基于特征权值自校正的车辆跟踪方法
【专利摘要】一种基于特征权值自校正的车辆跟踪方法，能够实现特征权值的自校正，保证车辆跟踪的准确、实时、有效，为高速公路隧道的交通安全提供有用的数据信息。包括以下步骤：步骤一：提取车辆前景目标；步骤二：提取车辆目标的特征；步骤三：判断前后帧的两个目标是否为同一车辆：1)计算两个目标的形状特征、位置特征、颜色特征匹配程度；2)计算两个目标的综合特征匹配程度；3)判断前后帧的两个目标是否为同一车辆；步骤四：特征权值的自动校正：1)当综合特征匹配程度大于设定的校正阀值时，提取对应车辆目标的特征匹配程度数据加入自校正的参考数据库；2)分别计算参考数据库中多组参考数据中的特征匹配程度数据的平均值；3)计算特征权值。
【专利说明】基于特征权值自校正的车辆跟踪方法
【技术领域】
[0001] 本发明属于图像处理【技术领域】，具体的为一种基于特征权值自校正的车辆跟踪方 法。
【背景技术】
[0002] 伴随着高速公路建设在我国快速持续的发展，越来越多的高速公路隧道已经投入 到实际的运行中。高速公路隧道能够使交通环境复杂的地区实现高效快速地连接，与此同 时，由于完全不同的交通环境，又成为了制约高速公路持续健康发展的瓶颈。由于场景的封 闭性和行车速度高的特点，隧道内一旦发生交通事故，就容易导致二次事故的发生，甚至引 起重特大交通事故，严重影响高速公路的正常运行。
[0003] 车辆跟踪是在车辆检测的基础上，建立视频序列的每帧图像中表达车辆区域的图 像结构的连续对应性。在监控场景下建立所有车辆区域在图像序列中的连续对应性，从而 获取监控场景下车辆的交通参数，如车速、车流量和车辆轨迹等。通过对车辆相关交通参数 的分析，就能够获取道路的交通状态，如车辆停止、车辆逆行和道路拥堵等交通事件，还能 够获取车辆行驶速度、车辆的大小尺寸以及道路占有率等交通参数。
[0004] 现有的车辆跟踪方法主要有基于3D模型的跟踪、基于特征的跟踪、基于变形模型 的跟踪和基于运动的跟踪算法等。其中，基于3D模型的车辆跟踪方法能够恢复跟踪目标的 精确信息，但需要提前获得所有目标的精确几何模型，运算量大、实时性难以满足；基于特 征的车辆跟踪方法在目标被遮挡时，通过部分可见特征，仍然可以实现目标的跟踪，而且车 辆特征容易得到，可操作性强，而该算法的主要难点是特征的选择、提取以及连续帧之间特 征的匹配问题；基于变形模型的车辆跟踪方法能够准确地对单个目标进行分割并跟踪，但 目标轮廓的提取和初始化阶段比较困难，另外，多个目标轮廓在相邻帧间的匹配也是难点； 基于运动的车辆跟踪算法对光照变化和噪声干扰比较敏感，而且帧间图像的匹配和图像中 的运动场求解难度较大。
[0005]
【发明者】孙棣华, 赵敏, 刘卫宁, 郑林江, 姚明明 申请人:重庆大学