CN103136935B - 在有遮挡情况下跟踪车辆的方法 - Google Patents
在有遮挡情况下跟踪车辆的方法 Download PDFInfo
- Publication number
- CN103136935B CN103136935B CN201310010960.1A CN201310010960A CN103136935B CN 103136935 B CN103136935 B CN 103136935B CN 201310010960 A CN201310010960 A CN 201310010960A CN 103136935 B CN103136935 B CN 103136935B
- Authority
- CN
- China
- Prior art keywords
- block
- vehicle
- frame image
- previous frame
- certain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种在有遮挡情况下跟踪车辆的方法,它包括如下步骤:采集图像并设置检测线圈,通过判断检测线圈内块的运动矢量的大小来检测属于车辆的块;通过查找前一帧图像中每一个属于车辆的块在当前帧图像中的对应的块,来跟踪每一辆车;通过当前帧图像中属于某一辆车的块与其它车辆的掩码区域的重叠程度来检测发生遮挡的块,查找发生遮挡的块在前一帧图像中的对应块,通过该对应块与前一帧图像中车辆掩码区域的重叠程度来对发生遮挡的块进行归属判决,从而完成对车辆遮挡的处理。本发明在有遮挡情况下跟踪车辆的方法具有跟踪准确度高和稳定性强的优点。
Description
技术领域
本发明涉及一种在有遮挡情况下跟踪车辆的方法,属于图像处理领域、计算机视觉领域和智能交通领域。
背景技术
近年来,利用视频技术进行车辆检测与跟踪成为智能交通领域中的一个热点,它可模仿人的视觉功能进行车辆检测和跟踪,具备可检测多个车道、安装维修简单等优点。相对于跟踪普通的运动目标来说,跟踪交通监控录像中的车辆有一些特殊之处。一方面,交通流中的存在多种不同型号的车辆,难以提取相对稳定且对所有车辆都适用的特征,这给车辆检测带来一定挑战;另一方面,当视野中同时出现多辆车时,车辆之间容易发生遮挡,遮挡很容易导致车辆跟错或者跟丢。目前,利用视频技术进行运动目标检测的方法大致为背景差分法、帧间差分法、灰度特征法、光流法等方法,运动目标跟踪的方法主要有以下几种:基于特征点的跟踪方法、基于轮廓的跟踪方法、基于三维模型的跟踪方法、基于光流的跟踪方法等。以上这些方法在车辆跟踪中的应用效果仍有待提高,针对车辆跟踪的特殊性,尤其是遮挡引发的难题,还需要一种简单实用的处理方法,总的来说,遮挡导致的检测或跟踪准确度问题是视频车辆跟踪技术的面临的挑战。
发明内容
本发明针对现有的视频车辆跟踪技术所面对的车辆遮挡现象造成的车辆定位不准、车辆跟丢的问题,提出一种在有遮挡情况下跟踪车辆的方法。
为了实现上述目的,本发明可采用的技术方案是:
一种在有遮挡情况下跟踪车辆的方法,它包括以下步骤:
S1、采集图像并设置检测线圈;
S2、从第二帧图像开始,采用运动矢量法查找每帧图像中的新块;
S3、查找由所述新块组成的连通区域;
S4、判断该连通区域属于已检测到的现有车辆还是属于新车辆;
S5、将所有前一帧中已检测到的车辆跟踪到当前帧;
S6、对当前帧中所有的车辆做遮挡处理,如果当前帧图像中的属于某辆车的某块与另一辆车在当前帧图像中的掩码区域发生重叠的像素个数大于阈值,则将该块记为发生遮挡的块,并将所述某辆车记为该块的当前归属车辆,所述另一辆车记为该块的备选归属车辆;
对当前帧图像中的某一个发生遮挡的块进行归属判断:查找前一帧图像中是否存在与该块对应的块,若不存在,则将该块判决为不属于任何车辆的块;否则,分别计算该块在前一帧图像中对应的块与该块的当前归属车辆在前一帧图像中的掩码区域、该块的备选归属车辆在前一帧图像中的掩码区域发生重叠的像素个数,并将该块判决给重叠像素个数较多的车辆。
根据本发明所述的在有遮挡情况下跟踪车辆的方法,所述S6进一步包括:如果该块在前一帧图像中对应的块和该块的当前归属车辆在前一帧图像中的掩码区域发生重叠的像素个数与该块的备选归属车辆在前一帧图像中的掩码区域发生重叠的像素个数的差值小于临界值,则判断该块不属于任何车辆;否则,将该块判决给重叠像素个数较多的车辆。
根据本发明所述的在有遮挡情况下跟踪车辆的方法,所述检测线圈包括多个块,每个块为行像素和列像素相等的像素矩阵。
根据本发明所述的在有遮挡情况下跟踪车辆的方法,所述S2进一步为:从第二帧图像开始,对前一帧图像中检测线圈内的每个块而言:查找当前帧图像中是否存在与该块对应的块,若存在,则计算该块的运动矢量,如果该块的运动矢量超过设定值,则将该块标记为新块,所述块的运动矢量是指以该块的中心位置为起点,以下一帧图像中与该块对应的块的中心位置为终点的矢量,某帧图像中与某块对应的块是指所述某帧图像中与所述某块的匹配程度最大且大于设定值的块。
根据本发明所述的在有遮挡情况下跟踪车辆的方法,所述S4进一步为:对前一帧图像中的每一个由新块组成的连通区域而言:如果该连通区域与已检测到的某辆车在前一帧图像中的掩码区域有重叠,则将该连通区域中的每一个新块均记为属于该辆车的块;如果该连通区域与已检测到的所有车辆在前一帧图像中掩码区域均不重叠,且该连通区域中新块的个数超过预定值,则新增加一辆已检测到的车辆,并将该连通区域中的每一个新块均记为属于该新增加的车辆的块;某辆车在某帧图像中的掩码区域是指在该帧图像中由属于该辆车的所有块的所有像素所组成的区域。
根据本发明所述的在有遮挡情况下跟踪车辆的方法,所述S5进一步为:对前一帧图像中已记为属于某辆车的每一个块而言:查找当前帧图像中是否存在与该块对应的块,如果存在,则将当前帧图像中与该块对应的块记为属于该块所属于的车辆的块。
本发明具有跟踪准确度高的优点:由于前一帧中属于车辆的块在当前帧中的对应块构成了当前帧属于车辆的块,所以当前帧的车辆掩码区域会适应车辆整体大小和形状相对于前一帧的变化,准确地检测出当前帧中属于车辆的像素。
本发明进一步具有的优点是:能够在交通拥挤的情况下进行车辆跟踪。本发明通过查找发生遮挡的块在前一帧图像中的对应块,并根据该对应块与车辆掩码区域的重叠程度来对发生遮挡的块进行归属判决,避免了发生遮挡的车辆的块的相互混淆,从而提高了交通拥挤情况下车辆跟踪的稳定性。
应当认识到,本发明以上各方面中的特征可以在本发明的范围内自由组合,而并不受其顺序的限制——只要组合后的技术方案落在本发明的实质精神内。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明在有遮挡情况下跟踪车辆的方法的流程图;
图2是实施例中的检测线圈内的互不重叠的块及由新块组成的两个连通区域;
图3是实施例中属于已检测到的一辆车的所有块;
图4是实施例中车辆的掩码区域示意图,其中白色像素组成的区域表示图3中的车辆的掩码区域;
图5a至图5c是实施例中分别属于发生遮挡的两辆车的块,其中图5a是遮挡处理之前,所有属于这两辆车的块,图5b是属于这两辆车的发生遮挡的块,图5c是对发生遮挡的块进行归属判决后的所有属于这两辆车的块;
图6是实施例中对某一块进行归属判决的流程图。
具体实施方式
下面结合附图和具体实施方式,进一步阐明本发明,应理解这些实施方式仅用于说明本发明而不用于限制本发明的范围,在阅读本发明之后,本领域的技术人员对本发明的各种等价形式的修改均落于本申请的权利要求所限定的范围。
结合图1说明本发明的在有遮挡情况下跟踪车辆的方法的基本过程:采集视频,在图像上的视场区域设置检测线圈。标记前一帧图像中检测线圈内运动矢量较大的块为新块,找出前一帧图像中新块连通区域。判断新块连通区域与已检测车辆是否有重叠,如果有重叠则新块连通区域中所有块属于与其有重叠的车辆;如果没有重叠且新块连通区域中块的个数大于阈值,则新块连通区域中所有块为新车的块。将前一帧图像中的所有车辆跟踪到当前帧。对当前帧的每一辆车做遮挡处理。
结合图2至图6说明一个实际实施方案:
S1、用一个固定视场的摄像机对公路或隧道进行拍摄,每隔固定时间从摄像机采集一帧图像,在采集的图像上车辆进入视场的区域设置矩形检测线圈,令检测线圈的宽度为λ*k个像素、长度为μ*k个像素,其中μ、λ和k都是大于零的整数,采集的每一帧图像中行和列均为k个像素的像素矩阵称为块,用n表示已检测出来的车辆的总数、St表示在采集的第t帧图像中所检测出来的车辆的集合,将n初始化为0、S1初始化为空集;
S2、设当前帧图像为第t帧图像Pt,前一帧图像为第t-1帧图像Pt-1,对图像Pt-1的检测线圈内互不重叠的λ*μ个块中的每一个块进行如下处理:
设该块为b1t-1,查找在图像Pt中与块b1t-1最匹配的块b1t,如果块b1t与块b1t-1的匹配程度大于阈值T1,则将块b1t记为在图像Pt中与块b1t-1对应的块,若块b1t-1的运动矢量的大小超过阈值T2,则标记块b1t-1为新块,块b1t-1的运动矢量是指以块b1t-1的中心点位置为起点、以块b1t的中心点位置为终点的矢量;实施例中,采用公知的三步搜索算法查找某个块的匹配块,采用255减去两个块之间MAD值的差作为两个块之间的匹配程度,两个块之间MAD值是两个块之间对应像素灰度值的平均绝对误差,T1取值为240,T2取值为k的0.8倍。
S3、利用公知的区域生长法查找图像Pt-1中由新块组成的所有的连通区域;实施例中,λ为26、μ为3,检测线圈及由新块组成的连通区域见图2;
S4、对图像Pt-1中每一个由新块组成的连通区域进行如下处理:
如果该连通区域与车辆集合St-1中的所有车辆在图像Pt-1中的掩码区域都无重叠,且该新块连通区域中新块的个数超过阈值T3,实施例中,T3取值为5;则令已检测出来的车辆的总数n自增1,并在车辆集合St-1中增加一个编号为n的车辆Cn,令车辆Cn在图像Pt-1中的块集合Bt-1,n为该连通区域中所有新块,其中,车辆集合St-1表示在图像Pt-1中所检测出来的车辆的集合;车辆在图像中的掩码区域是指车辆在图像中的块集合中的所有像素所形成的区域;实施例中属于已检测到的一辆车的所有块见图3,图3中车辆的掩码区域见图4;如果该新块连通区域与车辆集合St-1中编号为i的车辆Ci在图像Pt-1中的掩码区域Mt-1,i有重叠,则将该新块连通区域中的所有新块加入到车辆Ci在图像Pt-1中的块集合Bt-1,i中;
S5、跟踪车辆:
令车辆集合St为空集,对车辆集合St-1中的每一辆车的进行如下处理:
S5.1、设该车为编号为i的车辆Ci,在车辆集合St中添加车辆Ci,令车辆Ci在图像Pt中的块集合Bt,i为空集;
S5.2、对车辆Ci在图像Pt-1中的块集合Bt-1,i中的每一个块进行如下处理:设该块为b2t-1,查找在图像Pt中是否存在与块b2t-1对应的块b2t,若存在,则将块b2t添加到块集合Bt,i中;
S5.3、如果块集合Bt,i为空集,则从车辆集合St中删除车辆Ci;
S6、遮挡处理:
S6.1、检测当前帧图像中的每个属于车辆的块是否发生遮挡:设车辆集合St中的车辆Ci的块集合Bt,i中的某块为b3t,如果块b3t与车辆Cj在图像Pt中的掩码区域Mt,j发生重叠的像素个数大于阈值T4,则将块b3t记为发生遮挡的块,并将车辆Ci记为块b3t的当前归属车辆,车辆Cj记为该块的备选归属车辆;其中,Cj表示车辆集合St中除了车辆Ci之外的任一辆车。实例中,将阈值T4取为k2的0.2倍,图5a显示了两辆发生遮挡的车,白色方框代表属于下方车辆的块,黑色方框代表属于上方车辆的块,这两辆车之间发生遮挡的块见图5b所示。
S6.2、对当前帧图像中的每一个发生遮挡的块进行归属判决:设当前帧图像中某个发生遮挡的块为b4t,块b4t的当前归属车辆为Ci,备选归属车辆为Cj,对块b4t进行归属判决的流程见图6;查找在图像Pt-1中是否存在与块b4t对应的块b4t-1,若不存在,则将块b4t判决为不属于任何车辆的块,并从块集合Bt,i中删除块b4t;否则将块b4t-1记为在图像Pt-1中与块b4t对应的块,计算图像Pt-1中块b4t-1与车辆Ci在图像Pt-1中的掩码区域Mt-1,i发生重叠的像素个数Oi,计算图像Pt-1中块b4t-1与车辆Cj在图像Pt-1中的掩码区域Mt-1,j发生重叠的像素个数Oj,如果表达式|Oi-Oj|/k2的值小于阈值T5,则将块b4t判决为不属于任何车辆的块,并从块集合Bt,i中删除块b4t;否则,如果Oi大于Oj,将块b4t判决为属于车辆Ci的块,如果Oi不大于Oj,将块b4t判决为属于车辆Cj的块,并从块集合Bt,i中删除块b4t,向块集合Bt,j中添加块b4t。实例中将T5取值为0.5,对图5a的车辆进行遮挡处理后的结果见图5c所示。
Claims (5)
1.一种处理遮挡的车辆跟踪方法,其特征是它包括以下步骤:
S1、采集图像并设置检测线圈;
S2、从第二帧图像开始,采用运动矢量法查找每帧图像中的新块;
S3、查找由所述新块组成的连通区域;
S4、判断该连通区域属于已检测到的现有车辆还是属于新车辆;
S5、将所有前一帧中已检测到的车辆跟踪到当前帧;
S6、对当前帧中所有的车辆做遮挡处理,如果当前帧图像中的属于某辆车的某块与另一辆车在当前帧图像中的掩码区域发生重叠的像素个数大于阈值,则将该块记为发生遮挡的块,并将所述某辆车记为该块的当前归属车辆,所述另一辆车记为该块的备选归属车辆;
对当前帧图像中的某一个发生遮挡的块进行归属判断:查找前一帧图像中是否存在与该块对应的块,若不存在,则将该块判决为不属于任何车辆的块;否则,分别计算该块在前一帧图像中对应的块与该块的当前归属车辆在前一帧图像中的掩码区域、该块的备选归属车辆在前一帧图像中的掩码区域发生重叠的像素个数,并将该块判决给重叠像素个数较多的车辆;
所述S2进一步为:
从第二帧图像开始,对前一帧图像中检测线圈内的每个块而言:查找当前帧图像中是否存在与该块对应的块,若存在,则计算该块的运动矢量,如果该块的运动矢量超过设定值,则将该块标记为新块,所述块的运动矢量是指以该块的中心位置为起点,以下一帧图像中与该块对应的块的中心位置为终点的矢量,某帧图像中与某块对应的块是指所述某帧图像中与所述某块的匹配程度最大且大于设定值的块。
2.根据权利要求1所述的处理遮挡的车辆跟踪方法,其特征在于,
所述S6进一步包括:如果该块在前一帧图像中对应的块和该块的当前归属车辆在前一帧图像中的掩码区域发生重叠的像素个数与该块的备选归属车辆在前一帧图像中的掩码区域发生重叠的像素个数的差值小于临界值,则判断该块不属于任何车辆;否则,将该块判决给重叠像素个数较多的车辆。
3.根据权利要求1或2所述的处理遮挡的车辆跟踪方法,其特征在于,
所述检测线圈包括多个块,每个块为行像素和列像素相等的像素矩阵。
4.根据权利要求1或2所述的处理遮挡的车辆跟踪方法,其特征在于,
所述S4进一步为:
对前一帧图像中的每一个由新块组成的连通区域而言:如果该连通区域与已检测到的某辆车在前一帧图像中的掩码区域有重叠,则将该连通区域中的每一个新块均记为属于该辆车的块;如果该连通区域与已检测到的所有车辆在前一帧图像中掩码区域均不重叠,且该连通区域中新块的个数超过预定值,则新增加一辆已检测到的车辆,并将该连通区域中的每一个新块均记为属于新增加的已检测到的车辆的块;某辆车在某帧图像中的掩码区域是指在该帧图像中由属于该辆车的所有块的所有像素所组成的区域。
5.根据权利要求1或2所述的处理遮挡的车辆跟踪方法,其特征在于,所述S5进一步为:对前一帧图像中已记为属于某辆车的每一个块而言:查找当前帧图像中是否存在与该块对应的块,如果存在,则将当前帧图像中与该块对应的块记为属于该块所属于的车辆的块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310010960.1A CN103136935B (zh) | 2013-01-11 | 2013-01-11 | 在有遮挡情况下跟踪车辆的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310010960.1A CN103136935B (zh) | 2013-01-11 | 2013-01-11 | 在有遮挡情况下跟踪车辆的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103136935A CN103136935A (zh) | 2013-06-05 |
CN103136935B true CN103136935B (zh) | 2015-04-15 |
Family
ID=48496711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310010960.1A Active CN103136935B (zh) | 2013-01-11 | 2013-01-11 | 在有遮挡情况下跟踪车辆的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103136935B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310465B (zh) * | 2013-06-27 | 2016-02-03 | 东南大学 | 一种基于马尔科夫随机场的车辆遮挡处理方法 |
CN112534473A (zh) * | 2018-08-22 | 2021-03-19 | 日立汽车系统株式会社 | 图像处理装置以及图像处理方法 |
CN111260929B (zh) * | 2018-11-30 | 2022-01-04 | 西安宇视信息科技有限公司 | 车辆跟踪异常检测方法及装置 |
CN113139504B (zh) * | 2021-05-11 | 2023-02-17 | 支付宝(杭州)信息技术有限公司 | 身份识别方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009038364A1 (de) * | 2009-08-23 | 2011-02-24 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Verfahren und System zur automatischen Objekterkennung und anschließenden Objektverfolgung nach Maßgabe der Objektform |
CN102289948A (zh) * | 2011-09-02 | 2011-12-21 | 浙江大学 | 高速公路场景下一种多特征融合的多车辆视频跟踪方法 |
CN202563526U (zh) * | 2012-03-22 | 2012-11-28 | 北京尚易德科技有限公司 | 一种基于视频的交通车辆检测识别系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102165493B (zh) * | 2008-09-25 | 2013-11-06 | 澳大利亚国家Ict有限公司 | 对图像中的车辆的检测 |
-
2013
- 2013-01-11 CN CN201310010960.1A patent/CN103136935B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009038364A1 (de) * | 2009-08-23 | 2011-02-24 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Verfahren und System zur automatischen Objekterkennung und anschließenden Objektverfolgung nach Maßgabe der Objektform |
CN102289948A (zh) * | 2011-09-02 | 2011-12-21 | 浙江大学 | 高速公路场景下一种多特征融合的多车辆视频跟踪方法 |
CN202563526U (zh) * | 2012-03-22 | 2012-11-28 | 北京尚易德科技有限公司 | 一种基于视频的交通车辆检测识别系统 |
Non-Patent Citations (1)
Title |
---|
基于运动矢量的车辆实时跟踪系统;朱周等;《交通运输工程与信息学报》;20071231;第5卷(第4期);110-115 * |
Also Published As
Publication number | Publication date |
---|---|
CN103136935A (zh) | 2013-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8447069B2 (en) | Apparatus and method for moving object detection | |
CN111724439B (zh) | 一种动态场景下的视觉定位方法及装置 | |
Poggenhans et al. | Precise localization in high-definition road maps for urban regions | |
CN103730015B (zh) | 交叉路口车流量检测方法及装置 | |
CN111210477B (zh) | 一种运动目标的定位方法及系统 | |
EP3576008A1 (en) | Image based lane marking classification | |
Styles et al. | Forecasting pedestrian trajectory with machine-annotated training data | |
CN111399492A (zh) | 一种机器人及其障碍物感知方法和装置 | |
CN103136935B (zh) | 在有遮挡情况下跟踪车辆的方法 | |
US20100322475A1 (en) | Object area detecting device, object area detecting system, object area detecting method and program | |
CN106408938B (zh) | 夜间城市交通监控中各类车辆轨迹的完整提取 | |
CN103077539A (zh) | 一种复杂背景及遮挡条件下的运动目标跟踪方法 | |
CN103716687A (zh) | 使用指纹以在视频中追踪移动对象的系统和方法 | |
CN101251927A (zh) | 基于视频技术的车辆检测与跟踪方法 | |
CN103226712B (zh) | 一种基于有限状态机的遗留物检测方法 | |
CN105809149A (zh) | 基于最大长度直线的车道线检测方法 | |
CN105513349A (zh) | 基于双视角学习的山区高速公路车辆事件检测方法 | |
CN102306284B (zh) | 基于监控录像的交通事故现场数字化重构方法 | |
CN104331901A (zh) | 一种基于tld的多视角目标跟踪装置及方法 | |
Sakurada et al. | Dense optical flow based change detection network robust to difference of camera viewpoints | |
CN104658249A (zh) | 基于帧差和光流实现车辆快速检测的方法 | |
CN103839276A (zh) | 一种基于预测的运动跟踪方法 | |
CN114757977A (zh) | 融合改进光流和目标检测网络的移动物体轨迹提取方法 | |
US10796172B2 (en) | Image processing device and image processing method | |
JP2010271969A (ja) | 車線検出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |