CN105913000A - 一种基于视频分析的车辆跟踪方法 - Google Patents

Abstract

一种基于视频分析的车辆跟踪方法，属于智能交通管理技术领域。该方法利用车牌作为特征，在一个以车牌为基础计算出的跟踪框中对车辆进行跟踪，能有效排除路口复杂背景的干扰，利用车牌特征来高效和精确地跟踪车辆，具有速度快，跟踪准确率高等优点，适于推广应用。

Description

一种基于视频分析的车辆跟踪方法

技术领域

本发明属于智能交通管理技术领域，具体涉及一种基于视频分析的车辆跟踪方法。

背景技术

随着我国交通事业的迅速发展，城市的汽车数量逐年增加，城市道路拥堵，交通事故频发，车辆违章行为屡禁不止等问题显得越来越突出。现代化交通控制系统的建设，可以大幅度的提高现有道路的利用率，同时减小交通部门的劳作强度，而可靠的车辆跟踪方法是智能交通应用的保障。

车辆跟踪是判别违章的一个关键环节。目前常用的车辆跟踪方法是以SIFT、颜色等做为特征，通过MeanShift，KalmanFilter等方法进行跟踪,其中与本发明最接近的技术方案包括：公开号为CN104268889A的中国专利申请公开了一种基于特征值自校正的车辆跟踪方法，该车辆跟踪方法以车辆的颜色，形状，和位置作为特征，对每一个特征利用权值自动校正算法来计算特征匹配度从而完成车辆的跟踪，该方法在车辆视频光照变化大的情况下，其颜色特征变化较大，造成干扰；公开号为CN 104658006A的中国专利申请公开了给予变光分流实现车辆跟踪的方法，该车辆跟踪方法提取目标跟踪区域中的特征点，利用变光分流方程计算各特征点的运动矢量，再跟据各个特征点的运动矢量确定车辆的位移，该方法在视频码率较低的情况下能够快速准确地进行车辆跟踪，但是在视频码率较高的情况下，由于变光分流方程的计算量巨大，较难做到实时跟踪。

与传统车辆跟踪方法不同，本文提出的方法利用车牌作为特征，在一个以车牌为基础计算出的跟踪框中进行跟踪。该方法具有速度快，跟踪准确率高等优点。

发明内容

为克服现有技术的不足，本发明提供一种速度快、跟踪准确率高的基于视频分析的车辆跟踪方法。

本发明包括如下步骤：

步骤1：设视频图像的高度为height，宽度为width，单位为像素，初始化车辆检测矩形区域D，该区域的高度为α*height，宽度为width，其中α为检测区域占实际场景的高度比；建立集合S＝{(C_i,l_i)|i＝1,2,...,n}，其中C_i表示第i辆被跟踪车辆的车牌矩形区域，该区域的起始坐标为(x_i,y_i)，宽度为w_i，高度为h_i，l_i表示第i辆被跟踪车辆未定位出车牌的次数，n表示被跟踪车辆的数量；初始时集合S为空；

步骤2：找到新进入场景的车辆：从道路监控视频中取出一帧图像I，在图像I的检测矩形区域D范围内采用多信息融合的快速车牌定位算法找出所有车牌矩形区域，构成集合H＝{Q_i|i＝1,2,...,m}，其中Q_i表示找到的第i个车牌矩形区域，m表示找到的车牌矩形区域数量；

步骤3：遍历步骤2的集合H，如果任一车牌矩形区域Q_i与步骤1)的集合S中的任一车牌矩形区域C_i有重叠，则从集合H中删除该车牌矩形区域；遍历之后，将集合H中的剩余车牌矩形区域并入集合S中，同时将这些车牌矩形区域对应的l_i置0；

步骤4：遍历集合S中的C_i，建立对应的检测矩形区域A_i,其起始坐标为(x_i-w_i,y_i-h_i*3)，宽度为3*w_i，高度为5*h_i；

步骤5：采用多信息融合的快速车牌定位算法在步骤4的检测矩形区域A_i中寻找车牌矩形区域，若找到，则将C_i更新为找到的车牌矩形区域；反之，则将l_i的值加1；

步骤6：过滤丢失车辆的元素：遍历集合S中的C_i，若对应的l_i≥θ，则认为该车已跟踪丢失，从集合S中删除对应于C_i的元素，其中θ为车辆跟踪丢失次数的阈值；

步骤7：过滤离开场景的车辆：遍历集合S中的C_i，如果y_i<β*height，则认为车辆已离开场景，从集合S中删除对应于C_i的元素，其中β表示跟踪停止线的系数；

步骤8：若视频还有下一帧，则回到步骤2；反之，则跟踪结束。

所述的一种基于视频分析的车辆跟踪方法，其特征在于步骤1中初始时集合S为空。

本发明的优点是：本发明能有效排除路口复杂背景的干扰，利用车牌特征来高效和精确地跟踪车辆。

附图说明

图1为本发明的经过步骤1中的道路原图像；

图2为本发明的建立了检测矩形区域D的道路图像；

图3为本发明的经过步骤2处理的道路图像；

图4为本发明的经过步骤4处理的道路图像。

图中：1-第一白色矩形框，2-第二白色矩形框，3-第三白色矩形框。

具体实施方式

下面结合实施例来详细阐述本发明的通过车辆的车牌特征来跟踪车辆的具体实施方式。

如图1-4所示，本发明的基于视频分析的车辆跟踪方法，具体包括如下步骤：

步骤1：设视频图像的高度为height，宽度为width，单位为像素，初始化车辆检测矩形区域D，该区域的高度为α*height，宽度为width，其中α为检测区域占实际场景的高度比；建立集合S＝{(C_i,l_i)|i＝1,2,...,n}，其中C_i表示第i辆被跟踪车辆的车牌矩形区域，其起始坐标为(x_i,y_i)，宽度为w_i，高度为h_i；l_i表示第i辆被跟踪车辆未定位出车牌的次数，n表示被跟踪车辆的数量；初始时集合S为空；在本实施例中，α＝0.3，原图像I如图1所示，检测矩形区域D如图2～图4中第一白色矩形框1所示；

步骤2：找到新进入场景的车辆：从道路监控视频中取出一帧图像I，在原图I的检测矩形区域D范围内采用多信息融合的快速车牌定位算法找出所有的车牌矩形区域，构成集合H＝{Q_i|i＝1,2,...,m}，其中Q_i表示找到的第i个车牌矩形区域，m表示找到的车牌矩形区域数量；在本实施例中，找到的车牌矩形区域如图3～图4中第二白色矩形框2所示；

步骤3：遍历步骤2的集合H，如果任一车牌矩形区域Q_i与步骤1的集合S中的任一车牌矩形区域C_i有重叠，则从集合H中删除该车牌矩形区域；遍历之后，将集合H中的剩余车牌矩形区域并入集合S中，同时将这些车牌矩形区域对应的l_i置0；

步骤4：遍历集合S中的C_i，建立对应的检测矩形区域A_i,其起始坐标为(x_i-w_i,y_i-h_i*3)，宽度为3*w_i，高度为5*h_i；在本实施例中，检测矩形区域如图4所示的第三白色矩形框3；

步骤5：采用多信息融合的快速车牌定位算法在区域A_i中寻找车牌矩形区域，若找到，则将C_i更新为该矩形区域；反之，则将l_i的值加1；

步骤6：过滤丢失车辆的元素：遍历集合S中的C_i，若对应的l_i≥θ，则认为该车已丢失，从集合S中删除对应于C_i的元素，其中θ为车辆丢失帧数的阈值；在本实施例中，θ＝10；

步骤7：过滤离开场景的车辆：遍历集合S中的C_i，如果y_i<β*height，则认为车辆已离开场景，从集合S中删除对应于C_i的元素，其中β表示跟踪停止线的系数；在本实施例中，β＝0.25；

步骤8：若视频还有下一帧，则回到步骤2；反之，则跟踪结束。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (2)

1.一种基于视频分析的车辆跟踪方法，其特征在于包括如下步骤：

步骤1：设视频图像的高度为height，宽度为width，单位为像素，初始化车辆检测矩形区域D，该区域的高度为α*height，宽度为width，其中α为检测区域占实际场景的高度比；

建立集合S＝{(C_i,l_i)|i＝1,2,...,n}，其中C_i表示第i辆被跟踪车辆的车牌矩形区域，该区域的起始坐标为(x_i,y_i)，宽度为w_i，高度为h_i，l_i表示第i辆被跟踪车辆未定位出车牌的次数，n表示被跟踪车辆的数量；

步骤2：找到新进入场景的车辆：从道路监控视频中取出一帧图像I，在图像I的检测矩形区域D范围内采用多信息融合的快速车牌定位算法找出所有车牌矩形区域，构成集合H＝{Q_i|i＝1,2,...,m}，其中Q_i表示找到的第i个车牌矩形区域，m表示找到的车牌矩形区域数量；

步骤3：遍历步骤2的集合H，如果任一车牌矩形区域Q_i与步骤1)的集合S中的任一车牌矩形区域C_i有重叠，则从集合H中删除该重叠的车牌矩形区域；遍历之后，将集合H中的剩余车牌矩形区域并入集合S中，同时将这些车牌矩形区域对应的l_i置0；

步骤4：遍历集合S中的C_i，建立对应的检测矩形区域A_i,其起始坐标为(x_i-w_i,y_i-h_i*3)，宽度为3*w_i，高度为5*h_i；

步骤5：采用多信息融合的快速车牌定位算法在步骤4的检测矩形区域A_i中寻找车牌矩形区域，若找到，则将C_i更新为找到的车牌矩形区域；反之，则将l_i的值加1；

步骤6：过滤丢失车辆的元素：遍历集合S中的C_i，若对应的l_i≥θ，则认为该车已跟踪丢失，从集合S中删除对应于C_i的元素，其中θ为车辆跟踪丢失次数的阈值；

步骤7：过滤离开场景的车辆：遍历集合S中的C_i，如果y_i<β*height，则认为车辆已离开场景，从集合S中删除对应于C_i的元素，其中β表示跟踪停止线的系数；

步骤8：若视频还有下一帧，则回到步骤2；反之，则跟踪结束。

2.根据权利要求1所述的一种基于视频分析的车辆跟踪方法，其特征在于步骤1中初始时集合S为空。