[发明专利]一种基于无人机航拍图像的车辆轨迹提取方法

说明书

本发明公开了一种基于无人机航拍图像的车辆轨迹提取方法，包括步骤1：基于Haar分类器检测车辆；步骤2：基于位置预测筛选疑似候选车辆；步骤3：基于4通道颜色直方图相似性确定目标车辆；步骤4：车辆轨迹提取；本发明创新性的联合多颜色直方图相似性进行目标车辆筛选，对相同车辆与其他车辆具有很高的区分度；所述的车辆轨迹提取方法在车辆跟踪中断的情况下，能够自动恢复跟踪。

技术领域

本发明属于图像处理技术领域，涉及一种基于无人机低空航拍图像的车辆轨迹提取方法，适用于交通监控领域。

背景技术

无人机在交通监控领域具有非常大应用前景，比如应用无人机进行突发事件下的快速交通态势感知。现有交通监控方式主要是依靠安装于固定点(如电线杆)的摄像头、微波雷达等断面检测方式，无法获取宏观的交通状态数据，且未安装监控设备的地点无法获取交通状态。无人机本身是一个移动的数据采集平台，相对于固定式交通监控方式，具有机动性强、视野广、飞行不受地面限制的优势，因此可实现宏观交通状态数据提取，对于未安装固定交通监控设备的路段也可以实现交通监控。

发明内容

本发明的目的是为了解决上述问题，提出了一种基于无人机航拍图像的车辆轨迹提取方法，首先基于Haar特征级联分类器进行车辆检测，然后基于位置预测与多通道颜色直方图相似性实现车辆跟踪，实现车辆轨迹提取。

本发明以全新的研究着入点，针对无人机低空航拍图像提出一种基于无人机航拍图像的车辆轨迹提取方法，通过下述步骤实现：

步骤1：基于Haar分类器检测车辆；

对于无人机低空航拍图像序列，采用基于Haar分类器进行车辆检测，Haar分类器需要基于样本库进行训练，样本库是一个包含正负样本的图像数据集，需要手工从包括正负样本的图像中进行选取。基于训练的Haar分类器进行车辆检测，获取车辆在航拍图像中的像素坐标、大小(长、宽)和帧号，然后获取该车RGB彩色空间的R通道、G通道、B通道和灰度图4个通道的颜色直方图，用于后续步骤中进行不同帧间的车辆关联。

步骤2：基于位置预测筛选疑似候选车辆；

取前一帧中某辆被检测到的车为待跟踪的目标车辆，并以该车的位置为中心划定一个矩形预测区域(默认尺寸为目标车辆的两倍)，当前帧中被检测到的车辆其中心落入该矩形预测区域的都作为目标车辆的疑似目标车辆；

步骤3：基于4通道颜色直方图相似性确定目标车辆；

上步中筛选到的疑似候选车辆一般会有1～2辆，为确认目标车辆，通过4通道颜色直方图相似性进行筛选。依次计算目标车辆与疑似候选车辆的颜色直方图相似性值，并根据大小进行排序，选定其中最大的相似性值，若该值大于某设定的阈值，则认为与该相似性值对应的疑似候选车辆与目标车辆为同一辆车，将疑似候选车辆当前帧中的帧号、坐标、尺寸大小、颜色直方图信息传递给目标车辆，完成目标车辆信息更新，，即实现了车辆的跟踪。若最大的相似性值小于某设定的阈值，则认为在该帧图像中未找到目标车辆，即目标车辆跟踪失败。当前帧中跟踪失败的车辆将在下一帧中重新进行搜索，其区别在于，为了搜索到跟踪失败的车辆，以该车在前帧中的位置为中心的矩形预测区域尺寸会进行放大(默认尺寸为目标车辆的四倍)，以增大搜索到跟踪失败车辆的概率。当跟踪失败的车辆在后续连续3帧图像中都无法被跟踪到时，算法会对该车做抛弃处理，不再跟踪，这样做的好处是可以屏蔽一些被误判断为车辆的非车辆物体。

步骤4：车辆轨迹提取；

当被跟踪的车辆从图像中消失，即结束跟踪，并将车辆在不同帧中的位置、帧号输出保存，即完成了车辆轨迹提取。

本发明的优点在于：