对所述稳 定特征点进行跟踪，在所述世界坐标系中对所述运动目标的运动位置进行预测，获取所述 运动目标的轨迹线；
[0042] 步骤四，根据所述运动目标的轨迹线，如果判定两条轨迹线属于同一辆车，则对车 辆计数结果加一；
[0043] 步骤五，重复执行步骤二至步骤四，对所述视频中的每一帧图像进行分析，并对所 述轨迹线进行聚类得到车辆检测计数结果，直到所述视频结束为止。
[0044] 在实施中，为了解决现有技术中存在的车辆检测准确性差的问题，本发明的提出 了一种车辆检测方法，该方法基于目标特征点跟踪与聚类的车辆检测方法，对车辆的行驶 轨迹聚类进行车辆检测。需要说明的是，本发明的方法过程中所处理的图像是视频中沿正 时间序列的第一帧图像、第二帧图像、第三帧图像、…、第m(m为自然数）帧图像。
[0045] 本实施例的方法具体采用以下步骤实现：
[0046] 1)建立世界坐标系和像素坐标系，根据针孔摄像机的线性模型，选取空间坐标和 像素坐标已知的六个点进行摄像机标定，求得世界坐标系与像素坐标系之间的转移矩阵M。
[0047] 这里的转移矩阵Μ为：
[0049] Μ是一个3*4的转移矩阵，（u，ν，1)为特征点的像素坐标，（X，Υ，Ζ，1)为特征点对 应的世界坐标值，其中（u，v，1)和（Χ，Υ，Ζ，1)均为齐次坐标。
[0050] 2)对于视频中的每一帧图像，与背景相减得到运动目标，在运动目标区域提取特 征点，在二值化图像上对特征点向下做垂线，垂线遇到第一个非目标像素点即为垂足点。
[0051] 3)已知垂足点的高度为0,根据转移矩阵Μ即可求得垂足点对应的三维世界坐标 点（Χ，Υ，0)。在假设垂足点与特征点在世界空间中位于同一垂线的条件下，特征点与垂足点 在三维世界空间中的（x，Y)坐标值相同且已知，此时根据转移矩阵即可求得特征点对应的 三维世界坐标（X，Υ，Ζ)。
[0052] 像素点到对应世界空间点的转换关系计算如下所示：
[0055] 其中，（X，y)和（u，V)为像素坐标系中的特征点和垂足点，（X，Υ，Ζ)和（X，Υ，0)分 别为对应的世界坐标系中的特征点和垂足点。
[0056] 4)删除掉位于阴影处的特征点，筛选出高度值满足Zw〈Tz，且水平面上斜率满足 k〈Tj^特征点为稳定特征点，所述的阈值Tz的取值范围为0. 5~0. 7m，Tκ的取值范围为 0. 3 ~0. 5。
[0057] 5)在图像平面上对稳定特征点进行跟踪，根据卡尔曼滤波原理在世界空间对目标 的运动位置进行预测，并用三维预测值减小二维图像匹配搜素时的搜索范围，利用匹配搜 索得到的观测值对预测值进行修正，修正后的三维世界空间上的连续跟踪点为修正后的三 维空间轨迹。
[0058] 6)确定现实空间中的空间检测线，定义方差为过检测线的两条轨迹线在同时刻 的相对距离历史值的方差，最大距离为过检测线的两条轨迹线同时刻之间欧氏距离的最 大值，纹理为图像中特定位置的灰度信息。将相对距离的方差满足σ〈0.5~0.8,最大距 离d_〈l. 5m且轨迹线之间图像的纹理值在车辆运动过程中保持不变的两条轨迹线归为属 于同一辆车的两条轨迹线，此时这两条轨迹线的运动信息反映的是同一辆车的运动状态变 化，此时车辆计数结果加一，据此，完成运动车辆的检测并得到车辆计数结果。
[0059] 7)重复（2)至（6)中的内容，对视频中的每一帧图像进行分析，并对过检测线的世 界空间轨迹进行聚类得到车辆检测计数结果，直到视频结束为止。
[0060] 本发明提供了一种基于目标特征点的车辆检测方法，包括获取所述世界坐标系与 所述像素坐标系之间的转移矩阵；确定视频中的运动目标区域，在运动目标区域提取特征 点进而确定垂足点，从视频中选取稳定特征点，对稳定特征点进行跟踪，获取运动目标的轨 迹线，根据运动目标的轨迹线进行轨迹线判定，如果判定两条轨迹线属于同一辆车，则对车 辆计数结果加一，重复前述步骤直到所述视频结束为止。通过在车辆检测中引入基于目标 特征点跟踪与聚类的检测方式，与现有技术相比，减少了环境限制，具有较高的稳定性和检 测精度，并且降低检测误差，提高了车辆识别的准确率。
[0061] 可选的，所述确定所述视频中的运动目标区域，在所述运动目标区域提取特征点， 根据所述特征点确定垂足点，包括：
[0062] 提取所述视频中的背景图像，将所述已获取视频中的每一帧图像与所述背景图像 相减得到运动目标区域；
[0063] 在所述运动目标区域提取特征点，获取所述视频的二值化图像，在所述二值化图 像中对所述特征点做垂线，令所述垂线经过的第一个非目标像素点定为垂足点；
[0064] 根据转移矩阵可确定所述垂足点对应的位于所述世界坐标系内的坐标点，在假设 所述垂足点与所述特征点在三维空间中位于同一垂线的条件下，所述特征点与所述垂足点 在所述世界坐标系中的坐标值是已知的并且数值相等，则根据所述转移矩阵确定所述特征 点对应的在所述世界坐标系中的坐标。
[0065] 在实施中，提取所述视频的背景图像如图2所示，并且从所述视频中提取如图3所 示的一帧样本图像，从图3所述的图像中减去如图2所示的背景图像，得到运动目标区域。 [0066] 从所述运动目标区域中进行特征点提取，提取到的特征点如图4中的交叉线所 示。获取所述视频的二值化图像，在所述二值化图像中对所述特征点做垂线，令所述垂线经 过的第一个非目标像素点定为垂足点。
[0067] 根据转移矩阵可确定所述垂足点对应的位于所述世界坐标系内的坐标点，在假设 所述垂足点与所述特征点在三维空间中位于同一垂线的条件下，所述特征点与所述垂足点 在所述世界坐标系中的坐标值是已知的并且数值相等，则根据所述转移矩阵确定所述特征 点对应的在所述世界坐标系中的坐标。
[0068] 通过本步骤中的内容，可以根据转移矩阵确定特征点对应的在所述世界坐标系中 的坐标。
[0069] 可选的，所述从所述视频中的非阴影区域选取满足预设要求的稳定特征点，对所 述稳定特征点进行跟踪，在所述世界坐标系中对所述运动目标的运动位置进行预测，获取 所述运动目标的三维空间轨迹，包括：
[0070] 将位于所述视频中阴影区域中的特征点删除，从所述视频中的非阴影区域中选取 高度值小于高度阈值，且水平面上斜率小于斜率阈值的所述特征点为稳定特征点；
[0071] 对稳定特征点进行跟踪，根据卡尔曼滤波原理在所述世界坐标系中对运动目标的 运动位置进行预测，并使用三维预测值减小在进行二维图像匹配搜素时的搜索范围，利用 匹配搜索得到的观测值对得到的预测值进行修正，令修正后的位于所述世界坐标系中的连 续跟踪点作为所述运动目标的轨迹线。
[0072] 在实施中，由于位于背景处的特征点不能代表车辆的运动信息，因此首先删除掉 位于阴影处的特征点，然后保留下高度值Z〈0. 6m，且水平面上斜率满足k〈0. 4的特征点为 稳定特征点，稳定特征点如图5中的交叉线所示。对稳定特征点跟踪得到的图像轨迹如图 6 (a)所示，其中，A、B分别表示两条轨迹线，图像轨迹对应的空间轨迹在水平面的投影图如 图6(b)所示。
[0073] 由于利用垂足点作为辅助点，计算从像素平面到世界空间本身存在误差，本发明 利用卡