[发明专利]基于视频的混合交通环境下移动目标多特征融合跟踪方法

权利要求书

1.一种基于视频的混合交通环境下移动目标多特征融合跟踪方法，其特征在于该方法将车辆做为跟踪目标，采用基于粒子滤波方法的多特征融合机制，融合视频信息的边缘特征与颜色特征，使两种特征信息互为补充，具体步骤如下：

步骤一：视频预处理：将摄像头拍摄到的视频由USB接口读入到计算机，然后将视频分解为帧图像序列；

步骤二：采用粒子滤波方法提取帧图像感兴趣区域的颜色特征信息，计算与目标模板的颜色特征相似度；

步骤三：采用粒子滤波方法提取帧图像感兴趣区域的边缘特征信息，计算与目标模板的边缘特征相似度；

步骤四：将步骤二和步骤三中的特征相似度转化为相应的特征测量权值；

步骤五：基于随机融合方法进行颜色特征和边缘特征信息的融合；

步骤六：输出跟踪后的帧图像；

步骤七：将帧图像合成为视频流输出，

步骤八：将视频输出于监视器或通过网络接口远程传输。

2.根据权利要求1所述的基于视频的混合交通移动目标多特征融合跟踪方法，其特征在于，采用粒子滤波方法提取帧图像感兴趣区域的颜色特征信息，是通过颜色特征模型来建立空间观测模型，步骤如下：

步骤一：将红R、绿G、蓝B彩色帧图像转换到色度H、饱和度S、纯度V空间；

步骤二：将HSV三个颜色分量分别量化为三个量化级，这三个量化级的乘积是彩色特征空间的特征矢量总数；

步骤三：对于目标模板和待测粒子模板分别累计其对应的特征矢量的个数，产生两模板的彩色直方图；

步骤四：用Bhattacharyya相似性系数计算两模板间的彩色直方图的相似度。

3.根据权利要求1所述的基于视频的混合交通移动目标多特征融合跟踪方法，其特征在于，采用粒子滤波方法提取帧图像感兴趣区域的边缘特征信息，是通过边缘特征模型来建立空间观测模型，步骤如下：

步骤一：采用Sobel边缘检测模板分别对灰度化后的图像进行行、列卷积，得到梯度的幅度图和边缘方向角图；

步骤二：除去伪边缘，得到修正的梯度幅值图；

步骤三：将梯度方向角进行量化得到每个像素对应的角度量化级，累计相应量化级的梯度幅值，最终得到边缘特征的直方图；

步骤四：通过边缘直方图的欧几里德Euclidean距离计算目标模板和待测粒子模板的相似度。

4.根据权利要求1所述的基于视频的混合交通移动目标多特征融合跟踪方法，其特征在于，随机融合方法的具体步骤是：

步骤一：每个粒子随机产生一个0到1之间的随机数；

步骤二：由测量空间的不确定度来确定选择概率；

步骤三：根据随机融合机制融合粒子权值，如果随机数大于选择概率，则只计算颜色直方图，从而确定其彩色测量权值，边缘测量权值为0；如果随机数小于选择概率，则只计算边缘直方图，并确定其测量权值，彩色测量权值为0；随机融合计算公式如下：

ωi=1Σi=1Nωciωci+1Σi=1Nωeiωei]]>

式中，ωⁱ表示第i个粒子融合后的权值，N表示粒子总数，ω_cⁱ表示第i个粒子的彩色测量权值，ω_eⁱ表示第i个粒子的边缘测量权值。