监控摄像机获取的视频图像，使用哈里斯算法提取出检测区域的角点，并计算出相应角点的尺度不变旋转特征描述子；对特征点按照尺度不变旋转特征描述子进行匹配，进而形成轨迹，并计算出轨迹的速度和方向等信息；对轨迹进行动态分组，对初始分组的结果进行合理性判断，确认为车辆；本发明专利技术以对轨迹的匹配跟踪，并对其进行分组，而完成对车辆的跟踪。本发明专利技术对于局部遮挡的车辆，由于它们在位置、速度、方向以及移动距离等的差异，也能很好的进行区别。

【技术实现步骤摘要】

本专利技术属于模式识别领域，具体涉及智能交通
，特别涉及一种基于特征 点匹配的车辆检测及跟踪方法。
技术介绍
伴随着城市化的进展和汽车的普及，世界各国的交通量急剧增加，如何管理好公 路的运行与运营，保障好车辆在公路上的安全、快速的行驶，成为交通管理的重要问题。智 能交通的概念应运而生，而车辆检测和跟踪已成为智能交通研究的一个热点。目前常用的车辆检测和跟踪方法主要包括背景差值检测法、车辆模型检测法和 动态轮廓检测法。背景差值检测法是经典的运动检测方法，目前大多数车辆检测系统均是 采用此类方法。它的主要思想是用当前图像减去道路背景图像，找出差值大于设定阈值的 部分，再进行图像分割进而检测出场景中的车辆。实现背景差值检测关键是背景提取。得到背景存在两方面的困难CD不可能要求交通暂停来直接获取道路背景；②背景会随着光照的变化而发生明显的变化，例如白天和黑夜道路背景是完全不同的。实时、动态地获得对道路背景的最佳描述，是背景差 值检测法的关键，也是一个难点。车辆模型检测法是美国加州大学伯克里分校Koller. D等人和英国里丁大学 Baker. K, Sullivan. G提出的一种基于三维模型的车辆检测跟踪方法。该方法需要首先设 计一系列三维车辆模型，并生成它们在各种情况下对应的一维、二维模板，利用单摄像头所 拍摄的图像中区域与这些模板的匹配来进行车辆的检测跟踪。这种方法最大的优势在于可 以恢复出车辆的行驶轨迹和车辆模型，能够在一定程度上克服遮挡和阴影等问题。但在实 际应用中，很难得到道路上可能出现的所有车辆类型的详细几何模型，所以此类方法很难 运用于实际的车辆检测系统中。动态轮廓检测的基本思想是当车辆进入摄像机检测范围时，捕捉其轮廓，以捕捉 到的轮廓作为检测对象，根据运动和灰度边界进行动态更新，从而达到车辆检测跟踪的目 的。如果车辆在进入检测范围时，系统正确地初始化了车辆的轮廓，那么如果该车辆在随后 的行程中与其它车辆发生了局部遮挡，系统仍然能够将其检测出来。但是，如果车辆在进入 检测区域时没能正确地初始化车辆轮廓，例如两辆车在进入检测区域的时候已经发生了局 部遮挡并被检测为一辆车，那么系统将检测错误。在交通较为拥挤的情况下，上述情况发生 概率较大。
技术实现思路
本专利技术的目的在于提出一种基于特征点匹配的车辆检测和跟踪方法。此方法对车 辆局部遮挡、光照变化具有很强的鲁棒性。本专利技术的技术方案为针对固定视场的监控摄像机获取的视频图像，使用哈里斯 算法提取出检测区域的角点，并计算出相应角点的尺度不变旋转特征描述子；对特征点按 照尺度不变旋转特征描述子进行匹配，进而形成轨迹，并计算出轨迹的速度和方向等信息； 对轨迹进行动态分组，对初始分组的结果进行合理性判断，确认为车辆。本专利技术以对轨迹的 匹配跟踪，并对其进行分组，而完成对车辆的跟踪。本专利技术的具体现步骤依次为 1)现场场景图像获取。以等间隔对现场视频进行采样以获得连续的现场场景图像。为保证对车辆检测和 跟踪的准确性，采样间隔应小于0. 1秒(即大于10帧每秒)。2)哈里斯角点提取角点的检测由哈里斯算法来完成，具体步骤如下①采用哈里斯算法对待检测图像进行角点检测；②对每个角点计算出相应的尺度不变旋转特征描述子。哈里斯角点检测算法是在莫拉韦克算法基础上发展起来的，该算子使用一阶差 分，计算简单，可以使用滑动窗口，适合矩阵运算，具有稳定、提取的角点特征均勻和可以定 量提取特征点的特点。其原理是将所处理的矩形窗口『向任意方向移动微小位移k _7)， 其灰度改变量可以用自相关函数表示为权利要求1.，其特征在于针对固定视场的监控摄 像机获取的视频图像，使用哈里斯算法提取出检测区域的角点，并计算出相应角点的尺度 不变旋转特征描述子；对特征点按照尺度不变旋转特征描述子进行匹配，进而形成轨迹，并 计算出轨迹的速度和方向等信息；对轨迹进行动态分组，对初始分组的结果进行合理性判 断，确认为车辆；本专利技术以对轨迹的匹配跟踪，并对其进行分组，而完成对车辆的跟踪。2.根据权利要求1所述的，其特征在于， 包括以下步骤1)现场场景图像获取，即以等间隔对现场视频进行采样以获得连续的现场场景图像； 为保证对车辆检测和跟踪的准确性，采样间隔应小于0. 1秒，即大于10帧每秒；2)哈里斯角点提取将所处理的矩形窗口 w向任意方向移动微小位移(X，y)，其灰度改变量可以用自相关 函数表示为3.根据权利要求2所述的，其特征在于， 将各个轨迹进行分组后，使用以下规则来进一步确认车辆1)每个分组的轨迹数不能少于一定数目；2)每个分组的轨迹在最近一段时间内，位移不能小于或者大于一定距离；3)每个分组的所有轨迹的外接矩形，不能过大或者过小。同时满足以上三个条件的分组，即可确认为车辆。4.根据权利要求2所述的，其特征在于， 所述步骤3)中角点尺度不变旋转特征描述子的计算步骤，为了增强匹配的稳健性，使用 4X4共16个种子点来描述，这样就可以产生1 个数据，即最终形成1 维的尺度不变旋 转特征向量，然后再将特征向量的长度归一化，则可以进一步去除光照变化的影响。全文摘要，针对固定视场的监控摄像机获取的视频图像，使用哈里斯算法提取出检测区域的角点，并计算出相应角点的尺度不变旋转特征描述子；对特征点按照尺度不变旋转特征描述子进行匹配，进而形成轨迹，并计算出轨迹的速度和方向等信息；对轨迹进行动态分组，对初始分组的结果进行合理性判断，确认为车辆；本专利技术以对轨迹的匹配跟踪，并对其进行分组，而完成对车辆的跟踪。本专利技术对于局部遮挡的车辆，由于它们在位置、速度、方向以及移动距离等的差异，也能很好的进行区别。文档编号G06K9/64GK102034355SQ20101060964公开日2011年4月27日 申请日期2010年12月28日 优先权日2010年12月28日专利技术者丁天, 张星月, 甘智峰, 赖页, 邵文简 申请人:丁天, 张星月, 甘智峰, 赖页, 邵文简本文档来自技高网...

【技术保护点】
一种基于特征点匹配的车辆检测及跟踪方法，其特征在于：针对固定视场的监控摄像机获取的视频图像，使用哈里斯算法提取出检测区域的角点，并计算出相应角点的尺度不变旋转特征描述子；对特征点按照尺度不变旋转特征描述子进行匹配，进而形成轨迹，并计算出轨迹的速度和方向等信息；对轨迹进行动态分组，对初始分组的结果进行合理性判断，确认为车辆；本专利技术以对轨迹的匹配跟踪，并对其进行分组，而完成对车辆的跟踪。

【技术特征摘要】

【专利技术属性】
技术研发人员：甘智峰，丁天，赖页，邵文简，张星月，
申请(专利权)人：丁天，赖页，邵文简，甘智峰，张星月，
类型：发明
国别省市：11[中国|北京]