[發(fā)明專利]一種基于多目標追蹤的單車道逆行檢測方法

在審

• 申請?zhí)枺?/td>: 202010585777.4
• 申請日: 2020-06-24
• 公開（公告）號: CN111695545A
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計）人: 陳雋;徐宏偉;姚民偉;宋設(shè)
• 申請（專利權(quán)）人: 浪潮卓數(shù)大數(shù)據(jù)產(chǎn)業(yè)發(fā)展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06T7/246;G06T7/269
• 代理公司: 濟南信達專利事務(wù)所有限公司 37100
• 代理人: 闞恭勇

1.一種基于多目標追蹤的單車道逆行檢測方法，其特征在于，

主要包括：

1)在視頻中檢測出前景運動目標；

2)構(gòu)建車輛識別訓(xùn)練集，使用OPENCV提取圖片特征，訓(xùn)練SVM分類器，分類車輛與非車輛；

3)提取記錄視頻中每一幀出現(xiàn)的車輛位置，使用卡爾曼濾波和匈牙利算法進行前后幀出現(xiàn)車輛的匹配，將屬于同一個目標的匹配點連接成行徑路線；

4)根據(jù)每個目標的行徑方向，區(qū)別出與70％以上目標行徑方向相反的車輛。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

在前景提取中，采用幀差法進行前景目標的提取。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，

在車輛訓(xùn)練及識別中，準備訓(xùn)練樣本，分別是正樣本和負樣本以及測試樣本；負樣本是正樣本的2-3倍，提取圖片的HOG特征值，通過SVM分類器訓(xùn)練模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，

在前后幀同一目標匹配時，通過最小化卡爾曼預(yù)測到的質(zhì)心和檢測到的質(zhì)心之間的歐幾里得距離之和，然后通過匈牙利算法找出最匹配的目標。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，

最后提取逆行車輛時，判斷該區(qū)域內(nèi)絕70％以上數(shù)車輛目標的路徑方向，找出與70％以上方向相反的目標，并框出該車輛的位置。

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，

利用幀差法和背景建模相結(jié)合分析靜態(tài)前景提取，首先通過均值法背景建模，在視頻圖像中取連續(xù)N幀，計算這N幀圖像像素灰度值的平均值來作為背景圖像的像素灰度值；然后將得到的背景圖像作為幀差法的背景幀，進行幀差計算，得到前景目標。

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，

HOG特征提取算法的實現(xiàn)過程：

1)圖像灰度化；

2)采用Gamma校正法對輸入圖像進行顏色空間的標準化；

3)計算圖像每個像素的梯度；

4)Spatial/Orientation Binning：將圖像劃分成cells；

5)統(tǒng)計每個cell的梯度直方圖，即可形成每個cell的descriptor；

6)將每3個cell組成一個block，一個block內(nèi)所有cell的特征descriptor串聯(lián)起來便得到該block的HOG feature descriptor；

7)將圖像內(nèi)的所有block的HOG feature descriptor串聯(lián)起來就可以得到該圖像的HOG feature descriptor，這個就是最終可供分類使用的特征向量了。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，

車輛分類訓(xùn)練的實現(xiàn)過程：

1)提取有標簽圖像訓(xùn)練集的HOG特征，并訓(xùn)練線性支持向量機分類器；

2)實現(xiàn)滑動窗口技術(shù)，并使用訓(xùn)練的SVM分類器搜索圖像中的車輛；

3)在視頻流上運行上述過程，檢測出車輛；

4)最后，估計并畫出檢測到的車輛的邊框。

9.根據(jù)權(quán)利要求4所述的方法，其特征在于，

使用得到的特征信息初始化卡爾曼濾波器，用它對下一幀中對應(yīng)的目標區(qū)域進行預(yù)測，當下一幀到來時，在預(yù)測區(qū)域內(nèi)進行目標匹配，建立幀間軌跡的關(guān)系。這里我們使用匈牙利算法進行目標匹配，計算預(yù)測的軌跡位置和每個新檢測到的目標之間的歐幾里得距離，將度量【損失函數(shù)矩陣】以及自定義閾值作為參數(shù)輸入匈牙利算法中，若低于閾值，則取消匹配，增加其連續(xù)不可見幀數(shù)，反之匹配成功，則更新卡爾曼濾波器；

自定義連續(xù)不可見幀數(shù)閾值，對于未匹配成功的軌跡，若連續(xù)不可見幀數(shù)大于這個值時，刪除該軌跡。若軌跡總可見幀數(shù)小于一定比值時，丟棄該軌跡。對于視頻，逐幀進行目標檢測以及軌跡跟蹤操作，直至視頻結(jié)束，顯示最終跟蹤結(jié)果。