1.一种基于颜色特性和结构特征的车辆跟踪方法，其特征在于包括以下步骤：

①将车辆序列中的第1帧车辆图像作为参考帧，并在参考帧中人为确定一个包含车辆

的目标矩形区域；

②将参考帧记为{Irefer(i,j)}，并将{Irefer(i,j)}中确定的包含车辆的目标矩形区域记为{Rrefer(xrefer,yrefer,hrefer,wrefer)}；其中，1≤i≤W，1≤j≤H，W表示{Irefer(i,j)}的宽度，H表示{Irefer(i,j)}的高度，Irefer(i,j)表示{Irefer(i,j)}中坐标位置为(i,j)的像素点的像素值，xrefer表示{Rrefer(xrefer,yrefer,hrefer,wrefer)}的中心像素点的横坐标，yrefer表示{Rrefer(xrefer,yrefer,hrefer,wrefer)}的中心像素点的纵坐标，hrefer表示{Rrefer(xrefer,yrefer,hrefer,wrefer)}的高，wrefer表示{Rrefer(xrefer,yrefer,hrefer,wrefer)}的宽；

③采用滑动窗口方法，在{Irefer(i,j)}中采样得到N1个矩形区域作为正样本矩形区域，将任一个正样本矩形区域记为 其中，N1≥2，采样正样本矩形区域时所采用的滑动窗口的高为Sh1像素、宽为Sw1像素、步幅为Sstr1像素， 表示的中心像素点的横坐标， 表示

的中心像素点的纵坐标， 表示

的高， 表示 的宽，

同样，采用滑动窗口方法，在{Irefer(i,j)}中采样得到N2个矩形区域作为负样本矩形区域，将任一个负样本矩形区域记为 其中，N2≥2，采样负样本矩形区域时所采用的滑动窗口的高为Sh2像素、宽为Sw2像素、步幅为Sstr2像素、排除率为Sexc，表示 的中心像素点的横坐标，表示 的中心像素点的纵

坐标， 或 表示

的高， 表示 的宽，

④采用结构特征局部二值模式操作，提取{Irefer(i,j)}中的每个正样本矩形区域的LBP特征；并采用颜色特征提取方式，提取{Irefer(i,j)}中的每个正样本矩形区域的颜色特征；

然后将{Irefer(i,j)}中的每个正样本矩形区域的LBP特征作为一列结构特征向量，将{Irefer(i,j)}中的所有正样本矩形区域的LBP特征组成一个正样本结构特征矩阵，记为 并将{Irefer(i,j)}中的每个正样本矩形区域的颜色特征作为一列颜色特征向量，将{Irefer(i,j)}中的所有正样本矩形区域的颜色特征组成一个正样本颜色特征矩阵，记为 再将和 合并得到正样本总特征矩阵，记为Frefer,pos，Frefer,pos中的每一列为一个正样本矩形区域的LBP特征和颜色特征；其中，结构特征局部二值模式操作的用于计算每个像素点的LBP特征的邻近像素点的总个数为NumNeighbors、圆形图案的半径为Radius像素，的维数为G1×N1，G1表示{Irefer(i,j)}中的每个正样本矩形区域对应的结构特征向量的维数， 的维数为H1×N1，H1表示{Irefer(i,j)}中的每个正样本矩形区域对应的颜色特征向量的维数，Frefer,pos的维数为(G1+H1)×N1；

同样，采用结构特征局部二值模式操作，提取{Irefer(i,j)}中的每个负样本矩形区域的LBP特征；并采用颜色特征提取方式，提取{Irefer(i,j)}中的每个负样本矩形区域的颜色特征；然后将{Irefer(i,j)}中的每个负样本矩形区域的LBP特征作为一列结构特征向量，将{Irefer(i,j)}中的所有负样本矩形区域的LBP特征组成一个负样本结构特征矩阵，记为并将{Irefer(i,j)}中的每个负样本矩形区域的颜色特征作为一列颜色特征向量，将{Irefer(i,j)}中的所有负样本矩形区域的颜色特征组成一个负样本颜色特征矩阵，记为再将 和 合并得到负样本总特征矩阵，记为Frefer,neg，Frefer,neg中的每一列为一个负样本矩形区域的LBP特征和颜色特征；其中，结构特征局部二值模式操作的用于计算每个像素点的LBP特征的邻近像素点的总个数为NumNeighbors、圆形图案的半径为Radius像素， 的维数为G2×N2，G2表示{Irefer(i,j)}中的每个负样本矩形区域对应的结构特征向量的维数， 的维数为H2×N2，H2表示{Irefer(i,j)}中的每个负样本矩形区域对应的颜色特征向量的维数，Frefer,neg的维数为(G2+H2)×N2；

⑤根据Frefer,pos和Frefer,neg，采用Struck算法中的结构化输出支持向量机，训练得到模型；

⑥将参考帧的后一帧待跟踪的车辆图像定义为当前帧，并将当前帧中与参考帧中确定

的包含车辆的目标矩形区域对应位置的矩形区域作为当前帧的初始矩形区域；

⑦将当前帧记为{Icur(i,j)}，并将{Icur(i,j)}的初始矩形区域记为{Rcur(xcur,ycur,hcur,wcur)}；其中，Icur(i,j)表示{Icur(i,j)}中坐标位置为(i,j)的像素点的像素值，xcur表示{Rcur(xcur,ycur,hcur,wcur)}的中心像素点的横坐标，xcur＝xrefer，ycur表示{Rcur(xcur,ycur,hcur,wcur)}的中心像素点的纵坐标，ycur＝yrefer，hcur表示{Rcur(xcur,ycur,hcur,wcur)}的高，hcur＝hrefer，wcur表示{Rcur(xcur,ycur,hcur,wcur)}的宽，wcur＝wrefer；

⑧采用滑动窗口方法，在{Icur(i,j)}中采样得到N3个矩形区域作为候选矩形区域，将任一个候选矩形区域记为 然后从N3个候选矩形区域中随机抽取出N3-1个候选矩形区域，并将{Rcur(xcur,ycur,hcur,wcur)}也作为候选矩形区域，将抽取出的N3-1个候选矩形区域和{Rcur(xcur,ycur,hcur,wcur)}构成候选矩形区域集合；其中，采样候选矩形区域时所采用的滑动窗口的高为Sh3像素、宽为Sw3像素、步幅为Sstr3像素，N3≥2， 表示 的中心像素点的横坐标， 表示的中心像素点的纵坐标， 表示

的 高 ， 表 示 的 宽 ，

⑨采用结构特征局部二值模式操作，提取候选矩形区域集合中的每个候选矩形区域的

LBP特征；并采用颜色特征提取方式，提取候选矩形区域集合中的每个候选矩形区域的颜色特征；然后将候选矩形区域集合中的每个候选矩形区域的LBP特征作为一列结构特征向量，将候选矩形区域集合中的所有候选矩形区域的LBP特征组成一个候选结构特征矩阵，记为并将候选矩形区域集合中的每个候选矩形区域的颜色特征作为一列颜色特征向量，将候选矩形区域集合中的所有候选矩形区域的颜色特征组成一个候选颜色特征矩阵，记为再将 和 合并得到候选总特征矩阵，记为Fcur,pre，Fcur,pre中的每一列为一个候选矩形区域的LBP特征和颜色特征；其中，结构特征局部二值模式操作的用于计算每个像素点的LBP特征的邻近像素点的总个数为NumNeighbors、圆形图案的半径为Radius像素，的维数为G3×N3，G3表示候选矩形区域集合中的每个候选矩形区域对应的结构特征向量的维数， 的维数为H3×N3，H3表示候选矩形区域集合中的每个候选矩形区域对

应的颜色特征向量的维数，Fcur,pre的维数为(G3+H3)×N3；

⑩将Fcur,pre作为输入参数，输入到训练得到的模型中，输出候选矩形区域集合中的每个候选矩形区域的预测评分值；然后从N3个预测评分值中找出最大预测评分值，将最大预测评分值对应的候选矩形区域作为当前帧中确定的包含车辆的目标矩形区域；接着判断当前帧是否为车辆序列中的最后一帧，若为最后一帧，则结束；若不为最后一帧，则再判断最大预测评分值是否小于设定阈值K，如果是，则将当前帧作为参考帧，然后返回步骤②继续执行；否则，将当前帧中确定的包含车辆的目标矩形区域记为{Rcur(xcur,fin,ycur,fin,hcur,fin,wcur,fin)}，将当前帧作为参考帧，令xrefer＝xcur,fin、yrefer＝ycur,fin、hrefer＝hcur,fin、wrefer＝wcur,fin，然后返回步骤⑥继续执行；其中，xcur,fin表示{Rcur(xcur,fin,ycur,fin,hcur,fin,wcur,fin)}的中心像素点的横坐标，ycur,fin表示{Rcur(xcur,fin,ycur,fin,hcur,fin,wcur,fin)}的中心像素点的纵坐标，hcur,fin表示{Rcur(xcur,fin,ycur,fin,hcur,fin,wcur,fin)}的高，wcur,fin表示{Rcur(xcur,fin,ycur,fin,hcur,fin,wcur,fin)}的宽。

2.根据权利要求1所述的基于颜色特性和结构特征的车辆跟踪方法，其特征在于所述

的步骤③中，取Sh1＝5、Sw1＝5、Sstr1＝1，取Sh2＝100、Sw2＝100、Sstr2＝5、Sexc＝0.3。

3.根据权利要求1所述的基于颜色特性和结构特征的车辆跟踪方法，其特征在于所述

的步骤④中，取NumNeighbors＝24、Radius＝3。

4.根据权利要求1所述的基于颜色特性和结构特征的车辆跟踪方法，其特征在于所述

的步骤⑧中，取Sh3＝30、Sw3＝30、Sstr3＝2。

5.根据权利要求1所述的基于颜色特性和结构特征的车辆跟踪方法，其特征在于所述

的步骤⑨中，取NumNeighbors＝24、Radius＝3。

6.根据权利要求1所述的基于颜色特性和结构特征的车辆跟踪方法，其特征在于所述

的步骤⑩中，取K＝0.96。