[发明专利]基于运动预测与多模板匹配相结合的图像目标识别方法

说明书

技术领域

本发明属于图像目标的识别和跟踪技术领域，具体来说是基于运动预测与多模板匹配相结合的图像目标识别方法，该方法特别适用于对高速公路上的运动图像目标进行识别和跟踪，减少由于遮挡而导致的目标不能被分辨现象。

背景技术

智能交通目标图像的识别和检测是高速公路监控系统的重要组成部分，对保障高速公路安全运营、人民生命财产保护及避免二次事故的发生等具有重要的作用，图像目标检测方法则是交通管理系统的核心部分。因此，研究高速公路运动目标的图像识别和检测方法具有重要的意义。

我国高速公路建设起步较晚，交通监控系统建设相对滞后。近些年，随着国家的重视资金的投入，目前多数高速公路已经建成了一定规模的交通监控系统。在高速公路交通事件检测方法理论研究和技术应用方面，虽然与发达国家有些差距，但也取得了一定的研究成果。国内外对交通图像识别检测方法的研究主要集中在新理论和新技术应用的研究方面，如神经网络、模糊理论、小波分析以及支持向量机等。相对于传统的图像识别和检测方法，基于这些新理论的交通图像目标的检测和识别方法具有良好的性能表现。识别率较高，报误率较低且检测时间短。但是基于这些新理论的图像识别模型尚有改进之处，识别方法的适用条件以及图像目标模型之间的性能差异研究比较缺乏和不足。同时，针对小波分析的一些图像目标识别方法由于实时性的限制，不能很好的完成实时准确的识别功能，在一定程度上限制了其方法的应用。

运动目标的图像识别本质是从图像信号中实时自动识别目标，提取目标的位置信息，自动对目标进行跟踪。该技术的难点在于图像信号采集过程中的信息损失和复杂的应用环境，特别是目标在运动过程中经常被场景中的其它物体遮挡，这种遮挡导致了部分固有特征的丢失和新特征的产生，这给目标识别和定位带来了很大困难。因此，如何在图像识别方法中降低遮挡导致的识别困难是识别方法实用性的关键。近年来多子模板匹配的方法开始应用于遮挡情况下的图像位置识别，该方法通过对所有目标子模板的跟踪获得目标在遮挡时的真实位置，但如何高效构造子模板和图像识别的效率和准确度紧密相关。现有的多模板是将目标图像模板划分为“田”子型的4个子模板，这样选取的子模板在目标发生遮挡时，遮挡物是从某一个方向进入目标模板而不会从4个方向同时进入，因此当某个或两个子模板发生遮挡匹配度下降时，其他未发生遮挡的子模板仍然具有很好的匹配精度可以用来进行目标识别。但经过实验发现，这种分配子模板和其他将目标模板进行分块的多模板匹配方法存在如下问题：当子模板发生遮挡进而匹配度下降时，无法判断目标受遮挡的程度，所以不能很好的区分目标发生部分遮挡或全部遮挡。

发明内容

本发明的目的是为了解决现有多模板图像目标识别方法中不能准确判断目标受遮挡的程度，区分目标发生部分遮挡或全部遮挡情况的缺陷提出基于运动预测与多模板匹配相结合的图像目标识别方法。

实现上述目的本发明的技术方案为，基于运动预测与多模板匹配相结合的图像目标识别方法，该方法步骤为：(1)获取目标图像并将其建立为多模板模型，根据各个子模板的匹配度确定遮挡状态；(2)目标无遮挡时，对图像直接进行目标匹配确定目标图像；目标部分遮挡时，分别对各个子模板进行匹配确定目标图像；目标全部遮挡时，在预测的位置及邻域内进行搜索获得目标图像；(3)根据(2)步的匹配度更新备用模板。上述步骤中采用的多模板模型是“田”字型四个子模板及在其中心叠加中心子模板构成，中心子模板的引入可以用来判断是否发生全部遮挡，即中心子模板的匹配度降低时，全部遮挡发生；各个子模板匹配度相同时，无任何遮挡；中心子模板匹配度不变，而其他子模块匹配度下降，发生部分遮挡。这种多模板分配方法能够在复杂背景条件下判断目标受遮挡的程度。