[发明专利]基于Spectral Clustering空间轨迹的聚类方法

说明书

本发明公开了基于Spectral Clustering空间轨迹的聚类算法，包括利用摄像机对道路进行视频图像采集，对视频图像中的每一帧图像中的所有运动目标采用ORB算法提取特征点，然后利用基于双向加权可逆性约束的KLT跟踪算法对特征点进行跟踪，得到所有运动目标的多条运动轨迹以及每条运动轨迹上每个轨迹点在图像坐标系中的坐标值；利用刚体运动约束对所有运动目标的n条运动轨迹构建相似矩阵进行谱聚类，得到不同类别的运动轨迹；对不同类别的运动轨迹进行类间合并，得到类间合并后的运动轨迹；本发明所提到的方法不受工程应用上各类环境的影响和限制，并且易于实现，能有效的对车辆进行实时精确的检测，因此具有很广的应用前景。

技术领域

本发明属于视频检测技术领域，具体涉及基于Spectral Clustering空间轨迹的聚类方法。

背景技术

随着经济的快速发展和社会的进步，人们生活水平的提高，机动车数目有了显著的增多，与之相对的是道路交通通行能力明显下降，出现了交通拥挤、道路阻塞等一系列问题。对道路的车流量进行检测和统计，将该信息发送至监管部门可以制定有效措施舒缓交通，到达治理交通的目的。同时长期的车流量统计为未来城市道路的设计及养护等提供了重要的依据。

基于交通场景的车辆检测和车流量统计，由于具有实时检测性能、成本低、易安装使用等优势越来越受到关注。但是目前常用的车辆检测和车流量统计软件受到车流量大小、场景复杂程度等限制，往往无法得到较高的精确度，在实际场景中，更是无法达到预期效果。

发明内容

针对上述现有技术中存在的问题或缺陷，本发明的目的在于，提供基于SpectralClustering空间轨迹的聚类方法。

为了实现上述目的，本发明采用如下技术方案：

基于Spectral Clustering空间轨迹的聚类方法，包括以下步骤：

步骤1，利用摄像机对道路进行视频图像采集，得到视频图像中的每一帧图像中的所有运动目标的多条运动轨迹以及每条运动轨迹上每个轨迹点在图像坐标系中的坐标值；

设所有运动目标的运动轨迹的数量为n，每条运动轨迹上有r个连续的轨迹点；其中，n为大于等于1的自然数，r为大于等于1的自然数；

所述图像坐标系以视频图像中每一帧图像的任一角为原点，以每一帧图像的水平方向为u轴，以每一帧图像的竖直方向为v轴；

步骤2，利用刚体运动约束对所有运动目标的n条运动轨迹构建相似矩阵进行谱聚类，得到不同类别的运动轨迹；

包括：

步骤21，以平行于道路车道标线的方向为Y轴，以垂直于道路车道标线的方向为X轴，且X轴和Y轴均与道路相平行，以X轴和Y轴的交点为原点O，以摄像机与道路最短距离的方向为Z轴，建立世界坐标系；

步骤22，从所有运动目标的多条运动轨迹中任选两条运动轨迹，分别记为M和N，轨迹M的高度h_M的方向为水平面的竖直方向，h_M的取值范围为1-3m，h_M的取值间隔为0.1m；轨迹N的高度h_N的方向为水平面的水平方向，h_N的取值范围为0-4m，h_N的取值间隔为0.01m；

通过式(1)得到ΔD₁面：