車輛追蹤方法和裝置制造方法及圖紙

本發(fā)明專利技術(shù)涉及一種車輛追蹤方法和裝置，所述方法包括：在視頻圖像序列中實時追蹤車輛圖像；定期從所述視頻圖像序列中當(dāng)前的視頻圖像中檢測出車輛圖像；獲取當(dāng)前追蹤的車輛圖像；根據(jù)當(dāng)前追蹤的車輛圖像和前次定期檢測時追蹤到的車輛圖像進(jìn)行校驗；當(dāng)校驗成功時，將當(dāng)前檢測到的車輛圖像與當(dāng)前追蹤的車輛圖像融合以修正當(dāng)前追蹤的車輛圖像。本發(fā)明專利技術(shù)提供的車輛追蹤方法和裝置，可以保證車輛追蹤的實時性和準(zhǔn)確性。

Vehicle tracking method and apparatus

The invention relates to a method and device for vehicle tracking, the method includes: real-time tracking of vehicle image in the video image sequence; regularly from the video image sequence in the current video image detected in the vehicle image; acquiring vehicle image current tracking; calibration according to the vehicle image tracking to detect the current regular vehicle tracking and when the previous image; when the verification is successful, the current vehicle image detected and tracked the vehicle image fusion to correct current vehicle image tracking. The vehicle tracking method and device provided by the invention can ensure the real time and accuracy of vehicle tracking.

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)涉及車輛安全
，特別是涉及一種車輛追蹤方法和裝置。
技術(shù)介紹
目前在基于計算機(jī)視覺的車輛識別領(lǐng)域，一般需要檢測到車輛，然后對檢測到的車輛持續(xù)追蹤，直至離開視野。實現(xiàn)流程如圖1所示，先進(jìn)行車輛檢測，然后基于檢測到的初始車輛不斷進(jìn)行車輛追蹤，如果車輛追蹤失敗，則結(jié)束車輛追蹤。目前的一種車輛追蹤方法，在檢測到車輛后將檢測結(jié)果作為初始車輛進(jìn)行追蹤，后續(xù)追蹤過程脫離檢測結(jié)果的監(jiān)督。然而目前的車輛追蹤方法雖然計算量小能夠達(dá)到實時性的要求，但長時間的追蹤會導(dǎo)致追蹤的車輛位置與車輛的實際位置逐漸發(fā)生偏離，追蹤的準(zhǔn)確性較差。
技術(shù)實現(xiàn)思路
基于此，有必要針對目前的車輛追蹤方法實時性差的問題，提供了一種車輛追蹤方法和裝置。一種車輛追蹤方法，所述方法包括：在視頻圖像序列中實時追蹤車輛圖像；定期從所述視頻圖像序列中當(dāng)前的視頻圖像中檢測出車輛圖像；獲取當(dāng)前追蹤的車輛圖像；根據(jù)當(dāng)前追蹤的車輛圖像和前次定期檢測時追蹤到的車輛圖像進(jìn)行校驗；當(dāng)校驗成功時，將當(dāng)前檢測到的車輛圖像與當(dāng)前追蹤的車輛圖像融合以修正當(dāng)前追蹤的車輛圖像。一種車輛追蹤裝置，所述裝置包括：追蹤模塊，用于在視頻圖像序列中實時追蹤車輛圖像；定期檢測模塊，用于定期從所述視頻圖像序列中當(dāng)前的視頻圖像中檢測出車輛圖像；獲取模塊，用于獲取當(dāng)前追蹤的車輛圖像；校驗?zāi)K，用于根據(jù)當(dāng)前追蹤的車輛圖像和前次定期檢測時追蹤到的車輛圖像進(jìn)行校驗；修正模塊，用于當(dāng)校驗成功時，將當(dāng)前檢測到的車輛圖像與當(dāng)前追蹤的車輛圖像融合以修正當(dāng)前追蹤的車輛圖像。上述車輛追蹤方法和裝置，在視頻圖像序列中實時追蹤車輛圖像，并且定期進(jìn)行車輛檢測以檢測出相應(yīng)的車輛圖像，通過將當(dāng)前檢測到的車輛圖像與當(dāng)前追蹤的車輛圖像融合來修正當(dāng)前追蹤的車輛圖像，這樣通過定期修正的方式可以保證車輛追蹤的實時性和準(zhǔn)確性。而且在修正前先根據(jù)當(dāng)前追蹤的車輛圖像和前次定期檢測時追蹤到的車輛圖像進(jìn)行校驗，從而根據(jù)校驗結(jié)果來修正當(dāng)前追蹤的車輛圖像，可以進(jìn)一步保證車輛追蹤的準(zhǔn)確性。附圖說明圖1為目前車輛追蹤方法的流程示意圖；圖2為一個實施例中車輛追蹤系統(tǒng)的組成示意圖；圖3為一個實施例中計算機(jī)的內(nèi)部結(jié)構(gòu)示意圖；圖4為一個實施例中車輛追蹤方法的流程示意圖；圖5為一個實施例中計算光流的示意圖；圖6為一個實施例中獲取當(dāng)前追蹤的車輛圖像的哈希值序列的步驟的流程示意圖；圖7為一個實施例中獲取當(dāng)前追蹤的車輛圖像的哈希值序列過程的示意圖；圖8為另一個實施例中車輛追蹤方法的流程示意圖；圖9A為一個實施例中計算當(dāng)前檢測到的車輛圖像與當(dāng)前追蹤的車輛圖像的重疊度的示意圖；圖9B為另一個實施例中計算當(dāng)前檢測到的車輛圖像與當(dāng)前追蹤的車輛圖像的重疊度的示意圖；圖10為一個實施例中車輛追蹤裝置的結(jié)構(gòu)框圖；圖11為另一個實施例中車輛追蹤裝置的結(jié)構(gòu)框圖；圖12為一個實施例中獲取模塊的結(jié)構(gòu)框圖。具體實施方式為了使本專利技術(shù)的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本專利技術(shù)進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本專利技術(shù)，并不用于限定本專利技術(shù)。如圖2所示，在一個實施例中，提供了一種車輛追蹤系統(tǒng)，包括相連接的計算機(jī)202和攝像機(jī)204。其中攝像機(jī)204用于采集圖像獲得視頻流并傳輸給計算機(jī)202，計算機(jī)202用于根據(jù)視頻流進(jìn)行車輛追蹤。計算機(jī)202可以是獨立的物理計算機(jī)，也可以是多個物理計算機(jī)的集群。如圖3所示，在一個實施例中，計算機(jī)202包括通過系統(tǒng)總線連接的處理器、非易失性存儲介質(zhì)、內(nèi)存儲器和視頻接口。其中處理器具有計算功能和控制計算機(jī)202工作的功能，該處理器被配置為執(zhí)行一種車輛追蹤方法。非易失性存儲介質(zhì)包括磁存儲介質(zhì)、光存儲介質(zhì)和閃存式存儲介質(zhì)中的至少一種。非易失性存儲介質(zhì)存儲有操作系統(tǒng)和車輛追蹤裝置，車輛追蹤裝置用于實現(xiàn)一種車輛追蹤方法。內(nèi)存儲器用于為操作系統(tǒng)和車輛追蹤裝置的運行提供高速緩存。視頻接口用于接收攝像機(jī)204傳輸?shù)囊曨l流。如圖4所示，在一個實施例中，提供了一種車輛追蹤方法，本實施例以該方法應(yīng)用于上述圖2和圖3中的計算機(jī)202來舉例說明。該方法具體包括如下步驟：步驟402，在視頻圖像序列中實時追蹤車輛圖像。車輛可以是汽車或者人力車，汽車包括電動汽車和燃料動力汽車。計算機(jī)202在視頻圖像序列中實時追蹤車輛圖像，可使得追蹤到視頻圖像序列中各視頻圖像中的車輛圖像與視頻圖像序列的幀率匹配。計算機(jī)202可以通過背景差分算法或者幀間差分算法在視頻圖像序列中實時追蹤車輛圖像。其中背景差分算法通過將視頻圖像序列中當(dāng)前的視頻圖像與背景圖像做差分運算從而獲得追蹤的車輛圖像。建立背景圖像時，可以采用中值法背景建模，具體可以取視頻圖像序列中一段時間內(nèi)連續(xù)的N個視頻圖像，把這N個視頻圖像對應(yīng)位置的像素點灰度值按升序或降序排列，然后取位于中間的灰度值作為背景圖像中相應(yīng)像素點的灰度值。其中幀間差分算法通過對視頻圖像序列中相鄰幀做差分運算，利用視頻圖像序列中相鄰幀的強(qiáng)相關(guān)性進(jìn)行變化檢測，從而檢測出運動車輛。幀間差分算法通過直接比較相鄰幀的視頻圖像對應(yīng)像素點的灰度值的不同，然后通過選取閾值來提取視頻圖像序列中的車輛運動區(qū)域，從而獲得追蹤的車輛圖像。步驟404，定期從視頻圖像序列中當(dāng)前的視頻圖像中檢測出車輛圖像。具體地，定期是指每隔預(yù)設(shè)時間間隔或者每到預(yù)設(shè)時間點，預(yù)設(shè)時間間隔比如1至5秒，尤其可選2秒。視頻圖像序列中當(dāng)前的視頻圖像，是指視頻圖像序列中在定期執(zhí)行檢測車輛圖像的動作的當(dāng)時的視頻圖像。檢測某圖像中的車輛圖像所花費的時間一般要多于追蹤該圖像中的車輛圖像所花費的時間。在一個實施例中，步驟404包括：定期利用經(jīng)過車輛圖像樣本和非車輛圖像樣本訓(xùn)練的分類器從視頻圖像序列中當(dāng)前的視頻圖像中檢測出車輛圖像。這里通過模式識別從視頻圖像中檢測出初始的車輛圖像。模式識別是指對表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進(jìn)行處理和分析，以對事物或現(xiàn)象進(jìn)行描述、辨認(rèn)和分類的過程。具體地，計算機(jī)202可以將視頻圖像序列中當(dāng)前的視頻圖像劃分為多個窗口圖像，利用經(jīng)過車輛圖像樣本和非車輛圖像樣本訓(xùn)練的分類器對每個窗口圖像進(jìn)行分類，找到判別為屬于車輛圖像樣本一類的窗口圖像以確定車輛圖像。在一個實施例中，計算機(jī)202可以對視頻圖像序列中當(dāng)前的視頻圖像提取特征后再劃分為多個窗口圖像，然后利用上述分類器對每個窗口圖像進(jìn)行分類。在一個實施例中，可將視頻圖像序列中當(dāng)前的視頻圖像劃分為多個窗口圖像后，對每個窗口圖像提取特征后再利用上述分類器對每個窗口圖像進(jìn)行分類。其中提取的特征可以是HOG(HistogramofOrientedGradient，方向梯度直方圖)、SIFT(Scale-InvariantFeatureTransform，尺度不變特征轉(zhuǎn)換)或者SURF(SpeededUpRobostFeatures，加速穩(wěn)健特征)等。分類器可以采用SVM(SupportVectorMachine，支持向量機(jī))分類器、級聯(lián)分類器(如Adaboost分類器)或者人工神經(jīng)網(wǎng)絡(luò)分類器等。在一個實施例中，在將視頻圖像序列中當(dāng)前的視頻圖像劃分窗口圖像時，可以使用預(yù)設(shè)尺寸的窗口劃分出相同尺寸的窗口圖像，然后對窗口圖像進(jìn)行分類，將判定為屬于車輛圖像樣本一類的本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點】
一種車輛追蹤方法，所述方法包括：在視頻圖像序列中實時追蹤車輛圖像；定期從所述視頻圖像序列中當(dāng)前的視頻圖像中檢測出車輛圖像；獲取當(dāng)前追蹤的車輛圖像；根據(jù)當(dāng)前追蹤的車輛圖像和前次定期檢測時追蹤到的車輛圖像進(jìn)行校驗；當(dāng)校驗成功時，將當(dāng)前檢測到的車輛圖像與當(dāng)前追蹤的車輛圖像融合以修正當(dāng)前追蹤的車輛圖像。

【技術(shù)特征摘要】
1.一種車輛追蹤方法，所述方法包括：在視頻圖像序列中實時追蹤車輛圖像；定期從所述視頻圖像序列中當(dāng)前的視頻圖像中檢測出車輛圖像；獲取當(dāng)前追蹤的車輛圖像；根據(jù)當(dāng)前追蹤的車輛圖像和前次定期檢測時追蹤到的車輛圖像進(jìn)行校驗；當(dāng)校驗成功時，將當(dāng)前檢測到的車輛圖像與當(dāng)前追蹤的車輛圖像融合以修正當(dāng)前追蹤的車輛圖像。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在視頻圖像序列中實時追蹤車輛圖像，包括：通過幀間差分算法或者光流算法在視頻圖像序列中實時追蹤車輛圖像。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)當(dāng)前追蹤的車輛圖像和前次定期檢測時追蹤到的車輛圖像進(jìn)行校驗，包括：獲取當(dāng)前追蹤的車輛圖像的哈希值序列；根據(jù)前次定期檢測時追蹤到的車輛圖像的哈希值序列和獲取的哈希值序列進(jìn)行校驗；所述方法還包括：當(dāng)校驗成功時，根據(jù)修正的車輛圖像更新前次定期檢測時追蹤到的車輛圖像的哈希值序列。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述方法還包括：從指定視頻圖像中檢測出初始的車輛圖像；根據(jù)初始的車輛圖像生成哈希值序列作為前次定期檢測時追蹤到的車輛圖像的哈希值序列；所述在視頻圖像序列中實時追蹤車輛圖像，包括：根據(jù)初始的車輛圖像，在所述指定視頻圖像之后的視頻圖像序列中實時追蹤車輛圖像。5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述方法還包括：獲取當(dāng)前檢測到的車輛圖像與當(dāng)前追蹤的車輛圖像的重疊度；比較所述重疊度與預(yù)設(shè)重疊度閾值；當(dāng)所述重疊度小于預(yù)設(shè)重疊度閾值時，根據(jù)前次定期檢測時追蹤到的車輛圖像的哈希值序列和獲取的哈希值序列進(jìn)行校驗。6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括：當(dāng)所述重疊度大于等于預(yù)設(shè)重疊度閾值時，根據(jù)當(dāng)前追蹤的車輛圖像更新前次定期檢測時追蹤到的車輛圖像的哈希值序列，根據(jù)當(dāng)前追蹤的車輛圖像繼續(xù)在所述視頻圖像序列中實時追蹤車輛圖像；當(dāng)校驗成功時，根據(jù)修正的車輛圖像繼續(xù)在所述視頻圖像序列中實時追蹤車輛圖像。7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取當(dāng)前追蹤的車輛圖像的哈希值序列，包括：將當(dāng)前追蹤的車輛圖像調(diào)整為預(yù)設(shè)尺寸；將調(diào)整后的車輛圖像各像素點的像素值轉(zhuǎn)換為二進(jìn)制的數(shù)值；將轉(zhuǎn)換的數(shù)值按照預(yù)設(shè)順序組合以形成當(dāng)前追蹤的車輛圖像的哈希值序列。8.一種車輛追蹤裝置，其特征在于，所述裝置包括：追蹤模塊，用于在視頻圖像序列中實時追蹤車輛圖像；定期檢測模塊，用于定期從所述視頻圖像...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張世亮，桂天宜，
申請(專利權(quán))人：騰訊科技深圳有限公司，
類型：發(fā)明
國別省市：廣東;44