主权项 |
一种智能交通运动目标检测跟踪方法,其特征在于,该方法步骤包括:步骤1,由智能交通视频监控系统所获取的视频数据中抽取当前帧原图像及其相邻的前一帧原图像,针对当前帧原图像和前一帧原图像分别进行如下Step101~Step104的处理获得预处理图像;Step101,将当前原图像与3×3的高斯平滑模板作卷积处理去除图像噪声,获得滤波后的图像;Step102,采用有限差分求导矩阵计算出所述滤波后的图像中每个像素位置处的水平梯度分量g<sub>x</sub>和垂直梯度分量g<sub>y</sub>,利用g<sub>x</sub>和g<sub>y</sub>求解获得所述滤波后的图像中每个像素位置处的梯度的幅值,并沿梯度方向查找梯度幅值局部极大值,剔除掉非极大值点所对应的像素点,获得梯度图像;所述梯度的幅值为M(x,y)=max(|g<sub>x</sub>|,|g<sub>y</sub>|);Step103,设定灰度阈值,将所述梯度图像进行二值化处理,获得二值图像;Step104,将所述二值图像进行一次膨胀操作将边缘密集区域填充合并,进行两次腐蚀操作修正合并区域外围轮廓并剔除孤立的边缘区域,得到预处理图像;步骤2,针对步骤1获得的每幅预处理图像,进行如下Step201~Step202的处理获得仿射变换模型,然后利用所述仿射变换模型将当前帧原图像和前帧原图像配准并进行帧间差分,获得两副配准后的图像;Step201、以初始尺度1.6对预处理图像进行高斯模糊以及隔点抽样建立6层的高斯金字塔,对于高斯金字塔中每一层中得到的图像,进行角点检测获取候选关键点;Step202、针对所述全部候选关键点进行关键点方向分配和局部描述子的计算,从而获得仿射变换模型;步骤3,将配准后的图像中的连通区域进行区域合并以及小面积剔除,获得符合检测目标条件的疑似目标区域;步骤4,检测两幅配准后的图像中的疑似目标区域,若分属于两幅配准后的图像中的两个疑似目标区域满足属于同一目标的判别条件,则判定该两个疑似目标区域为同一目标,否则所述两个疑似目标区域不为同一目标;步骤5,依据所述步骤4中的判定,采用基于置信度检测的运动目标跟踪方法进行运动目标的跟踪,并根据跟踪到的运动目标的特征,提取具有高表征性的形状结构特征和局部描述特征,依据从样本数据学习获得的分类超平面对跟踪到的运动目标利用支持向量机分成行人、汽车和其他运行目标的三类。 |