智能交通中车辆跟踪算法的研究

邓垲镛　唐佳林

摘 要：智能交通系统中车辆跟踪模块的准确性非常重要，其跟踪结果直接影响车流量、违章事件、交通事故的统计与分析结果。基于交通车辆，该文对目标特征跟踪法、动态轮廓跟踪法、区域中心点匹配跟踪法分别进行分析选取，并对效果最好的方法进行了实现和效果对比，从而为日后的车辆跟踪提供一种切实可行的算法以提高跟踪的效率。

关键词：车辆目标 跟踪算法 智能交通 效率

中图分类号：TP39 文献标识码：A 文章编号：1672-3791（2015）04（b）-0218-01

随着城市现代化进程的加快，汽车数量日益增多，为了能时刻监察路面拥挤、违章行为、交通事故等状况，智能交通系统被普及使用。其中车辆跟踪是智能交通中的至关重要的模块，车辆跟踪算法的选取与实现过程都会直接影响车辆跟踪的效率。

1 车辆目标跟踪算法的比较与选取

运动目标跟踪就是在视频的每一幅图像中确定出运动目标的位置，并把不同帧中同一目标对应起来。常用的跟踪算法有目标特征法、动态轮廓法、区域中心点匹配法。

目标特征法是在相邻的两帧图像中利用线、点、面积等个体特征来跟踪运动目标。一般以运动目标的质心距离和几何面积作为目标匹配模板，然后把后续图像中的目标特征与模板特征进行比较，把差别小的确定为目标，从而达到跟踪的目的[1]。此方法算法简单，不用区分目标的几何形状，但当目标被遮挡时则无法识别，导致跟踪失败。

动态轮廓法是先在人工选定的位置上勾勒出目标的轮廓曲线，当目标运动时，轮廓线会有能量变化，当能量向极小值变化时，目标轮廓则逐渐收敛，根据反复迭代能量函数，确定跟踪目标轮廓[2]。此方法计算复杂度低，但目标轮廓的精度受初始位置的影响，初始化难度大。而该研究的对象是车辆，摄像头所拍摄到的车辆二维轮廓也会随时间推移而改变，严重影响本方法对目标的锁定。

区域中心点匹配法是把对当前帧图像通过运动物体分割检测出运动区域，并以其中心点建立跟踪区域模板，然后将当前帧的运动物体与跟踪区域模板进行匹配，寻找出与模板区相似性最大点的位置，并以此点为中心定义新的搜索区窗口，最后利用当前帧已跟踪上的区域的参数预测下一帧中运动区域的位置。此方法能动态地维护一幅背景图像，通过前景图像和背景图像之间的差值来确定运动区域，适合对大范围、复杂场景下进行目标跟踪，具有较强的实时性。

根据以上算法的对比，该研究确定使用区域中心点匹配跟踪法进行车辆目标的跟踪。

2 区域中心点匹配跟踪算法的实现

该系统的算法程序采用 Visual C ++ 与OpenCV图像开发包进行实现，以下是区域中心点匹配跟踪算法的实现过程。

2.1 设置检测带，对车辆连通域初始化

车辆目标在系统前期检测中所得到的目标区域可设置为一个连通域，连通域在二维图中呈矩形，系统可确定连通域的近似长、宽和中心点坐标位置。设置检测带是对刚进入视频区域的车辆进行初始记录。该监控视频背景为左下行、右上行的多车道马路，因此检测带应分别设置在图像的左上部和右下部，检测带长度应覆盖同向车道的总宽，检测带宽度则根据连通域中心点大小和车辆速度而定[3]。连续运动的车辆目标每经过检测带，检测带会记录车辆连通域中心点的坐标位置、时间，给予编号和累加数目。如果速度较慢的车辆在相邻两帧图像中，中心点都停留在检测带里，系统就会判别相邻两次的中心点坐标位置差是否如果小于一定像素数，如果是则认为是同一辆车，否则为两辆车。

2.2 预测目标车辆下一帧的位置区域

车辆被初始定位后，系统就开始预测它在下一帧图像中的运动区域。考虑交通事件中车辆随时会向各个方向运动，预测区域应该是从当前车辆连通域向前后左右延伸适当的距离，以一个外接矩形作为车辆下一帧的运动预测范围。

2.3 在预测区域内寻找和匹配车辆连通域

当进入下一帧图像时，系统要在预测区域内寻找新的车辆连通域并与上一帧目标车辆的连通域模版进行匹配。匹配时要求相邻两帧图像车辆连通域的中心点横、纵坐标之差、连通域的高、宽之差（四个量）分别小于各自的预设阈值[4]。只有全部满足条件才能成功匹配，系统则完成相邻两帧图像的目标跟踪，并更新连通域；如果不满足任一条件，即跟踪失败，系统要清空其跟踪的信息。

2.4 实现效果

系统对一段为时7分钟的公路监控视频（320×240）进行车辆跟踪，处理速度达到实时25帧/秒。图1为区域中心点匹配法的跟踪效果图，黄色框为检测带，绿色框为车辆连通域标记框，并有编号。该研究把另外两种方法也逐个切换使用，比较效果，如表1所示。针对车辆目标的跟踪，动态轮廓法的跟踪准确率最低，目标特征法有所改善，区域中心点匹配法的跟踪效率最高。

3 结语

该研究利用区域中心点匹配跟踪法，能在局部预测区域内完成车辆目标的跟踪，避免出现整个图像中所有车辆的匹配混淆问题，极大提高了车辆跟踪的准确率，缩小跟踪时间，进一步提高智能交通系统对车辆目标的跟踪精度。

参考文献

[1] 杨彪.一种用于多摄像头无重叠视域环境下的车辆跟踪系统[J].现代交通技术，2014（3）：54-58.

[2] 刘永涛，乔洁.基于openCV的车辆自动跟踪系统的设计与实现[J].汽车实用技术，2013（2）：23-26.

[3] 桑卡（美）.图像处理.分析与机器视觉[M].北京：清华大学出版社，2011：99-100.

[4] 王鑫，徐立中.图像目标跟踪技术[M].北京：人民邮电出版社，2012：82-85.