一種目標車輛自動跟蹤方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種目標車輛自動跟蹤方法及裝置，用以獲取目標車輛的連續(xù)跟蹤信息，為車輛違章提供更多的信息依據(jù)，所述方法包括：接收當前幀圖像；根據(jù)當前幀圖像中包含的檢測信息確定出的檢測目標建立檢測目標集合；針對跟蹤目標集合中包含的每一跟蹤目標，確定跟蹤目標與檢測目標集合包含的每一檢測目標均不匹配時，確定跟蹤目標對應的目標區(qū)域；根據(jù)所述目標框區(qū)域信息在當前幀圖像上所對應的區(qū)域，確定當前候選區(qū)域；分別確定所述目標區(qū)域?qū)哪繕四Ｐ秃退霎斍昂蜻x區(qū)域?qū)挠^測模型；根據(jù)確定出的目標模型和觀測模型，確定所述跟蹤目標的跟蹤軌跡。
【專利說明】一種目標車輛自動跟蹤方法及裝置【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明涉及視頻監(jiān)控【技術(shù)領(lǐng)域】，尤其涉及一種目標車輛自動跟蹤方法及裝置。
【背景技術(shù)】
[0002]傳統(tǒng)的電子警察系統(tǒng)從實現(xiàn)角度，可以分為線圈電警系統(tǒng)和視頻電警系統(tǒng)。線圈電警系統(tǒng)通過車輛觸發(fā)地感線圈，攝像機得到信號脈沖從而抓拍目標。但是，線圈電警系統(tǒng)存在以下缺點:1)鋪設線圈，需要切割路面，破壞城市面貌，增加人工成本；2)道路通常車流大，線圈容易損耗，增加了維護成本；3)多個非機動目標車輛集中運動時，容易導致線圈被觸發(fā)，導致錯誤抓拍；4)抓拍信號存在一定的延遲，當車速較快時，容易導致抓拍位置的偏差；5)只能抓拍單幀目標，根據(jù)單幀目標只能識別出闖紅燈的違章行為，而無法實現(xiàn)非法變道、利用拐彎車道直行、利用直行車道拐彎、超速、壓線、逆行、黃牌占道、機動車占用非機動車道、違章停車等更多的違章行為。[0003]而視頻電警系統(tǒng)通過對每幀圖像進行處理，分析視頻內(nèi)容，檢測識別車牌，以此分析車輛違章行為，并實現(xiàn)抓拍。目前的視頻電警系統(tǒng)為了整體系統(tǒng)的實時性，只能檢測識別有限區(qū)域(通常是停車線以下位置)的車牌，只能識別闖紅燈、非法變道、壓線和逆行等有限的違章行為。從而，現(xiàn)有的視頻電警系統(tǒng)由于只能對有限區(qū)域的車牌進行識別，使得識別結(jié)果具有一定的局限性，無法為車輛違章提供更多的信息依據(jù)。

【發(fā)明內(nèi)容】

[0004]本發(fā)明實施例提供一種車輛目標自動跟蹤方法，用以獲取目標車輛的連續(xù)跟蹤信息，為車輛違章提供更多的信息依據(jù)。
[0005]本發(fā)明實施例提供一種車輛目標自動跟蹤方法，包括:
[0006]接收當前幀圖像；
[0007]提取所述當前幀圖像中的檢測目標，建立檢測目標集合；
[0008]針對跟蹤目標集合中包含的每一跟蹤目標，若所述跟蹤目標與所述檢測目標集合包含的每一檢測目標均不匹配時，根據(jù)目標框區(qū)域信息確定所述跟蹤目標在上一幀圖像中對應的目標區(qū)域，所述跟蹤目標集合為根據(jù)歷史圖像信息獲取的，所述目標框區(qū)域信息包括目標框區(qū)域的中心點位置信息和尺寸信息；
[0009]將所述目標框區(qū)域信息在當前幀圖像上所對應的區(qū)域作為當前候選區(qū)域，且確定所述目標區(qū)域的特征信息為所述目標區(qū)域?qū)哪繕四Ｐ?，確定所述候選區(qū)域的特征信息為所述候選區(qū)域?qū)挠^測模型；
[0010]根據(jù)確定出的目標模型和觀測模型，確定所述跟蹤目標的跟蹤軌跡。
[0011]本發(fā)明實施例提供一種目標車輛自動跟蹤裝置，包括:
[0012]接收單元，用于接收當前幀圖像；
[0013]目標集合建立單元，用于提取所述當前幀圖像中的檢測目標，建立檢測目標集合；[0014]第一確定單元，用于針對跟蹤目標集合中包含的每一跟蹤目標，確定所述跟蹤目標與所述檢測目標集合包含的每一檢測目標均不匹配時，根據(jù)目標框區(qū)域信息確定所述跟蹤目標在上一幀圖像中對應的目標區(qū)域，所述跟蹤目標集合為根據(jù)歷史圖像信息獲取的；
[0015]第二確定單元，用于將所述搜索區(qū)域信息在當前幀圖像上所對應的區(qū)域作為當前候選區(qū)域，且確定所述目標區(qū)域的特征信息為所述目標區(qū)域?qū)哪繕四Ｐ停_定所述候選區(qū)域的特征信息為所述候選區(qū)域?qū)挠^測模型
[0016]第三確定單元，用于根據(jù)確定出的目標模型和觀測模型，確定所述跟蹤目標的跟蹤軌跡。
[0017]本發(fā)明實施例提供的目標車輛自動跟蹤方法及裝置，若確定跟蹤目標集合中的某一跟蹤目標與當前建立的檢測目標集合中的每一檢測目標均不匹配時，根據(jù)目標框區(qū)域信息，確定該跟蹤目標在上一幀圖像中，該目標框區(qū)域信息對應的區(qū)域為目標區(qū)域，確定該目標框區(qū)域信息在當前幀圖像中對應的區(qū)域為當前候選區(qū)域，并分別確定所述目標區(qū)域和所述候選區(qū)域?qū)哪繕四Ｐ秃陀^測模型，進一步地，根據(jù)確定出的目標模型和觀測模型可以確定出該跟蹤目標的跟蹤軌跡。這樣，當跟蹤目標集合中的跟蹤目標丟失之后，可以根據(jù)該跟蹤目標在上一幀圖像中的圖像信息估計出該跟蹤目標在之后的圖像幀中的運動軌跡，從而，實現(xiàn)了對該跟蹤目標的自動跟蹤。
[0018]本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。
【專利附圖】

【附圖說明】
[0019]此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本發(fā)明的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當限定。在附圖中:
[0020]圖1為本發(fā)明實施例中，目標車輛自動跟蹤方法的實施流程示意圖；
[0021]圖2為本發(fā)明實施例中，跟蹤目標與檢測目標檢測流程匹配流程示意圖；
[0022]圖3為本發(fā)明實施例中，目標車輛自動跟蹤裝置的結(jié)構(gòu)示意圖。
【具體實施方式】
[0023]為了獲取目標車輛的連續(xù)跟蹤信息，為車輛違章提供更多的信息依據(jù)，本發(fā)明實施例提供了 一種車輛目標自動跟蹤方法及裝置。
[0024]以下結(jié)合說明書附圖對本發(fā)明的優(yōu)選實施例進行說明，應當理解，此處所描述的優(yōu)選實施例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明，并且在不沖突的情況下，本發(fā)明中的實施例及實施例中的特征可以相互組合。
[0025]為了更好地理解本發(fā)明實施例，以下首先介紹均值漂移(Meanshift)算法。MeanShift算法是一種基于核函數(shù)概率密度估計的無參快速模式匹配算法，通常將顏色直方圖作為目標的描述特征，用核函數(shù)對直方圖概率分布進行加權(quán)，計算目標模型和候選區(qū)域之間的相似度，通過迭代計算相似度最大值得到目標的MeanShift運動向量。
[0026]給定d維空間Rd中的η個樣本點丨1,' K ，其中心位置為Xtl,則目標模型特征可以表示為
【權(quán)利要求】
1.一種目標車輛自動跟蹤方法，其特征在于，包括: 接收當前幀圖像； 提取所述當前幀圖像中的檢測目標，建立檢測目標集合； 針對跟蹤目標集合中包含的每一跟蹤目標，若所述跟蹤目標與所述檢測目標集合包含的每一檢測目標均不匹配時，根據(jù)所述跟蹤目標對應的目標框區(qū)域信息確定所述跟蹤目標在上一幀圖像中對應的目標區(qū)域，所述跟蹤目標集合為根據(jù)歷史圖像信息獲取的，所述目標框區(qū)域信息包括目標框區(qū)域的中心點位置信息和尺寸信息； 將所述目標框區(qū)域信息在當前幀圖像上所對應的區(qū)域作為當前候選區(qū)域，且確定所述目標區(qū)域的特征信息為所述目標區(qū)域?qū)哪繕四Ｐ?，確定所述候選區(qū)域的特征信息為所述候選區(qū)域?qū)挠^測模型； 根據(jù)確定出的目標模型和觀測模型，確定所述跟蹤目標的跟蹤軌跡。
2.如權(quán)利要求1所述的方法，其特征在于，根據(jù)確定出的目標模型和觀測模型，確定所述跟蹤目標的跟蹤軌跡，具體包括: 根據(jù)確定出的目標模型和觀測模型，按照預設算法確定所述觀測模型與所述目標模型之間的相似度參數(shù)； 判斷所述相似度參數(shù)是否滿足預設條件； 在判斷結(jié)果為否時，重新確定所述當前候選區(qū)域的中心點位置信息；根據(jù)重新確定出的中心點位置信息和所述搜索區(qū)域的尺寸信息重新確定當前候選區(qū)域，并返回執(zhí)行確定所述相似度參數(shù)的步驟，直至所述相似度參數(shù)滿足預設條件。
3.如權(quán)利要求2所述的方法，其特征在于，根據(jù)確定出的目標模型和觀測模型，按照預設算法確定所述觀測模型與所述目標模型之間的相似度參數(shù)，具體包括: 分別確定所述目標模型和所述觀測模型對應的灰度概率密度直方圖； 按照以下公式確定目標模型的灰度概率密度直方圖與所述觀測模型的灰度概率密度直方圖之間的相似度參數(shù):
4.如權(quán)利要求3所述的方法，其特征在于， 按照以下公式確定所述目標模型對應的灰度概率密度直方圖:
5.如權(quán)利要求4所述的方法，其特征在于，重新確定所述當前候選區(qū)域的中心點位置信息，具體包括: 按照以下公式確定所述觀測模型中目標點的概率密度核權(quán)重參數(shù):
6.如權(quán)利要求2所述的方法，其特征在于，在確定所述目標區(qū)域?qū)哪繕四Ｐ椭?，還包括: 將所述目標區(qū)域按照上下左右四個鄰域各擴展預設數(shù)量像素。
7.如權(quán)利要求2所述的方法，其特征在于，在重新確定所述當前候選區(qū)域的中心點位置信息之前，還包括: 根據(jù)預設的第一位置信息和重新確定出的當前候選區(qū)域的中心點位置信息，判斷所述候選區(qū)域的中心點是否超過預設的第一位置； 在判斷結(jié)果為是時，按照以下公式修正所述目標框區(qū)域尺寸信息:
8.如權(quán)利要求7所述的方法，其特征在于，在修正所述目標框區(qū)域尺寸信息之后，還包括: 根據(jù)預設的第二位置信息和重新確定出的當前候選區(qū)域的中心點位置信息，判斷所述候選區(qū)域的中心點是否超過第二位置； 在判斷結(jié)果為是時，從所述根據(jù)目標集合中刪除所述跟蹤目標。
9.如權(quán)利要求2~8任一權(quán)利要求所述的方法，其特征在于，按照以下方法判斷所述相似度參數(shù)是否滿足預設條件: 判斷所述相似度參數(shù)是否大于第四預設值，若是，確定所述相似度參數(shù)滿足預設條件，否則，確定所述相似度參數(shù)不滿足預設條件；或者 判斷重新確定出的當前候選區(qū)域的中心點與上一次確定出的當前候選區(qū)域的中心點之間的距離小于等于第五預設值，若是，確定所述相似度參數(shù)滿足預設條件，否則，確定所述相似度參數(shù)不滿足預設條件；或者 判斷返回執(zhí)行確定相似度參數(shù)的步驟的次數(shù)是否超過第六預設值，若是，確定所述相似度參數(shù)滿足預設條件，否則，確定所述相似度參數(shù)不滿足預設條件。
10.如權(quán)利要求9所述的方法，其特征在于，若所述相似度參數(shù)大于第七預設值時，所述第七預設值小于所述第四預設值，還包括: 按照以下公式更新所述目標模型:
pixelModel (x, y) = a ^pixelCurr (x, y) + (1- α ) pixelModel (x, y)，其中: (χ, y)為當前目標框中各點相對于更新前的目標模型對應的目標框初始點的偏移量； PixelModeKx, y)為更新后的目標模型中對應的像素點的灰度值； pixelCurr (x, y)為更新前的目標模型中對應的像素點的灰度值； α為第八預設值。
11.如權(quán)利要求2所述的方法，其特征在于，在判斷所述相似度參數(shù)是否滿足預設條件之前，還包括: 若所述相似度參數(shù)小于第九預設值時，從所述跟蹤目標集合中刪除所述跟蹤目標。
12.—種目標車輛自動跟蹤裝置，其特征在于，包括: 接收單元，用于接收當前幀圖像；目標集合建立單元，用于提取所述當前幀圖像中的檢測目標，建立檢測目標集合；第一確定單元，用于針對跟蹤目標集合中包含的每一跟蹤目標，若所述跟蹤目標與所述檢測目標集合包含的每一檢測目標均不匹配時，根據(jù)所述跟蹤目標對應的目標框區(qū)域信息確定所述跟蹤目標在上一幀圖像中對應的目標區(qū)域，所述跟蹤目標集合為根據(jù)歷史圖像信息獲取的，所述目標框區(qū)域信息包括目標框區(qū)域的中心點位置信息和尺寸信息； 第二確定單元，用于將所述目標框區(qū)域信息在當前幀圖像上所對應的區(qū)域作為當前候選區(qū)域，且確定所述目標區(qū)域的特征信息為所述目標區(qū)域?qū)哪繕四Ｐ?，確定所述候選區(qū)域的特征信息為所述候選區(qū)域?qū)挠^測模型；第三確定單元，用于根據(jù)確定出的目標模型和觀測模型，確定所述跟蹤目標的跟蹤軌跡。
13.如權(quán)利要求12所述的裝置，其特征在于，還包括第一判斷單元和第四確定單元，其中: 所述第三確定單元，具體用于根據(jù)確定出的目標模型和觀測模型，按照預設算法確定所述觀測模型與所述目標模型之間的相似度參數(shù)；以及用于在第一判斷單元的判斷結(jié)果為否時，根據(jù)第四確定單元重新確定出的中心點位置信息和所述搜索區(qū)域的尺寸信息重新確定當前候選區(qū)域，再次執(zhí)行確定所述相似度參數(shù)的步驟，直至所述相似度參數(shù)滿足預設條件； 所述第一判斷單元，用于判斷所述第三確定單元確定出的相似度參數(shù)是否滿足預設條件； 第四確定單元，用于在第一判斷單元的判斷結(jié)果為否時，重新確定所述當前候選區(qū)域的中心點位置信息。
14.如權(quán)利要求13所述的裝置，其特征在于，所述第三確定單元，包括: 第一確定子單元，用于分別確定所述目標模型和所述觀測模型對應的灰度概率密度直方圖； 第二確定子單元，用于按照以下公式確定目標模型的灰度概率密度直方圖與所述觀測模型的灰度概率密度直方圖之間的相似度參數(shù):
15.如權(quán)利要求14所述的裝置，其特征在于，所述第一確定子單元，具體用于按照以下公式確定所述目標模型對應的灰度概率密度直方圖:
16.如權(quán)利要求15所述的裝置，其特征在于，所述第四確定單元，包括: 第三確定子單元，用于按照以下公式確定所述觀測模型中目標點的概率密度核權(quán)重參數(shù):
17.如權(quán)利要求12所述的裝置，其特征在于，還包括: 擴展單元，用于在所述第二確定單元確定所述目標區(qū)域?qū)哪繕四Ｐ椭?，將所述目標區(qū)域按照上下左右四個鄰域各擴展預設數(shù)量像素。
18.如權(quán)利要求13所述的裝置，其特征在于，還包括: 第二判斷單元，用于根據(jù)預設的第一位置信息和所述第四確定單元重新確定出的當前候選區(qū)域的中心點位置信息，判斷所述候選區(qū)域的中心點是否超過預設的第一位置； 修正單元，用于在所述第二判斷單元的判斷結(jié)果為是時，按照以下公式修正所述目標框區(qū)域的尺寸信息:CurrSize = BaseSte *(1 -
19.如權(quán)利要求18所述的裝置，其特征在于，還包括: 第三判斷單元，用于在所述修正單元在修正所述目標框區(qū)域的尺寸信息之后，根據(jù)預設的第二位置信息和重新確定出的當前候選區(qū)域的中心點位置信息，判斷所述候選區(qū)域的中心點是否超過第二位置； 第一刪除單元，用于在所述第三判斷單元的判斷結(jié)果為是時，從所述根據(jù)目標集合中刪除所述跟蹤目標。
20.如權(quán)利要求13~19任一權(quán)利要求所述的裝置，其特征在于， 所述第一判斷單元，具體用于判斷所述相似度參數(shù)是否大于第四預設值，若是，確定所述相似度參數(shù)滿足預設條件，否則，確定所述相似度參數(shù)不滿足預設條件；或者具體用于判斷重新確定出的當前候選區(qū)域的中心點與上一次確定出的當前候選區(qū)域的中心點之間的距離小于等于第五預設值，若是，確定所述相似度參數(shù)滿足預設條件，否則，確定所述相似度參數(shù)不滿足預設條件；或者具體判斷返回執(zhí)行確定所述相似度參數(shù)的步驟的次數(shù)是否超過第六預設值，若是，確定所述相似度參數(shù)滿足預設條件，否則，確定所述相似度參數(shù)不滿足預設條件。
21.如權(quán)利要求20所述的裝置，其特征在于，還包括: 更新單元，用于若所述相似度參數(shù)大于第七預設值時，按照以下公式更新所述目標模型:pixelModel (x, y) = a ^pixelCurr (x, y) + (1- α ) pixelModel (χ, y)，其中:(x, y)為當前目標框中各點相對于更新前的目標模型對應的目標框初始點的偏移量；pixelModel (x, y)為更新后的目標模型中對應的像素點的灰度值；piXelCurr(X，y)為更新前的目標模型中對應的像素點的灰度值；α為第八預設值，所述第七預設值小于所述第四預設值。
22.如權(quán)利要求13所述的裝置，其特征在于，還包括: 第二刪除單元，用于在所述第一判斷單元判斷所述相似度參數(shù)是否滿足預設條件之前，若所述相似度參數(shù)小于第九預設值時，從所述跟蹤目標集合中刪除所述跟蹤目標。
【文檔編號】G06T7/20GK103927762SQ201310011103
【公開日】2014年7月16日 申請日期:2013年1月11日 優(yōu)先權(quán)日:2013年1月11日
【發(fā)明者】章合群, 潘石柱, 張興明, 傅利泉, 朱江明, 吳軍, 吳堅 申請人:浙江大華技術(shù)股份有限公司