[发明专利]一种道路车辆跟踪方法

摘要

本发明公开了一种道路车辆跟踪方法，属于计算视觉处理技术领域。本发明结合双目相机帧间图像多于单目的优势，提出了一种描述能力更强的多角度光流特征代替原来的多面光流特征，有效的解决了当遇到外观相似，距离较近的车辆相互遮挡时，出现的错跟、漂移等技术问题。

主权项

1.一种道路车辆跟踪方法，其特征在于，包括下列步骤：步骤1：对当前帧t进行目标检测，获取第t帧的目标检测集合：基于预设的检测器，进行视频帧的目标检测处理，获取目标检测结果，得到多目标的检测集合其中，各检测目标的检测结果包括2D包围盒，所述2D包围盒的信息包括：中心坐标(x2D,y2D)，尺度大小(h2D,w2D)，检测置信度s2D；步骤2：遍历检测集合对各检测目标进行激活处理：步骤201：将当前检测目标的状态设置为激活状态；步骤202：在激活状态下对当前检测目标进行决策评估：分别计算决策a₁和a₂的激活状态奖励函数值，选择激活状态奖励函数值最大的决策作为第i个检测目标在激活状态下的决策评估结果；所述激活状态奖励函数为其中，y(a)的取值为：当决策a＝a1时，y(a)＝1；决策a＝a2时，y(a)＝‑1；所述a1表示从激活状态转换为跟踪状态；所述a2表示从激活状态转换为终止状态；特征向量φActive＝[x2D,y2D,h2D,w2D,s2D]，wactive、bActive分别表示特征向量φActive的线性分类斜率、修正值；步骤203：若当前决策评估结果为a₁，则表示检测目标被激活，将当前检测目标加入激活目标集若当前决策评估结果为a₂，则将当前检测目标设置为终止状态；步骤204：判断检测集合是否遍历完全，若是，则对非起始帧执行步骤3；否则对集合的下一个检测目标继续执行步骤201；步骤3：遍历当前帧t的上一帧t‑1的轨迹集合中的每个轨迹对既有轨迹进行更新处理，得到当前帧的轨迹集合其中，j为轨迹区分符，轨迹为跟踪目标分别在起始帧到t‑1帧的轨迹目标的集合，其中帧标识ρ＝1,2,…,t‑1；t‑1帧的轨迹目标的速度v^j,t‑1＝{v_x,v_y}，t‑1帧的轨迹目标的状态c^j,t‑1包括：跟踪状态、丢失状态、终止状态；步骤301：根据当前轨迹的轨迹状态c^j,t‑1进行不同处理：若处于跟踪状态，则转至步骤302；若处于丢失状态，则转至步骤305；若处于终止状态，则直接转入步骤309；步骤302：对目标集合中的第t‑1帧的轨迹目标进行滤波，得到第t帧的预测目标用跟踪目标的当前在线模板集合中的锚点模板对预测目标进行光流跟踪处理，得到2D光流跟踪框，以及两者的光流误差，并将光流误差的中值记为步骤303：在跟踪状态下，对轨迹目标进行的决策评估：分别计算决策a₃和a₄的跟踪状态奖励函数值，选择跟踪状态奖励函数值最大的决策作为当前轨迹在跟踪状态下的决策评估结果；所述跟踪状态奖励函数为：其中，y(a)的取值为：若a＝a3，则y(a)＝1；若a＝a4，则y(a)＝‑1；所述a3表示持续跟踪状态；所述a4表示从跟踪状态转换为丢失状态；e₀表示预设的光流误差阈值，iou表示轨迹目标与激活目标集中的各目标的重合面积的最大者；o₀表示预设的重合面积阈值；步骤304：若当前决策评估结果为a₃，则将预测目标的2D包围盒更新为2D光流跟踪框，再转入步骤307；若决策评估结果为a₄，则将轨迹目标的状态置为丢失状态，并转入步骤305；步骤305：目标处于丢失状态，执行目标连接判断处理；从集合中提取预测目标的近邻目标，作为当前帧t的观测目标，记为d_k，其中k表示观测目标区分符；提取各观测目标与轨迹目标之间的2D相似差异特征信息并计算决策a₅和a₆的丢失状态奖励函数值，选择丢失状态奖励函数值最大的决策作为对应的决策评估结果；所述丢失状态奖励函数其中，y(a)的取值为：若a＝a5，则y(a)＝‑1；若a＝a6，则y(a)＝1；所述a5表示持续丢失状态；a6表示从丢失状态转换为跟踪状态；w2D、b2D分别表示观测目标与预测目标之间的2D相似差异特征信息的线性分类斜率、的修正值；所述2D相似差异特征信息包括：观测目标与轨迹目标的五个光流误差中值；观测目标与轨迹目标的归一化相关系数；轨迹目标的2D光流跟踪框与观测目标的归一化相关系数；轨迹目标的2D光流跟踪框与观测目标的包围盒的高度比；观测目标与轨迹目标的包围盒的高度比；轨迹目标的2D光流跟踪框与观测目标的包围盒的面积比；观测目标与轨迹目标的归一化的相似度量值所述五个光流误差中值包括双目视图的左视图帧间光流误差中值、右视图帧间光流误差中值、左视图与右视图交叉光流误差中值、右视图与左视图交叉光流误差中值和循环光流误差中值；其中循环光流误差中值为：将轨迹目标、观测目标所对应的左、右视图的进行任意排列，从各排列结果的第1个视图开始，按顺序从第1个视图到第4个视图，再到第1个视图的顺序进行目标光流跟踪处理，从最后的光流跟踪结果中得到循环光流误差中值；步骤306：若当前决策评估结果为a₅，则表示目标连接失败，将当前帧的轨迹目标的状态c^j,t置为丢失状态，并判断同一跟踪目标的丢失状态持续帧数是否达到预设上限，若是，则将当前帧的轨迹目标的状态c^j,t置为终止状态后转入步骤309；否则直接转入步骤309；若当前决策评估结果为a₆，则表示目标连接成功，将将当前帧的轨迹目标的状态c^j,t置为跟踪状态，并执行步骤307；步骤307：对跟踪目标进行轨迹更新处理，得到当前帧的轨迹判断当前跟踪目标的锚点在最近两帧是否改变，若是，则执行步骤307‑1；否则执行步骤307‑2；其中，所述锚点为在线模板集合中的锚点模板的模板索引；步骤307‑1：将集合中距预测目标距离最近的目标记为并将预测目标和目标的均值作为当前帧的轨迹目标对跟踪目标的在线模板集合进行更新处理：对在线模板集合中的各非锚点模板与预测目标进行光流跟踪处理，得到各非锚点模板与预测目标的光流误差的中值，将最大中值所对应的非锚点模板更新为轨迹目标的2D包围盒对应的图像块；步骤307‑2：将中距预测目标距离最近的检测目标记为并将预测目标和检测目标的均值作为当前帧的该轨迹目标对跟踪目标的在线模板集合进行更新处理：对在线模板集合中的各在线模板进行光流跟踪处理，得到各在线模板与预测目标之间的光流误差的中值，将最小中值所对应的在线模板更新为轨迹目标的2D包围盒对应的图像块，并将更新后的在线模板作为跟踪目标在当前帧的锚点模板；其中，跟踪目标的在线模板集合的初始值为：最近K帧的轨迹目标的2D包围盒对应的图像块，其中K表示预设在线模板数量，若当前帧数t＜K，则在线模板集合为最近t帧的轨迹目标的2D包围盒对应的图像块；其中锚点模板的初始值为：对应跟踪目标在最近帧的轨迹目标的在线模板；步骤308：将目标从集合中剔除，并将轨迹目标加入步骤309：判断集合是否遍历完全，若是，则转入步骤310；否则，对集合中的下一个轨迹继续执行步骤301；步骤310：判断当前帧的激活目标集合是否为空集，若是，则直接转入步骤311；否则将中的目标初始化为当前帧新的轨迹集然后转入步骤311；步骤311：判断当前帧是否为最后一帧，若是，则输出轨迹集合并结束；否则，继续对下一帧执行步骤2。