[发明专利]一种基于Ncut的车辆特征点轨迹聚类方法

说明书

本发明公开了一种基于Ncut的车辆特征点轨迹聚类方法，该方法能够利用Ncut准则针对车辆目标轨迹数据进行聚类，基于给定的轨迹集建立了无向图TG，并通过对车辆目标刚性运动特性的分析，利用其3D轨迹特征构造了对应的相似矩阵，实现了车辆特征点的轨迹聚类。

技术领域

本发明属于智能交通技术领域，特别涉及一种基于Ncut的车辆特征点轨迹聚类方法。

背景技术

如何利用有效的技术手段及时发现并处理交通异常行为，安全而有效地提高道路交通的通行率、降低交通事故发生的频率，对目前道路交通的运营管理意义重大。其中，对车辆目标特征点轨迹进行聚类分析，是智能交通系统中的一个关键组成部分。

车辆目标的轨迹聚类问题是实现车辆运动分割的一个重要手段。而实际上，车辆目标本身所具有易于提取的几何特征及运动特征，在映射到2D图像平面中都会发生明显的变化。例如：原本对称、平行、垂直及圆等几何特征，可能会由于投影变换而不复存在；同一车辆在2D图像中的不同位置出现时，具有明显的尺度变化；原本处于匀速运动状态的车辆在2D图像平面的运动状态却是非线性的；同一个车辆目标上的不同位置的特征点在视频序列中运动轨迹也是不同的。这些都会使得基于2D图像的车辆特征点轨迹聚类算法难以实现。为了更好的解决复杂交通场景中车辆目标的分割问题，如何获取车辆目标的3D信息并设计相应的聚类算法，实现对特征点轨迹的有效聚类是当前迫切需要解决的主要问题之一。

发明内容

为了克服以上技术问题，本发明的目的在于提供一种基于Ncut的车辆特征点轨迹聚类方法，该方法能够利用Ncut准则针对车辆目标轨迹数据进行聚类，基于给定的轨迹集建立了无向图TG，并通过对车辆目标刚性运动特性的分析，利用其3D轨迹特征构造了对应的相似矩阵，实现了车辆特征点的轨迹聚类。

为了实现上述目的，本发明采用的技术方，案是：

一种基于Ncut的车辆特征点轨迹聚类方法，包括以下步骤；

步骤一，利用高清摄像机采集高速公路交通场景的视频，利用光流法提取该路段内车辆的特征点轨迹数据，并对每条轨迹进行序号标注，如公式(1)所示，将标注的车辆轨迹作为2D轨迹点样本集；

T_2D(i，n)＝{p(i，1)，p(i，2)，p(i，3)，...，p(i，n)} (1)

其中，i表示当前图像中的第i条特征点轨迹，n表示轨迹点的节点数；

步骤二，将步骤一获得的视频样本集提取车辆特征点轨迹的图像序列I，其中车辆轨迹的数据集为T＝{T_i,i＝1,2,...,n}，根据轨迹集的2D轨迹点的位移及相应的帧间间隔t可计算每条轨迹在图像上的速度v＝{v₁,v₂,...,v_n}，其中，选取最小的2D轨迹速度v_p所对应的轨迹为参考轨迹T_p；

步骤三，利用枚举法在0-4m的高度范围内设立不同高度的逆投影面，在每个逆投影平面上，利用公式(3)将每个2D轨迹点投影到逆投影面上，从而获得该3D逆投影面上的3D轨迹点，可表示为

T_3D(i,h,n)＝{P(i,1),P(i,2),P(i,3),...,P(i,n)} (2)

其中，P(i,n)为三维空间的轨迹点坐标，h表示枚举高度；

λp＝K[R T]P_W＝HP_W (3)

其中，H＝K[R T]，λ为比例因子。

步骤四，计算每条轨迹T_i与参考轨迹T_p之间的相对高度H_i；