专利名称：视频图像中车辆目标的跟踪方法
技术领域：
本发明涉及一种视频图像中车辆目标的跟踪方法，该方法属于图像处理和图像识别技术领域范畴，是一种基于运动检测和图像形状识别理论来实现视频图像中车辆目标的跟踪检测，应用范围甚广。
背景技术：
相关匹配技术量大，特别耗时，在大目标或多个目标进行相关匹配时，往往难于实时匹配或配准，因此提高相关匹配速度倍受关注的问题。
发明内容
视频图像中车辆目标的跟踪，采差图像运动分析技术和相关匹配技术。相关匹配技术包括有积相关匹配算法和平均绝对差分(MAD)，这两种相关匹配算法各有千秋，用户可依据自己的应用环境进行选择。
本发明是在MAD算法基础上提出固定门限及可变门限的MAD匹配方法，从而使大部分的点C(x，y)或D(x，y)无需计算，可极大地减少计算量，提高匹配速度，使多个目标跟踪及轨迹描绘成为可能。
图1是差图像Dfi，fj(x，y)； 图2是
随M2增长情况； 图3是本文明的方法流程图。
具体实施例方式 参见图3以下是对本发明方法作进一步说明，其主要部分的具体内容如下1、车辆差图像运动分析 车辆差图像Dfi，fj是车辆图像f(x，y，ti)和f(x，y，tj)在(x，y)坐标位置像素的比较结果；它是一幅二值图像
这里，f(x，y，ti)和f(x，y，tj)在(x，y)位置的明显差异由下式决定|mi-mj|＞T.......................................................(2) 式中，f(x，y，ti)和f(x，y，tj)的均值，T为灰度阈值。
按差式(2)，若f(x，y，ti)和f(x，y，tj)在灰度上有明显差异，则Dfi，fj(x，y)＝1 否则，有Dfi，fj(x，y)＝0 在视频检测中，TV摄像和位置不变。车辆在视场中运动过程中的灰度从时刻ti到tj也保持不变，即在给定的(x，y)象素位置上。附图1说明。
依据差图像可检测出车辆。
2、车辆相关跟踪算法 设TV摄像机在视场中摄取景物实时图像，其亮度为r(u，v)，车辆图像为s(u，v)，它事先有效起来，作为模板图像又称之为基准图像或参考图像。图像r(u，v)与s(u，v)是对同一景物在两个不同场次内摄取的图像，它们在亮度及位置等方向既有相似又有不同。可用相关函数来描述r(u，v)与s(u，v)之间的相似性。
基本的相关算法有两种，即积相关法和平均绝对差分(MAD)法。
2.1积相关匹配算法 积相关匹配算法公式为 式中M×M为相关区域 它是用直接计算两场图像相关程度的方法来计算两幅图像之间的位移量，显然，相关度的最大值点为匹配点，也称之配准点。
2.2平均绝对差分(MAD)法算式必然为零 当图像r(u，v)与s(u，v)之间有相对运动时，则差分值D(x，y)开始逐渐增大。与在积相关矩阵C(x，y)曲面上取最大值方法相似，在差分矩阵D(x，y)曲面上为零值(最大值)的点即为配准点。
由于噪声存在，在跟踪过程中，总是取D(x，y)最小值的点作为配准点。
3、创新后相关匹配算法 3.1固定门限的MAD相关匹配算法 在计算基准图像S(u，v)和实时图像r(u，v)的匹配区域里所有各(x，y)点进行计算，然后找出最大值或最小值，以此作为匹配点。但实际上要找出最大值或最小值并不需要对整个匹配区域内的所有点(x，y)进行精确计算，有相当多的点(x，y)的相关函数值C(x，y)或D(x，y)无需计算，这可大大减小计算量，提高匹配速度，使多个目标跟踪及轨迹描绘成为可能。
MAD算法描绘计算式为 令|r(μ+x，v+y)-s(μ，v)＝∑(μ，v；x，y)，|其含义是当实时图像r(μ，v)与其准图像 s(μ，v)之间目距为(x，y)，且(μ，v)为某个定值时，图像r(μ，v)与s(μ，v)相应单元像素的相应单元像素亮度之差。当(x，y)为某个定值时，而(u，v)变化时，∑(x，y；μ，v)也当然会随之变化。对M×M图像区域而言，(u，v)的可能取值为(1，1)，(1，2)，(1，M)，(2，1)，(M，M)，即为由M2个值组成的坐标序列．故(4)式可表示为 可简写为 分析式(5)若r(μ，v)与s(μ，v)是配准点，则D(x，y)值均应大于配准点的值。如若设置一个固定门限值T，在计算某一像素点(x，y)的
时，当
超过门限T，便可停止计算。这里固定门限T应略大于匹配点值时D(x*，y*)。如图2所示 曲线1为配准点(x*，y*)的
曲线，它随着M2增长较慢，基终值D(x*，y*)的
也较小；曲线2和曲线3为远离配准点的
曲线，它随着M2增长速度较快，其终值D(x2，y2)和D(x3，y3)较匹配点的匹配值D(x*，y*)大得多。
从以上不难看出，固定门限法的MAD匹配算法，它可大大减少相关匹配的计算量，使MAD算法更是有实时性。
3.2可变门限的MAD匹配算法 附图2说明，曲线1，2，3均为单调递增曲线，如将固定门限改变可变门限如图1VT曲线所示，则可进一步，减少计算量。
可变门限VT随计算次数M2的增长而单调地增加，VT取值应略大于匹配点的值，即略大于
权利要求
1.视频图像中车辆目标的跟踪方法，采用以下两种相关匹配算法
(1)固定门限的MAD相关匹配算法
(2)可变门限的MAD匹配算法。
2.如权利要求1所述固定门限的MAD相关匹配算法，由下列方法得出
在计算基准图像S(u，v)和实时图像r(u，v)的匹配区域里所有各(x，y)点进行计算，然后找出最大值或最小值，以此作为匹配点。但实际上要找出最大值或最小值并不需要对整个匹配区域内的所有点(x，y)进行精确计算，有相当多的点(x，y)的相关函数值C(x，y)或D(x，y)无需计算，这可大大减小计算量，提高匹配速度，使多个目标跟踪及轨迹描绘成为可能。
MAD算法描绘计算式为
令|r(μ+x，v+y)-s(μ，v)＝∑(μ，v；x，y)，|其含义是当实时图像r(μ，v)与其准图像s(μ，v)之间目距为(x，y)，且(μ，v)为某个定值时，图像r(μ，v)与s(μ，v)相应单元像素的相应单元像素亮度之差。当(x，y)为某个定值时，而(u，v)变化时，∑(x，y；μ，v)也当然会随之变化。对M×M图像区域而言，(u，v)的可能取值为(1，1)，(1，2)，...(1，M)，(2，1)，(M，M)，即为由M2个值组成的坐标序列，故(4)式可表示为
可简写为
分析式(5)若r(μ，v)与s(μ，v)是配准点，则D(x，y)值均应大于配准点的值。如若设置一个固定门限值T，在计算某一像素点(x，y)的
时，当
超过门限T，便可停止计算。这里固定门限T应略大于匹配点值时D(x*，y*)。
3.如权利要求1所述的可变门限的MAD匹配算法，由下列方法得出
将固定门限改变可变门限如图1VT曲线所示，则可进一步，减少计算量。可变门限VT随计算次数M2的增长而单调地增加，VT取值应略大于匹配点的值，即略大于
全文摘要
本发明涉及视频图像中车辆目标的跟踪方法，该方法在MAD算法基础上提出固定门限及可变门限的MAD匹配方法，从而使大部分的点C(x，y)或D(x，y)无需计算，可极大地减少计算量，提高匹配速度，使多个目标跟踪及轨迹描绘成为可能。
文档编号H04N7/26GK101101670SQ20071014304
公开日2008年1月9日 申请日期2007年8月22日 优先权日2007年8月22日
发明者王海燕 申请人:王海燕