[发明专利]一种基于运动预测与多特征融合的车辆跟踪方法

权利要求书

1.一种基于运动预测与多特征融合的车辆跟踪方法，所述方法包括：

步骤1)读取视频帧；

步骤2)判断是否启动车辆检测器，如果为否，则转入步骤3)，否则，转入步骤9)；

步骤3)遍历跟踪列表的各个跟踪目标车辆，从视频帧获得预测区域内的跟踪目标车辆的包围框；

步骤4)判断各个跟踪目标车辆是否存在交叠，如果存在交叠则进入步骤5)，否则，进入步骤7)；

步骤5)计算交叠目标车辆与原跟踪目标车辆间的多特征融合相似度并进行目标匹配；如果匹配成功，则转入步骤6)；否则，统计目标丢失帧数，转入步骤6)；

步骤6)如果目标丢失帧数大于阈值，则不将该目标车辆加入跟踪列表；转入步骤8)；否则，将目标车辆加入跟踪列表，更新滤波模板；

步骤7)基于运动预测估计下一帧的目标的位置和可能区域；

步骤8)跟踪列表中的所有跟踪目标车辆处理完成后，读入下一个视频帧，转入步骤2)，直到视频帧采集结束；

步骤9)基于视频帧对跟踪目标车辆的进行匹配检测，具体包括：

步骤9-1)获得车辆检测矩形包围框并提取检测特征：HOG特征和CN特征；

步骤9-2)将检测特征与跟踪列表中车辆的特征进行匹配；如果匹配成功，转入步骤9-5)，否则，转入步骤9-3)；

步骤9-3)对未匹配的车辆目标更新其丢失帧数；

步骤9-4)由未匹配的检测结果初始化滤波模板，将其加入车辆跟踪列表，估计下一帧预测区域；

步骤9-5)更新对应的滤波模板；

步骤9-6)所有检测结果匹配完成后读入下一视频帧，转入步骤2)；直到视频采集结束；

所述步骤3)具体包括：

步骤3-1)对跟踪目标列表中各个目标车辆的预测区域进行多尺度缩放，提取各个尺度的HOG特征，得到特征循环矩阵；

HOG特征向量为h＝[h₀,h₁,…,h_N-1]，其特征循环矩阵H表示为：

对特征循环矩阵H进行离散傅立叶变换矩阵对角化，得到：

其中，表示离散傅立叶变换，F表示DFT矩阵，F^H表示F的共轭转置

步骤3-2)通过快速傅立叶变换将上述特征循环矩阵映射到频域空间，然后将特征循环矩阵与对应的相关滤波模板进行卷积运算，获得最大响应位置和各个缩放尺度下响应最大的尺度；

相关滤波模板为特征岭回归的关于参数w的解：

其中，y为中心与目标中心重合的高斯函数，⊙为频域点乘运算，λ为正则化参数；

步骤3-3)将目标车辆中心新的位置设置为最大响应位置，各个缩放尺度下目标车辆的新尺度设置为对应缩放尺度下的响应最大的尺度，对目标车辆矩形框按对应尺度进行缩放，获得目标车辆的包围框；

所述步骤3-1)中，初始预测区域的选取方法为：获得各个跟踪目标车辆对应的相关滤波模板F(w)后，以第i个跟踪目标车辆的初始跟踪位置(x_i,y_i)为中心，将初始车辆目标矩形框放大到原始框1.5倍所得区域为下一帧的预测区域P_i；

所述步骤3-1)中的对跟踪目标列表中各个跟踪目标车辆的预测区域进行多尺度缩放，具体为：使用双三次插值法，对跟踪目标列表中各个目标车辆的原始预测区域图像分别放大到原始的1.05倍、缩小到原始的0.95倍和保持原始尺度预测区域图像不变。

2.根据权利要求1所述的一种基于运动预测与多特征融合的车辆跟踪方法，其特征在于，所述步骤5)的计算交叠目标车辆与原跟踪目标车辆间的多特征融合相似度并进行目标匹配；具体包括：

步骤5-1)提取当前帧单个交叠目标包围框与发生交叠的所有目标包围框的CN特征；

步骤5-2)计算当前帧单个交叠目标与发生交叠的所有目标所对应HOG与CN特征的多特征融合相似度；

步骤5-3)对于多特征融合相似度大于预设阈值的各组结果，则多特征融合相似度最大的一对为同一目标，即当前帧该目标与对应的原跟踪目标为同一目标；否则认为匹配失败。