顾及道路约束条件的动态目标检测与跟踪方法

doi:10.13474/j.cnki.11-2246.2017.0152

测绘通报 ›› 2017, Vol. 0 ›› Issue (5): 47-50.doi: 10.13474/j.cnki.11-2246.2017.0152

顾及道路约束条件的动态目标检测与跟踪方法

焦金龙, 卢小平

河南理工大学矿山空间信息技术国家测绘地理信息局重点实验室, 河南焦作 454003

收稿日期:2016-12-26 修回日期:2017-03-08 出版日期:2017-05-25 发布日期:2017-06-03
通讯作者: 卢小平
作者简介:焦金龙(1991-),男,硕士生,研究方向为摄影测量与遥感。E-mail:jjinlong91@163.com
基金资助:
2016年度国家重点研发计划项目（2016YFC0803103）；河南省高校创新团队支持计划项目（14IRTSTHN026）；河南省创新型科技创新团队支持计划

A Method of Dynamic Target Detection and Tracking Based on Road Constraint Condition

JIAO Jinlong, LU Xiaoping

Key Laboratory of Mine Spatial Information and Technology of NASMG, Jiaozuo 454003, China

Received:2016-12-26 Revised:2017-03-08 Online:2017-05-25 Published:2017-06-03

摘要/Abstract

摘要： 智能交通是智慧城市的重要组成部分，面对复杂多变的道路背景，如何能够快速检测、跟踪道路监控影像中的动态目标，是智能交通建设的关键技术难点。本文根据道路监控视频特点，提出了采用道路约束条件与颜色特征集相结合的动态目标跟踪方法，以道路约束条件确定运动目标搜索区域，利用HSV颜色特征集进行特征匹配，然后基于ⅡR滤波背景法对背景影像进行更新及动态目标的检测，并根据道路约束条件与颜色特征相结合跟踪方法实现对动态目标的跟踪及动作预测。试验结果表明该方法可准确对运动目标进行检测与跟踪，且对慢速运动目标也具有较好的响应能力，实现了对道路动态目标的实时检测与跟踪。

关键词: 道路约束条件, HSV颜色空间, IIR滤波

Abstract: As an important part of intelligent city, intelligent transportation is an important guarantee for urban road safety. The difficulty is how to quickly detect and track dynamic targets in road monitoring images with the complex and changeable road background. According to the characteristics of road monitoring video, a dynamic target tracking method is proposed based on the combination of road constraints and color feature sets. Firstly, the moving target search region is determined by road constraints, and HSV color feature set is used for feature matching. Then the background image is updated and the dynamic target is detected based on IIR filtering background method. Finally, tracking and motion forecasting of dynamic objects are realized based on the tracking method which combines the road constraints and color features. The experimental results show that the method can detect and track the moving target accurately. It also has good response ability to the small displacement target and realizes the real-time detection and tracking of the road dynamic target.

Key words: road constraint condition, HSV color space, infinite impulse response digital filter

中图分类号:

焦金龙, 卢小平. 顾及道路约束条件的动态目标检测与跟踪方法[J]. 测绘通报, 2017, 0(5): 47-50.

JIAO Jinlong, LU Xiaoping. A Method of Dynamic Target Detection and Tracking Based on Road Constraint Condition[J]. 测绘通报, 2017, 0(5): 47-50.

参考文献

[1] 谭熊, 余旭初, 刘景正,等. 基于无人机视频的运动目标快速跟踪[J].测绘通报, 2011(9):32-34.
[2] 王文龙, 李清泉. 基于蒙特卡罗算法的车辆跟踪方法[J]. 测绘学报, 2011, 40(2):200-203.
[3] 陈岩, 刘开华. 动态背景下运动目标的检测与跟踪[J]. 通信技术, 2003(12):104-106.
[4] 赵高鹏, 薄煜明, 陈益. 一种基于特征匹配的目标识别跟踪方法[J]. 火炮发射与控制学报, 2009(1):30-34.
[5] 屠礼芬, 仲思东, 彭祺,等. 基于混合差分法的运动目标检测[J]. 科学技术与工程, 2012, 12(2):325-329.
[6] 吴垠, 李良福, 肖樟树,等. 基于尺度不变特征的光流法目标跟踪技术研究[J]. 计算机工程与应用, 2013, 49(15):157-161.
[7] 谭艳, 王宇俊. 一种结合背景差分的改进CamShift目标跟踪方法[J]. 西南师范大学学报(自然科学版), 2016, 41(9):120-125.
[8] 龚鼎, 曹广忠. 一种基于背景差分算法的实时运动检测跟踪系统的设计[J]. 电脑知识与技术(学术交流), 2016, 12(8):207-209.
[9] KIM K,CHALIDABHONGSE T H,HARWOOD D, et al. Real-time Foreground-background Segmentation Using Codebook Model[J]. Real-time Imaging, 2005, 11(3):172-185.
[10] STAUFFER C, GRIMSON W E L. Adaptive Background Mixture Models for Real-time Tracking[C]//cvpr. IEEE Computer Society.[S.l.]:IEEE 1999.
[11] STAUFFER C, GRIMSON W E L. Learning Patterns of Activity Using Real-time Tracking[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2000, 22(8):747-757.
[12] 韩明, 刘教民, 孟军英,等. 一种自适应调整K-ρ的混合高斯背景建模和目标检测算法[J]. 电子与信息学报, 2014, 36(8):2023-2027.
[13] 黄玉, 殷苌茗, 周书仁. 基于YCbCr的自适应混合高斯模型背景建模[J]. 计算机工程与科学, 2015, 37(1):152-156.
[14] 范五东, 周尚波, 辛培宸. HSV颜色空间特征与Kalman滤波融合的目标跟踪[J]. 计算机工程与应用, 2011, 47(13):169-173.
[15] 杨宇腾. 基于背景差分法与虚拟区域融合的视频中车流量统计的方法[D]. 昆明:云南大学, 2015.
[16] 余绍军, 蒋钘, 蒋鑫晖. 一种基于灰度相关性的背景更新算法[J]. 电子世界, 2013(3):58-60.

顾及道路约束条件的动态目标检测与跟踪方法

A Method of Dynamic Target Detection and Tracking Based on Road Constraint Condition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	柳林, 孙毅, 李万武. 基于CNN海上钻井平台检测模型的构建及训练算法分析[J]. 测绘通报, 2022, 0(7): 26-32,99.
[3]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[4]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[5]	江泽霖, 邓健, 栾海军, 李兰晖. 基于逐日夜间灯光遥感的新冠肺炎疫情变化信息快速提取——以北京市为例[J]. 测绘通报, 2022, 0(7): 43-48.
[6]	岳胜杰, 王红旗, 刘群坡, 赵荣亮. 结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计[J]. 测绘通报, 2022, 0(7): 49-53.
[7]	郑艳, 何欢, 卜丽静, 金鑫. 自相似性和边缘保持分解的超分辨率重建算法[J]. 测绘通报, 2022, 0(7): 54-59.
[8]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[9]	刘立, 董先敏, 刘娟, 文学虎. 人机融合智能的遥感解译生产新方法[J]. 测绘通报, 2022, 0(7): 118-123,137.
[10]	艾敏, 景慧, 田禹东, 郭兰勤, 裴渊杰. 近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析[J]. 测绘通报, 2022, 0(7): 124-128.
[11]	刘玉贤, 阮明浩, 闫臻. 一种基于机载激光点云的门型电塔精确提取方法[J]. 测绘通报, 2022, 0(7): 129-133.
[12]	刘国超, 彭卫平, 杨水华, 胡周文. 地质雷达+三维测量内窥镜的城市道路病害检测与应用[J]. 测绘通报, 2022, 0(7): 134-137.
[13]	杨俊, 刘灵辉. 加权全极化SAR图像分类下的功能区土地时空变化特征提取[J]. 测绘通报, 2022, 0(7): 138-142,153.
[14]	阮明浩, 卢永华, 刘玉贤, 汤圣君, 王伟玺, 张宇琦, 李游. 激光与倾斜点云精确配准与无缝融合[J]. 测绘通报, 2022, 0(4): 6-10.
[15]	刘小玉, 刘扬, 杜明义, 张敏, 贾竞珏, 杨恒. 基于DeeplabV3+的建筑垃圾堆放点识别[J]. 测绘通报, 2022, 0(4): 16-19,43.