[发明专利]一种基于车辆检测跟踪的车辆分析方法及系统

权利要求书

1.一种基于车辆检测跟踪的车辆分析方法，其特征在于：包括以下步骤，

(1)获取视频帧图像，对视频帧图像进行车辆检测，标定初始帧图像上的车辆框；

(2)建立模板特征：对初始帧图像车辆框进行扩大得到背景框，对背景框提取图像特征，建立位置模板特征；以及对车辆框进行多个尺度缩放，对每个尺度提取图像特征，建立尺度模板特征；

(3)输入下一帧图像，建立实时特征并将实时特征与模板特征建立相关，得出目标框位置，完成车辆跟踪；

具体步骤如下：在图像中选取与背景框同等位置以及大小的候选框，对候选框提取图像特征，建立位置实时特征；该位置实时特征与位置模板特征建立相关匹配得到中心位置响应图，中心位置响应图中最大响应值所在位置即为目标框中心位置；

基于目标框的中心位置，按车辆框大小选取候选框，按步骤(2)的方法对候选框进行多个尺度缩放后提取图像特征，建立尺度实时特征；将该尺度实时特征与尺度模板特征建立相关匹配获取响应图，响应图中最大响应值所在尺度即为目标框的尺度；

根据目标框中心位置以及目标框的尺度，得出目标框位置；

(4)重复步骤(3)进行跟踪；当跟踪踪的帧数到达预设的数值时，则从步骤(1)开始重复检测再跟踪；

(5)获取该车辆的所有车辆框，分析车辆的运动轨迹；

其中，上述步骤(3)中获取目标框中心位置的具体步骤为：

(3.1)输入候选框，按步骤(2.1)的方法构建梯度实时特征new_xtf；

(3.2)梯度实时特征new_xtf与梯度模板特征xtf建立相关关系并输出响应图，该相关关系建立公式表示为：new_xtf＊h1，计算结果进行逆傅里叶变换，得到响应图g1；

其中，h1＝min||∑h1*xtf-g||²+λ∑||h1||²，其中，g为服从高斯分布的期望响应，λ为常数；

(3.3)获取候选框的前景区域和背景区域，将该背景区域的每个像素点RGB值在第一帧的背景颜色模板特征bg_hist内进行查找，计算出背景颜色概率；将该前景区域的每个像素点RGB值在第一帧的前景颜色模板特征fg_hist内进行查找，计算出前景颜色概率，并根据公式计算出像素概率pwp；

(3.4)将响应图g1和像素概率pwp进行线性融合，计算出中心位置响应图，该中心位置响应图中最大响应值所在位置为目标框的中心位置；

像素概率的计算公式为：pwp＝P_fg/(P_fg+P_bg)，其中，P_fg为前景颜色概率，P_bg为背景颜色概率；

上述步骤(3)中获取目标框的尺度的方法包括以下具体步骤：

(3.5)对步骤(3.4)中获得的目标中心位置进行基于车辆框大小的缩放，作为候选框；

(3.6)对候选框，按照步骤(2.2)的方法分别提取每个尺度下的梯度特征直方图，将该梯度特征直方图构建成梯度实时特征new_xsf；

(3.7)梯度实时特征new_xsf与梯度模板特征xsf建立相关关系并输出响应图，该相关关系建立公式表示为：new_xsf＊h2，计算后输出响应图记为g2，响应图g2最大值所对应的尺度为目标框的尺度；

其中，h2＝min||∑h2*xsf-g||²+λ∑||h2||²，其中，g为服从高斯分布的期望响应，λ为常数。

2.如权利要求1所述的一种基于车辆检测跟踪的车辆分析方法，其特征在于：上述步骤(4)之前还包括，对模板特征进行更新：将模板特征与实时特征进行线性融合，形成新的模板特征。

3.如权利要求1所述的一种基于车辆检测跟踪的车辆分析方法，其特征在于：上述步骤(2)中位置模板特征的获取具体步骤为：

(2.1)提取梯度特征，包括将背景框分成小的连通区域，采集每个连通区域中各像素点的方向直方图，将所有的方向直方图组合后构成梯度特征直方图；将该梯度特征直方图进行汉宁窗口加权，并进行二维傅里叶变换，构建成梯度模板特征xtf；

提取颜色特征，包括获取车辆框的前景区域和背景区域，分别对目标框的前景区域和背景区域建立前景颜色模板特征fg_hist和背景颜色模板特征bg hist。