一种基于Ncut的车辆特征点轨迹聚类方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113869280A(43)申请公布日2021.12.31(21)申请号202111226015.6(22)申请日2021.10.21(71)申请人烟台大学地址264005山东省烟台市莱山区清泉路30号(72)发明人王璇宋永超战柏成徐金东吕骏郑强阎维青徐树振马朝青(74)专利代理机构西安硕大知识产权代理事务所(普通合伙)61283代理人张德兴(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书3页说明书5页附图4页(54)发明名称一种基于Ncut的车辆特征点轨迹聚类方法(57)摘要本发明公开了一种基于Ncut的车辆特征点轨迹聚类方法，该方法能够利用Ncut准则针对车辆目标轨迹数据进行聚类，基于给定的轨迹集建立了无向图TG，并通过对车辆目标刚性运动特性的分析，利用其3D轨迹特征构造了对应的相似矩阵，实现了车辆特征点的轨迹聚类。CN113869280ACN113869280A权利要求书1/3页1.一种基于Ncut的车辆特征点轨迹聚类方法，其特征在于，包括以下步骤；步骤一，利用高清摄像机采集高速公路交通场景的视频，利用光流法提取该路段内车辆的特征点轨迹数据，并对每条轨迹进行序号标注，如公式(1)所示，将标注的车辆轨迹作为2D轨迹点样本集；T2D(i,n)＝{p(i,1),p(i,2)，p(i,3),...,p(i,n)}(1)其中，i表示当前图像中的第i条特征点轨迹，n表示轨迹点的节点数；步骤二，将步骤一获得的视频样本集提取车辆特征点轨迹的图像序列I，其中车辆轨迹的数据集为T＝{Ti,i＝1,2,...,n}，根据轨迹集的2D轨迹点的位移及相应的帧间间隔t可计算每条轨迹在图像上的速度v＝{v1,v2,...,vn}，其中，选取最小的2D轨迹速度vp所对应的轨迹为参考轨迹Tp；步骤三，利用枚举法在0‑4m的高度范围内设立不同高度的逆投影面，在每个逆投影平面上，利用公式(3)将每个2D轨迹点投影到逆投影面上，从而获得该3D逆投影面上的3D轨迹点，可表示为T3D(i,h,n)＝{P(i,1),P(i,2),P(i,3),...,P(i,n)}(2)其中，P(i,n)为三维空间的轨迹点坐标，h表示枚举高度；λp＝K[RT]PW＝HPW(3)其中，λ为比例因子。步骤四，计算每条轨迹Ti与参考轨迹Tp之间的相对高度Hi；步骤五，由于不同的特征点在车辆运动过程中具有相同的位移及速度，利用这一特性对不同逆投影面上重构的3D轨迹信息进行统计分析，估算该目标在3D空间中的真实位移及速度信息，利用此方法提取每条轨迹在3D空间中的速度的估计值Vi及每条轨迹对应的特征点在当前时刻的空间位置(Xi,Yi)；步骤六，构造每条轨迹对应的属性特征向量FTi＝(Hi,Vi,Xi,Yi)；步骤七，利用公式计算轨迹数据集之间的相似矩阵W；步骤八，根据Ncut准则有：2CN113869280A权利要求书2/3页其中，A,B为不同的集合，每条轨迹与其他轨迹的相似度之和表示为即每条轨迹的度为d(Ti)，而度矩阵D是一个N×N的对角矩阵，因此对角线上的值为d(Ti)；令指示向量为Q＝[q(T1),q(T2),...,q(Tn)]，并且q(Ti)为：其中则公式(4)的目标函数可以转换为进而可以得到：Ncut(A,B)＝QT(D‑W)Q因此，将Ncut的最小化问题转化为min(QT(D‑W)Q)s.t.QTDQ＝1(7)可以求解方程(D‑W)Q＝λDQ的广义特征值来求解Ncut的最小问题，该方程可以进一步化简为：其中为规范化的拉普拉斯矩阵，记为矩阵L，通过求解拉普拉斯矩阵L，可以得到每组轨迹集的聚类个数；3CN113869280A权利要求书3/3页步骤九，计算L的特征值{λi,i＝1,2,...,n}及其对应的特征向量{Hi,i＝1,2,...,n}；步骤十，对特征向量进行标准化，计算与Hi对应的指示特征向量Qi；步骤十一，将步骤九得到的特征值进行排序，选出与前k个最小特征值对应的特征向量Q进行K‑means聚类，从而得到最终轨迹点数据集的聚类个数,从而获得该场景下的车辆目标数目。2.根据权利要求1所述的一种基于Ncut的车辆特征点轨迹聚类方法，其特征在于，所述步骤四具体步骤如下：(1)利用高度枚举法计算理想情况下(不存在跟踪误差)的两条轨迹的位移差的关系，两条轨迹的高度与他们的位移差是在同一平面上的，即ah1+bh2+c＝diff_offset(9)并且当两条轨迹属于同一辆车时，两条轨迹的位移是相同的，即位移差为0，因此，可以得到两条轨迹的高度关系：ah1+bh2+c＝0(10)(2)选择一条轨迹速度最低为参考轨迹，利用公式(10)得到其他轨迹对应于该参考轨