[發明專利]一種基于交通視頻的目標車輛檢索方法

有效

• 申請號: 201711030001.0
• 申請日: 2017-10-30
• 公開（公告）號: CN107730889B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 李勃;李峰;李玉惠
• 申請（專利權）人: 昆明理工大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/017
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于交通視頻的目標車輛檢索方法，其特征在于：所述方法包括時空關聯模型的建立、行駛時間域估計、車輛對象的提取、視頻測速以及目標的多特征同一性分析方法的實現；時空關聯模型的建立是基于Serret-Frenet標架上的空間曲線，將車輛的運行狀態抽象為三維的空間運動，使其在空間約束下進行車輛運動屬性分析，從而得到其運行時間域，目標車輛多特征檢索是基于在行駛時間域中對車輛進行提取、測速以及車輛多特征同一性分析對比，實現對目標車輛的檢索；

所述方法的具體步驟如下所示：

步驟1：將車輛運行空間狀態抽象為Serret-Frenet標架上的空間曲線運動，得到車輛運行的空間特性；

步驟2：在路徑約束條件下，進行車輛運動屬性分析；

步驟3：通過對車輛運行的空間屬性和時間屬性的分析，建立時空關聯模型，從而為其時間域檢索建立基礎；

步驟4：車輛行駛時間域的估計；

步驟5：在對應行駛時間域的視頻中對車輛進行測速、提取操作，如果在估計的時間域中沒有目標車輛，將進行時間域的擴展，直到出現目標為止；

步驟6：車輛對象的提取；

步驟7：視頻測速；

步驟8：多特征的同一性分析；選定車型、車輛顏色和車標作為檢索特征，采用深度學習的卷積神經網絡識別，最終得到檢索目標；

所述步驟2進行車輛運動屬性分析的具體步驟為：

進行車輛運動屬性分析：設S₀，S₁，…，S_k，…，S_n-1，S_n為路徑中任意一段，任意兩個路段之間的差值為路程Δs，令σ＝max{|Δs_k|，k＝0，1，2，…，n-1}，同時任意兩個路段之間對應的平均速度為則車輛行駛時間為：

車輛行駛時間域為：

上述公式中，將路程與速度看為已知量，在路徑約束條件下，車輛行駛時間ΔT，則車輛的時間特性為：

t_k+1＝t_k+ΔT；

所述步驟4車輛行駛時間域估計的具體步驟為：

車輛行駛時間域估計：在空間的約束下，車輛的運行時間受到環境的影響，通過對影響因素的分析建立一個n元線性回歸模型：y＝β₀x₁+β₁x₂+β₃x₃+…+β_nx_n+ε，然后將影響因素做為變量使用BP神經網絡進行分析，最后得到一個時間預測的修正模型：

t_k+ΔT-Δt-μ≤t_k+1≤t_k+ΔT+Δt+μ

或者：

t_k+1∈[t_k+ΔT-Δt-μ，t_k+ΔT+Δt+μ]

其中，μ表示對于閾值外的車輛行駛時間通過人工時間修正；

所述步驟6車輛對象的提取的具體步驟為：

車輛對象的提取：車輛對象的提取方法，采用改進后的高斯模型進行提取，以圖像的紋理特征為建模單位，每個像素的高斯模型個數為K個，每個模型包括7個參數，分別為μ_μ、σ_μ、μ_σ、σ_σ、μ_c、σ_c、ω，前6個參數分別表示圖像塊的均值、標準差、當前值的均值和標準差、計算后的均值和標準差，ω為每個高斯模型的權重，先運用以下公式求出像素的紋理特征值：

μ_μ＝g_μ，μ_σ＝g_μ，μ_c＝g_c，

σ_μ＝σ_σ＝σ_c＝50

ω＝1.0

K個高斯模型的優先級排序：

|μ_μ，i/σ_μ，i+μ_σ，i/σ_σ，i+μ_c，i/σ_c，i|

匹配條件為：

|(g_u，t-μ_u，t-1)/σ_μ，t-1+(g_σ，t-μ_σ，t-1)/σ_σ，t-1+(g_c，t-μ_c，t-1)/σ_c，t-1|≤C

將每個像素轉化為K個高斯模型；其參數更新為：

μ_μ，i，t＝(1-θ)·μ_μ，i，t-1+θ·g_μ，i，t

μ_σ，i，t＝(1-θ)·μ_σ，i，t-1+θ·g_σ，i，t

μ_c，i，t＝(1-θ)·μ_c，i，t-1+θ·g_c，i，t

式中θ為學習速率，且0≤θ≤1，θ值決定了更新速度；

所述步驟7視頻測速的具體步驟為：

視頻測速；視頻測速方法采用基于虛擬區域內特征點跟蹤的高速視頻測速算法，結合Shi-Tomasi角點、金字塔Lucas-Kanade法和PAM聚類算法技術手段，能有效的測量出視頻中目標車輛的速度信息；選取兩條相鄰的車道線和兩個間隔組成一個30M*3.75M的矩形虛擬測速區域，分別用p1，p2，p3，p4表示ROI區域的四個角點，使用上述算法檢測到的特征點在虛擬測速區域R中停留幀數的集合T＝(z1，z2，....，zm)，m為檢測到的特征點的個數，則測速的時間信息為：

S為運動目標F在虛擬測速區域中停留的幀數，B為目標視頻的幀率；

速度信息為：

其中D表示測速區域的長度。

2.根據權利要求1所述的基于交通視頻的目標車輛檢索方法，其特征在于：所述步驟1的具體步驟為：

將車輛運行空間狀態抽象為Serret-Frenet標架上的空間曲線運動，對空間曲線作任意分割；設第N個時刻從點P_k沿空間曲線開始運動，于第i+1個時刻到達點P_i+1，其中0≤i≤N，N為不包含0的正整數，P_i，P_i+1分別表示為曲線上的第i和i+1個點，s_i，s_i+1分別為曲線在P_i，P_i+1兩點之間的弧長，為曲線在點P_i的Serret-Frene標架，為曲線在點P_i+1的Serret-Frene標架，則其運動空間特性描述為：

式中，α(s)為曲線在s處的單位切向量，β(s)為曲線在s處的單位主法向量，γ(s)為曲線s處的單位次法向量，α′(s)、β′(s)、γ′(s)分別為α(s)、β(s)和γ(s)對弧長參數s的導數；則空間曲線運動的速度和加速度的計算公式分別為：

其中k(s)表示在s處的曲率。