[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

说明书

本发明涉及一种高速公路监控视频跨镜车辆跟踪方法及系统，属于计算机视觉图像技术领域，解决了现有跨镜车辆跟踪方法在实际场景中实施困难较大且算法的适用性较低的问题。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；将车辆检测图像输入多目标跟踪模型得到车辆跟踪结果；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，并根据车辆信息数据库匹配目标车辆图像对应的目标车辆的运动轨迹，实现跨镜跟踪，减小了跟踪方法实施的难度，提高了适用性。

技术领域

本发明涉及计算机视觉图像技术领域，尤其涉及一种高速公路监控视频跨镜车辆跟踪方法及系统。

背景技术

目前，高速公路监控系统越来越完善，摄像头布设也越来越密集，但高速公路仍是最容易发生事故的地方，究其原因是高速公路车速快，大车多，监控摄像头发挥作用有限。

现有的跨镜车辆再识别技术都是基于已经标注好的数据集，虽然随着高质量数据集的更新发布，车辆的重识别技术也得到了进一步的发展，但数据集场景有限，算法模型局限性较强，在实际场景中难以实施且算法的适用性较低。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种高速公路监控视频跨镜车辆跟踪方法及系统，用以解决现有的跨镜车辆跟踪方法在实际场景中实施困难较大且算法的适用性较低的问题。

一方面，本发明实施例提供了一种高速公路监控视频跨镜车辆跟踪方法，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；

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对应的目标车辆的运动轨迹，实现跨镜跟踪。

进一步，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304*304*128的图像；

OSA单元，用于对输入尺寸为304*304*128的图像进行卷积，获得尺寸为19*19*512的图像；

YOLO检测层，用于根据所述OSA单元输出的尺寸为19*19*512的图像，获得包含有完整车辆矩形框的车辆检测图像。

进一步，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。

进一步，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。

进一步，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对应的目标车辆的运动轨迹，实现跨镜跟踪，包括如下步骤：