[發明專利]車輛跟蹤方法及裝置

無效

• 申請號: 201310021501.3
• 申請日: 2013-01-21
• 公開（公告）號: CN103150547A
• 公開（公告）日: 2013-06-12
• 發明（設計）人: 王海峰;王曉萌;何小波;董博;楊宇;張凱歌
• 申請（專利權）人: 信幀電子技術（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 李世喆

1.一種車輛跟蹤方法，其特征在于，包括：

根據背景差法對交通視頻圖像序列進行運動檢測，提取出包括有車輛位置的運動區域；

采用支持向量機SVM算法對所述運動區域進行檢測，得到所述運動區域中的每個車輛的當前位置；

獲取所述每個車輛的前一時刻位置，并將所述前一時刻位置與所述當前位置之間的連線確定為所述每個車輛的運動軌跡。

2.根據權利要求1所述的方法，其特征在于，根據背景差法對交通視頻圖像序列進行運動檢測，提取出包括有車輛位置的運動區域，包括：

將選取背景中的一幅圖像或幾幅圖像的平均圖像作為背景圖像B(x,y)；

判斷所述交通視頻圖像序列I_n(x,y)中的當前幀P(x,y)減去所述背景圖像B(x,y)得到的結果圖像的像素數是否大于閾值，在判斷結果為是的情況下，確定所述結果圖像中有處于運動狀態的車輛，并將所述結果圖像作為所述運動區域Ω_s(x,y)。

3.根據權利要求1或2所述的方法，其特征在于，采用支持向量機SVM算法對所述運動區域進行檢測，得到所述運動區域中的每個車輛的當前位置，包括：

計算所述運動區域Ω_s(x,y)中所有標準窗口的梯度方向直方圖HOG；

通過采用離線訓練好的SVM分類器對每個所述HOG的特征類別進行判斷的方式，確定所述每個車輛的所述當前位置。

4.根據權利要求3所述的方法，其特征在于，在確定所述每個車輛的所述當前位置之后，還包括：

確定包括所述當前位置的車輛窗口。

5.根據權利要求4所述的方法，其特征在于，獲取所述每個車輛的前一時刻位置，并將所述前一時刻位置與所述當前位置之間的連線確定為所述每個車輛的運動軌跡，包括：

計算每個所述車輛窗口的顏色直方圖；

將每個所述顏色直方圖與預先設定的模板庫中的預設顏色直方圖進行對比，得到對比結果；

根據所述對比結果標識每個所述車輛窗口中的車輛，并提取標識的車輛的所述前一時刻位置；

將所述前一時刻位置和所述當前位置的連線作為所述運動軌跡。

6.一種車輛跟蹤裝置，其特征在于，包括：

提取模塊，用于根據背景差法對交通視頻圖像序列進行運動檢測，提取出包括有車輛位置的運動區域；

檢測模塊，用于采用支持向量機SVM算法對所述運動區域進行檢測，得到所述運動區域中的每個車輛的當前位置；

獲取模塊，用于獲取所述每個車輛的前一時刻位置，并將所述前一時刻位置與所述當前位置之間的連線確定為所述每個車輛的運動軌跡。

7.根據權利要求6所述的裝置，其特征在于，所述提取模塊包括：

第一設定單元，用于將選取背景中的一幅圖像或幾幅圖像的平均圖像作為背景圖像B(x,y)；

判定單元，用于判斷所述交通視頻圖像序列I_n(x,y)中的當前幀P(x,y)減去所述背景圖像B(x，y)得到的結果圖像的像素數是否大于閾值，在判斷結果為是的情況下，確定所述結果圖像中有處于運動狀態的車輛，并將所述結果圖像作為所述運動區域Ω_s(x,y)。

8.根據權利要求6或7所述的裝置，其特征在于，所述檢測模塊包括：

第一計算單元，用于計算所述運動區域Ω_s(x,y)中所有標準窗口的梯度方向直方圖HOG；

第一確定單元，用于通過采用離線訓練好的SVM分類器對每個所述HOG的特征類別進行判斷的方式，確定所述每個車輛的所述當前位置。

9.根據權利要求8所述的裝置，其特征在于，所述檢測模塊還包括：

第二確定單元，用于確定包括所述當前位置的車輛窗口。

10.根據權利要求9所述的裝置，其特征在于，所述獲取模塊包括：

第二計算單元，用于計算每個所述車輛窗口的顏色直方圖；

對比單元，用于將每個所述顏色直方圖與預先設定的模板庫中的預設顏色直方圖進行對比，得到對比結果；

提取單元，根據所述對比結果標識每個所述車輛窗口中的車輛，并提取標識的車輛的所述前一時刻位置；

第二設定單元，用于將所述前一時刻位置和所述當前位置的連線作為所述運動軌跡。