[发明专利]市区环境下基于视觉的车载行人检测与跟踪方法及系统

说明书

本发明涉及一种市区环境下基于视觉的车载行人检测与跟踪方法及系统，本发明为了避免在整幅图像中匹配已建立的目标颜色概率分布图而导致在寻求最优匹配位置时出现较大的偏差，根据上一时刻图像中行人的质心位置，采用Kalman滤波预测下一时刻行人的质心位置，以该预测位置为中心建立搜索窗口，利用Meanshift算法匹配所建立的行人目标颜色概率分布图，从而确定行人质心的当前时刻的观测位置并更新行人目标颜色概率分布图和Kalman滤波的状态和协方差阵，当行人已经走出视野范围或者跟踪失效时针对待检测图像采用行人检测方法重新检测行人作为待跟踪目标，避免出现跟踪累积误差。因此，本发明可以广泛用于行人安全保护技术领域。

技术领域

本发明涉及一种车载行人检测与跟踪方法及系统，特别是关于一种市区环境下基于视觉的车载行人检测与跟踪方法及系统。

背景技术

为了减少汽车与行人碰撞事故的发生，有效保护行人安全，国内、外在制定严格的行人保护法规之外，在汽车被动安全与主动安全等方面也进行了相关的研究。行人主动防碰撞系统是汽车主动安全系统中的重要组成部分，该系统能在发现车辆前方的行人处于危险状态时能及时警告驾驶员避免与其发生碰撞，并在危急时刻时也能主动采取紧急制动或者转向等措施以避免碰撞事故的发生。行人主动防碰撞系统其通常包括本发明系统和车辆控制系统，本发明系统包括行人检测与行人跟踪两部分，普遍采用视觉传感器实现行人的检测与跟踪。行人跟踪能够得到行人目标的运动轨迹从而为后续行人的运动分析和危险态势估计提供可靠的技术支持，具有重要的研究意义。

目前常见的运动目标跟踪算法主要是针对相机固定的场景下开展的，手动标记出需要跟踪的目标或者采用背景相减的办法来提取运动的目标，再实现该运动目标的跟踪，不适用于车载运动状态的行人主动防撞系统。行人主动防碰撞系统中的行人跟踪主要应用在城市道路交通环境下，由于背景复杂、车载相机运动以及行人目标多样性的特点，采用现有的行人跟踪算法很难实现该种场景下稳定地跟踪，尤其是当目标背景发生动态变化或者目标存在严重遮挡时，由于不能对目标运动趋势做出相应的预测，跟踪过程中目标很容易丢失。典型的目标跟踪算法主要有Kalman和Meanshift等，Kalman滤波因其优越的跟踪性能也常被单独用于行人目标跟踪上，能够较为准确地预测目标的速度和位置，从而准确地估计目标运动状态，但无法胜任存在目标变形和遮挡等场合，而Meanshift算法通过不断迭代计算Meanshift向量使其收敛于新的窗口位置，具有快速高效的优点，但在寻求最优匹配位置时就会出现偏差，而且随着行人目标的运动误差会越来越大，因此有必要结合这两种方法的优缺点，稳定跟踪所检测到的行人。

发明内容

针对上述问题，本发明的目的是提供一种市区环境下基于视觉的车载行人检测与跟踪方法及系统，针对Meanshift跟踪算法存在的问题，引入Kalman预测行人目标的位置和搜索范围，充分利用其颜色和运动信息以获得运动目标的精确位置估计来提高行人跟踪的效果。