专利名称：一种车辆跟踪方法及系统的制作方法
技术领域：
本发明涉及视频监控技术领域，尤其涉及一种目标检测及跟踪的方法及视频监控系统。
背景技术：
随着国家对“平安城市”、“平安校园”、“平安交通”等项目的推进，整个社会对视频监控系统的需求量越来达大，对其智能化程度的要求也越来越高，传统的监 控方法已经不能满足社会的需求，智能视频监控系统应运而生。智能视频监控系统的智能化主要表现在对目标的自动检测和跟踪，并根据预设的逻辑判断目标是否越界，进而发出预警。智能交通管理系统是智能视频监控系统的一个子集，监控的目标是车辆，对车辆进行智能化的管理。车辆跟踪是智能交通管理系统的一项基础功能。目前的车辆跟踪方法主要有基于光流场的方法、基于粒子滤波的方法、基于SIFT或SURF特征匹配的方法。基于光流场的方法对光照的适应性较差，在光线发生变化的时候容易丢失跟踪目标；基于粒子滤波的方法跟踪精度和跟踪速度都不够，很难达到实时、稳定跟踪的目的；基于SIFT或SURF特征匹配的方法对光照和仿射变化的鲁棒性都比较高，但是特征检测和匹配需要花费大量的时间，难以达到实时跟踪的目的。因此，目前的车辆跟踪方法容易丢失跟踪目标，跟踪效果不好，跟踪的实时性太差。
发明内容
本发明实施例提供了一种车辆跟踪方法及系统，用于实现车辆的跟踪。本发明实施例中提供的车辆跟踪方法包括根据当前帧的视频图像建立高斯图像金字塔，对所述高斯图像金字塔进行FAST特征检测，得到第一 FAST特征集合；确定所述第一 FAST特征集合中的特征点的特征方向和特征半径，根据所述特征方向和特征半径以及预置的归一化点对序列得到所述第一 FAST特征集合所对应的点对序列集合，所述点对序列集合中包含特征点与点对序列之间的对应关系；对所述第一 FAST特征集合中的特征点，根据与所述特征点对应的点对序列生成所述特征点的BRIEF描述符，得到当前帧的特征点的描述符集合，所述描述符集合中包含特征点与描述符之间的对应关系；根据预置的跟踪半径、所述当前帧的特征点的描述符集合及前一帧中跟踪目标的特征点的描述符集合建立哈希hash表，所述hash表中包含所述前一帧中跟踪目标的特征点与所述当前帧中与其可匹配的特征点之间的对应关系；根据所述hash表，采用描述符分块的方式在所述当前帧的特征点中查找与所述前一巾贞中跟踪目标的特征点hamming相似度满足预置条件的特征点,建立特征点对序列；根据所述特征点对序列计算跟踪目标在当前帧与前一帧之间的偏移系数和尺度系数，确定所述跟踪目标在当前帧的位置。本发明实施例中提供的车辆跟踪系统包括检测模块，用于根据当前帧的视频图像建立高斯图像金字塔，对所述高斯图像金字塔进行FAST特征检测，得到第一 FAST特征集合；处理模块，用于在所述检测模块得到所述第一 FAST特征集合之后，确定所述第一FAST特征集合中的特征点的特征方向和特征半径，根据所述特征方向和特征半径、及预置的归一化点对序列得到所述第一 FAST特征集合所对应的点对序列集合,所述点对序列集合中包含特征点与点对序列之间的对应关系；描述符生成模块，用于在所述处理模块得到所述第一 FAST特征集合所对应的点对序列集合之后，对所述第一 FAST特征集合中的特征点，根据特征点对应的点对序列的生成所述特征点对应的BRIEF描述符，得到当前帧的特征点的描述符集合，所述描述符集合中包含特征点与描述符之间的对应关系；Hash表建立模块，用于在所述描述符生成模块得到所述当前帧的特征点的描述符集合之后，根据预置的跟踪半径、当前帧的特征点的描述符集合及前一帧中跟踪目标的特征点的描述符集合建立哈希hash表，所述hash表中包含所述前一帧中跟踪目标的特征点与所述当前帧中可匹配的可匹配特征点之间的对应关系；序列建立模块,用于在所述hash表建立模块建立所述hash表之后,根据所述hash表，采用描述符分块的方式在所述当前帧的特征点中查找与所述前一帧中跟踪目标的特征点hamming相似度满足预置条件的特征点，建立特征点对序列；目标确定模块，用于在所述序列建立模块建立所述特征点对序列之后，根据所述·特征点对序列计算跟踪目标在当前帧与前一帧之间的偏移系数和尺度系数，确定所述跟踪目标在当前帧的位置。从以上技术方案可以看出，本发明实施例具有以下优点根据当前帧的视频图像建立高斯图像金字塔，通过对高斯图像金字塔各层进行FAST特征检测，得到第一 FAST特征集合，且该第一 FAST特征集合中的特征点具有多尺度的特性；通过利用第一 FAST特征集合中每一个特征的特征方向和特征半径、旋转和缩放预置的归一化点对序列进行计算，得到第一 FAST集合所对应的点对序列集合，使得利用该点对序列集合得到的BRIEF描述符具有旋转不变性，这两点有效地提高了跟踪的精度和跟踪的稳定性。此外，根据预置的跟踪半径和描述符分块匹配的策略得到特征点对序列，使得可在不降低跟踪精度前提下，提高跟踪的速度。最终，使得本方法能够实现快速、稳定的目标跟踪，得到更好的跟踪效果。
图I为本发明实施例中车辆跟踪方法的一个示意图；图2为本发明实施例中车辆跟踪方法的另一示意图；图3为本发明实施例中特征点的坐标的示意图；图4为本发明实施例中归一化点对矩阵的旋转及方法的示意图；图5为本发明实施例中车辆跟踪系统的结构图；图6为本发明实施例中车辆跟踪系统的另一结构图7为本发明实施例中处理模块的结构图；图8为本发明实施例中hash表建立模块的结构图。
具体实施例方式本发明实施例提供了一种车辆跟踪方法及系统，用于车辆的跟踪，且能够有效的实现车辆的跟踪，不会丢失跟踪目标，跟踪效果好。请参阅图1，为本发明实施例中一种车辆跟踪方法的实施例，包括101、根据当前帧的视频图像建立高斯图像金字塔，对高斯图像金字塔进行FAST 特征检测，得到第一 FAST特征集合；在本发明实施例中，车辆跟踪系统将根据当前帧的视频图像建立高斯图像金字塔，对高斯图像金字塔进行FAST特征检测，得到第一 FAST特征集合，其中，该第一 FAST特征集合中包含当前帧的视频图像的特征点，此外，由于是对高斯图像金字塔进行的FAST特征检测，因此可得到具有多个尺度的特征点，使得该第一 FAST特征集合具有多尺度的特性。102、确定第一 FAST特征集合中的特征点的特征方向和特征半径，根据所述特征方向和特征半径、及预置的归一化点对序列得到第一 FAST特征集合所对应的点对序列集合；在本发明实施例中，车辆跟踪系统将确定第一 FAST特征集合中的每一个特征点的特征方向和特征方向，并将根据特征点的特征方向和特征半径、及预置的归一化点对序列得到第一 FAST特征集合所对应的点对序列集合，该过程包括旋转及缩放(具体过程将在后面的实施例中进行描述)，可使到点对序列集合中的每一个点对序列相对于特征方法和特征半径的位置具有一致性。其中，点对序列集合中包含特征点点对序列之间的对应关系。103、对第一 FAST特征集合中的特征点，根据与特征点对应的点对序列生成BRIEF描述符，得到当前帧的特征点的描述符集合，描述符的集合中包含特征点与描述符之间的对应关系；在本发明实施例中，在得到第一 FAST特征集合所对应的点对序列集合后，车辆跟踪系统还将对第一 FAST特征集合中的每个特征点，根据与该特征点对应的点对序列生成该特征点对应的BRIEF描述符，可得到当前帧的特征点的描述符集合，该描述符集合中包含特征点与描述符之间的对应关系，其中，由于点对序列集合中的每一个点对序列相对于所对应特征点的特征方向和特征半径的位置具有一致性，使得当前帧的特征点的描述符集合具有旋转不变性。104、根据预置的跟踪半径，当前帧的特征点的描述符集合及前一帧中跟踪目标的特征点的描述符集合建立hash表；在本发明实施例中，车辆跟踪系统根据预置的跟踪半径，当前帧的特征点的描述符集合及前一巾贞中跟踪目标的特征点的描述符集合建立hash表,该hash表中包含前一中贞中跟踪目标的特征点与当前帧中与其可匹配的可匹配特征点之间的对应关系，具体包括对前一帧中跟踪目标的特征点的描述符集合中的每一个特征点，都在当前帧的特征点的描述符集合中找到与其可匹配的特征点，作为其可匹配特征点，并建立前一帧中跟踪目标中的特征点与其可匹配特征点之间的对应关系，得到hash表。
105、根据hash表，采用描述符分块的方式在当前帧的特征点中查找与前一帧中跟踪目标的特征点hamming相似度满足预置条件的特征点,建立特征点对序列；在本发明实施例中，车辆跟踪系统将很据hash表，采用描述符分块的方式在当前帧的特征点中查找与前一帧中跟踪目标的特征点hamming相似度满足预置条件的特征点，并将前一帧中跟踪目标的特征点与当前帧中满足预置条件的特征点建立对应关系，得到特征点对序列。在建立hash表时利用预置的跟踪半径，能够有效的减少匹配特征点时,搜索的次数，且在确定特征点对序列时利用描述符分块的方式，能够有效的减少相似度的计算量，使得在不降低跟踪精度的前提下，改善了特征点匹配的速度。106、根据匹配特征点对序列计算跟踪目标在当前帧中和前一帧之间的偏移系数和尺度系数，确定跟踪目标在当前帧的位置。 在本发明实施例中，车辆跟踪系统在得到当前帧的特征点对序列之后，将根据该特征点对序列计算跟踪目标在当前帧与前一帧之间的偏移系数和尺度系数，确定该跟踪目标在当前帧的位置。为了更好的理解本发明实施例中的车辆跟踪方法，请参阅图2，为本发明实施例中车辆跟踪方法的另一实施例，包括201、以预置的标准差对当前帧的视频图像进行高斯滤波，建立高斯图像金字塔；在本发明实施例中，车辆跟踪系统将以预置的标准差对当前帧的视频图像进行高斯滤波，建立高斯图像金字塔，具体包括以标准差为σ对当前帧的视频图像进行高斯滤波，并将高斯滤波后的图像作为高斯图像金字塔的第一层图像，接着，i的起始值为2，执行以下过程I)将第i-Ι层图像缩小σ倍，再进行标准差为σ的高斯滤波得到第i层图像，该第i层图像即为高斯图像金字塔的第i层图像；2)判断i是否小于预置的数值；3)若i小于该预置的数值，则i=i+l，返回执行步骤1)，若i等于或大于该预置的数值，则结束高斯图像金字塔的建立。其中，预置的数值即为高斯图像金字塔的层数，可根据具体的情况设置该数值，例如，该预置的数值可以为:Te之间的整数。按照上述的方法可建立一个缩放系数为σ的高斯图像金字塔，。的取值可以为I. 31扩I. 741。202、分别检测高斯图像金字塔的各层图像的FAST特征，得到第二 FAST特征集合；在本发明实施例中，建立高斯图像金字塔之后，车辆跟踪系统将分别检测该高斯图像金字塔的各层图像的FAST特征，得到第二 FAST特征集合。优选的，在本发明实施例中，由于该第二 FAST特征集合中可能包含一些边缘点和噪声点等不稳定的特征点，影响跟踪的稳定性，因此，车辆跟踪系统可利用SHI-T0MASI角点检测器计算第二 FAST特征集合中的每一个特征点的特征响应度，并将计算得到的特征点的特征响应度与预置的响应度阈值进行比较，若计算得到的特征点的特征响应度大于或等于该预置的响应度预置，则保留该特征点，若计算得到的特征点的特征响应度小于该预置的响应度预置，则将该特征点从第二 FAST特征集合中剔除，使得第二 FAST特征集合中不包含边缘点和噪声点。203、将第二 FAST特征集合中的特征点的坐标映射到高斯图像金字塔的第一层图像的坐标系中，得到第一 FAST特征集合；在本发明实施例中，车辆跟踪系统在得到第二 FAST特征集合之后，将该第二 FAST特征集合中的特征点的坐标系映射到高斯图像金字塔的第一层图像的坐标系中，得到第一FAST特征集合。其中，映射函数如公式(I)所示x2(i，j) = σ (η) · xl(i，j)公式(I)其中，i是特征点在高斯图像金字塔的层次，j是特征点的序号，Xl是特征点映射前的坐标，x2是特征点映射后的坐标，在本发明实施例中，通过坐标映射可以使得不同尺度的特征点都统一到同一坐标系中。需要说明的是，在本发明实施例中，车辆跟踪系统在得到第一 FAST特征集合之 后，为了让检测到的特征点分步均匀，并合理控制特征点的数目，车辆跟踪系统对该FAST特征集合进行进一步的非极大值抑制的优化处理，包括对第一 FAST特征集合中的每一个特征点进行以下处理在以特征点的坐标X为中心，2Γ(Ι+1为长度的矩形区域R内，判断该特征点的特征响应度是否是该矩形区域中的特征点的特征响应度中的最大值，若是，则保留该特征点，若否，则将该特征点从第一 FAST特征集合中剔除。其中，Γ(ι的值可以根据跟踪所需的特征点的数量及跟踪目标的尺寸得到，具体的计算方式可参阅公式(2)，如下
权利要求
1.一种车辆跟踪方法，其特征在于，包括 根据当前帧的视频图像建立高斯图像金字塔，对所述高斯图像金字塔进行FAST特征检测，得到第一 FAST特征集合； 确定所述第一 FAST特征集合中的特征点的特征方向和特征半径，根据所述特征方向和特征半径以及预置的归一化点对序列得到所述第一 FAST特征集合所对应的点对序列集合，所述点对序列集合中包含特征点与点对序列之间的对应关系； 对所述第一 FAST特征集合中的特征点，根据与所述特征点对应的点对序列生成所述特征点的BRIEF描述符，得到当前帧的特征点的描述符集合，所述描述符集合中包含特征点与描述符之间的对应关系； 根据预置的跟踪半径、所述当前帧的特征点的描述符集合及前一帧中跟踪目标的特征点的描述符集合建立哈希hash表，所述hash表中包含所述前一帧中跟踪目标的特征点与所述当前帧中与其可匹配的特征点之间的对应关系； 根据所述hash表，采用描述符分块的方式在所述当前帧的特征点中查找与所述前一中贞中跟踪目标的特征点hamming相似度满足预置条件的特征点,建立特征点对序列； 根据所述特征点对序列计算跟踪目标在当前帧与前一帧之间的偏移系数和尺度系数，确定所述跟踪目标在当前帧的位置。
2.根据权利要求I所述的跟踪方法，其特征在于，所述根据当前帧的视频图像建立高斯图像金字塔，对所述高斯图像金字塔进行FAST特征检测，得到第一 FAST特征集合，包括 以预置的标准差对所述当前帧的视频图像进行高斯滤波，建立所述高斯图像金字塔；分别检测所述高斯图像金字塔的各层图像的FAST特征，得到第二 FAST特征集合；将所述第二 FAST特征集合中的特征点的坐标映射到所述高斯图像金字塔的第一层图像的坐标系中，得到所述第一 FAST特征集合。
3.根据权利要求2所述的跟踪方法，其特征在于，所述将所述第二FAST特征集合中的特征点的坐标映射到所述高斯图像金字塔的第一层图像的坐标系统中，得到所述第一 FAST特征集合的步骤之后还包括 对所述第一 FAST特征集合中的特征点进行非极大值抑制的优化处理，得到优化后的第一 FAST特征集合。
4.根据权利要求I至3任一项所述的跟踪方法，其特征在于，所述确定所述第一FAST特征集合中的特征点的特征方向和特征半径，根据所述特征方向和特征半径得到所述第一FAST特征所对应的点对序列集合包括 计算所述第一 FAST特征集合中的特征点的特征方向和特征半径,根据所述特征点的特征方向得到方向角； 分别将所述第一 FAST特征集合中的每一个特征点的特征方向与特征半径的乘积与预置的归一化点对序列相乘，得到各个特征点对应的点对序列，得到所述第一 FAST特征集合所对应的点对序列集合，所述的预置归一化点对序列是由在预置的归一化区域内，随机生成的若干点对构成的。
5.根据权利要求I所述的跟踪方法，其特征在于，所述根据预置的跟踪半径、所述当前帧的特征点的描述符集合及前一帧中跟踪目标的特征点的描述符集合建立哈希hash表包括 对所述前一帧中跟踪目标的特征点的描述符集合中的每一个特征点执行以下步骤 以前一帧中跟踪目标的特征点的坐标为中心，以预置的长度为跟踪半径确定所述前一帧中跟踪目标的特征点的跟踪区域； 将所述当前帧的特征点的描述符集合中在所述跟踪区域内的当前帧的特征点作为所述前一帧中跟踪目标的特征点的可匹配特征点； 将所述前一帧中跟踪目标的特征点与其可匹配特征点的对应关系添加至所述hash表中。
6.根据权利要求I所述的跟踪方法，其特征在于，所述根据所述hash表，采用描述符分块的方式在所述当前帧的特征点中查找与所述前一帧中跟踪目标的特征点hamming相似度满足预置条件的特征点，建立特征点对序列包括 对前一帧中跟踪目标的特征点的描述符集合中的每一个特征点及其可匹配特征点执行以下步骤 根据预置的分块数目N，将前一帧中跟踪目标的特征点的描述符划分为N个描述符块，且将所述前一帧中跟踪目标的特征点对应的每一个可匹配特征的描述符划分为N个描述符块，且将所述前一帧中跟踪目标的特征点的描述符块及所述可匹配特征点的描述符块进行编号； i的起始值为I开始执行以下步骤 1)计算所述前一帧的跟踪目标的特征点的第i个描述符块与其可匹配的特征点的第i个描述符块的hamming相似度，从所述可匹配特征点中剔除hamming相似度小于预置相似度的描述符块所属的特征点； 2)判断i是否等于N，若否，则i=i+l，返回执行步骤1)，若是，则将剩余的可匹配特征点作为所述前一帧中跟踪目标的特征点的匹配特征点，并利用RANAC算法去除所述匹配特征点中的伪匹配特征点，得到前一巾贞中跟踪目标的特征点的特征点对。
7.—种车辆跟踪系统，其特征在于，包括 检测模块，用于根据当前帧的视频图像建立高斯图像金字塔，对所述高斯图像金字塔进行FAST特征检测，得到第一 FAST特征集合； 处理模块，用于在所述检测模块得到所述第一 FAST特征集合之后，确定所述第一 FAST特征集合中的特征点的特征方向和特征半径，根据所述特征方向和特征半径、及预置的归一化点对序列得到所述第一 FAST特征集合所对应的点对序列集合,所述点对序列集合中包含特征点与点对序列之间的对应关系； 描述符生成模块，用于在所述处理模块得到所述第一 FAST特征集合所对应的点对序列集合之后,对所述第一 FAST特征集合中的特征点，根据特征点对应的点对序列的生成所述特征点对应的BRIEF描述符，得到当前帧的特征点的描述符集合，所述描述符集合中包含特征点与描述符之间的对应关系； Hash表建立模块，用于在所述描述符生成模块得到所述当前帧的特征点的描述符集合之后，根据预置的跟踪半径、当前帧的特征点的描述符集合及前一帧中跟踪目标的特征点的描述符集合建立哈希hash表，所述hash表中包含所述前一帧中跟踪目标的特征点与所述当前帧中可匹配的可匹配特征点之间的对应关系；序列建立模块，用于在所述hash表建立模块建立所述hash表之后,根据所述hash表，采用描述符分块的方式在所述当前帧的特征点中查找与所述前一帧中跟踪目标的特征点hamming相似度满足预置条件的特征点,建立特征点对序列； 目标确定模块，用于在所述序列建立模块建立所述特征点对序列之后，根据所述特征点对序列计算跟踪目标在当前帧与前一帧之间的偏移系数和尺度系数，确定所述跟踪目标在当前帧的位置。
8.根据权利要求7所述的车辆跟踪系统，其特征在于，所述检测模块包括 金字塔建立模块，用于以预置的标准差对所述当前帧的视频图像进行高斯滤波，建立所述高斯图像金字塔； 特征点检测模块，用于在所述金字塔建立模块建立所述高斯图像金字塔之后，分别检测所述高斯图像金字塔的各层图像的FAST特征，得到第二 FAST特征集合； 映射模块，用于在所述特征点检测模块得到所述第二 FAST特征集合之后，将所述第二FAST特征集合中的特征点的坐标映射到所述高斯图像金字塔的第一层图像的坐标系中，得到所述第二 FAST特征集合。
9.根据权利要求7或8所述的车辆跟踪系统，其特征在于，所述车辆跟踪系统还包括 非极大值抑制模块，用于在所述映射模块得到所述第一 FAST特征集合之后，对所述第一 FAST特征集合中的特征点进行非极大值抑制的优化处理，得到优化后的第一 FAST特征
10.根据权利要求7所述的车辆跟踪系统，其特征在于，所述处理模块包括 计算模块，用于在所述检测模块得到所述第一 FAST特征集合之后，计算所述第一 FAST特征集合中的特征点的特征方向和特征半径，根据所述特征点的特征方向得到方向角；乘积模块，用于分别将所述第一 FAST特征集合中的每一个特征点的特征方向与特征半径的乘积与所述预置的归一化点对序列相乘，得到各个特征点对应的点对序列，得到所述第一 FAST特征集合所对应的点对序列集合，所述的预置归一化点对序列是由在预置的归一化区域内，随机生成的若干点对构成的。
11.根据权利要求7所述的车辆跟踪系统，其特征在于，所述hash表建立模块包含用于对所述前一帧中跟踪目标的特征点的描述符集合中的每一个特征点建立hash对应关系的以下模块 区域确定模块，用于以所述前一帧中跟踪目标的特征点的坐标为中心，以预置的长度为跟踪半径确定所述前一帧中跟踪目标的特征点的跟踪区域； 匹配模块，用于将所述当前帧的特征点的描述符集合中在所述跟踪区域内的当前帧的特征点作为所述前一帧中跟踪目标的特征点的可匹配特征点； 添加模块，用于将所述前一帧中跟踪目标的特征点与其可匹配特征点的对应关系添加至所述hash表中。
全文摘要
本发明实施例公开了一种车辆跟踪方法及系统，用于车辆的跟踪，本发明实施例方法包括根据当前帧的视频图像建立高斯图像金字塔，对高斯图像金字塔进行FAST特征检测，得到第一FAST特征集合；根据该第一FAST得到第一FAST特征集合所对应的点对序列集合；对第一FAST特征集合中的特征点，根据与特征点对应的点对序列生成特征点的BRIEF描述符，得到当前帧的特征点的描述符集合；根据预置的跟踪半径、当前帧的特征点的描述符集合及前一帧中跟踪目标的特征点的描述符集合建立特征点对序列；根据特征点对序列确定跟踪目标在当前帧的位置，能够有效的实现车辆的跟踪，不会丢失跟踪目标，跟踪效果好。
文档编号G06K9/46GK102930245SQ20121035787
公开日2013年2月13日 申请日期2012年9月24日 优先权日2012年9月24日
发明者唐健, 吴伟华, 陶昆, 廖振生 申请人:深圳市捷顺科技实业股份有限公司