p的邻域圆周上任意一点的灰度，I (p)为候选节点p点的 灰度，￡d为设定的第二差阈值;如果N大于设定的第一阈值，则候选节点p点为一个特征点。
[0050] 上述处理模块进一步包含：
[0051] 匹配处理子模块，用于筛选特征点进行匹配，再对匹配结果进行如下判断：
[0052] 1)对成功匹配的特征点进行进一步判断，删除背景中错误匹配的特征点和与车辆 运动方向偏差较大的特征点；
[0053] 2)相邻两帧图像满足判断标准的特征点进行均值计算，获取亚像素精度的匹配均 值；
[0054]拼接子模块，用于将匹配处理子模块中得到的相邻两帧图像的匹配均值即为两帧 图像的相对拼接坐标；
[0055]计算处理子模块，用于将相对拼接坐标之和作为车辆的像素尺寸;根据像素尺寸 和实际尺寸的比例值，获得车辆的真实尺寸。
[0056] 总之，本发明通过对图像快速采集结果中随机动态特征识别，实现对车辆运动状 态的分析，并得出车辆运动过程中的瞬时速度，同时根据车辆运动时间与车体全长之间的 关系，实现车辆瞬时速度在时域的积分，从而得出车辆的有效长度，通过本算法消除车辆 检测过程中的光线、车速等外界因素干扰，同时比传统的图像拼接算法具有更高的效率和 准确率，从而提高车辆检测过程的准确率。
[0057] 本发明为针对传统车辆外廓检测装置的优化与改进，目标是为了消除环境干扰、 人为操作干扰等方面的影响，通过本算法的验证，可以有效提高车辆图像的拼接效率，同时 剔除干扰图像的影响，并消除非匀速运动产生的误差，从检测的效率和准确率方面都有了 很大的改进。
【附图说明】
[0058]图1为图像动态特征跟踪方法实施例的示意图；
[0059] 图2是本发明提供的基于图像动态特征跟踪的车辆外廓尺寸测量方法的流程示意 图。
【具体实施方式】
[0060] 下面结合附图和具体实施例对本发明做进一步详细介绍。
[0061] 本发明提供一种基于图像动态特征跟踪的车辆外廓尺寸测量方法，所述方法包 含:步骤100)采集图像信息，获取车辆检测过程的图像;步骤101)基于车辆检测过程的图像 获取相邻帧图像的特征点;步骤102)对特征点进行匹配，针对匹配的图像进行拼接，获取车 辆整体图像，基于车辆的整体图像计算像素尺寸进而获得车辆实际外廓尺寸。
[0062] 可选的，上述步骤101)具体包含:步骤101-1)在采集的图像中通过分割车辆前景 与背景得到车头和车尾所在图像；以车头和车尾图像分别作为起始帧和结束帧，进而获取 车辆测量中的图像序列；步骤101-2)对图像帧遍历获得候选特征点，通过判断邻域灰度值 与候选特征点灰度值的差别进而得到特征点。
[0063] 上述步骤101-2)具体为：
[0064] 首先，将每一帧图像中的所有元素作为候选特征点;然后，根据候选特征点进一步 选择特征点，选择的具体原则为:设定第一阈值与第二阈值，当任意一个候选特征点P周围 邻域的一圈像素点的数量大于第一阈值且候选特征点P周围邻域的一圈像素点与候选特征 点P的灰度值的差别大于第二阈值时，则选取该候选特征点P作为特征点，用公式表示为：
[0065]
[0066] 其中，I (X)为候选特征点p的邻域圆周上任意一点的灰度，I (p)为候选节点p点的 灰度，￡d为设定的第二差阈值;如果N大于设定的第一阈值，则候选节点p点为一个特征点。 [0067] 上述步骤102)具体包含：
[0068] 步骤102-1)筛选特征点进行匹配，再对匹配结果进行如下判断：
[0069] 1)对成功匹配的特征点进行进一步判断，删除背景中错误匹配的特征点和与车辆 运动方向偏差大于设定的第三阈值的特征点；
[0070] 2)将相邻两帧图像中满足步骤1)的判断标准的特征点进行均值计算，获取亚像素 精度的匹配均值；
[0071] 步骤102-2)将步骤102-1)中得到的相邻两帧图像的匹配均值作为两帧图像的相 对拼接坐标；
[0072] 步骤102-3)将相对拼接坐标之和作为车辆的像素尺寸;根据像素尺寸和实际尺寸 的比例值，获得车辆的真实尺寸。
[0073] 上述步骤102-1)具体为：
[0074] 将找到的特征点采用筛选二进制特征描述算子进行匹配，且匹配的具体过程为：
[0075] 步骤102-1-1)，选用像素中心的一个二值特征描述算子作为比较对象，具体为：
[0076] 采用如下的二进制描述算子间的相关性系数计算公式得到相关性系数最低的随 机点对，将随机点对作为关键点：
[0077]
[0078] 其中，X，Y为测量相关性的两个向量，η为向量的维数，Xi为向量的元素；i为向量维 数的索引号；
[0079] 建立关键点的测试矩阵T，将测试矩阵T中的每个特征点与其邻域的像素组合方式 的数量为Μ:
[0080] M=((l-t+l)2)2
[0081] 其中，1为定义的关键点的邻域宽度，t为替代特征点和邻域像素点的邻域块的宽 度；
[0082] 步骤102-1-2)，对于测试集矩阵T的列向量计算均值，并重新排序，按照设定的第 四阈值选取若干个相关性系数最低的特征点；
[0083] 步骤102-1-3)，对两帧图像中的经过步骤101-1-2)筛选后的特征点进行匹配操 作，其中应当将筛选距离比例满足要求并且一一映射的特征点进行匹配。
[0084] 上述步骤102-1-1)进一步包含：
[0085] 首先，获取特征点p的主方向，具体为：
[0086] 通过矩计算得到特征点p主方向，表示如下：
[0087]
[0088] 其中，X轴的方向分量
y轴的方向分遷
屬〇为〇阶矩，]?()1，]\11()为1阶 矩，矩函数表示为：
[0089]
[0090] 其中，X和y为特征点p在图像上的像素坐标，k和1为矩的阶数；
[0091] 其次，提取二进制特征描述算子，具体为：
[0092] 采用优化的多尺度拓扑结构作为特征点p的二进制特征描述算子，所述的优化的 多尺度拓扑结构为:若干个面积不同且有重叠的圆，且距离中心的特征点P越近的采样点的 采样半径越小，反之距离特征点P越远的采样点采样半径越大；
[0093] 所述二进制特征描述子表示如下：
[0094]
[0095] 其中，pa为采样点和特征点p组成的点对，N表示期望的二进制编码长度；
[0096]
[0097] 其中，/(pf)为采样点对pa中前一个采样点的像素值，/(pf)为采样点对pa中后一 个采样点的像素值。
[0098] 此外，本发明还提供了一种基于图像动态特征跟踪的车辆外廓尺寸测量系统，所 述系统包含:采集模块，用于采集图像信息，获取车辆检测过程的图像;特征点提取模块，用 于基于车辆检测过程的图像获取相邻帧图像的特征点；处理模块，用于对特征点进行匹配， 针对匹配的图像进行拼接，获取