一種基于視頻分析的車輛跟蹤方法
【專利摘要】一種基于視頻分析的車輛跟蹤方法，屬于智能交通管理技術(shù)領(lǐng)域。該方法利用車牌作為特征，在一個(gè)以車牌為基礎(chǔ)計(jì)算出的跟蹤框中對(duì)車輛進(jìn)行跟蹤，能有效排除路口復(fù)雜背景的干擾，利用車牌特征來(lái)高效和精確地跟蹤車輛，具有速度快，跟蹤準(zhǔn)確率高等優(yōu)點(diǎn)，適于推廣應(yīng)用。
【專利說明】
一種基于視頻分析的車輛跟蹤方法
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于智能交通管理技術(shù)領(lǐng)域，具體涉及一種基于視頻分析的車輛跟蹤方法。
【背景技術(shù)】
[0002]隨著我國(guó)交通事業(yè)的迅速發(fā)展，城市的汽車數(shù)量逐年增加，城市道路擁堵，交通事故頻發(fā)，車輛違章行為屢禁不止等問題顯得越來(lái)越突出?，F(xiàn)代化交通控制系統(tǒng)的建設(shè)，可以大幅度的提高現(xiàn)有道路的利用率，同時(shí)減小交通部門的勞作強(qiáng)度，而可靠的車輛跟蹤方法是智能交通應(yīng)用的保障。
[0003]車輛跟蹤是判別違章的一個(gè)關(guān)鍵環(huán)節(jié)。目前常用的車輛跟蹤方法是以SIFT、顏色等做為特征，通過MeanShift ,KalmanFilter等方法進(jìn)行跟蹤，其中與本發(fā)明最接近的技術(shù)方案包括:公開號(hào)為CN 104268889A的中國(guó)專利申請(qǐng)公開了一種基于特征值自校正的車輛跟蹤方法，該車輛跟蹤方法以車輛的顏色，形狀，和位置作為特征，對(duì)每一個(gè)特征利用權(quán)值自動(dòng)校正算法來(lái)計(jì)算特征匹配度從而完成車輛的跟蹤，該方法在車輛視頻光照變化大的情況下，其顏色特征變化較大，造成干擾;公開號(hào)為CN 104658006A的中國(guó)專利申請(qǐng)公開了給予變光分流實(shí)現(xiàn)車輛跟蹤的方法，該車輛跟蹤方法提取目標(biāo)跟蹤區(qū)域中的特征點(diǎn)，利用變光分流方程計(jì)算各特征點(diǎn)的運(yùn)動(dòng)矢量，再跟據(jù)各個(gè)特征點(diǎn)的運(yùn)動(dòng)矢量確定車輛的位移，該方法在視頻碼率較低的情況下能夠快速準(zhǔn)確地進(jìn)行車輛跟蹤，但是在視頻碼率較高的情況下，由于變光分流方程的計(jì)算量巨大，較難做到實(shí)時(shí)跟蹤。
[0004]與傳統(tǒng)車輛跟蹤方法不同，本文提出的方法利用車牌作為特征，在一個(gè)以車牌為基礎(chǔ)計(jì)算出的跟蹤框中進(jìn)行跟蹤。該方法具有速度快，跟蹤準(zhǔn)確率高等優(yōu)點(diǎn)。

【發(fā)明內(nèi)容】

[0005]為克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種速度快、跟蹤準(zhǔn)確率高的基于視頻分析的車輛跟蹤方法。
[0006]本發(fā)明包括如下步驟:
[0007]步驟1:設(shè)視頻圖像的高度為height，寬度為width，單位為像素，初始化車輛檢測(cè)矩形區(qū)域D，該區(qū)域的高度為a*he i ght，寬度為wi dth，其中α為檢測(cè)區(qū)域占實(shí)際場(chǎng)景的高度比；建立集合S= KC1,11) |i = l，2，...，η}，其中C1表示第i輛被跟蹤車輛的車牌矩形區(qū)域，該區(qū)域的起始坐標(biāo)為(Xl，yi)，寬度為W1，高度為lu，I1表示第i輛被跟蹤車輛未定位出車牌的次數(shù)，η表示被跟蹤車輛的數(shù)量;初始時(shí)集合S為空；
[0008]步驟2:找到新進(jìn)入場(chǎng)景的車輛:從道路監(jiān)控視頻中取出一幀圖像I，在圖像I的檢測(cè)矩形區(qū)域D范圍內(nèi)采用多信息融合的快速車牌定位算法找出所有車牌矩形區(qū)域，構(gòu)成集合H=IQ1 |i = l，2，...，m}，其中Q1表示找到的第i個(gè)車牌矩形區(qū)域，m表示找到的車牌矩形區(qū)域數(shù)量；
[0009]步驟3:遍歷步驟2的集合H，如果任一車牌矩形區(qū)域Qi與步驟I)的集合S中的任一車牌矩形區(qū)域C1有重疊，則從集合H中刪除該車牌矩形區(qū)域;遍歷之后，將集合H中的剩余車牌矩形區(qū)域并入集合S中，同時(shí)將這些車牌矩形區(qū)域?qū)?yīng)的^置⑴
[0010]步驟4:遍歷集合S中的Ci，建立對(duì)應(yīng)的檢測(cè)矩形區(qū)域Ai，其起始坐標(biāo)為(X1-Wi，y1-hi*3)，寬度為3*Wi，尚度為5*hi ；
[0011]步驟5:采用多信息融合的快速車牌定位算法在步驟4的檢測(cè)矩形區(qū)域仏中尋找車牌矩形區(qū)域，若找到，則將(^更新為找到的車牌矩形區(qū)域;反之，則將I1的值加I;
[0012]步驟6:過濾丟失車輛的元素:遍歷集合S中的Ci，若對(duì)應(yīng)的Ii彡Θ，則認(rèn)為該車已跟蹤丟失，從集合S中刪除對(duì)應(yīng)于C1的元素，其中Θ為車輛跟蹤丟失次數(shù)的閾值；
[0013]步驟7:過濾離開場(chǎng)景的車輛:遍歷集合S中的Ci，如果yi〈0*height，則認(rèn)為車輛已離開場(chǎng)景，從集合S中刪除對(duì)應(yīng)于C1的元素，其中β表示跟蹤停止線的系數(shù)；
[0014]步驟8:若視頻還有下一幀，則回到步驟2;反之，則跟蹤結(jié)束。
[0015]所述的一種基于視頻分析的車輛跟蹤方法，其特征在于步驟I中初始時(shí)集合S為空。
[0016]本發(fā)明的優(yōu)點(diǎn)是:本發(fā)明能有效排除路口復(fù)雜背景的干擾，利用車牌特征來(lái)高效和精確地跟蹤車輛。
【附圖說明】
[0017]圖1為本發(fā)明的經(jīng)過步驟I中的道路原圖像；
[0018]圖2為本發(fā)明的建立了檢測(cè)矩形區(qū)域D的道路圖像；
[0019]圖3為本發(fā)明的經(jīng)過步驟2處理的道路圖像；
[0020]圖4為本發(fā)明的經(jīng)過步驟4處理的道路圖像。
[0021 ]圖中:1-第一白色矩形框，2-第二白色矩形框，3-第三白色矩形框。
【具體實(shí)施方式】
[0022]下面結(jié)合實(shí)施例來(lái)詳細(xì)闡述本發(fā)明的通過車輛的車牌特征來(lái)跟蹤車輛的【具體實(shí)施方式】。
[0023]如圖1-4所示，本發(fā)明的基于視頻分析的車輛跟蹤方法，具體包括如下步驟:
[0024]步驟1:設(shè)視頻圖像的高度為height，寬度為width，單位為像素，初始化車輛檢測(cè)矩形區(qū)域D，該區(qū)域的高度為a*he i ght，寬度為wi dth，其中α為檢測(cè)區(qū)域占實(shí)際場(chǎng)景的高度比；建立集合S= KC1, h) |i = l，2，...，η}，其中C1表示第i輛被跟蹤車輛的車牌矩形區(qū)域，其起始坐標(biāo)為(Xl，yi)，寬度為W1，高度為huh表示第i輛被跟蹤車輛未定位出車牌的次數(shù)，η表示被跟蹤車輛的數(shù)量;初始時(shí)集合S為空;在本實(shí)施例中，α = 0.3，原圖像I如圖1所示，檢測(cè)矩形區(qū)域D如圖2?圖4中第一白色矩形框I所示；
[0025]步驟2:找到新進(jìn)入場(chǎng)景的車輛:從道路監(jiān)控視頻中取出一幀圖像I，在原圖1的檢測(cè)矩形區(qū)域D范圍內(nèi)采用多信息融合的快速車牌定位算法找出所有的車牌矩形區(qū)域，構(gòu)成集合!!=^“ = ^，...，m}，其中Q1表示找到的第i個(gè)車牌矩形區(qū)域，m表示找到的車牌矩形區(qū)域數(shù)量;在本實(shí)施例中，找到的車牌矩形區(qū)域如圖3?圖4中第二白色矩形框2所示；
[0026]步驟3:遍歷步驟2的集合H，如果任一車牌矩形區(qū)域Qi與步驟I的集合S中的任一車牌矩形區(qū)域C1有重疊，則從集合H中刪除該車牌矩形區(qū)域;遍歷之后，將集合H中的剩余車牌矩形區(qū)域并入集合S中，同時(shí)將這些車牌矩形區(qū)域?qū)?yīng)的^置⑴
[0027]步驟4:遍歷集合S中的Ci，建立對(duì)應(yīng)的檢測(cè)矩形區(qū)域Ai，其起始坐標(biāo)為(X1-wi，y1-hi*3)，寬度為3*wi，高度為5*hi ；在本實(shí)施例中，檢測(cè)矩形區(qū)域如圖4所示的第三白色矩形框3；
[0028]步驟5:采用多信息融合的快速車牌定位算法在區(qū)域仏中尋找車牌矩形區(qū)域，若找到，則將C1更新為該矩形區(qū)域;反之，則將h的值加I;
[0029]步驟6:過濾丟失車輛的元素:遍歷集合S中的C1，若對(duì)應(yīng)的1,30，則認(rèn)為該車已丟失，從集合S中刪除對(duì)應(yīng)于C1的元素，其中θ為車輛丟失幀數(shù)的閾值;在本實(shí)施例中，θ=ιο;[°03°] 步驟7:過濾離開場(chǎng)景的車輛:遍歷集合S中的Ci，如果yi〈0*height，則認(rèn)為車輛已離開場(chǎng)景，從集合S中刪除對(duì)應(yīng)于C1的元素，其中β表示跟蹤停止線的系數(shù);在本實(shí)施例中，β= 0.25；
[0031 ] 步驟8:若視頻還有下一幀，則回到步驟2;反之，則跟蹤結(jié)束。
[0032]本說明書實(shí)施例所述的內(nèi)容僅僅是對(duì)發(fā)明構(gòu)思的實(shí)現(xiàn)形式的列舉，本發(fā)明的保護(hù)范圍的不應(yīng)當(dāng)被視為僅限于實(shí)施例所陳述的具體形式，本發(fā)明的保護(hù)范圍也及于本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明構(gòu)思所能夠想到的等同技術(shù)手段。
【主權(quán)項(xiàng)】
1.一種基于視頻分析的車輛跟蹤方法，其特征在于包括如下步驟: 步驟1:設(shè)視頻圖像的高度為height，寬度為width，單位為像素，初始化車輛檢測(cè)矩形區(qū)域D，該區(qū)域的高度為a*height，寬度為width，其中α為檢測(cè)區(qū)域占實(shí)際場(chǎng)景的高度比； 建立集合S= KC1,11) |i = l，2，...，η}，其中C1表示第i輛被跟蹤車輛的車牌矩形區(qū)域，該區(qū)域的起始坐標(biāo)為(Xl，yi)，寬度為W1，高度為In，I1表示第i輛被跟蹤車輛未定位出車牌的次數(shù)，η表示被跟蹤車輛的數(shù)量； 步驟2:找到新進(jìn)入場(chǎng)景的車輛:從道路監(jiān)控視頻中取出一幀圖像I，在圖像I的檢測(cè)矩形區(qū)域D范圍內(nèi)采用多信息融合的快速車牌定位算法找出所有車牌矩形區(qū)域，構(gòu)成集合H =IQ1Ii = I^,...，m}，其中Q1表示找到的第i個(gè)車牌矩形區(qū)域，m表示找到的車牌矩形區(qū)域數(shù)量； 步驟3:遍歷步驟2的集合H，如果任一車牌矩形區(qū)域Qi與步驟I)的集合S中的任一車牌矩形區(qū)域C1有重疊，則從集合H中刪除該重疊的車牌矩形區(qū)域;遍歷之后，將集合H中的剩余車牌矩形區(qū)域并入集合S中，同時(shí)將這些車牌矩形區(qū)域?qū)?yīng)的^置⑴ 步驟4:遍歷集合S中的Ci，建立對(duì)應(yīng)的檢測(cè)矩形區(qū)域Ai，其起始坐標(biāo)為(x1-wi，yi_hi*3)，寬度為3*Wi，高度為5*hi; 步驟5:采用多信息融合的快速車牌定位算法在步驟4的檢測(cè)矩形區(qū)域六,中尋找車牌矩形區(qū)域，若找到，則將匕更新為找到的車牌矩形區(qū)域;反之，則將I1的值加I; 步驟6:過濾丟失車輛的元素:遍歷集合S中的C1，若對(duì)應(yīng)的1,30，則認(rèn)為該車已跟蹤丟失，從集合S中刪除對(duì)應(yīng)于C1的元素，其中Θ為車輛跟蹤丟失次數(shù)的閾值； 步驟7:過濾離開場(chǎng)景的車輛:遍歷集合S中的Ci，如果yi〈P*height，則認(rèn)為車輛已離開場(chǎng)景，從集合S中刪除對(duì)應(yīng)于C1的元素，其中β表示跟蹤停止線的系數(shù)； 步驟8:若視頻還有下一幀，則回到步驟2;反之，則跟蹤結(jié)束。2.根據(jù)權(quán)利要求1所述的一種基于視頻分析的車輛跟蹤方法，其特征在于步驟I中初始時(shí)集合S為空。
【文檔編號(hào)】G06K9/20GK105913000SQ201610208069
【公開日】2016年8月31日
【申請(qǐng)日】2016年4月5日
【發(fā)明人】高飛, 高炎, 令狐乾錦, 童偉圓, 盧書芳, 毛家發(fā), 肖剛
【申請(qǐng)人】浙江工業(yè)大學(xué)