[發明專利]一種車輛目標軌跡跟蹤方法和裝置

在審

• 申請號: 202011203481.8
• 申請日: 2020-11-02
• 公開（公告）號: CN112132869A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 于艷玲;張文風;王軍群
• 申請（專利權）人: 中遠海運科技股份有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 孟旭彤

1.一種車輛目標軌跡跟蹤方法，其特征在于，包括以下步驟，

從道路監控視頻圖像中，借助經過訓練的車輛目標識別模型識別鎖定感興趣的車輛目標；

從得到的車輛目標上計算確定多個角點；

對所述車輛目標上的每一個角點計算光流軌跡；

從得到的多條角點光流軌跡中計算確定一條最優軌跡，作為所述車輛目標的運動軌跡。

2.根據權利要求1所述的車輛目標軌跡跟蹤方法，其特征在于，所述的車輛目標識別模型基于深度學習算法。

3.根據權利要求1所述的車輛目標軌跡跟蹤方法，其特征在于，確定車輛目標角點的方法包括：

計算車輛目標框內所有像素點(x，y)處的灰度值P(x，y)平移(a，b)后的自相似性，用灰度變化函數表示：

E(a,b)＝∑[P(x+a,y+b)-P(x,y)]² (1)

對公式(1)進行泰勒展開：

帶入得到：

E(a,b)≈[a,b]M[a,b] (3)

其中：

矩陣M中的λ₁和λ₂是此二次項函數中的兩個決定性特征值，當λ₁和λ₂都較大且數值相當時，說明圖像在所有方向移動都將產生明顯灰度變化，即此點是角點，

角點響應函數R＝max(λ₁，λ₂)，

當一個小窗口再圖片區域內滑動時，窗口內的灰度值變化較小，則P_x和P_y較小，R接近于0，即λ₁和λ₂都較小，

當小窗口內的灰度值在水平和豎直方向上的灰度只變化都較大時，則P_x和P_y較大，R值就很大，即λ₁和λ₂都很大，

選取R值最大的若干個點作為角點，進行后續計算。

4.根據權利要求1所述的車輛目標軌跡跟蹤方法，其特征在于，計算角點光流軌跡方法包括：

設角點坐標(x,y)，在時刻t的亮度為P(x,y,t)，那么此點的光流在水平和垂直方向上的速度分量分別為：

所述視頻圖像的幀間隔為Δt，Δt后所在點的亮度為P(x+Δx,y+Δy,t+Δt)，利用泰勒展開：

根據LK光流算法：

1)角點像素在幀間運動時，Δt時間間隔較小，可以看作亮度恒定不變。

2)車輛目標是時間連續的，并且幀間運動距離較小，即角點前后幀變化緩慢。

3)車輛目標是剛性物體，車身上的點運動方向相似，速度相似，即角點鄰近區域光流一致。

由以上三點可以得出：

同樣的：

這里的V_x，V_y就是在像素點(x，y)在水平和垂直方向的速度，即光流。

對像素點(x，y)求偏導，分別用Ix，Iy和It表示，可以得處光流表達式：I_xV_x+I_yV_y＝-I_t(11)

使用固定窗口，對于像素點m_n來說，列出以下公式：

I_x(m₁)V_x+I_y(m₁)V_y＝-I_t(m₁)

I_x(m₂)V_x+I_y(m₂)V_y＝-I_t(m₂)

......

I_x(m_n)V_x+I_y(m_n)V_y＝-I_t(m_n) (12)

對公式求解，得出：

利用金字塔的結構自上而下修正運動量，進行金字塔迭代，其過程為：

(1)對每一幀建立一個高斯金字塔，最低分辨率圖像在最頂層，原始圖片在底層。

(2)計算頂層光流，因為頂層圖像最小，假設其光流為0。

(3)根據上一層的光流計算結果，平移下一層圖像，保證該層的殘余光流向量較小。

(4)沿著金字塔向下反饋，重復估計動作，直到金字塔的底層，即原圖像層。

(5)計算每一層的光流，最終得到所有圖層的光流之和。

(6)根據上一幀的光流值，找出角點(x,y)在下一幀的坐標，即得出點在時間序列上的運行軌跡。