[發明專利]機動車目標實時圖像跟蹤裝置及方法

有效

• 申請號: 202010947257.3
• 申請日: 2020-09-10
• 公開（公告）號: CN112070805B
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 羅小平;童文超;蔡軍;曾峰
• 申請（專利權）人: 深圳市豪恩汽車電子裝備股份有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/66;G06T7/13;G06T7/168
• 代理公司: 深圳市翼智博知識產權事務所(普通合伙) 44320
• 代理人: 黃莉

1.一種機動車目標實時圖像跟蹤裝置，其特征在于，所述裝置包括：

目標檢測模塊，用于接收機動車的圖像采集裝置采集及傳送來的原始圖像幀并逐幀分析所述原始圖像幀是否包含有機動車目標，將首先檢測出機動車目標的原始圖像幀確定為模型圖像幀，將所述模型圖像幀中的機動車目標的最小外接四邊形區域確定為待識別區域；

建模模塊，用于計算所述模型圖像幀的待識別區域中的Zernike矩和Harris-Affine角點特征，并根據所述Zernike矩和Harris-Affine角點特征和預先訓練好的機動車模型庫確定所述機動車目標的實際特征模型，再根據所述實際特征模型計算出所述機動車目標的輪廓的目標廣義Hough模型；

候選區域篩選模塊，用于采用均值偏移預測模型預測所述機動車目標在所述模型圖像幀的后續每一幀中滿足預定出現概率閾值的候選目標區域；

目標區域確定模塊，用于計算出各個所述候選目標區域內所有物體輪廓的實際廣義Hough模型，并比較和判斷所述實際廣義Hough模型和所述目標廣義Hough模型的相似度，將滿足預定篩選規則的候選目標區域確定為優選目標區域，所述預定篩選規則包括所述相似度最大且大于預設相似度閾值；以及

目標軌跡規劃模塊，用于將所述優選目標區域的中心點確定為所述機動車目標的軌跡點，并根據所述軌跡點實時規劃和修正所述機動車目標的軌跡路線。

2.如權利要求1所述的機動車目標實時圖像跟蹤裝置，其特征在于，所述機動車模型庫為基于分類器對不同機動車數據庫進行分類統計獲得的特征函數方程，且所述特征函數方程的自變量為所述機動車數據庫中對分類出機動車滿足預定識別貢獻率的特征向量的特征系數和特征值。

3.如權利要求1所述的機動車目標實時圖像跟蹤裝置，其特征在于，所述建模模塊包括：

預存單元，預存有預先訓練好的機動車模型庫；

特征提取單元，用于計算所述模型圖像幀的待識別區域中的Zernike矩和Harris-Affine角點特征；

特征模型確定單元，用于根據所述Zernike矩和Harris-Affine角點特征和所述機動車模型庫確定所述機動車目標的實際特征模型；以及

輪廓模型確定單元，用于根據所述實際特征模型計算出所述機動車目標的輪廓的目標廣義Hough模型。

4.如權利要求1所述的機動車目標實時圖像跟蹤裝置，其特征在于，所述預定篩選規則還包括：所述候選目標區域滿足所述機動車目標預測的偏移閾值。

5.一種機動車目標實時圖像跟蹤方法，其特征在于，所述方法包括以下步驟：

接收機動車的圖像采集裝置采集及傳送來的原始圖像幀并逐幀分析所述原始圖像幀是否包含有機動車目標，將首先檢測出機動車目標的原始圖像幀確定為模型圖像幀，將所述模型圖像幀中的機動車目標的最小外接四邊形區域確定為待識別區域；

計算所述模型圖像幀的待識別區域中的Zernike矩和Harris-Affine角點特征，并根據所述Zernike矩和Harris-Affine角點特征和預先訓練好的機動車模型庫確定所述機動車目標的實際特征模型，再根據所述實際特征模型計算出所述機動車目標的輪廓的目標廣義Hough模型；

采用均值偏移預測模型預測所述機動車目標在所述模型圖像幀的后續每一幀中滿足預定出現概率閾值的候選目標區域；

計算出各個所述候選目標區域內所有物體的實際廣義Hough模型，并比較和判斷所述實際廣義Hough模型和所述目標廣義Hough模型的相似度，將滿足預定篩選規則的候選目標區域確定為優選目標區域，所述預定篩選規則包括所述相似度最大且大于預設相似度閾值；以及

將所述優選目標區域的中心點確定為所述機動車目標的軌跡點，并根據所述軌跡點實時規劃和修正所述機動車目標的軌跡路線。

6.如權利要求5所述的機動車目標實時圖像跟蹤方法，其特征在于，所述機動車模型庫為基于分類器對不同機動車數據庫進行分類統計獲得的特征函數方程，且所述特征函數方程的自變量為所述機動車數據庫中對分類出機動車滿足預定識別貢獻率的特征向量的特征系數和特征值。