CN103985252A - 一种基于跟踪目标时域信息的多车辆投影定位方法 - Google Patents

Abstract

一种基于跟踪目标时域信息的多车辆投影定位方法，步骤为：（1）确定分割窗口，定义目标框宽和高的变化率；（2）以对应目标预测的形心位置为中心，根据其预测的高和宽乘以相应的变化率，获得高和宽的增益；再将增益值与其预测值分别相加来获得分割窗口的长和宽；然后在该分割窗口内利用投影法分割目标；（3）定义投影直方图的左均值和右均值；（4）为了确定目标分割是否合理，定义评判函数V(i,j)，如果该函数小于某一阈值，则认为分割正确；如果大于某一阈值，同时该外接矩形接近监控区域的边界，则认为该目标出了监控区域，将其删除；如果未接近监控区域的边界则认为分割失败，利用kalman的预测值作为分割结果。本发明的有益效果是：（1）能有效地消除运动阴影；（2）解决存在大量遮挡的多车辆跟踪问题,且对目标车辆的运动没有限制；（3）实用性较强。

Description

一种基于跟踪目标时域信息的多车辆投影定位方法

技术领域

本发明涉及智能交通领域，特别涉及一种基于跟踪目标时域信息的多车辆投影定位方法。

背景技术

城市道路交通流的基本参数检测是智能交通系统(ITS)领域里的一个热门研究方向，多车辆检测跟踪系统可以自动检测交通流的流量、速度、密度等参数，为城市道路建模分析提供数据来源。目前,多车辆检测与跟踪的效果主要受到两个因素的制约，一是场景中存在的运动阴影会导致多目标粘连，二是车辆间的相互遮挡造成跟踪上的困难。因此，构建鲁棒的多车辆检测跟踪系统需要进行运动阴影检测,并解决存在遮挡的多目标跟踪问题。

  阴影检测算法主要有基于模型的方法和基于阴影特性的方法两类。前者利用场景几何特征和前景物体的先验知识来构造模型，常被用作特殊环境中的导航监控等。后者利用阴影的几何、亮度以及色彩等信息来标定阴影区域，可用于不同的环境。salvdaor利用阴影暗化物体表面的特性检测阴影，并通过色彩和几何特性来验证，但无法解决车辆颜色与阴影相近的情况。cucchiara的方法假设阴影减少了背景表面的亮度和饱和度,同时保留原来的色彩信息，分别在Hsv和Yuv色彩空间中进行了阴影检测，缺点是误检测率较高。Angie和wong利用阴影区域缺乏边缘信息的特性，通过对整个前景区域提取边缘特征，从中检测出阴影边界并滤除阴影,检测效果较好但算法耗时。

目标跟踪方面的许多研究都着眼于多目标跟踪中的遮挡问题。Dockstader等人利用多摄像机数据融合来解决遮挡问题,受视角影响大且成本较高。Yang提出一个实时的目标跟踪方法，对目标遮挡和分离的情况做了判定分析,但没有对遮挡目标分别进行跟踪。Tao的动态背景分层模型，对每个前景物体构造一个背景层，该方法只能解决简单的遮挡问题。Rand和lam利用几何的方法判断和分割遮挡目标，对前景提取的效果依赖大，较难应用。Kamijo借助马尔可夫随机场模型，利用概率分割来解决遮挡问题，该方法对车辆的运动方向、速度有限制，鲁棒性不够。

发明内容

为了准确分割粘连的车辆，本发明提出了一种基于跟踪目标时域信息的多车辆投影定位方法。

  本发明的技术方案如下：

一种基于跟踪目标时域信息的多车辆投影定位方法，其特征在于：

（1）为了确定运动车辆的边界，确定分割窗口，定义目标框宽和高的变化率；

（2）以对应目标预测的形心位置为中心，根据其预测的高和宽乘以相应的变化率，获得高和宽的增益；再将增益值与其预测值分别相加来获得分割窗口的长和宽；然后在该分割窗口内利用投影法分割目标；

（3）定义投影直方图的左均值和右均值；

（4）为了确定目标分割是否合理，定义评判函数V(i,j)，如果该函数小于某一阈值，则认为分割正确；如果大于某一阈值，同时该外接矩形接近监控区域的边界，则认为该目标出了监控区域，将其删除；如果未接近监控区域的边界则认为分割失败，利用kalman的预测值作为分割结果。

 与现有技术相比，本发明的有益效果是：

（1）能有效地消除运动阴影；

（2）解决存在大量遮挡的多车辆跟踪问题,且对目标车辆的运动没有限制；

（3）实用性较强。

附图说明

图1为本发明的基于跟踪目标时域信息的多车辆投影定位方法的流程图；

图2为本发明的基于跟踪目标时域信息的多车辆投影定位方法的效果图。       

具体实施方式

 如图1所示，本发明的基于跟踪目标时域信息的多车辆投影定位方法的步骤包括：（1）为了确定运动车辆的边界，需要首先确定分割窗口，定义目标框宽和高的变化率分别为

                                                 

其中：W(t)和L(t)分别表示目标在t（秒）时刻的最小外接矩形的宽和长；和分别表示该目标在t时刻最小外接矩形的宽和长的变化率。

（2）以对应目标预测的形心位置为中心，根据其预测的高和宽乘以相应的变化率，获得高和宽的增益；再将增益值与其预测值分别相加来获得分割窗口的长和宽；然后在该分割窗口内利用投影法分割目标,设图像的大小为M×N ，垂直投影函数为

 

式中，为当前时刻的二值掩模图像。

（3）定义投影直方图的左均值和右均值分别为

 

左边界的确定方法为：从投影直方图的左边开始扫描，如果，则左边

界取为i,右边界的确定方法为：从投影直方图的右边开始扫描，如果，则右边界取为j。同理，可以在分割框中进行水平投影，以确定目标的上下边界．确定了目标的外接矩形之后，将该目标在二值掩模图像中的标记消除。

（4）为了确定目标分割是否合理，定义评判函数V(i,j)：如果该函数小于某一阈值，则认为分割正确；如果大于某一阈值，同时该外接矩形接近监控区域的边界，则认为该目标出了监控区域，将其删除，如果未接近监控区域的边界则认为分割失败，利用kalman的预测值作为分割结果，将粘连的车辆依次分割开来，其中

  

式中：分别表示图像序列t时刻第i个运动目标的外接矩形的宽和高，目标形心的横纵坐标；α和β为比例系数，满足条件；n为车辆数。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解，依然可对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换而不脱离本发明技术方案的精神，其均应当涵盖本发明请求保护的技术方案范围当中。

Claims (1)

1.一种基于跟踪目标时域信息的多车辆投影定位方法，包括：

（1）为了确定运动车辆的边界，首先确定分割窗口，定义目标框宽和高的变化率分别为

                                                  

其中：W(t)和L(t)分别表示目标在t（秒）时刻的最小外接矩形的宽和长；和分别表示该目标在t时刻最小外接矩形的宽和长的变化率；

（2）以对应目标预测的形心位置为中心，根据其预测的高和宽乘以相应的变化率，获得高和宽的增益；再将增益值与其预测值分别相加来获得分割窗口的长和宽；然后在该分割窗口内利用投影法分割目标，设图像的大小为M×N ，垂直投影函数为

  

 

式中，为当前时刻的二值掩模图像；

（3）定义投影直方图的左均值和右均值分别为

 

左边界的确定方法为：从投影直方图的左边开始扫描，如果，则左边界取为i,右边界的确定方法为：从投影直方图的右边开始扫描，如果   ，则右边界取为j；同理，在分割框中进行水平投影，以确定目标的上下边界，确定了目标的外接矩形之后，将该目标在二值掩模图像中的标记消除；

（4）为了确定目标分割是否合理，定义评判函数V(i,j)：如果该函数小于某一阈值，则认为分割正确；如果大于某一阈值，同时该外接矩形接近监控区域的边界，则认为该目标出了监控区域，将其删除，如果未接近监控区域的边界则认为分割失败，利用kalman的预测值作为分割结果，将粘连的车辆依次分割开来，其中：

 

式中：分别表示图像序列t时刻第i个运动目标的外接矩形的宽和高，目标形心的横纵坐标；α和β为比例系数，满足条件；n为车辆数。