尔曼滤波对空间轨迹进行滤波，并得到滤波后的空间轨迹和图像轨迹分别如图7 (a) 和图7(b)所示。
[0074] 通过本步骤中的内容，可以提取视频中车辆运动的轨迹线，以便于后续步骤中根 据车辆轨迹线实现车辆的准确识别。
[0075] 可选的，所述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，包括：
[0076] 确定现实空间中的，将通过所述空间检测线的两条所述轨迹线在同时刻的相对距 离历史值的方差作为，令通过所述检测线的两条轨迹线在同时刻之间欧氏距离的最大值作 为最大距离，将所述视频中位于特定位置的灰度信息作为纹理；
[0077] 将所述样本方差小于预设方差范围、所述最大距离小于预设距离阈值、所述轨迹 线之间图像的纹理值在车辆运动过程中保持不变的两条所述轨迹线归为属于同一辆车的 两条轨迹线，当判定两条轨迹线属于同一辆车时，则对车辆计数结果加一。
[0078] 在实施中，对空间检测线、样本方差、最大距离、纹理进行定义，并利用方差、最大 距离和纹理作为聚类条件，对过空间检测线方差σ〈〇. 6,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，车辆计数结果加一。车辆检测得到的计数结果如图8所示，其中图8 (a)、图8 (b)、图 8(c)、图8(d)分别表示车辆计数结果为200、201、202、203时的实时视频场景图。
[0079] 通过将前一步获取到的车辆轨迹线进行是否属于同一车辆的轨迹线的判定，从而 能够根据轨迹线对车辆进行准确识别。
[0080] 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。
[0081] 需要说明的是：上述实施例提供的一种基于目标特征点的车辆检测方法进行车辆 识别施例，仅作为该车辆检测方法在实际应用中的说明，还可以根据实际需要而将上述车 辆检测方法在其他应用场景中使用，其具体实现过程类似于上述实施例，这里不再赘述。 [0082] 上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中得先 后顺序。
[0083] 以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则 之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种基于目标特征点的车辆检测方法，其特征在于，所述基于目标特征点的车辆检 测方法，包括： 步骤一，建立世界坐标系和像素坐标系，从视频中选取世界坐标和像素坐标已知的六 个点进行标定，获取所述世界坐标系与所述像素坐标系之间的转移矩阵； 步骤二，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，根据转移矩阵确定所述垂足点在所述世界坐标系中的坐标，结合所述 转移矩阵即确定所述特征点在所述世界坐标系中的坐标； 步骤三，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 目标的轨迹线； 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； 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。2. 根据权利要求1所述的基于目标特征点的车辆检测方法，其特征在于，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： 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； 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； 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。3. 根据权利要求1所述的基于目标特征点的车辆检测方法，其特征在于，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： 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； 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。4. 根据权利要求1所述的基于目标特征点的车辆检测方法，其特征在于，所述根据所 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，包括： 确定现实空间中的空间检测线，将通过所述空间检测线的两条所述轨迹线在同时刻的 相对距离历史值的方差作为样本方差，令通过所述检测线的两条轨迹线在同时刻之间欧氏 距离的最大值作为最大距离，将所述视频中位于特定位置的灰度信息作为纹理； 将所述样本方差小于预设方差范围、所述最大距离小于预设距离阈值、所述轨迹线之 间图像的纹理值在车辆运动过程中保持不变的两条所述轨迹线归为属于同一辆车的两条 轨迹线，当判定两条轨迹线属于同一辆车时，则对车辆计数结果加一。
【专利摘要】本发明公开了一种基于目标特征点的车辆检测方法，属于图像处理领域。所述发明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。
【IPC分类】G06K9/00
【公开号】CN105243354
【申请号】CN201510567757
【发明人】崔华, 宋焕生, 公维宾, 关琦, 王璇, 孙士杰, 孙丽婷
【申请人】长安大学
【公开日】2016年1月13日
【申请日】2015年9月8日