[发明专利]一种智能交通监控系统

权利要求书

1.一种智能交通监控系统，其特征是，包括摄像头、无线传输模块和后端监控服务平台；

所述摄像头用于采集监控路段的视频图像；

所述无线传输模块用于将采集到的视频图像发送至所述的后端监控服务平台；

所述后端监控服务平台用于对视频图像中动态车辆进行检测和跟踪；

所述后端监控服务平台包括目标获取子模块、初始化子模块和跟踪定位子模块；所述目标获取子模块用于从视频图像中选取一帧图像作为起始帧图像，并人工标记出初始帧图像中动态车辆；所述初始化子模块用于对起始帧图像进行初始化操作；所述跟踪定位子模块根据所述初始化子模块的初始化结果，对动态车辆进行检测和跟踪；

所述跟踪定位子模块包括外观特征评估单元、运动特征评估单元、定位单元和目标尺度更新及选择单元；

所述外观特征评估单元用于对通过霍夫森林检测器后的t时刻的视频图像中动态车辆中心位置坐标进行霍夫投票，根据投票结果得到外观特征可信度值；

所述运动特征评估单元用于根据动态车辆在空时域的运动信息，对光流跟踪块进行处理，输出t时刻的视频图像中动态车辆中心位置坐标的运动特征可信度值；

所述定位单元用于根据获得的外观特征可信度值和运动特征可信度值对t时刻时的视频图像中动态车辆中心位置坐标进行估计，得到动态车辆中心位置的估计坐标；

所述目标尺度更新及选择单元用于根据定位单元得到的估计坐标，实现对目标区域的尺度更新同时从更新后的t时刻的视频图像中重新选取正训练样本、负训练样本和光流跟踪块，根据重新选取的正训练样本和负训练样本对霍夫森林检测器进行更新；

所述的对光流跟踪块进行处理，输出t时刻时的视频图像中动态车辆的中心位置坐标的运动特征可信度值，具体包括：

(1)根据从所述初始化子模块得到的光流跟踪块，利用Lucas-Kanade光流算法得到每个光流跟踪块在t时刻时光流跟踪块的中心位置，利用中值滤波滤除前向-后向光流误差较大的光流跟踪块，得到t时刻时有效光流跟踪块中心位置的集合和有效光流跟踪块相对于动态车辆中心的偏移量集合其中，k为第k个有效光流跟踪块，M为有效光流跟踪块的个数，(v_k^t，ω_k^t)为t时刻时第k个有效光流跟踪块中心位置坐标；dv_k表示第k个有效光流跟踪块中心位置坐标的水平方向的偏移量，dω_k表示第k个有效光流跟踪块中心位置坐标的垂直方向的偏移量；

(2)利用下式计算t时刻时动态车辆中心位置坐标位于(m，n)处的光流特征累积投票值：

其中，为t时刻动态车辆的中心位置位于坐标(m，n)处的光流特征累积投票值；θ_k为第k个有效光流跟踪块的权重，M为有效光流跟踪块的个数；(v_k，ω_k)为第k个有效光流跟踪块的中心位置坐标；(dv_k，dω_k)为第k个有效光流块的中心位置相对于动态车辆中心位置坐标的偏移量；σ²为一个常数参量，且σ²＝4；λ为一个常数参量，w为目标区域的宽，h为目标区域的高；

4)利用下式，得到t时刻时，动态车辆的中心位置位于(m，n)处的运动特征可信度值：

式中，为t时候时动态车辆的中心位置位于(m，n)处的运动特征可信度值，表示t时刻时动态车辆的中心位置位于坐标(m，n)处的光流特征累积投票值，A为感兴趣区域，所有可能为动态车辆中心位置坐标点处的光流特征累积投票值构成的集合。

2.根据权利要求1所述的一种智能交通监控系统，其特征是，所述对起始帧图像进行初始化操作具体包括：

(1)从起始帧图像中动态车辆所在的目标区域内随机采样一定数量的局部图像块作为正训练样本，从目标区域附近的背景区域内随机采样一定数量的局部图像块作为负训练样本；

(2)从正训练样本和负训练样本中提取起始帧图像的图像特征，该图像特征包括：正训练样本的颜色特征、梯度特征及其相对于动态车辆中心的空间位置偏移信息和负训练样本的颜色特征及梯度特征；根据得到的图像特征构建一个决策树为I的霍夫森林检测器；

(3)从目标区域内随机采用一定数量的局部图像块作为光流跟踪块，并对光流跟踪块的初始位置进行随机初始化。

3.根据权利要求1所述的一种智能交通监控系统，其特征是，所述对动态车辆中心位置坐标进行霍夫投票，根据投票结果得到外观特征可信度值，具体包括：

(1)载入t时刻时的视频图像，从所述视频图像中随机采样一定数量的局部图像块，并将每个局部图像块通过霍夫森林检测器，霍夫森林检测器中的决策树判断局部图像块是否属于动态车辆，当决策树判定局部图像块属于动态车辆时，则对动态车辆中心位置坐标进行霍夫投票，并累积投票结果，其中对视频图像坐标(m，n)处的累积投票值计算公式如下：

式中，为t时刻时支持动态车辆中心位置坐标位于坐标(m，n)处的累积投票值，A为感兴趣区域，感兴趣区域是指目标区域及其目标区域附近的背景区域，I表示霍夫森林检测器中决策树的总数，Li(s′，r′)表示中心坐标是(s′，r′)的局部图像块经过第i个决策树模型所到达的叶子节点，p((m，n)|L_i(s′，r′))表示中心坐标是(s′，r′)的局部图像块经过第i个决策树模型的条件下，动态车辆中心位置坐标位于(m，n)处的概率；

(2)计算所有可能为动态车辆中心位置坐标的累积投票值，利用下式计算所有可能为动态车辆中心位置坐标点的外观特征可信度值：

其中，为t时刻时动态车辆中心位置坐标位于(m，n)处的外观特征可信度值，为t时刻动态车辆中心位置坐标位于(m，n)处的累积投票值，A为感兴趣区域，为所有可能为动态车辆中心位置坐标点处的累积投票值构成的集合。