一種車輛跟蹤方法及裝置制造方法及圖紙

本發明專利技術適用于車輛跟蹤技術領域，提供了一種車輛跟蹤方法及裝置，所述車輛跟蹤方法包括：設定車輛檢測區域和車輛跟蹤區域；在所述車輛檢測區域內，利用方向梯度直方圖HOG檢測模式和支持向量機SVM檢測模式，檢測車輛；在所述車輛跟蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛進行跟蹤，生成所述車輛的跟蹤軌跡。在本發明專利技術實施例中，在所述車輛跟蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛進行跟蹤，生成所述車輛的跟蹤軌跡，因此解決了現有車輛跟蹤方法，無法有效跟蹤不同車型和不同場景的車輛的問題，因此既增大了車輛跟蹤方法的適用范圍，也提高了跟蹤效率。

【技術實現步驟摘要】

本專利技術屬于車輛跟蹤
，尤其涉及一種車輛跟蹤方法及裝置。
技術介紹
隨著車輛數量的急劇增加，交通系統日益受到人們的重視。因此，交通系統開始向智能化與自動化發展。要實現交通系統得智能化與自動化，首要任務就是系統能夠很好的完成車輛目標的定位和跟蹤，以便為整個智能交通提供有效信息。然而，現有車輛跟蹤方法，無法有效跟蹤不同車型和不同場景的車輛，降低車輛跟蹤方法的適用范圍和跟蹤效率。其原因在于：現有車輛跟蹤方法，是通過圖像匹配進行跟蹤的，當處于光照不足的，且車輛距離攝像機較遠的場景時，圖像的分辨率較低，使得車輛區分度較低，圖像匹配時，容易跟蹤到其它的車輛，造成跟蹤失誤，因此無法有效跟蹤不同車型和不同場景的車輛，降低車輛跟蹤方法的適用范圍和跟蹤效率。
技術實現思路
本專利技術實施例的目的在于提供一種車輛跟蹤方法，旨在解決現有車輛跟蹤方法，無法有效跟蹤不同車型和不同場景的車輛，降低車輛跟蹤方法的適用范圍和跟蹤效率。本專利技術實施例是這樣實現的，一種車輛跟蹤方法，包括：設定車輛檢測區域和車輛跟蹤區域；在所述車輛檢測區域內，利用方向梯度直方圖HOG檢測模式和支持向量機SVM檢測模式，檢測車輛；在所述車輛跟蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛進行跟蹤，生成所述車輛的跟蹤軌跡。本專利技術實施例的另一目的在于提供一種車輛跟蹤裝置，包括：設定模塊，用于設定車輛檢測區域和車輛跟蹤區域；檢測模塊，用于在所述車輛檢測區域內，利用方向梯度直方圖HOG檢測模式和支持向量機SVM檢測模式，檢測車輛；跟蹤模塊，用于在所述車輛跟蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛進行跟蹤，生成所述車輛的跟蹤軌跡。在本專利技術實施例中，在所述車輛跟蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛進行跟蹤，生成所述車輛的跟蹤軌跡，因此解決了現有車輛跟蹤方法，無法有效跟蹤不同車型和不同場景的車輛的問題，因此既增大了車輛跟蹤方法的適用范圍，也提高了跟蹤效率。附圖說明圖1是本專利技術實施例提供的車輛跟蹤方法的實現流程圖；圖2是本專利技術實施例提供的跟蹤軌跡的較佳樣例圖；圖3是本專利技術實施例提供的車輛跟蹤方法步驟S102的實現流程圖；圖4是本專利技術實施例提供的步驟S302的實現流程圖；圖5是采用窗口檢測HOG特征的較佳樣例圖；圖6是本專利技術實施例提供的生成車輛的跟蹤軌跡的實現流程圖；圖7是本專利技術實施例提供的車輛跟蹤裝置的結構框圖。具體實施方式為了使本專利技術的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本專利技術進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本專利技術，并不用于限定本專利技術。實施例一參考圖1，圖1是本專利技術實施例提供的車輛跟蹤方法的實現流程圖，詳述如下：在步驟S101中，設定車輛檢測區域和車輛跟蹤區域；在步驟S102中，在所述車輛檢測區域內，利用方向梯度直方圖HOG檢測模式和支持向量機SVM檢測模式，檢測車輛；在步驟S103中，在所述車輛跟蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛進行跟蹤，生成所述車輛的跟蹤軌跡。參考圖2，圖2是本專利技術實施例提供的跟蹤軌跡的較佳樣例圖。在本專利技術實施例中，在所述車輛跟蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛進行跟蹤，生成所述車輛的跟蹤軌跡，因此解決了現有車輛跟蹤方法，無法有效跟蹤不同車型和不同場景的車輛的問題，因此既增大了車輛跟蹤方法的適用范圍，也提高了跟蹤效率。實施例二參考圖3，圖3是本專利技術實施例提供的車輛跟蹤方法步驟S102的實現流程圖，詳述如下：在步驟S301中，在所述車輛檢測區域內，利用HOG檢測模式，檢測HOG特征；在步驟S302中，根據檢測到的HOG特征以及所述SVM檢測模式，訓練車輛分類器。在本專利技術實施例中，訓練車輛分類器，通過車輛分類器，分類出無法有效跟蹤不同車型和不同場景的車輛，便于后續增大適用范圍和提高跟蹤效率。實施例三參考圖4，圖4是本專利技術實施例提供的步驟S301的實現流程圖，詳述如下：在步驟S401中，輸入待檢測圖像；在步驟S402中，將所述待檢測圖像的尺寸大小轉化為相同的預設尺寸；在步驟S403中，在所述待檢測圖像中的車輛檢測區域內，利用HOG檢測模式中的窗口，按預設的檢測順序，檢測HOG特征，所述檢測順序包括從上至下、從左至右。其中，為便于說明，步驟S301在車輛檢測區域內，利用HOG檢測模式，檢測HOG特征，在實際應用中的實施過程，詳述如下：1)標準化gamma空間和顏色空間；將圖像轉化成灰度圖，將整個圖像進行gamma歸一化(gammamoralization)。以有效地降低圖像局部陰影和光照的變化，減少光照因素的影響。Gamma歸一化公式如下：I(x,y)＝I(x,y)gamma(1-1)其中gamma通常取0.5。2)計算圖像梯度；計算圖像水平方向和垂直方向的梯度，并以此計算每個像素為主的梯度方向值；其中，求導操作不僅能夠捕獲輪廓、人影和一些紋理信息，還能夠進一步弱化光照的影響。其中，圖像中像素點(x,y)的梯度為：Gx(x,y)＝H(x+1,y)-H(x-1,y)Gy(x,y)＝H(x,y+1)-H(x,y-1)(1-2)上式中Gx(x,y),Gy(x,y),H(x,y)分別表示圖像中點(x,y)處的水平方向和垂直方向的梯度以及像素值，像素點(x,y)處的梯度幅值和梯度方向分別為： G ( x , y ) = G x ( x , y ) 2 + G y ( x , y ) 2 ]]> α ( x , y ) = tan - 1 本文檔來自技高網...

【技術保護點】
一種車輛跟蹤方法，其特征在于，包括：設定車輛檢測區域和車輛跟蹤區域；在所述車輛檢測區域內，利用方向梯度直方圖HOG檢測模式和支持向量機SVM檢測模式，檢測車輛；在所述車輛跟蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛進行跟蹤，生成所述車輛的跟蹤軌跡。

【技術特征摘要】
1.一種車輛跟蹤方法，其特征在于，包括：
設定車輛檢測區域和車輛跟蹤區域；
在所述車輛檢測區域內，利用方向梯度直方圖HOG檢測模式和支持向量機
SVM檢測模式，檢測車輛；
在所述車輛跟蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛
進行跟蹤，生成所述車輛的跟蹤軌跡。
2.根據權利要求1所述的車輛跟蹤方法，其特征在于，所述在所述車輛檢
測區域內，利用方向梯度直方圖HOG檢測模式和支持向量機SVM檢測模式，檢
測車輛，具體為：
在所述車輛檢測區域內，利用HOG檢測模式，檢測HOG特征；
根據檢測到的HOG特征以及所述SVM檢測模式，訓練車輛分類器。
3.根據權利要求2所述的車輛跟蹤方法，其特征在于，所述在所述車輛檢
測區域內，利用HOG檢測模式，檢測HOG特征，具體為：
輸入待檢測圖像；
將所述待檢測圖像的尺寸大小轉化為相同的預設尺寸；
在所述待檢測圖像中的車輛檢測區域內，利用HOG檢測模式中的窗口，按
預設的檢測順序，檢測HOG特征，所述檢測順序包括從上至下、從左至右。
4.根據權利要求1所述的車輛跟蹤方法，其特征在于，所述在所述車輛跟
蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛進行跟蹤，生成所
述車輛的跟蹤軌跡之前，所述車輛跟蹤方法還包括：
建立待檢測圖像的圖像金字塔，所述圖像金字塔包括根據多層分辨率不同
的圖像，所述圖像的層數根據分辨率的高低排列，最上層圖像為層數最高的圖
像，次上層圖像為層數第二高的圖像，最下層圖像為層數第低的圖像。
5.根據權利要求4所述的車輛跟蹤方法，其特征在于，所述在所述車輛跟

\t蹤區域內，利用圖像金字塔光流跟蹤模式，對檢測到的車輛進行跟蹤，生成所
述車輛的跟蹤軌跡，包括：
在所述圖像金字塔中，計算最上層圖像中車輛特征點光流的精確值；
利用所述最上層圖像中車輛特征點光流的精確值，估算次上層圖像中車輛特
征點光流的初始值，并計算所述次上層圖像中車輛特征點光流的精確值；
利用所述次上層圖像中車輛特征點光流的精確值，估算所述次上層圖像的下
一層圖像中車輛特征點光流的初始值，并計算所述次上層圖像的下一層圖像中
車輛特征點光流的精確值，逐層計算，直至到達最底層圖像；
根據每層圖像中的所述車輛特征點的...

【專利技術屬性】
技術研發人員：彭志遠，彭博，
申請(專利權)人：深圳市朗馳欣創科技有限公司，
類型：發明
國別省市：廣東;44