[发明专利]基于多特征融合的车流监控图像检测和跟踪系统及方法

摘要

本发明公开了一种基于多特征融合的车流监控图像检测和跟踪系统及方法，采用VIBE算法第一帧图像的背景模型，比较当前帧分割出帧内图像目标并更新背景模型。对分割出的图像目标采用颜色特征和SILTP纹理特征去除噪声干扰，提取LBP分块目标图像纹理特征，计算LBP的直方图，生成整幅图像的特征向量，应用FAST算法计算目标图像的主方向和角点描述子。计算目标图像的直方图和特征算子，自动调整搜索窗口，应用MeanShift算法或Kalman滤波算法计算图像特征相似度匹配，计算新窗口中心位置，比较并确定搜索目标，对其标记或车流检测记录上传。本发明检测准确率较高，跟踪速度较快，具有较好的应用前景。

主权项

一种基于多特征融合的车流监控图像检测和跟踪方法，其特征在于，包括以下步骤：步骤1：获取并解码摄像头视频流并转换为HSV格式的序列帧图像；步骤2：运动目标检测对第一帧图像根据像素点空间上的相关性和时间上的相关性，应用VIBE算法建立图像背景模型，并比较背景帧和当前帧进行背景/前景分类，同时采用背景更新策略更新背景模型；步骤3：目标图像特征提取(3.1)采用颜色特征和SILTP纹理特征结合方法，消除分割出来的前景运动目标阴影粘连干扰和其它噪声干扰；(3.2)对于(3.1)获取的目标图像进行分块，采用局部二值化模式LBP提取若干个分块目标图像的纹理特征，并统计LBP的直方图，生成整幅图像的特征向量；(3.3)结合(3.2)得到的均匀旋转不变LBP纹理描述特征向量，采用加速分割检测特征FAST算法计算目标图像的主方向和角点描述子，从而得到前景目标的特征描述；步骤4：运动目标跟踪(4.1)将RGB颜色转化HSV空间，计算检测目标直方图，记录中心坐标以及搜索窗口；(4.2)计算直方图到二维图像上的反向投影，即用当前颜色值的统计值代替当前像素点的值；(4.3)根据MeanShift算法计算目标图像模型和当前帧候选目标图像特征的相似度，判断是否搜索到目标，若搜索到转(4.6)，若未搜索到转到(4.4)；(4.4)当前帧未搜索到时，加入基于ROI的运动目标检测和Kalman预测功能，当目标图像再次出现在场景中时，继续对目标跟踪；(4.5)调整搜索窗口大小，重复(4.2)和(4.3)步骤直到搜索到目标；(4.6)求取窗口目标大小，对运动目标进行标记或车流检测记录上传，转到(4.2)进行下一帧图像的跟踪。