[发明专利]一种融合特征匹配和光流法的车辆跟踪方法

摘要

本发明公开了一种融合特征匹配和光流法的车辆跟踪方法，是在各帧运动目标之间确定目标相关信息参数的相互关系，通过前后帧之间的匹配关系记录目标的轨迹，实现对目标的跟踪，一方面避免了单纯采用KLT跟踪算法时，其金字塔模型的递归估计所带来的偏移量误差，另一方面以特征匹配算法作为补偿机制对目标特征点集进行更新和校正，不仅适应车辆目标在运动过程中所产生的尺度变化和旋转变化，同时也提高了跟踪算法的稳定性和鲁棒性，解决了采用双向可逆性约束的KLT算法在跟踪过程中的特征点不足的问题。

主权项

1.一种融合特征匹配和光流法的车辆跟踪方法，其特征在于，包括以下步骤：步骤一，在初始帧中用矩形框标识需要跟踪的车辆目标，并提取该矩形框内的特征点，表示为特征点集R；步骤二，提取步骤一中矩形框中心位置的坐标O，并：根据公式(1.1)计算步骤一中特征点集R中任意两个特征点之间的相对距离(r_ij)_i≠j；根据公式(1.2)计算步骤一中特征点集R中所有特征点到目标中心O的相对距离h(p_i,O)；根据公式(1.3)计算步骤一中特征点集R中任意两个特征点之间的相对角度α_ij，其中180°＞α_ij≥0°；根据公式(1.4)计算步骤一中特征点集R中所有特征点与矩形框中心位置O的相对角度α_i；(r_ij)_i≠j＝||p_i‑p_j||    (1.1)h(p_i,O)＝||p_i‑O||    (1.2)其中，式(1.1)中，r_ij表示与初始帧中索引值为i和j的特征点的相对距离，p_i和p_j分别表示第i个和第j个特征点；式(1.3)中，p_i.x表示第i个特征点的x坐标，p_i.y表示第i个特征点的y坐标，O.x表示矩形框中心位置O的x坐标，O.y表示矩形框中心位置O的y坐标；步骤三：设初始帧特征点集R，前一帧目标点集K″，采用光流法跟踪当前帧图像中与前一帧中特征点集对应的特征点集K′；步骤四：提取当前帧图像中所有特征点，表示为特征点集P；步骤五：遍历步骤四的特征点集P和步骤一中的初始帧特征点集R中所有特征点，采用匹配算法得到当前帧上与特征点集R相对应的特征点集M，其中特征点集M为特征点集P的子集；步骤六：合并步骤三的特征点集K′和步骤五的特征点集M，得到当前帧的新的特征点集S，根据公式(1.5)计算特征点集S中任意两个特征点之间的相对距离(a_ij)_i≠j；(a_ij)_i≠j＝||q_i‑q_j||    (1.5)根据公式(1.6)对步骤二和步骤六所得到的相对距离(r_ij)_i≠j和(a_ij)_i≠j定义尺度因子s；式中，r_ij表示与当前帧中的索引值为i和j的特征点相对应的初始帧中特征点的相对距离；步骤七：根据当前帧中特征点与初始帧中特征点的对应关系，定义当前帧中特征点位置矢量，矢量大小为s·h(p_i,O)，方向为α_i，由此可得当前帧中特征点对应的矢量，矢量末端的特征点集表示为S′，其中s为步骤六中得到的尺度因子s；步骤八：计算步骤七中特征点集S′中两两特征点间的欧氏距离，定义相似性矩阵，采用聚类方法将特征点集S′分为m个子集，其中包含特征点个数最多的子集所对应的特征点即为保留下来的特征点，并删除其它子集对应的特征点，保留下来的特征点集即为当前帧最终的特征点集K；步骤九：若Num(K)＜θ·Num(R)，则认为跟踪失败，其中Num(K)表示特征点集K中特征点个数，Num(R)为特征点集R中特征点个数，参数θ∈[0,1]用于控制当前帧中可以跟踪到的初始特征点的数量；否则，根据特征点集K中各特征点的位置信息，计算特征点集K中所有特征点的平均位置得到目标区域中心坐标μ，如式(1.7)所示；步骤十：根据步骤七得到的尺度因子s，定义当前帧中的目标区域，假设初始帧中矩形框的四个顶点表示为c_n＝{c₁，c₂，c₃，c₄}，则当前帧中新的目标区域定义为：c′_n＝μ‑O+s·c_n    (1.8)步骤十一：判断当前帧是否为最后一帧，若当前帧为最后一帧，则跟踪结束，反之则跳转步骤三。