• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 17
    • 下载费用:30 金币  

    重庆时时彩详情: 多车辆跟踪时目标粘连和分裂情况的处理方法.pdf

    关 键 词:
    车辆 跟踪 目标 粘连 分裂 情况 处理 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201410103929.7

    申请日:

    2014.03.19

    公开号:

    CN103914853A

    公开日:

    2014.07.09

    当前法律状态:

    撤回

    有效性:

    无权

    法律详情: 发明专利申请公布后的视为撤回IPC(主分类):G06T 7/20申请公布日:20140709|||实质审查的生效IPC(主分类):G06T 7/20申请日:20140319|||公开
    IPC分类号: G06T7/20 主分类号: G06T7/20
    申请人: 华南理工大学
    发明人: 徐雪妙; 詹海浪
    地址: 510640 广东省广州市天河区五山路381号
    优先权:
    专利代理机构: 广州市华学知识产权代理有限公司 44245 代理人: 蔡茂略
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410103929.7

    授权公告号:

    ||||||

    法律状态公告日:

    2017.03.15|||2014.08.06|||2014.07.09

    法律状态类型:

    发明专利申请公布后的视为撤回|||实质审查的生效|||公开

    摘要

    本发明公开了一种多车辆跟踪时目标粘连和分裂情况的处理方法,包括下述步骤:S1、基于最大重叠面积和Mean?shift的车辆跟踪算法;S11、利用基于最大重叠面积的车辆跟踪算法进行正常的车辆跟踪;S12、利用基于Mean?shift的车辆跟踪算法进行粘连和分裂车辆的跟踪;S2、车辆跟踪过程中对目标粘连和分裂情况的处理;S21、对前后帧的运动目标的匹配情况进行分析,判断运动目标的状态;S22、根据运动目标的状态反馈的情况利用不同的算法进行跟踪。本发明在车辆检测序列给定的基础上,考虑到检测序列的非百分之百可靠性,先对目标出现的前几帧进行分析,标记区分粘连车辆和正常车辆,从而分两路对车辆进行跟踪,本发明简单易于实现,耗时小。

    权利要求书

    权利要求书
    1.  一种多车辆跟踪时目标粘连和分裂情况的处理方法,其特征在于,包括下述步骤:
    S1、基于最大重叠面积和Mean shift的车辆跟踪算法;
    S11、利用基于最大重叠面积的车辆跟踪算法进行正常的车辆跟踪;
    S12、利用基于Mean shift的车辆跟踪算法进行粘连和分裂车辆的跟踪;
    S2、车辆跟踪过程中对目标粘连和分裂情况的处理;
    S21、对前后帧的运动目标的匹配情况进行分析,判断运动目标的状态;
    S22、根据运动目标的状态反馈的情况利用不同的算法进行跟踪。

    2.  根据权利要求1所述的多车辆跟踪时目标粘连和分裂情况的处理方法,其特征在于,步骤S11中,最大重叠面积的车辆跟踪算法为:
    已知第k帧中车辆的左上角坐标(x1,y1)和右下角坐标(x2,y2),第k+1帧中车辆的左上角坐标(x3,y3)和右下角坐标(x4,y4),设重叠区域的左上角坐标和右下角左边分别为:(x5,y5),(x6,y6),则:
    x5=max(x1,x3)x6=min(x2,x4)y5=max(y1,y3)y6=min(y2,y4)---(1)]]>
    由公式(1)可分别求得重叠区域的左上角和右下角;
    x5<x6y5<y6---(2)]]>
    如果(2)式成立,则说明两个矩形区域有重叠部分,否则两个矩形区域不重叠,如果(2)式成立,则两个矩形区域重叠面积S为
    S=(x6-x5)*(y6-y5)   (3)
    相邻两帧检测序列中,面积重叠最大者即为匹配正确者,给予该匹配正确的目标以相应的编号。

    3.  根据权利要求1所述的多车辆跟踪时目标粘连和分裂情况的处理方法, 其特征在于,步骤S12具体为:
    S121、手动搜索目标窗口,建立目标模型
    qu(y^)=C^Σi=1nk(||y^-x^ih^||2)δ[b(x^i)-u]---(4)]]>
    式中,C^=1Σi=1nk(||y^-x^ih^||2)]]>
    δ[b(x^i)-u]=1b(x^i)=u0b(x^i)&NotEqual;u]]>
    为目标模型的中心坐标,为第i个像素点的坐标,为点的像素值,h为目标模板的半径;
    即指第i个像素点到目标模型中心的距离;
    为核函数,当x值越大k(x)值越小,反之,当x值越小k(x)值越大,即越靠近中心点给的权重越大;
    为离散冲击函数,当时,等于1;当时,等于0,即当遍历到的像素值等于给定的像素值时就记数一次;
    S122、在下一帧建立候选模型

    C=1Σi=1nk(||y-xih||2)]]>
    δ[b(xi)-u]=1b(xi)=u0b(xi)&NotEqual;u]]>
    上式中,y0是上一帧的目标模板的中心坐标;
    S123、以Bhattacharyya系数作为相似性函数,得到Mean shift迭代式Bhattacharyya系数定义为:

    当ρ(y)最大时即说明p(y)和q具有最大的相似度;
    其一阶泰勒展开式为:

    式中,

    (4)式中,第一项与y无关,所以要求得ρ(y)的值只需要第二项取得最大值即可;对(4)中第二项求导即可得到最大值

    要使f‘(y)=0,则有:

    如此便得到Mean shift迭代式:

    其中,g(X)=-k′(X)
    由于核函数对于目标中心的像素值赋予大的权值,而对于远离目标中心的像素赋予小的权值,因而采用核函数直方图建模保证了Mean shift算法本身对遮挡和背景的变化有很好的鲁棒性。

    4.  根据权利要求1所述的多车辆跟踪时目标粘连和分裂情况的处理方法,其特征在于,步骤S21中,运动目标的状态为正常状态、分裂状态和粘连状态,其特征在于,步骤S21具体为:
    S211、前后两帧车辆是一一对应的则说明该运动目标的状态为正常状态;
    S212、当确定前帧目标为正常目标的情况下,在下帧中出现面积骤降,且在非入监控线处无端出现新目标时判定目标出现分裂;
    S213、在确定前帧目标为正常目标的情况下,在下帧中出现面积骤增,且在非出监控线处有目标突然消失时判定目标出现粘连。

    5.  根据权利要求1所述的多车辆跟踪时目标粘连和分裂情况的处理方法,其特征在于,步骤S22具体为:
    S221、绘制一条进入监控区域的线,当目标进入这条线则认为这是新目标,判断该目标是否符合车型特征;
    S222、用最大重叠面积算法对相邻两帧中检测序列中的目标进行匹配,当出现以下三种情况时则认为匹配成功:对于无记数和标记者必须是一一匹配;对于有标记者只要有与之匹配的就认为匹配成功;对于有记数者只要有与之匹配的就认为其匹配成功;
    S223、绘制一条驶出监控区域的线,当目标驶出该线则认为目标驶出,删除该车的存储结构。

    6.  根据权利要求5所述的多车辆跟踪时目标粘连和分裂情况的处理方法,其特征在于,步骤S221进一步包括下述步骤:
    当该目标符合车型特征时,给予该新目标以编号;如果小于最小车型的范围,则判断它不是一辆完整的车,此时不给于编号,但给予记数0,等待几帧后更清晰准确的检测结果在给予编号;如果该目标大于最小车型的范围,则认为该目标为几辆车出现了粘连现象所以导致了错误的检测结果,此时给予该目标以编号,并且给予该目标以标记,以表示该目标为不正常目标。

    7.  根据权利要求5所述的多车辆跟踪时目标粘连和分裂情况的处理方法,其特征在于,步骤S222进一步包括下述步骤:
    如果匹配的时候发现被匹配者没有编号,但有记数号,则说明它是在作为新目标的时候车型不完整而留下来的,此时,如果它有被匹配上,则为其记数进行加1操作;
    当匹配时发现被匹配者有标记,则对比其两帧中目标的总面积是否有很大的变化,如果有,将标记去除,给予匹配上的目标以编号,最前面的给予原有的编号,剩下的依次给予新的编号,如果面积没有发生很大变化则给于对应的编号和标记;
    当匹配的时候目标是一一对应的,则直接给予其相对应的编号,当匹配不成功时,如果出现第k帧中检测序列的多个目标匹配到k+1帧中检测序列的同一目标,此时表明在第k帧中是正确的结果,但是到第k+1帧时出现了几车合并的情况,此时用Mean shift算法对第k帧中的那几个目标进行脱离k+1帧检测序列的跟踪;
    如果出现第k帧中序列的一个目标匹配到k+1帧中检测序列的多个目标,此时表明在第k帧中时正确的结果,但是到了第k+1帧出现了一车分裂的情况,此时用Mean shift算法对第k帧中的那一目标进行脱离k+1帧检测序列的跟踪。

    说明书

    说明书多车辆跟踪时目标粘连和分裂情况的处理方法
    技术领域
    本发明涉及车辆跟踪的技术领域,特别涉及一种实多车辆跟踪时目标粘连和分裂情况的处理方法。
    背景技术
    随着交通管理系统越来越自动化、智能化,智能交通管理系统也成为了热点研究对象。车辆跟踪是智能交通管理系统中至关重要的???,它融合了计算机视觉、计算机图像处理、机器学习等众多学科领域的知识。
    在理想的,交通状况简单,且检测结果完美的情况下,目前的跟踪算法,如Mean shift、Camshift、模板跟踪、粒子滤波以及特征点跟踪等都能很好的解决跟踪问题,然而现实却并非如此,在复杂的交通情况下,车辆会出现粘连,在检测结果不完美的情况下车辆会出现分裂。
    虽说前人们对这些问题提出了很多解决方法,但大部分都只考虑到了对粘连问题的解决,并没有考虑由于在跟踪过程中由于检测结果的不正确而造成的分裂问题;并且没有考虑多辆车发生粘连的情况,而仅仅只是考虑到两车发生粘连的情况时的处理方法;最后,没有强调车辆出现在监控区域时的判断为正确目标或错误目标的重要性,因为如果车辆刚出现在监控区域时就出现粘连,而按照前人们的方法普遍都是默认刚出现时为正常的车辆,如此,在后续的跟踪过程中如果车辆之间不再粘连,前人们的方法就会认为车辆进行了分裂,从而进行处理,如此便出现了错误的跟踪。同理,如果车辆刚出现在监控区域时检测结果就是分裂的,按照前人们的方法也会导致错误的跟踪。
    发明内容
    本发明的目的在于克服现有技术的缺点与不足,提供一种实多车辆跟踪时目标粘连和分裂情况的处理方法。
    本发明的目的通过下述技术方案实现:
    一种多车辆跟踪时目标粘连和分裂情况的处理方法,包括下述步骤:
    S1、基于最大重叠面积和Mean shift的车辆跟踪算法;
    S11、利用基于最大重叠面积的车辆跟踪算法进行正常的车辆跟踪;
    S12、利用基于Mean shift的车辆跟踪算法进行粘连和分裂车辆的跟踪;
    S2、车辆跟踪过程中对目标粘连和分裂情况的处理;
    S21、对前后帧的运动目标的匹配情况进行分析,判断运动目标的状态;
    S22、根据运动目标的状态反馈的情况利用不同的算法进行跟踪。
    优选的,步骤S11中,最大重叠面积的车辆跟踪算法为:
    已知第k帧中车辆的左上角坐标(x1,y1)和右下角坐标(x2,y2),第k+1帧中车辆的左上角坐标(x3,y3)和右下角坐标(x4,y4),设重叠区域的左上角坐标和右下角左边分别为:(x5,y5),(x6,y6),则:
    x5=max(x1,x3)x6=min(x2,x4)y5=max(y1,y3)y6=min(y2,y4)---(1)]]>
    由公式(1)可分别求得重叠区域的左上角和右下角;
    x5<x6y5<y6---(2)]]>
    如果(2)式成立,则说明两个矩形区域有重叠部分,否则两个矩形区域不重叠,如果(2)式成立,则两个矩形区域重叠面积S为
    S=(x6-x5)*(y6-y5)   (3)
    相邻两帧检测序列中,面积重叠最大者即为匹配正确者,给予该匹配正确的目标以相应的编号。
    优选的,步骤S12具体为:
    S121、手动搜索目标窗口,建立目标模型
    qu(y^)=C^Σi=1nk(||y^-x^ih^||2)δ[b(x^i)-u]---(4)]]>
    式中,C^=1Σi=1nk(||y^-x^ih^||2)]]>
    δ[b(x^i)-u]=1b(x^i)=u0b(x^i)&NotEqual;u]]>
    为目标模型的中心坐标,为第i个像素点的坐标,为点的像素值,h为目标模板的半径;
    即指第i个像素点到目标模型中心的距离;
    为核函数,当x值越大k(x)值越小,反之,当x值越小k(x)值越大,即越靠近中心点给的权重越大;
    为离散冲击函数,当时,等于1;当时,等于0,即当遍历到的像素值等于给定的像素值时就记数一次;
    S122、在下一帧建立候选模型

    C=1Σi=1nk(||y-xih||2)]]>
    δ[b(xi)-u]=1b(xi)=u0b(xi)&NotEqual;u]]>
    上式中,y0是上一帧的目标模板的中心坐标;
    S123、以Bhattacharyya系数作为相似性函数,得到Mean shift迭代式Bhattacharyya系数定义为:

    当ρ(y)最大时即说明p(y)和q具有最大的相似度;
    其一阶泰勒展开式为:

    式中,

    (4)式中,第一项与y无关,所以要求得ρ(y)的值只需要第二项取得最大值即可;对(4)中第二项求导即可得到最大值

    要使f‘(y)=0,则有:

    如此便得到Mean shift迭代式:

    其中,g(X)=-k′(X)
    由于核函数对于目标中心的像素值赋予大的权值,而对于远离目标中心的像素赋予小的权值,因而采用核函数直方图建模保证了Mean shift算法本身对遮挡和背景的变化有很好的鲁棒性。
    优选的,步骤S21中,运动目标的状态为正常状态、分裂状态和粘连状态,步骤S21具体为:
    S211、前后两帧车辆是一一对应的则说明该运动目标的状态为正常状态;
    S212、当确定前帧目标为正常目标的情况下,在下帧中出现面积骤降,且在非入监控线处无端出现新目标时判定目标出现分裂;
    S213、在确定前帧目标为正常目标的情况下,在下帧中出现面积骤增,且 在非出监控线处有目标突然消失时判定目标出现粘连。
    优选的,步骤S22具体为:
    S221、绘制一条进入监控区域的线,当目标进入这条线则认为这是新目标,判断该目标是否符合车型特征;
    S222、用最大重叠面积算法对相邻两帧中检测序列中的目标进行匹配,当出现以下三种情况时则认为匹配成功:对于无记数和标记者必须是一一匹配;对于有标记者只要有与之匹配的就认为匹配成功;对于有记数者只要有与之匹配的就认为其匹配成功;
    S223、绘制一条驶出监控区域的线,当目标驶出该线则认为目标驶出,删除该车的存储结构。
    优选的,步骤S221进一步包括下述步骤:
    当该目标符合车型特征时,给予该新目标以编号;如果小于最小车型的范围,则判断它不是一辆完整的车,此时不给于编号,但给予记数0,等待几帧后更清晰准确的检测结果在给予编号;如果该目标大于最小车型的范围,则认为该目标为几辆车出现了粘连现象所以导致了错误的检测结果,此时给予该目标以编号,并且给予该目标以标记,以表示该目标为不正常目标。
    优选的,步骤S222进一步包括下述步骤:
    如果匹配的时候发现被匹配者没有编号,但有记数号,则说明它是在作为新目标的时候车型不完整而留下来的,此时,如果它有被匹配上,则为其记数进行加1操作;
    当匹配时发现被匹配者有标记,则对比其两帧中目标的总面积是否有很大的变化,如果有,将标记去除,给予匹配上的目标以编号,最前面的给予原有 的编号,剩下的依次给予新的编号,如果面积没有发生很大变化则给于对应的编号和标记;
    当匹配的时候目标是一一对应的,则直接给予其相对应的编号,当匹配不成功时,如果出现第k帧中检测序列的多个目标匹配到k+1帧中检测序列的同一目标,此时表明在第k帧中是正确的结果,但是到第k+1帧时出现了几车合并的情况,此时用Mean shift算法对第k帧中的那几个目标进行脱离k+1帧检测序列的跟踪;
    如果出现第k帧中序列的一个目标匹配到k+1帧中检测序列的多个目标,此时表明在第k帧中时正确的结果,但是到了第k+1帧出现了一车分裂的情况,此时用Mean shift算法对第k帧中的那一目标进行脱离k+1帧检测序列的跟踪。
    本发明相对于现有技术具有如下的优点及效果:
    1、基于最大重叠面积算法十分简单易于实现,大大提高了算法的速度,
    能达到实时跟踪的要求。
    2、考虑了车辆刚进入监控区域的特征是否符合车辆的车型特征来判定目标首次出现时检测结果的正确性,这就为后来的对粘连车辆的跟踪打下了基础。
    3、对于分裂的处理主要是遵循当目标没有达到连续n帧都出现的阈值则不给编号的原则。
    4、对于粘连,以及跟踪过程中的车辆分裂问题利用脱离检测结果的Mean shift算法进行跟踪。
    附图说明
    图1是目标跟踪及对分裂粘连情况处理算法流程图;
    图2是最大重叠面积求法示意图。
    具体实施方式
    下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
    实施例
    本发明公开了一种多车辆跟踪时目标粘连和分裂情况的处理方法,如图1所示,步骤为:
    (1)、基于最大重叠面积和Mean shift的车辆跟踪算法;
    ①、利用基于最大重叠面积的车辆跟踪算法进行正常的车辆跟踪;
    ②、利用基于Mean shift的车辆跟踪算法进行粘连和分裂车辆的跟踪;
    (2)、车辆跟踪过程中对目标粘连和分裂情况的处理;
    ③、对前后帧的运动目标的匹配情况进行分析,判断运动目标的状态;
    ④、根据运动目标的状态反馈的情况利用不同的算法进行跟踪;
    在具体实施中,摄像机得到固定场景下的监控视频,由运动目标检测??榈玫矫恳恢〉募觳饨峁蛄?,根据检测结果序列,利用最大重叠面积算法和Mean Shift算法的组合算法进行跟踪,并且对运动目标在跟踪过程中可能出现的状态进行分析,从而正确的解决分裂和粘连情况,达到跟踪正确的目的。本发明多车辆跟踪时目标粘连和分裂情况的处理方法的运行环境:Intel(R)Core(TM)i7-3770K [email protected] RAM,开发工具为VS2010,开发语言为C++&OpenCV,视频分辨率为:448×336,对视频的处理速度达到了38fps,满足了实时处理的要求,正确率达到了97.30%。
    下面将根据步骤详细描述具体实现方法:
    1、基于最大重叠面积和Mean shift的车辆跟踪算法;
    最大重叠面积算法是本发明提出的一种新型算法,该算法主要是为了提高跟踪的速度,以达到实时跟踪的要求,最大重叠面积跟踪算法主要是依据车辆检测结果的序列来进行相邻帧中对应目标之间的匹配关系,这种算法简单易于 实现,耗时小,但是它太过依赖检测结果,如果检测结果出现错误则会影响跟踪结果,于是将最大重叠面积算法和Mean shift算法进行结合,因为Mean shift算法是独立存在的一种跟踪算法,它不依赖检测序列,因而可以辅助最大重叠面积跟踪算法从而提高跟踪的正确性和鲁棒性。
    当用最大重叠面积算法对两帧检测序列进行匹配时,根据匹配的规则和设定的阈值,当出现当前帧中的一辆车匹配到前一帧中的多辆车,此时说明车辆出现了融合和遮挡;当当前帧中的多辆车都匹配到前一帧中同一辆车,此时说明检测结果中出现了分裂的情况。当遇到以上两种情况时返回上一帧,对出现该情况的车辆用Mean shift算法进行跟踪。
    以上算法具体说明如下:
    1.1基于最大重叠面积算法,如图2所示:
    1)求重叠区域的面积
    说明:
    此步骤主要是给出如何求重叠面积的方法。
    算法:
    已知第k帧中车辆的左上角坐标(x1,y1)和右下角坐标(x2,y2),第k+1帧中车辆的左上角坐标(x3,y3)和右下角坐标(x4,y4)。设重叠区域的左上坐标和右下坐标分别为(x5,y5),(x6,y6),则:
    x5=max(x1,x3)x6=min(x2,x4)y5=max(y1,y3)y6=min(y2,y4)---(1)]]>
    由公式(1)可分别求得重叠区域的左上角和右下角。
    x5<x6y5<y6---(2)]]>
    如果(2)式成立,则说明两个矩形区域有重叠部分,否则两个矩形区域不重叠。如果(2)式成立,则两个矩形区域重叠面积S为:
    S=(x6-x5)*(y6-y5)   (3)
    2)匹配原则
    说明:
    给定一个目标,用穷举法找出在下一帧中与其重叠面积最大的目标。
    算法:
    相邻两帧检测序列中,面积重叠最大者即为匹配正确者,给予该匹配正确的目标以相应的编号。
    M=max{s1,s2,s3,…,sn}
    1.2基于Mean shift算法
    1)手动搜索目标窗口,建立目标模型
    说明:
    给定目标窗口,利用色彩分布概率建立目标模型。
    算法:
    qu(y^)=C^Σi=1nk(||y^-x^ih^||2)δ[b(x^i)-u]---(4)]]>
    式中,C^=1Σi=1nk(||y^-x^ih^||2)]]>
    δ[b(x^i)-u]=1b(x^i)=u0b(x^i)&NotEqual;u]]>
    为目标模型的中心坐标,为第i个像素点的坐标,为点的像 素值,h为目标模板的半径。
    即指第i个像素点到目标模型中心的距离。
    为核函数,当x值越大k(x)值越小,反之,当x值越小k(x)值越大,即越靠近中心点给的权重越大。
    为离散冲击函数,当时,等于1;当时,等于0。即当遍历到的像素值等于给定的像素值时就记数一次。
    2)在下一帧建立候选模型
    说明:
    同1),建立下一帧的色彩概率分布模型。
    算法:

    C=1Σi=1nk(||y-xih||2)]]>
    δ[b(xi)-u]=1b(xi)=u0b(xi)&NotEqual;u]]>
    上式中,y0是上一帧的目标模板的中心坐标。
    3)以Bhattacharyya系数作为相似性函数,得到Mean shift迭代式
    说明:
    以Bhattacharyya系数作为相似性函数,使得候选模型一步一步接近目标模型,得到Mean shift迭代式。
    算法:
    Bhattacharyya系数定义为:

    当ρ(y)最大时即说明p(y)和q具有最大的相似度;
    其一阶泰勒展开式为:

    式中,

    (4)式中,第一项与y无关,所以要求得ρ(y)的值只需要第二项取得最大值即可;对(4)中第二项求导即可得到最大值

    要使f‘(y)=0,则有:

    如此便得到Mean shift迭代式:

    其中,g(X)=-k′(X)
    由于核函数对于目标中心的像素值赋予大的权值,而对于远离目标中心的像素赋予小的权值,因而采用核函数直方图建模保证了Mean shift算法本身对遮挡和背景的变化有很好的鲁棒性。
    2、车辆跟踪过程中对目标粘连和分裂情况的处理;
    由于光照,天气等因素的影响,现在的检测技术并没有达到完美的效果,检测出来的车辆偶尔会出现分裂,有时候多辆车靠的太近可能会将它们检测成为一辆车。于是,在跟踪过程中会出现一些不合理但是确实会存在的情况,必须对这些情况进行处理才能使得跟踪结果合理和正确。
    2.1新目标出现
    说明:
    判断何种情况为新目标出现。
    算法:
    手动画出一条进入监控区域的线,当目标进入这条线则认为这是新目标,判断该目标是否符合车型特征(事先会给出进入线部分不同车型的长度和宽度的范围)。当该目标符合车型特征时,给予该新目标以编号;如果小于最小车型的范围,则判断它不是一辆完整的车,此时不给于编号,但给予记数0,等待几帧后更清晰准确的检测结果在给予编号;如果该目标大于最小车型的范围,则认为该目标为几辆车出现了粘连现象所以导致了错误的检测结果,此时给予该目标以编号,并且给予该目标以标记,以表示该目标为不正常目标。
    2.2监控范围内跟踪情况分析
    说明:
    根据匹配的情况,如一对一,一对多,多对一,给出处理方法。
    算法:
    用最大重叠面积算法对相邻两帧中检测序列中的目标进行匹配,当出现以下三种情况时则认为匹配成功:对于无记数和标记者必须是一一匹配;对于有标记者只要有与之匹配的就认为匹配成功;对于有记数者只要有与之匹配的就 认为其匹配成功。
    如果匹配的时候发现被匹配者没有编号,但有记数号,则说明它是在做为新目标的时候车型不完整而留下来的,此时,如果它有被匹配上,则为其记数进行加1操作。当其记数达到5时给予其编号。
    当匹配时发现被匹配者有标记,则对比其两帧中目标的总面积是否有很大的变化,如果有,将标记去除,给予匹配上的目标以编号,最前面的给予原有的编号,剩下的依次给予新的编号。如果面积没有发生很大变化则给于对应的编号和标记。
    当匹配的时候目标是一一对应的,则直接给予其相对应的编号。
    当匹配不成功时,如果出现第k帧中检测序列的多个目标匹配到k+1帧中检测序列的同一目标,此时表明在第k帧中是正确的结果,但是到第k+1帧时出现了几车合并的情况,此时用Mean shift算法对第k帧中的那几个目标进行脱离k+1帧检测序列的跟踪。
    如果出现第k帧中序列的一个目标匹配到k+1帧中检测序列的多个目标,此时表明在第k帧中时正确的结果,但是到了第k+1帧出现了一车分裂的情况,此时用Mean shift算法对第k帧中的那一目标进行脱离k+1帧检测序列的跟踪。
    2.3目标驶出
    说明:
    判断何种情况为目标驶出。
    算法:
    手动画出一条驶出监控区域的线,当目标驶出该线则认为目标驶出,删除 该车的存储结构。
    上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的?;し段е??!  ∧谌堇醋宰ɡ鴚ww.www.4mum.com.cn转载请标明出处

    关于本文
    本文标题:多车辆跟踪时目标粘连和分裂情况的处理方法.pdf
    链接地址://www.4mum.com.cn/p-6130668.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 山西快乐十分任五遗漏 福彩3d字谜图谜总汇图谜总汇 快乐10分钟开奖走势图 开心棋牌游戏官方 离线单机麻将 南粤36选7彩票开奖查询结果 新疆十一选五手机版 捷豹网球比分网 李逵劈鱼游戏破解 036期曾道人点特玄机 彩票走势图 极速飞艇彩票官网 足彩半全场 创富彩票首页 山西快乐十分遗漏 喜乐彩微信群