[發(fā)明專(zhuān)利]機(jī)動(dòng)車(chē)目標(biāo)實(shí)時(shí)圖像跟蹤裝置及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010947257.3
• 申請(qǐng)日: 2020-09-10
• 公開(kāi)（公告）號(hào): CN112070805B
• 公開(kāi)（公告）日: 2021-05-14
• 發(fā)明（設(shè)計(jì)）人: 羅小平;童文超;蔡軍;曾峰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳市豪恩汽車(chē)電子裝備股份有限公司
• 主分類(lèi)號(hào): G06T7/246
• 分類(lèi)號(hào): G06T7/246;G06T7/66;G06T7/13;G06T7/168
• 代理公司: 深圳市翼智博知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44320
• 代理人: 黃莉

本發(fā)明實(shí)施例提供一種機(jī)動(dòng)車(chē)目標(biāo)實(shí)時(shí)圖像跟蹤裝置及方法，所述裝置包括：目標(biāo)檢測(cè)模塊，接收機(jī)動(dòng)車(chē)的圖像采集裝置采集及傳送來(lái)的原始圖像幀并逐幀分析原始圖像幀是否包含有機(jī)動(dòng)車(chē)目標(biāo)，確定模型圖像幀和待識(shí)別區(qū)域；建模模塊，計(jì)算待識(shí)別區(qū)域中的Zernike矩和Harris?Affine角點(diǎn)特征，確定機(jī)動(dòng)車(chē)目標(biāo)的實(shí)際特征模型，計(jì)算機(jī)動(dòng)車(chē)目標(biāo)的輪廓的目標(biāo)廣義Hough模型；候選區(qū)域篩選模塊，預(yù)測(cè)機(jī)動(dòng)車(chē)目標(biāo)在模型圖像幀的后每幀中的候選目標(biāo)區(qū)域；目標(biāo)區(qū)域確定模塊，判斷候選目標(biāo)區(qū)域內(nèi)物體輪廓的實(shí)際廣義Hough模型和目標(biāo)廣義Hough模型的相似度，確定優(yōu)選目標(biāo)區(qū)域；目標(biāo)軌跡規(guī)劃模塊，確定機(jī)動(dòng)車(chē)目標(biāo)的軌跡點(diǎn)，實(shí)時(shí)規(guī)劃和修正機(jī)動(dòng)車(chē)目標(biāo)的軌跡路線(xiàn)。本實(shí)施例能準(zhǔn)確的跟蹤機(jī)動(dòng)車(chē)目標(biāo)。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及機(jī)動(dòng)車(chē)安全駕駛技術(shù)領(lǐng)域，尤其涉及一種機(jī)動(dòng)車(chē)目標(biāo)實(shí)時(shí)圖像跟蹤裝置及方法。

背景技術(shù)

現(xiàn)有的機(jī)動(dòng)車(chē)為實(shí)現(xiàn)安全駕駛通常需要在機(jī)動(dòng)車(chē)周?chē)h(huán)境的圖像幀中檢測(cè)出機(jī)動(dòng)車(chē)目標(biāo)，然后在實(shí)時(shí)圖像中跟蹤機(jī)動(dòng)車(chē)目標(biāo)，提示駕駛員周?chē)臋C(jī)動(dòng)車(chē)目標(biāo)，避免發(fā)生交通事故，而跟蹤機(jī)動(dòng)車(chē)目標(biāo)具體是指在每一幀圖像幀中確定出機(jī)動(dòng)車(chē)目標(biāo)的位置，并將不同圖像幀中的同一目標(biāo)相對(duì)應(yīng)。

現(xiàn)有的基于計(jì)算機(jī)視覺(jué)的目標(biāo)跟蹤方法主要包括視覺(jué)目標(biāo)相似度度量和視覺(jué)目標(biāo)運(yùn)動(dòng)軌跡收索算法模型，上述兩種方法都需要首先在圖像幀中進(jìn)行特征提取，再通過(guò)設(shè)計(jì)有效的特征檢測(cè)模型實(shí)現(xiàn)對(duì)機(jī)動(dòng)車(chē)目標(biāo)實(shí)現(xiàn)跟蹤，但是在開(kāi)放環(huán)境中，機(jī)動(dòng)車(chē)周?chē)h(huán)境的圖像幀中存在很多干擾(例如：光照、陰影、遮擋或成像角度等)，上述干擾一定程度影響了特征提取過(guò)程；另外，現(xiàn)有的車(chē)載攝像頭的鏡頭為獲得更大的視野常采用廣角鏡頭或者魚(yú)眼鏡頭，此類(lèi)鏡頭由于成像原理使得拍攝的景物目標(biāo)帶有較大壓縮和畸變，當(dāng)前，為矯正畸變上述目標(biāo)跟蹤方法常采用圖像校正或者劃定畸變較小的區(qū)域進(jìn)行目標(biāo)檢測(cè)和跟蹤，但是這兩種方式都丟失了魚(yú)眼或者廣角鏡頭的大視角場(chǎng)景，而且，使用魚(yú)眼鏡頭拍攝獲取機(jī)動(dòng)車(chē)周?chē)膱D像幀時(shí)，機(jī)動(dòng)車(chē)目標(biāo)在不同角度下的不同畸變程度導(dǎo)致機(jī)動(dòng)車(chē)不符合剛體運(yùn)動(dòng)規(guī)律，最終在圖像處理過(guò)程中造成目標(biāo)中心的漂移，目標(biāo)檢測(cè)和跟蹤的準(zhǔn)確度較低。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例所要解決的技術(shù)問(wèn)題在于，提供一種機(jī)動(dòng)車(chē)目標(biāo)實(shí)時(shí)圖像跟蹤裝置，能準(zhǔn)確、有效的跟蹤機(jī)動(dòng)車(chē)目標(biāo)。

本發(fā)明實(shí)施例進(jìn)一步所要解決的技術(shù)問(wèn)題在于，提供一種機(jī)動(dòng)車(chē)目標(biāo)實(shí)時(shí)圖像跟蹤方法，能準(zhǔn)確、有效的跟蹤機(jī)動(dòng)車(chē)目標(biāo)。

為了解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供以下技術(shù)方案：一種機(jī)動(dòng)車(chē)目標(biāo)實(shí)時(shí)圖像跟蹤裝置，包括：

目標(biāo)檢測(cè)模塊，用于接收機(jī)動(dòng)車(chē)的圖像采集裝置采集及傳送來(lái)的原始圖像幀并逐幀分析所述原始圖像幀是否包含有機(jī)動(dòng)車(chē)目標(biāo)，將首先檢測(cè)出機(jī)動(dòng)車(chē)目標(biāo)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(jī)動(dòng)車(chē)目標(biāo)的最小外接四邊形區(qū)域確定為待識(shí)別區(qū)域；

建模模塊，用于計(jì)算所述模型圖像幀的待識(shí)別區(qū)域中的Zernike矩和Harris-Affine角點(diǎn)特征，并根據(jù)所述Zernike矩和Harris-Affine角點(diǎn)特征和預(yù)先訓(xùn)練好的機(jī)動(dòng)車(chē)模型庫(kù)確定所述機(jī)動(dòng)車(chē)目標(biāo)的實(shí)際特征模型，再根據(jù)所述實(shí)際特征模型計(jì)算出所述機(jī)動(dòng)車(chē)目標(biāo)的輪廓的目標(biāo)廣義Hough模型；

候選區(qū)域篩選模塊，用于采用均值偏移預(yù)測(cè)模型預(yù)測(cè)所述機(jī)動(dòng)車(chē)目標(biāo)在所述模型圖像幀的后續(xù)每一幀中滿(mǎn)足預(yù)定出現(xiàn)概率閾值的候選目標(biāo)區(qū)域；

目標(biāo)區(qū)域確定模塊，用于計(jì)算出各個(gè)所述候選目標(biāo)區(qū)域內(nèi)所有物體輪廓的實(shí)際廣義Hough模型，并比較和判斷所述實(shí)際廣義Hough模型和所述目標(biāo)廣義Hough模型的相似度，將滿(mǎn)足預(yù)定篩選規(guī)則的候選目標(biāo)區(qū)域確定為優(yōu)選目標(biāo)區(qū)域，所述預(yù)定篩選規(guī)則包括所述相似度最大且大于預(yù)設(shè)相似度閾值；以及

目標(biāo)軌跡規(guī)劃模塊，用于將所述優(yōu)選目標(biāo)區(qū)域的中心點(diǎn)確定為所述機(jī)動(dòng)車(chē)目標(biāo)的軌跡點(diǎn)，并根據(jù)所述軌跡點(diǎn)實(shí)時(shí)規(guī)劃和修正所述機(jī)動(dòng)車(chē)目標(biāo)的軌跡路線(xiàn)。