基于梯度方向直方图模板匹配的遮挡车辆跟踪方法.docVIP

基于梯度方向直方图模板匹配的遮挡车辆跟踪方法 　　摘要：提出一种基于梯度方向直方图的模板匹配方法，该方法先对目标分块，并提取每块的核函数加权梯度方向直方图特征。然后利用改进的相似度度量方法计算目标模型与搜索窗的相似度，并取相似度最大的搜索窗作为目标模型的最佳匹配。最后将该方法应用于多车辆跟踪过程中的遮挡车辆跟踪与检测。实验表明该方法具有良好的精确度和鲁棒性。 　　关键词：梯度方向直方图；遮挡；车辆跟踪；阴影消除；智能交通 　　中图分类号：TP391.41文献标识码：A文章编号：1009-3044(2011)19-4705-03 　　Overlapped Vehicle Tracking Based on Template Matching on Histograms of Oriented Gradients 　　LI Jing, LIU Huai-yu, HONG Liu-rong 　　(School of Computer Science Technology, HuaiBei Normal University, Huaibei 235000, China) 　　Abstract: A template matching method based on histograms of oriented gradients is proposed, which first divides the object into blocks and extracts kernel weighted Histograms of oriented gradients for each block. And then a new similarity measurement method is used to calculate the similarity between the target model and the searching window. Finally, this method is used to tracking of the overlapped vehicle in multi-vehicle tracking process. The experiment result shows that this method embodies higher accuracy and robustness. 　　Key words: Histograms of Oriented Gradients; occlusion; vehicle tracking; pattern matching; Intelligent Transportation 　　基于视频的运动车辆跟踪与检测是当今智能交通系统的热点研究课题之一。然而运动车辆跟踪与检测的准确性受环境影响很大，其中车辆间的相互遮挡是影响检测准确性的一个重要因素。 　　目前常见的对遮挡问题的处理主要有基于运动状态估计和基于特征匹配两种方法。运动估计方法如Kalman滤波器方法等[1]是通过预测目标的速度、加速度、面积变化等信息估计目标在下一帧的位置。基于特征匹配的方法则利用目标的形状、颜色、角点、面积、梯度方向直方图等信息[2-4]，采用局部特征匹配、全局特征匹配或加权特征匹配的方法在下一帧图像中搜索与之匹配的区域。 　　该文首先提出了基于梯度方向直方图的模板匹配方法。该方法将目标模板进行分块，提取子块核加权梯度方向直方图作为特征，并利用改进的相似度度量方法计算目标模板与搜索窗的相似度实现最佳匹配。然后将该方法用于基于匹配矩阵的多车辆跟踪过程中，实现对遮挡目标的检测与跟踪。 　　1 基于梯度方向直方图的模板匹配方法 　　1.1 梯度方向直方图 　　梯度方向直方图是区域内像素点的梯度幅值在各梯度方向区间上的统计特征，与传统的颜色和纹理特征相比，梯度方向直方图对光照条件变化和局部区域形变具有一定鲁棒性，但若只针对目标整体提取一个直方图，则不能充分体现局部区域的形状信息。为此，该文采用对目标分块的方法，对每一块分别提取核函数加权梯度直方图，子块大小与目标大小成正比，以保证特征尺度不变性。 　　设目标图像为L，首先将L划分为k*k个子块，然后对每个子块的各像素分别求梯度幅值和梯度方向。将图像L在坐标(x,y)处的像素灰度值记为L(x,y)，则坐标(x,y)处的梯度幅值和梯度方向公式分别为： 　　 (1) 　　 (2) 　　其中θ(x,y)的取值范围为[0,2π]。 　　将梯度方向平均分成U个梯度方向区间，以像素点的梯度方向作为分量，以梯度幅值作为量化值，建立各子块的梯度方向直方图。为了降低各子块边界噪声的影响，采用高斯核函数对梯度直方图进行平