陳紅妃+朱敏娟+羅曉鎂

摘要：模板匹配算法是跟蹤算法中的主要處理方法。由于道路交通燈的跟蹤是一個實時的過程，需要在盡可能短的時間內(nèi)跟蹤到圖像中交通燈的具體位置。普通模板匹配是對于整張圖片的檢測與匹配，計算量很大，在短時間內(nèi)無法得到結(jié)果，該文在對交通燈追蹤定位時依據(jù)時空相關性的思想，在鄰域內(nèi)查找追蹤，減少計算量以達到實時的效果，基于該算法，實現(xiàn)道路交通燈的實時跟蹤。

關鍵詞：模板匹配；時空相關性；交通燈跟蹤；實時性；領域查找

隨著智能交通的發(fā)展，道路交通安全問題日益嚴峻，越來越多的目標檢測與識別技術被應用于這個領域中。交通燈檢測是智能交通系統(tǒng)研究的一個重要方向，一方面可以有效地輔助駕駛員駕駛，提供駕駛員安全信息，降低疲勞駕駛帶來的危害；另一方面促進無人駕駛系統(tǒng)的發(fā)展，對于無人駕駛的車輛，交通燈檢測是一項確保安全的關鍵技術。因此，對交通燈的檢測跟蹤顯得尤為重要。

現(xiàn)有較為常用的目標檢測算法是模板匹配算法，它根據(jù)一幅已知的“模板”在大圖像中尋找并定位目標。本文介紹了基于模板匹配的交通燈跟蹤算法，并結(jié)合時空相關性加以改進，較之傳統(tǒng)的模板匹配算法，提高了計算效率，達到實時性的要求。

2方法

常用的視頻目標跟蹤算法主要有，基于對比度分析的目標跟蹤、基于匹配的目標跟蹤、基于運動檢測的目標跟蹤，本文采用的是基于匹配的目標跟蹤。本文采用的基于匹配的目標跟蹤算法，主要通過前后幀之間的模板匹配實現(xiàn)目標的定位。

1）模板匹配算法

模板匹配算法就是依據(jù)已知模式在一幅較大圖像（搜索圖）中搜索相應模式的處理方法。已知模式即模板圖，是一幅已知的圖像，也就是所要搜尋的目標。設搜索圖R大小為MxN，模板T大小為mxn，將模板疊放在搜索圖像上平移，模板覆蓋搜索圖的區(qū)域為子圖s，其中x，y是s左上角在搜索圖的位置。

由模板匹配的概念可知，我們需要沿著搜索圖像中的所有點移動模板，并且按（1）式計算每個位置模板與子圖的相似值D。

2）本文的模板匹配算法

本文依據(jù)時空相關性對傳統(tǒng)的模板匹配算法進行改進。由于在交通燈跟蹤過程中，交通燈的位置及形狀保持不變，車輛基本以恒定速度運行，可以將這個過程看成一個連續(xù)變化的過程，所以在很短的時間內(nèi)，相鄰的兩幀中交通燈的形狀基本沒有變化。因此，本文依據(jù)這一特性，選擇在上一幀中目標的鄰域范圍內(nèi)進行模板匹配。從而減少計算量，提高計算效率。

3設計

3.1臨近幀跟蹤

在交通燈跟蹤的初始階段，首先依據(jù)模板，對跟蹤交通燈的起始幀，進行全局范圍的模板匹配，獲得交通燈在起始幀中的位置。由于起始的模板提取自起始幀的圖像中，所以在使用傳統(tǒng)的模板匹配算法對目標進行全局的匹配時，會得到很高的相似度，也就是模板與起始幀圖像中的目標匹配差值（歐氏距離）很小。

得到起始幀中交通燈的位置后，將在起始幀中匹配得到的目標保存為新的模板，并記錄目標在起始幀中的位置信息。

在第二幀的目標匹配中，依據(jù)時空相關性，只在其鄰域范圍進行模板匹配計算。在交通燈的跟蹤過程中，整個跟蹤過程所得到的圖像，可以看成是一個連續(xù)的過程，所以在整個跟蹤過程中，每一幀中交通燈的位置及形狀變化相差不大，也就是具有“時空相關性”。因此，在對圖像中的交通燈定位時，不需要在整幅圖像中對模板進行匹配，只需要在一定區(qū)域內(nèi)匹配。依據(jù)時空相關性，由于目標交通燈與上一幀中的位置變化不大，所以只需要在上一幀所得到的交通燈位置的鄰域范圍內(nèi)進行匹配即可。

基于時空相關性改進的模板匹配算法，一方面只需要在模板鄰域范圍內(nèi)進行匹配計算，很大程度上縮減了匹配計算的范圍，提高了整個跟蹤過程中目標搜索的效率；另一方面，只在鄰域范圍內(nèi)，也就刪減了整個圖像中其他范圍內(nèi)的信息，降低了周圍環(huán)境信息對交通燈跟蹤的影響，在一定程度上提高了交通燈跟蹤定位的準確率。

3.2長距離跟蹤

在短距離內(nèi)對交通燈跟蹤定位，交通燈的大小不會發(fā)生較大的改變，但在長距離范圍時，交通燈的大小會隨著距離的縮減而變大，因此在整個交通燈的跟蹤過程中，還需要對交通燈大小的變化進行考慮。本文采用的方法是：在一定幀間隔（也就是時間間隔）T內(nèi)，對模板擴大P個像素點。

通常對速度以及視頻圖像中幀速率的描述都是以s為標準，在本文中將時間間隔設置為1s，本文算法使用幀數(shù)代替時間，T=29幀，相當于1s。

3.3交通燈跟蹤中停車狀態(tài)判斷

在正常速度行駛時，在時間T內(nèi)對模板擴大P個像素點。當停車時，應當停止對模板的擴大。如何判斷是否處于停車狀態(tài)呢？本文采用的方法是：在時間間隔T的起始，記錄目標的位置T1，在時間間隔T的末尾，此時的目標位置記作T2，計算T1與T2的差值，如果T1與T2的差值為0，則表明在這一時間間隔內(nèi)，目標的位置幾乎沒有變化，也就表明這一時間間隔內(nèi)，行車距離很短或者處于停車狀態(tài)。那么在這一時間間隔內(nèi)，將不對目標模板進行放大處理。

4結(jié)論

本文依據(jù)時空相關性，對傳統(tǒng)模板匹配算法進行改進，提出了一種快速的基于模板匹配的交通燈跟蹤算法。相較于傳統(tǒng)的模板匹配算法，本文算法對其進行優(yōu)化，依據(jù)時空相關性在原位置鄰域范圍內(nèi)進行匹配，提高了目標定位的準確度，減少了環(huán)境對跟蹤目標的影響，并且很大程度上提高了計算速度，效率高，能滿足實時性的需求。