[发明专利]一种高速公路监控视频跨镜车辆跟踪方法及系统

权利要求书

1.一种高速公路监控视频跨镜车辆跟踪方法，其特征在于，包括如下步骤：

获取待监测高速公路多个摄像头视频文件中的帧图像，基于改进的YOLO目标检测模型对每张帧图像进行车辆检测得到包含有完整车辆矩形框的车辆检测图像；

所述改进的YOLO目标检测模型是将原来的YOLOv3中的骨干网络替换为具有更好学习能力的DenseNet的变体VoVNet，并将YOLOv3检测层的大中小三个尺度减少为中小两个尺度；

将所述车辆检测图像输入多目标跟踪模型得到车辆跟踪结果；所述车辆跟踪结果包括车辆ID和车辆轨迹；

根据所述车辆检测图像和车辆跟踪结果建立车辆信息数据库；

基于所述车辆信息数据库中任一摄像头编号对应的某一车辆检测图像截取目标车辆图像，并根据所述车辆信息数据库匹配目标车辆图像得到对应的目标车辆，基于得到对应的目标车辆，拼接得到运动轨迹，实现跨镜跟踪；

基于所述车辆信息数据库中任一摄像头编号对应的某一车辆检测图像截取目标车辆图像，并根据所述车辆信息数据库匹配目标车辆，基于得到对应的目标车辆，拼接得到运动轨迹，实现跨镜跟踪，包括如下步骤：

获取所述车辆信息数据库中任一摄像头编号对应的某一车辆检测图像，并截取目标车辆图像；

基于所述目标车辆图像及其他摄像头编号对应的某一车辆检测图像，分别获得目标车辆图像的深度特征矩阵及其他摄像头编号对应的某一车辆检测图像的深度特征矩阵；

基于所述目标车辆图像的深度特征矩阵及其他摄像头编号对应的某一车辆检测图像的深度特征矩阵，利用重识别网络获得目标车辆与其他摄像头编号对应的某一车辆检测图像中多个车辆的余弦相似度距离；

将所述余弦相似度距离按照摄像头编号进行归类并排序，得到摄像头编号对应的最小余弦相似度距离；

判断其他摄像头编号对应的所述最小余弦相似度距离是否小于相似度阈值，若是，则相应所述车辆检测图像中的车辆为目标车辆，若否，判断目标车辆驶离待监测高速公路；

基于所述车辆检测图像对应的摄像头编号及车辆ID匹配所述车辆信息数据库，拼接得到目标车辆的运动轨迹，实现跨镜跟踪。

2.根据权利要求1所述的高速公路监控视频跨镜车辆跟踪方法，其特征在于，所述改进的YOLO目标检测模型包括特征提取网络层和YOLO检测层；其中，所述特征提取网络层包括stem单元和OSA单元；

stem单元，用于对所述高速公路多个摄像头视频文件中的帧图像进行下采样，得到尺寸为的图像；

OSA单元，用于对输入尺寸为的图像进行卷积，获得尺寸为的图像；

YOLO检测层，用于根据所述OSA单元输出的尺寸为的图像，获得包含有完整车辆矩形框的车辆检测图像。

3.根据权利要求1所述的高速公路监控视频跨镜车辆跟踪方法，其特征在于，所述多目标跟踪模型包括运动预测单元和深度外观特征提取单元：

所述运动预测单元，用于根据上一帧车辆检测图像预测得到当前帧车辆预测图像；

所述深度外观特征提取单元包括重识别网络，基于输入所述重识别网络的车辆检测图像及车辆预测图像，得到车辆轨迹，并对所述车辆轨迹进行编号，得到与车辆轨迹对应的车辆ID。

4.根据权利要求3所述的高速公路监控视频跨镜车辆跟踪方法，其特征在于，根据所述车辆跟踪结果建立车辆信息数据库具体包括：基于摄像头编号及车辆ID将车辆检测图像及车辆轨迹存储至数据库得到车辆信息数据库。