[发明专利]一种基于角点匹配的运动车辆跟踪方法

权利要求书

1.一种基于角点匹配的运动车辆跟踪方法，其特征在于：其步骤为：

步骤一：现场场景图像的获取；

步骤二：哈里斯角点的提取；

步骤三：角点尺度不变旋转特征描述子的计算；

步骤四：轨迹的形成以及其参数的计算；

步骤五：对轨迹进行动态分组及车辆的确认。

2.根据权利要求1所述的基于角点匹配的运动车辆跟踪方法，其特征在于：在所述现场场景图像的获取步骤中，监控摄像头为CCD摄像头，镜头固定，以等间隔对现场视频进行采样，采样分辨率是720×576，采样间隔小于0.1秒。

3.根据权利要求1所述的基于角点匹配的运动车辆跟踪方法，其特征在于：哈里斯角点检测算法使用一阶差分，是将所处理的矩形窗口w向任意方向移动微小位移(x,y)；灰度改变量可以用自相关函数表示为：

E(x,y)=Σu,vwu,v|Ix+u,y+v-Iu,v|2]]>

在角点处，灰度改变量在象素点(u,v)展开，局部图像灰度的自相关函数E(x,y)可近似表示成一次泰勒多项式形式：

E(x,y)=Σu,vwu,v[Ix+u,y+v-Iu,v]2=Σu,vwu,v[xX+yY+o(x2,y2)]2=Ax2+2Cxy+By2]]>

其中X和Y是一阶灰度梯度，可对图像求卷积求得：

X=∂I∂x=I⊗(1,0,-1)]]>

Y=∂I∂y=I⊗(1,0,-1)T]]>

选用如下高斯窗口：

wu,v=exp[-12(u2+v2)/δ2]]]>

另外定义：

A=X2⊗w,B=Y2⊗w,C=(XY)⊗w]]>

和矩阵：

M=ACCB]]>

在某一点的图像灰度自相关函数的极值曲率由矩阵M的特征值近似表示；当矩阵M的两个特征值都比较大，则在该点的图像灰度自相关函数的两个正交方向上的极值曲率均较大，即可认为该点为角点。