[发明专利]基于路面纹理上下文信息的多尺度车辆跟踪方法及装置

权利要求书

1.一种基于路面纹理上下文信息的多尺度车辆跟踪方法，其特征在于，包括：

S1、对于线性空间道路纹理的情况，获取目标车辆的中心位置；

所述步骤S1包括：利用最小二乘法对目标车辆的若干个背景区域进行处理得到脊回归公式，对若干个背景区域对应的脊回归公式部分进行循环移位合并简化；对简化后的脊回归公式计算得到频域中的第一权重参数矩阵利用第一权重参数矩阵获取第一响应矩阵R，并对第一响应矩阵R进行傅里叶变换得到频域中的第一响应矩阵计算得到频域中的第一响应矩阵最大的响应值对应的索引，即对应目标车辆的中心位置；

其中，若干个背景区域中包括路面纹理区域；

所述步骤S1还包括：

得到的所述脊回归公式如式(1)：

其中，称代表二范数，A₀表示目标车辆循环移位后的样本的特征矩阵；A₁表示目标车辆下方的路面区域循环移位后的样本的特征矩阵；A_i表示目标车辆左侧区域或者上端区域或者右侧区域的背景区域循环移位后的样本的特征矩阵；

λ₁表示在训练过程中，路面纹理区域信息所占的比重；λ₂表示训练过程中A_i对应的噪声区域所占的比重，λ₃表示正则化参数，控制第一权重参数矩阵的复杂度；y₀表示目标车辆的二维高斯矩阵标签；w表示需要回归的第一权重参数矩阵；k₁表示目标车辆周围的背景区域数量；

式(1)分为以下若干个部分：第一部分为表示将目标区域作为正样本训练；第二部分为表示将目标下方道路区域作为正样本训练，由参数λ₁控制对损失的贡献程度；第三部分为表示将目标车辆左侧区域、上端区域以及右侧区域作为噪声训练之和，由参数λ₂控制对损失的贡献程度；第四部分为表示通过正则化进行训练，实现控制权重参数的复杂度，由参数λ₃控制对损失的贡献程度；

然后，将公式(1)对应的区域进行合并，得到简化后的公式(2)：

其中，B和的形式如式(3)所示：

B为循环矩阵，为标签矩阵，表示各个部分的样本空间中的样本所对应的标签值；

通过令得第一权重参数矩阵w，如式(4)：

其中，B^T为B的转置，I表示单位矩阵，表示公式(2)对w求导等于零；

再将公式(4)两边分别进行傅里叶变化后，得到频域中的第一权重参数矩阵如下:

其中，a_i表示第个i区域对应的样本空间中的样本特征矩阵的第一行构成的向量；⊙表示点乘运算；为向量a_i的经过傅里叶变化处理后在频域中的表示形式；表示的共轭转置，为标签矩阵在频域中的表示；所述频域中的第一响应矩阵的获取方法为：

以上一帧的目标车辆的位置为中心，分别以目标车辆的宽的N倍、高的N倍向外侧扩展，将扩展后得到的区域作为搜索区域；

根据循环矩阵的性质，在搜索区域中，以像素为单位，进行横向和纵向上循环移位，每循环移位一次得到一个待检测的样本，待检测的样本组成待检测的样本空间，待检测的样本空间的特征值组成的样本特征矩阵用Z₁表示，样本特征矩阵Z₁与第一权重参数矩阵w进行矩阵运算，得到第一响应矩阵R，如式(6)

R＝Z₁w (6)

并对第一响应矩阵R进行傅里叶变换得到式(7)，式(7)如下：

其中，表示样本特征矩阵Z₁经过傅里叶变换后在频域中的形式；表示第一权重参数矩阵w经过傅里叶变换后在频域中的形式，表示响应矩阵R经过傅里叶变换处理后在频域中的形式，得到即得到第一响应矩阵R，确定目标车辆的中心位置；

S2、对于非线性空间道路纹理的情况，在对偶空间中获取目标车辆的中心位置；

S3、获取目标车辆中心位置后，并与当前帧的图像最优尺度结合，得到更加精确的目标车辆位置。