[發明專利]交通場景下的運動車輛跟蹤方法在審
| 申請號： | 201611030765.5 | 申請日： | 2016-11-16 |
| 公開（公告）號： | CN106778484A | 公開（公告）日： | 2017-05-31 |
| 發明（設計）人： | 陳錫清 | 申請（專利權）人： | 南寧市浩發科技有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 北海市佳旺專利代理事務所(普通合伙)45115 | 代理人： | 黃建中 |
| 地址： | 530000 廣西壯族自治區南寧*** | 國省代碼： | 廣西;45 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 交通 場景 運動 車輛 跟蹤 方法 | ||
1.交通場景下的運動車輛跟蹤方法，其特征在于，包括以下步驟：
S1：通過攝像頭進行前端視頻圖像采集，對圖像進行預處理，對運動車輛進行目標檢測，并進行目標分割作為跟蹤對象；
S2：利用Kalman濾波器對跟蹤目標進行運動估計，通過建立運動狀態模型，根據被跟蹤目標的歷史運動信息，預測其在當前幀中的位置；
S3：Camshift目標跟蹤，根據跟蹤目標在前一幀中保存的顏色直方圖，在Kalman濾波器給出的預測范圍內計算反向投影，利用Camshift算法搜索運動目標；
S4：標記出運動目標后，判斷目標位置是否發生重合，如果存在目標遮擋的現象則僅更新目標的位置信息，不更新直方圖，如果沒有遮擋情況則同時更新運動狀態和相應直方圖；
S5：將更新后的目標作為下一幀的跟蹤對象，重復執行上述過程。
2.根據權利要求1所述的運動車輛跟蹤方法，其特征在于，所述運動車輛目標檢測具體方法如下：
S1-1：從視頻圖像中提取大量的車輛圖像作為正樣本，非車輛圖像作為負樣本，從訓練樣本中提取Haar-like矩形特征作為訓練的特征集；
S1-2：假設樣本空間為X，樣本表示為Y＝{0，1}，其中0表示非車輛，1表示車輛。假設Haar-like特征總數為N，wt,j代表第t輪循環時第i個樣本的權重；
S1-3：強分類器的訓練方法如下：
(1)對一系列訓練樣本(x1,y1),(x2,y2),...,(xn,yn)，假設樣本庫中n個樣本為均勻分布，則樣本權重wt,j＝1/n；
(2)Fort＝1toT：
1)歸一化樣本權重分布，
2)對每個特征j，在給定的權重wt,j下訓練弱分類器ht,j(x)，計算分類錯誤率：
3)從中選擇最優的弱分類器ht(x)：令則ht(x)＝ft,k(x)，且對樣本集的分類錯誤率為εt＝εt,k；
4)根據上一輪的分類錯誤率更新樣本權重：
其中，ei＝0代表分類正確，而ei＝1代表分類錯誤，最終得到的強分類器為：其中，
S1-4：對待檢測圖像進行不同尺度窗口的掃描，最終輸出所有檢測到的車輛目標。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南寧市浩發科技有限公司，未經南寧市浩發科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201611030765.5/1.html，轉載請聲明來源鉆瓜專利網。
