[发明专利]一种基于车辆部位特征的车辆检测与跟踪方法

说明书

技术领域

本发明涉及图像处理、模式识别技术领域，尤其是一种基于车辆部位特征的车辆检测与跟踪方法，用于检测视频序列中的车辆目标，并跟踪其运动轨迹。

背景技术

随着视频监控技术的发展，视频摄像机已经被广泛用来对各种环境、区域和场所进行实时监控。随着视频摄像机和视频检测器数量的急剧增加，传统的人工被动监控已经远远无法满足监控任务的需要。因此，实现可以代替人眼的智能自动监控功能成为视频监控研究的目标。

传统的交通信息采集系统中，主要使用地磁线圈、微波、红外、超声等设备采集交通信息。其中，利用地磁线圈采集交通信息，以原理简单、精度高而得到了广泛的应用，但在布设和维护时都会破坏路面，受冰冻、盐碱、繁忙交通的影响大，寿命短，一般只有两年。其他采集系统，如微波、红外、超声等由于设备昂贵或易受环境干扰而未得到广泛应用。而利用视频摄像机等视频传感器采集交通信息，可同时获取多车道的交通参数。

利用视频摄像机进行车辆检测主要有两类实际应用的方法，一类是利用虚拟线圈的方法，在视频图像帧中设置虚拟线圈，利用背景消减的方法，检测运动目标。通过记录车辆的驶入与驶出，完成车辆计数及相关的上层交通服务。该类方法模拟了传统地感线圈的方法，存在地感线圈检测的所有缺点，在车辆遮挡、非机动车目标驶过等情况下，容易产生较为严重的误检。比如，在申请号为200810016988.5的中国专利申请中记载的车辆检测方法中，就利用了虚拟线圈的检测原理。第二类方法是以车辆为目标进行检测的方法，该方法可以实现车辆的跟踪，能够充分利用时间域和空间域信息，更加有效。本发明的方法属于上述第二类方法中的一种。

发明内容

本发明的目的在于克服现有技术的不足，提高识别率，从而提供一种基于车辆部位特征的车辆检测与跟踪方法，该方法能够适用于光照变化、车辆遮挡、车辆阴影、图像分辨率变化等复杂环境，准确的检测和跟踪车辆，获取车辆的运动轨迹。获取的运动轨迹，可以用于电子警察系统中的上层智能交通服务，如车流量统计、车辆违章检测以及治安卡口等服务。

为实现上述目的，本发明提出了一种基于车辆部位特征的车辆检测与跟踪方法。本发明首先定位视频图像中的车辆部位，包括车牌以及车灯，然后利用结构信息组合这些部位，定位车辆，最后实现了一种基于扩展卡尔曼滤波器的车辆跟踪方法。

所述基于车辆部位特征的车辆检测与跟踪方法，包括以下步骤：

步骤S1，对视频序列中所有的车牌位置进行定位；

步骤S2，对视频序列中所有的车辆尾灯位置进行定位；

步骤S3，利用车牌和车辆尾灯之间的结构关系构建车辆模型，从而从每一帧图像中检测得到车辆位置；

步骤S4，根据检测得到的车辆位置，对车辆进行跟踪从而获取车辆的运动轨迹；

所述步骤S1进一步包括以下步骤：

步骤S11，根据中国国标车牌的底色，获取视频序列每一帧图像的颜色灰度图像；

步骤S12，利用所述颜色灰度图像计算图像梯度，得到梯度图像；

步骤S13，在梯度图像中进行滑动窗口扫描，计算窗口内像素的平均梯度，以平均梯度值作为窗口中心像素点的像素值，得到该梯度图像对应的得分图像；

步骤S14，在所述得分图像上确定车辆所在的区域，并利用非极大值抑制方法在车辆区域范围内求得局部极大值，如果该局部极大值大于设定的得分阈值，则以所述局部极大值为中心点，根据国标车牌的尺寸信息得到一车牌区域，将该车牌区域作为候选车牌区域；

所述步骤S2进一步包括以下步骤：

步骤S21，根据车辆尾灯的颜色，即红色，获取视频序列每一帧图像的颜色灰度图像；

步骤S22，利用多阈值方法将所述颜色灰度图像分割为多幅二值化图像；

步骤S23，对所述多幅二值化图像分别做连通域分析，取长宽比、面积大小在一定范围内的连通域作为候选车辆尾灯区域；

步骤S24，对于出现重叠的候选车辆尾灯区域，保留其中面积最大的那个区域，最终得到检测出来的车辆尾灯区域。

本发明与现有技术相比的显著效果在于：可以自动检测视频序列中的车辆位置，并跟踪它们获取车辆运动轨迹，不需要对原始视频信号进行任何的预处理，而且对实际监控视频中所出现的车辆遮挡、车辆在强光条件下的阴影、光照变化、摄像机抖动、检测噪声等干扰同时具有较高的鲁棒性。由于克服了这些现有技术在实际工程应用方面难以解决的困难，因此本发明真正实现了视频中车辆目标的实时检测与跟踪。