[发明专利]一种高速公路车辆轨迹跟踪方法

权利要求书

1.一种高速公路车辆轨迹跟踪方法，其特征在于：用设于高速公路上的监控摄像机，对车辆各个方面的特征进行提取，包括车辆的固有特征和运动特征；将上述特征数据存储到视频服务器，对摄像机监控画面、监控画面分析出的车辆信息和车辆的轨迹跟踪进行展示，对摄像机监控到的所有车辆，使用车辆关联算法进行关联，在它们之中找到属于相同车辆的目标，从而实现在高速公路上间隔性的多个摄像机间的车辆轨迹跟踪。

2.根据权利要求1所述的一种高速公路车辆轨迹跟踪方法，其特征在于：车辆的固有特征包括车辆的颜色、形状、大小、挡风玻璃处的年检标志，以及车辆的品牌和型号；车辆的运动特征包括车辆的出现时间与位置、目标的消失时间与位置、目标的运动方向、目标的运动轨迹，其中，通过对车辆的头部信息进行提取建模，使用SURF算法将目标车辆的头部信息同数据库中的标准车型信息进行对比，从而获得车辆的品牌型号信息。

3.根据权利要求1所述的一种高速公路车辆轨迹跟踪方法，其特征在于：对能构成车辆关联的特征进行提取，首先将车辆的两个图片中所包含的相关性特征进行分析，获得两个目标的相似度值；相似度值计算主要通过计算两个目标向量的余弦相似度来判别两个车辆图片的相似关系；本系统算法提取的关联特征为：HOG算子、LBP算子，使用HOG算子训练捕获目标边缘和形状信息，针对HOG算子在不同图像的不同区域的可能会产生类型的梯度直方图，使用LBP算子作为互补，最后使用SURF算法来计算车辆的特征相似度值。

4.根据权利要求3所述的一种高速公路车辆轨迹跟踪方法，其特征在于：HOG算子首先将摄像机监控画面的图像分割成小的连接区域，每个区域内生成各像素点的梯度或边缘的方向直方图，再采用了重叠的局部对比归一化技术把每个区域的局部直方图放在更大的区间范围内计算其密度，根据这个密度对更大区域范围中的其他区域进行归一化，使得HOG算子对光照变化和阴影拥有更好的鲁棒性，最后将直方图统计组合，即可构成了车辆的HOG特征描述算子。

5.根据权利要求3所述的一种高速公路车辆轨迹跟踪方法，其特征在于：LBP算子用来描述图像局部纹理特征，将车辆图片切割为多个3*3像素的窗口，计算每个窗口LBP的值，窗口中心点的像素是阈值，将周围8个像素点的灰度值与阈值做比较，如果小于阈值则将该点标记为0，否则记1，将这些标记值生成一个8位的二进制无符号数，该值就是这个窗口的LBP值，被用来描述该窗口区域的纹理特征。

6.根据权利要求1所述的一种高速公路车辆轨迹跟踪方法，其特征在于：把车辆关联求解建模为求MAP的问题，其具体实现如下：

1.假设间隔性高速公路摄像机网络包含h个摄像机，把它们分别记为C₁,C₂,…,C_h；

2.在一段时间里，摄像机C_i捕捉到m_i个目标，将这些目标记为O_i＝{O_i,1,O_i,2,…,O_i,r}；

3.对捕获到的每个车辆O_i,a进行关联特征提取获，得到目标的表现特征O_i,a(T)；

4.对摄像机网络拓扑进行估计，得到目标的空间特征O_i,a(K)。

5.把车辆关联问题转换为一个寻找关联集合的问题，令表示一次关联，表示(O_i,1,O_j,2)为同一辆车，并且目标1先与目标2出现；

其需要满足的条件如下：

1)O_i,1和O_j,2是同一辆车且

2)每个目标至多拥有一个前继和后继目标，即对所有的有

假设为车辆关联算法得到的一个解，假定每次关联都是独立的，则有：

其中是捕获目标O_i,a和O_j,b后，关联发生的概率。根据贝叶斯理论有：

引入车辆的外观特征O_i,a(T)和车辆的空间特征O_i,a(K)，可得到：

这样，多摄像机间的目标关联问题就被建模为在解空间Δ内寻找最大的后验概率M^*：

先验概率定义为目标从摄像机C_i到C_j的概率,用p(C_i,C_j)表示，若假定目标的出现是均匀分布的，则全概率p_i,j(O_i,a,O_j,b)为一个不变的尺度参数。