[发明专利]一种基于视差图的实时车辆跟踪检测方法与装置

说明书

本发明公开了一种基于视差图的实时车辆跟踪检测方法与装置，该实时车辆跟踪检测方法包括：对获取的路面图像进行图像处理，得到疑似车辆区域；通过预设检测模型对所述疑似车辆区域进行车辆检测，获取所述疑似车辆区域内各个车辆的初始位置及距离信息；通过稳定性评价算法对所述各个车辆的初始位置及距离信息进行评价，得到一评价结果；判断所述评价结果是否符合预设标准，在所述评价结果符合预设标准时，对相应的各个车辆启用跟踪算法进行跟踪检测。本发明基于视差图，在计算资源极其有限的情况下，对车辆进行实时跟踪检测，在保障车辆检测精度的前提下提高了定位的实时性和稳定性。

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种基于视差图的实时车辆跟踪检测方法与装置。

背景技术

近年来，随着我国公路交通运输网络的完善、物流事业的蓬勃发展、以及人民生活水平的提高，人们会越来越倾向于选择车辆出行或代步，致使越来越多的车辆行驶在道路上。由于在行车过程中，驾驶员会产生疲劳，道路路面环境会不断变化，以及光照强弱变化、阴天、雾霾等天气因素带来的影响，给车辆的安全行驶带来极大的威胁，极端条件下还可能会导致安全事故，造成生命和财产的损失。为解决这一困扰汽车安全行驶的问题，汽车安全辅助驾驶系统应运而生。

汽车安全辅助驾驶系统是一种能在行车过程中主动帮助驾驶员排除潜在危险要素的辅助设备，它能使驾驶员提前感知到对车辆可能造成危害的车辆或行人并提前预警，帮助驾驶员做出有利于安全行车的决策，从而提高驾驶安全性，有效杜绝交通事故的产生。

在汽车安全辅助驾驶系统中，车辆检测与跟踪技术是最关键的技术之一。一般地，最有可能给行车车辆造成危险的因素是行车车辆附近的车辆。因而通过分析当前行车车辆路面的图像序列，检测出周边的车辆并对其轨迹进行跟踪和预测，结合周边环境信息可获得最优安全行车路线，可有效提高行车效率、同时提高行车安全性。

传统的车辆检测方法主要包括经典的背景相减法、光流法、帧差分等，其主要思想是获取运动物体的区域信息得到车辆候选区域。得到候选区域后可通过模板匹配得到精确的车辆区域。但模板匹配易受影响较大，当库中不存在模板或模板与真实车辆相差很大时会造成漏检发生。另一种思路是利用机器学习算法对采集的车辆图像学习其描述特征，检测过程中将候选区域的特征与学习到的特征进行比较辨认，确认是否为真实的车辆区域。采用机器学习的检测方法在大多数情况下可获得较为可靠的检测结果，但由于引入了特征学习，多数机器学习算法运行速度慢，其实时性并不理想。

在车辆跟踪方面，应用较广的算法主要有Kalman滤波、Meanshift方法以及Camshift方法等。这些方法的共同特点是跟踪速度快，可满足工业需要，但其缺陷是只能跟踪一个目标，并不适用于多车环境下的路面图像；另外这些跟踪器需要在初始时指定一个跟踪对象，假若系统传递的是一个假样例车辆图像，则在后续存在无法修正的机会，造成误差传播。

因此，现有技术中的车辆跟踪检测存在准确性、实时性和稳定性很难同时兼顾的问题。

发明内容

本发明的主要目的在于公开一种基于视差图的实时车辆跟踪检测方法与装置，用于解决现有技术中的车辆跟踪检测存在准确性、实时性和稳定性很难同时兼顾的问题。

为达上述目的，根据本发明的一个方面，公开一种基基于视差图的实时车辆跟踪检测方法，并采用如下技术方案:

一种基于视差图的实时车辆跟踪检测方法包括：对获取的路面图像进行图像处理，得到疑似车辆区域；通过预设检测模型对所述疑似车辆区域进行车辆检测，获取所述疑似车辆区域内各个车辆的初始位置及距离信息；通过稳定性评价算法对所述各个车辆的初始位置及距离信息进行评价，得到一评价结果；判断所述评价结果是否符合预设标准，在所述评价结果符合预设标准时，对相应的各个车辆启用跟踪算法进行跟踪检测。