[发明专利]一种车辆检测与跟踪一体化方法

权利要求书

1.一种车辆检测与跟踪一体化方法，其特征在于，包括以下步骤：

步骤1，获取图像并选取所述图像中的感兴趣区域后，采用支持向量回归方法对所述感兴趣区域中的车辆目标进行多尺度滑窗检测，获得初始检测结果；

步骤2，依次采用空间位置特征方法、支持向量分类方法和多帧热度方法对所述初始检测结果进行筛选，获得进一步检测结果；

步骤3，对所述进一步检测结果采用改进的可变尺度核相关滤波算法进行跟踪，获得跟踪结果；

步骤4，在所述步骤2持续的处理过程中，根据检测结果对已起批的车辆目标进行加权投票，所述检测结果通过空间位置特征方法和支持向量分类方法获得，将所述检测结果与跟踪结果进行融合处理，得到最终检测结果；

所述步骤1包括：

获取图像并根据场景及应用需要选取感兴趣区域后，采用支持向量回归方法对所述感兴趣区域中的车辆目标进行多尺度滑窗检测，所述支持向量回归方法中的支持向量回归器由预先训练获得；

所述支持向量回归器的预先训练包括：

预先采集大量多种类型车辆目标的正视图和后视图作为正样本，预先采集大量多种道路环境的非车辆场景作为负样本，分别对所述正样本和负样本采用方向梯度直方图算法提取特征向量；

对于尺度为640×480像素的感兴趣区域，取样本大小为32×32像素，即样本边长L＝32像素的正方形，所述样本包括正样本和负样本，取方向梯度直方图参数中block值为8像素，cell值为2像素，采用bin值为9，进行特征计算，获得特征向量；

按照1:3的比例配置正样本和负样本，采用线性支持向量机方法训练回归器和分类器；其中，采用线性支持向量回归方法训练回归器，获得支持向量回归器，采用线性支持向量分类方法训练分类器，获得支持向量分类器；

对于宽度w为640像素，高度h为480像素，大小640×480像素的感兴趣区域，采用预先训练好的所述支持向量回归器，按步长8为像素对感兴趣区域进行滑窗检测；采用多尺度滑窗检测，尺度迭代倍率为s＝1.2；每次滑窗检测完成后，按照所述尺度迭代倍率将感兴趣区域整体缩小，再次进行滑窗检测，多次迭代直到所述感兴趣区域的高度h小于样本边长L；

所述步骤2包括：

步骤2.1，进行位置特征筛选：所述感兴趣区域包括下部的地面部分和上部的天空部分，将完全处于下部或完全处于上部的车辆目标认定为虚警并滤除，得到第一筛选结果R₁；

步骤2.2，进行支持向量分类方法筛选：采用训练得到的所述支持向量分类器对第一筛选结果R₁进行目标筛选，得到第二筛选结果R₂，所述第二筛选结果R₂中每个目标窗口均包含窗口位置和支持向量分类得分；

步骤2.3，采用非极大值抑制方法进行候选区域合并：若两个目标窗口交并比大于0.2，认为所述两个目标窗口相交；选取局部相交窗口最多的目标窗口作为局部非极大值抑制的基准窗口，若有两个相交的目标窗口拥有相同的相交窗口数量，取其中支持向量分类得分高的一个目标窗口作为非极大值抑制的基准窗口；计算所述基准窗口及与之相交窗口的平均尺寸，所述平均尺寸即平均边长La，在边长L’与平均边长La接近，即L’≥0.7*La且L’≤1.3*La的目标窗口中，选取置支持向量分类得分最高的目标窗口记作合并结果R₃；

步骤2.4，进行多帧热度方法进行筛选：若连续5帧中，有3帧在近似位置检测到近似尺寸大小的目标，则通过热度筛选，其中，采用交并比作为位置或尺寸大小近似的依据，当作为比较的2帧中，目标窗口交并比大于0.5，则确认所述2帧的位置或尺寸近似，即确认所述目标窗口在前后帧中关联；若通过多帧热度筛选，则取所述连续5帧中的最后一帧窗口位置，作为第三筛选结果R₄；

所述步骤3包括：

将所述第三筛选结果R₄进行跟踪：跟踪起批后，采用可变尺度核相关滤波算法计算所述第三筛选结果R₄中各个目标跟踪窗口的跟踪得分，其中，跟踪特征选择fHOG特征；

分别对各个跟踪窗口的原始尺寸、1.05倍尺寸及0.95倍尺寸计算跟踪得分s₀、s₁、s₂，取每个目标得分最高值的跟踪窗口用于下一帧跟踪，可变尺度目标跟踪窗口记作R₅；

所述步骤4包括：

建立投票历史资源池，用于投票记录；

自起批后第一帧开始，由第二筛选结果R₂对任一个目标跟踪窗口T₀进行投票；若所述第二筛选结果R₂中有一个目标检测窗口D₀中心位置落在任一个目标跟踪窗口T₀范围内，则计所述目标跟踪窗口T₀得1票；若所述第二筛选结果R₂中有m个目标检测窗口D₀中心位置落在任一个目标跟踪窗口T₀范围内，则计所述目标跟踪窗口T₀得m票；所述投票资源池上限为50帧，即最多考虑由当前目标跟踪窗口向前50帧的投票历史；

若当前目标跟踪窗口已持续n帧，n≤50，则所述当前目标跟踪窗口的投票得分其中，m_j为当前目标跟踪窗口向前第j帧的投票得票数，通过所述投票历史资源池，将所述检测结果与跟踪结果进行融合处理；

其中，设置跟踪得分的高阈值N_high＝0.6、跟踪得分的低阈值N_low＝0.4，

若任一所述目标跟踪窗口在起批后第i帧跟踪得分s_i0.6，确认所述目标跟踪窗口的跟踪得分较高，则通过所述投票历史资源池进行如下负融合处理：

设置负融合阈值若所述目标跟踪窗口在起批后第i帧投票得分则保持跟踪；若所述目标跟踪窗口在起批后第i帧投票得分则放弃跟踪，并清空所述目标跟踪窗口及对应的投票历史资源池；

若任一所述目标跟踪窗口在起批后第i帧跟踪得分0.4s_i≤0.6，确认所述目标跟踪窗口的跟踪得分较低，则通过所述投票历史资源池进行如下正融合处理：

设置正融合阈值N_pos＝i，若所述目标跟踪窗口在起批后第i帧投票得分score_i≥i，则认为所述目标跟踪窗口内的车辆目标为真实目标，仍持续进行跟踪；若所述目标跟踪窗口在起批后第i帧投票得分score_ii，则放弃跟踪，并清空所述目标跟踪窗口及对应的投票历史资源池；

若某目标跟踪窗口在起批后第i帧跟踪得分s_i0.4，跟踪得分过低，则放弃跟踪，并清空所述目标跟踪窗口及对应的投票历史资源池；

经过融合处理后仍保持跟踪的目标则为最终处理结果，输出所述最终处理结果，进入下一帧的运算。