[发明专利]机动车目标实时图像跟踪装置及方法

权利要求书

1.一种机动车目标实时图像跟踪装置，其特征在于，所述装置包括：

目标检测模块，用于接收机动车的图像采集装置采集及传送来的原始图像帧并逐帧分析所述原始图像帧是否包含有机动车目标，将首先检测出机动车目标的原始图像帧确定为模型图像帧，将所述模型图像帧中的机动车目标的最小外接四边形区域确定为待识别区域；

建模模块，用于计算所述模型图像帧的待识别区域中的Zernike矩和Harris-Affine角点特征，并根据所述Zernike矩和Harris-Affine角点特征和预先训练好的机动车模型库确定所述机动车目标的实际特征模型，再根据所述实际特征模型计算出所述机动车目标的轮廓的目标广义Hough模型；

候选区域筛选模块，用于采用均值偏移预测模型预测所述机动车目标在所述模型图像帧的后续每一帧中满足预定出现概率阈值的候选目标区域；

目标区域确定模块，用于计算出各个所述候选目标区域内所有物体轮廓的实际广义Hough模型，并比较和判断所述实际广义Hough模型和所述目标广义Hough模型的相似度，将满足预定筛选规则的候选目标区域确定为优选目标区域，所述预定筛选规则包括所述相似度最大且大于预设相似度阈值；以及

目标轨迹规划模块，用于将所述优选目标区域的中心点确定为所述机动车目标的轨迹点，并根据所述轨迹点实时规划和修正所述机动车目标的轨迹路线。

2.如权利要求1所述的机动车目标实时图像跟踪装置，其特征在于，所述机动车模型库为基于分类器对不同机动车数据库进行分类统计获得的特征函数方程，且所述特征函数方程的自变量为所述机动车数据库中对分类出机动车满足预定识别贡献率的特征向量的特征系数和特征值。

3.如权利要求1所述的机动车目标实时图像跟踪装置，其特征在于，所述建模模块包括：

预存单元，预存有预先训练好的机动车模型库；

特征提取单元，用于计算所述模型图像帧的待识别区域中的Zernike矩和Harris-Affine角点特征；

特征模型确定单元，用于根据所述Zernike矩和Harris-Affine角点特征和所述机动车模型库确定所述机动车目标的实际特征模型；以及

轮廓模型确定单元，用于根据所述实际特征模型计算出所述机动车目标的轮廓的目标广义Hough模型。

4.如权利要求1所述的机动车目标实时图像跟踪装置，其特征在于，所述预定筛选规则还包括：所述候选目标区域满足所述机动车目标预测的偏移阈值。

5.一种机动车目标实时图像跟踪方法，其特征在于，所述方法包括以下步骤：

接收机动车的图像采集装置采集及传送来的原始图像帧并逐帧分析所述原始图像帧是否包含有机动车目标，将首先检测出机动车目标的原始图像帧确定为模型图像帧，将所述模型图像帧中的机动车目标的最小外接四边形区域确定为待识别区域；

计算所述模型图像帧的待识别区域中的Zernike矩和Harris-Affine角点特征，并根据所述Zernike矩和Harris-Affine角点特征和预先训练好的机动车模型库确定所述机动车目标的实际特征模型，再根据所述实际特征模型计算出所述机动车目标的轮廓的目标广义Hough模型；

采用均值偏移预测模型预测所述机动车目标在所述模型图像帧的后续每一帧中满足预定出现概率阈值的候选目标区域；

计算出各个所述候选目标区域内所有物体的实际广义Hough模型，并比较和判断所述实际广义Hough模型和所述目标广义Hough模型的相似度，将满足预定筛选规则的候选目标区域确定为优选目标区域，所述预定筛选规则包括所述相似度最大且大于预设相似度阈值；以及

将所述优选目标区域的中心点确定为所述机动车目标的轨迹点，并根据所述轨迹点实时规划和修正所述机动车目标的轨迹路线。

6.如权利要求5所述的机动车目标实时图像跟踪方法，其特征在于，所述机动车模型库为基于分类器对不同机动车数据库进行分类统计获得的特征函数方程，且所述特征函数方程的自变量为所述机动车数据库中对分类出机动车满足预定识别贡献率的特征向量的特征系数和特征值。