[发明专利]一种基于颜色空间信息的多车辆视频跟踪方法

权利要求书

1.一种基于颜色空间信息的多车辆视频跟踪方法，其特征在于包括如下步骤：

(1)检测车辆运动区域：包括对高速公路监控车道区域进行自适应估计和采用快速约束三角剖分方法检测车辆目标区域；

(2)建立车辆表观模型：依据车辆的对称性特征对其进行分片段处理，建立颜色相关图特征向量；

(3)建立车辆状态模型：建立满足多车辆状态模型，采用基于二次线性回归进行状态预测；

(4)基于粒子滤波对多车辆进行定位。

2.根据权利要求1所述的基于颜色空间信息的多车辆视频跟踪方法，其特征在于：所述步骤(1)首先对监控车道区域进行自适应估计：

假设第(k+1)帧中，背景像素点p的灰度值表述为：

G(k+1，p)＝G(k，p)+L(k，p)+noise¹(k，p)

其中，G(k，p)是第k帧中，背景像素点p的灰度值；L(k，p)是描述光照随着时间变化的不确定模型；noise¹(k，p)为以零为中心的高斯白噪声；输入图像像素点p的灰度表示为：

I(k，p)＝G(k，p)+noise²(k，p)

其中，noise²(k，p)为一个以零为中心的高斯白噪声；消去系统测量误差得到：

I(k+1，p)＝G(k，p)+ω(k+1，p)

其中，ω(k+1，p)＝L(k，p)+noise¹(k，p)+noise²(k+1，p)，且ω(k，p)是高斯分布。

3.根据权利要求1所述的高速公路监控场景下多车辆视频跟踪方法，其特征在于：所述步骤(1)的检测车辆目标区域采用快速约束三角剖分方法，包括如下步骤：

1)通过Canny算子提取轮廓信息；

2)对图像轮廓应用Hough变换取得图像中的直线集合；

3)提取直线两端点得到角点集合；

4)以所有约束边为基础，构建初始约束三角网，并依次插入所有独立角点；

5)提取角密度、水平直线密度、密度垂直直线、三角形密度和车辆区域的平均亮度构建特征向量；

6)将候选区域中的五个特征向量输入以K(x，y)＝x×y为核函数的支持向量机中，可以得到输出E_SVM，当E_SVM大于系统设定的置信阈值E_ξ的时候，则该区域为真实车辆区域。

4.根据权利要求1所述的基于颜色空间信息的多车辆视频跟踪方法，其特征在于：所述步骤(2)的车辆表观模型的建立步骤包括：

1)将车辆检测区域定义为长度为l，宽度为h的矩形，车辆参考区域的特征向量H^*；

2)根据车辆的对称性特点，将矩形区域划分成对称且相交的4个矩形片段；

3)计算每个片段的特征向量：

其中，是检测区域中的点p₁＝(x₁，y₁)和p₂＝(x₂，y₂)的颜色自相关图；c_i和c_j是这两个点的量化颜色空间I(p₁)和I(p₂)的值，i，j∈[k](k＝1，2，…，K)，K是颜色空间的量化尺度；d_f是第f个片段中两个点之间的距离；

4)对每个片段的特征向量进行归一化，并构建该车辆目标的表观特征模型为：

其中，是经过归一化后的特征向量。