[发明专利]基于多特征融合的车流监控图像检测和跟踪系统及方法

权利要求书

1.一种基于多特征融合的车流监控图像检测和跟踪系统，其特征在于，包括视频输入设备、网络接口、视频采集模块、车辆检测和跟踪模块、车流量统计模块,视频输入设备拍摄到的车辆运动图像通过网络接口传送到视频采集模块，完成视频流数据的读取、解码、存储、播放功能，车辆检测和跟踪模块从视频流数据中检测运动车辆，提取特征数据和跟踪目标车辆，车流量统计模块从检测到车辆信息来计算不同方向车流量。

2.一种基于多特征融合的车流监控图像检测和跟踪方法，其特征在于，包括以下步骤：

步骤1：获取并解码摄像头视频流并转换为HSV格式的序列帧图像；

步骤2：运动目标检测

对第一帧图像根据像素点空间上的相关性和时间上的相关性，应用VIBE算法建立图像背景模型，并比较背景帧和当前帧进行背景/前景分类，同时采用背景更新策略更新背景模型；

步骤3：目标图像特征提取

(3.1)采用颜色特征和SILTP纹理特征结合方法，消除分割出来的前景运动目标阴影粘连干扰和其它噪声干扰；

(3.2)对于(3.1)获取的目标图像进行分块，采用局部二值化模式LBP提取若干个分块目标图像的纹理特征，并统计LBP的直方图，生成整幅图像的特征向量；

(3.3)结合(3.2)得到的均匀旋转不变LBP纹理描述特征向量，采用加速分割检测特征FAST算法计算目标图像的主方向和角点描述子，从而得到前景目标的特征描述；

步骤4：运动目标跟踪

(4.1)将RGB颜色转化HSV空间，计算检测目标直方图，记录中心坐标以及搜索窗口；

(4.2)计算直方图到二维图像上的反向投影，即用当前颜色值的统计值代替当前像素点的值；

(4.3)根据MeanShift算法计算目标图像模型和当前帧候选目标图像特征的相似度，判断是否搜索到目标，若搜索到转(4.6)，若未搜索到转到(4.4)；

(4.4)当前帧未搜索到时，加入基于ROI的运动目标检测和Kalman预测功能，当目标图像再次出现在场景中时，继续对目标跟踪；

(4.5)调整搜索窗口大小，重复(4.2)和(4.3)步骤直到搜索到目标；

(4.6)求取窗口目标大小，对运动目标进行标记或车流检测记录上传，转到(4.2)进行下一帧图像的跟踪。