[发明专利]基于目标跟踪和特征点匹配的运动车辆测速方法

说明书

技术领域

本发明属于图像模式识别、视频目标跟踪、智能视频监控和智能交通领域，尤其涉及一种基于目标跟踪和特征点匹配的运动车辆测速方法；

具体地说，本发明涉及一种基于背景建模的前景提取方法、基于最大连通域的运动目标跟踪方法和基于SIFT特征点的改进匹配算法的运动车辆测速方法，适用于治安卡口系统、闯红灯电子警察系统等系统中。

背景技术

随着我国经济的快速发展和社会机动车辆拥有量的急剧增加，涉车事件、案件成几何倍数增长。为了提升社会治安水平，降低涉车事件、案件的发生概率，针对机动车辆的检测和监控技术得到了广泛的研究；基于视频分析的运动车辆速度测量也得到了很大的关注，被广泛应用于治安卡口、闯红灯抓拍等交通场景中。

目前，运动车辆测速的方法根据测速的设备大致可以划分为两类：

一、依赖辅助设备测速

辅助设备主要有：地感线圈；激光和雷达。

地感线圈触发测速，一般在测试车道上安装两个固定距离的地感线圈，根据采集通过两个线圈的时间差和线圈间的距离，计算车辆通过的速度。这种方法需要在车道上切割、埋设感应线圈。由于需要在地下埋设地感线圈，加大了施工难度，提高了安装成本；同时当大车经过时容易对线圈造成损坏，导致维护难度增大。

激光和雷达测速的覆盖范围有限，且设备成本较高。

二、视频测速

相比第一种方法，视频测速具有安装简单，测速范围广，同时可以监控多个车道，易于维护等优势。目前视频测速大致可以分为两类：基于运动轨迹和基于特征点匹配。

基于运动轨迹的算法效率高，实时性好，适合移入到嵌入式设备中，由于算法输出的运动轨迹信息和实际的运动轨迹之间存在误差，导致最终的测速结果存在误差；SIFT特征点匹配算法是常用的一种特征点匹配算法，由于其匹配精度高，鲁棒性强，可以适应目标尺度、角度和位移变化，并且能够克服光照变化的影响，而被广泛应用，但由于该算法的计算复杂度高，实时性不能得到保证。

发明内容

本发明的目的就在于克服现有技术存在的上述缺点和不足，提供一种基于目标跟踪和特征点匹配的运动车辆测速方法。

本发明的目的是这样实现的：

使用背景建模法提取运动目标，运用最大连通域方法确定运动目标的轨迹信息，利用改进的SIFT特征点匹配算法准确地计算运动目标的移动距离，该算法能够在光照突变、强光照射等复杂环境下实现特征点准确匹配，在视频测速的准确率和计算效率上均优于传统方法。

一、测速装置

1、智能网络摄像机(有DSP图像传感器)；

2、网络摄像机(无DSP图像传感器)+工业控制机。

二、测速方法

本方法主要包括一种基于背景建模的车辆定位方法和一种基于改进SIFT特征点匹配方法计算位移矢量的方法。该方法利用背景建模高效地获取运动目标位置，通过最大连通域跟踪方法获取运动目标的轨迹信息，利用多帧之间运动车辆刚体特性的关联性对车身上的特征点进行准确匹配，从而准确地获得监控视频中车辆目标的位移矢量，从而准确的计算车辆行驶速度。

具体地说，本方法包括以下步骤：

第1、获得当前图像序列Fn；

第2、获得当前帧的灰度图像Y(n)；

第3、根据背景建模获得当前帧运动车辆的位置信息P_Cur；

第4、判断上一图像序列是否含有目标序列，是则进入第5步骤，否则跳转到第7步骤；

第5、获得当前帧的运动目标的轨迹信息T；

第6、判断是否需要提取特征点，是则进入第7步骤，否则跳转到第9步骤；

第7、判断目标和图像的比例是否大于阈值，是则进入第8步骤，否则跳转到第9步骤；

第8、提取特征点，并记录特征点信息；

第9、判断是否需要特征点匹配，是则进入第10步骤，否则跳转到第12步骤；

第10、特征点匹配，计算该目标的移动位移，进而求得该目标的瞬时行驶速度；

第11、根据最终匹配结果，计算待匹配特征点与匹配特征点的尺度变化，进行分析，根据分析结果对算法参数进行更新；

第12、判断有运动目标的跟踪算法是否已经结束，是则进入第13步骤，否则跳转到第1步骤；

第13、求该运动目标的所有的瞬时速度的平均值。

与现有技术相比，本发明具有下列优点和有益效果：

①可以高效地获得运动车辆的轨迹信息