[发明专利]一种基于车载无人机的逃逸车辆快速识别和追踪方法

权利要求书

1.一种基于车载无人机的逃逸车辆快速识别和追踪方法，其特征在于，包括如下步骤：

(1)构建逃逸车辆所在路段位置预测模型，预测肇事逃逸车辆在各路口出现的概率，并进行排序，将概率值最大的前三个区域作为候选区域；

(2)利用带有摄像机的无人机对三个候选区域的车辆进行扫描，将扫描的车辆图片通过5G网络上传至云端；

(3)建立基于改进DenseNet121的轻量化逃逸车辆重识别模型，基于待查询逃逸车辆分别在每个候选区域的图片上进行车辆特征提取和重识别；

(4)将逃逸车辆重识别率最高的图片所在候选区域的位置信息传输至执勤人员，完成肇事逃逸车辆的追踪；

此外，步骤(1)具体包括两个阶段：一是逃逸车辆所在路段位置预测模型的网络训练阶段，二是逃逸车辆所在路段位置预测模型的实时检测阶段；

在所述的网络训练阶段，建立一个包括输入层、隐含层和输出层的逃逸车辆位置预测BP人工神经网络，其中，输入层节点数为8，包括肇事逃逸车辆的时间特征x₀，肇事逃逸车辆的位置拓扑信息x₁，肇事逃逸车辆的连接性特征x₂，肇事逃逸车辆的天气特征x₃以及肇事逃逸车辆用户的行为特征，其中用户行为特征又包括平均通行时间x₄、平均速度x₅、绕行率x₆、方向信息x₇这8维输入变量；隐藏层包括2层，每层节点数为8；输出层节点包括y₀,y₁,y₂,y₃,y₄,y₅,y₆,...,y_m，共m+1个路口的概率值；

在所述的网络训练阶段还包括收集网络的训练样本对网络进行训练，使用从交管部门得到的历史肇事逃逸车辆轨迹位置信息作为训练数据进行模型的训练，包括特征提取和模型训练两个方面：

在特征提取方面，包括时间特征、位置拓扑信息、连接性特征、天气特征、用户行为特征，其中用户行为特征又包括平均通行时间、平均速度、绕行率、方向信息，提取的特征向量表达式为：

X＝(x₀,x₁,x₂,x₃,x₄,x₅,x₆,x₇)

x₀表示肇事逃逸车辆当前样本点的时间特征，即当前样本点对应的肇事逃逸车辆在轨迹中的时间点；x₁表示肇事逃逸车辆的位置拓扑信息，即当前路段到起始和终点的曼哈顿距离的比值；x₂表示肇事逃逸车辆的连接性特征，即经过当前路段r的路径数占所有可能的路径数的比值；x₃表示肇事逃逸车辆当前路段的天气特征；

肇事逃逸车辆用户的行为特征，具体包括

(a)在上一段轨迹中，该车辆轨迹的通行时间以及所有训练数据中通过相同相邻交通卡口的所有轨迹的平均通行时间x₄；

(b)在上一段轨迹中，该车辆轨迹的平均速度和训练数据中所有通过相同的相邻交通卡口的所有轨迹的平均速度x₅：

(c)该车辆在上一段轨迹中的绕行率x₆，即恢复出来轨迹的总距离和两个监控卡口最短距离的比值：

(d)该车辆在上一段轨迹中的方向信息x₇；

在网络模型训练方面，通过输入训练数据，使用梯度下降法，最终通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小；

在所述的逃逸车辆所在路段位置预测模型的实时检测阶段，实时采集两个路口间的特征向量x₀～x₇输入训练好的BP神经网络模型，计算并输出逃逸车辆在不同路口出现的概率值，然后将肇事车辆经过各区域的概率进行降序排列，查询排序较高的前三个区域作为候选逃逸车辆所在区域；

所述步骤(3)具体包括两个阶段：逃逸车辆重识别模型的训练阶段和实时识别阶段；

所述训练阶段，包括逃逸车辆重识别模型的结构设计和参数训练两个方面：

在模型的结构设计方面，建立一个DenseNet121骨干网络，通过添加SE block，自动获取DenseNet121网络每一特征通道的重要程度，并根据重要性对每一通道输出相应大小的权重，进而向深层传递加权后的通道特征；对高H宽W通道为C的特征X使用全局平均池化作压缩操作，紧接着两个全连接层去建模通道间的相关性；给定压缩率r，通过全连接层进行特征降维，经过ReLU激活后再通过全连接层升回到原来的维度，通过一个Sigmoid函数获得归一化的权重，通过一个加权scale操作将归一化后的权重加权到每个通道的特征上得到向后传递的特征添加SE block后，通过网络根据loss学习特征获取每个特征通道的重要程度，实现有效的特征图feature map权重大，无效或效果小的特征图feature map权重小；

在模型的参数训练方面，输入训练集通过预先采集到的训练集车辆图片，利用Triplet loss和Focal loss相结合的联合损失，使模型在训练过程中更加关注难分样本，增强模型对难分样本的鉴别能力，从而学习得到较好的特征提取模型φ(X^t,θ)，θ表示模型要学习到的权值参数；

所述实时识别阶段，输入给定肇事逃逸车辆图片x^q，基于训练好的重识别模型，提取其特征，基于欧氏距离的度量学习，与步骤(2)无人机采集到的候选区域的车辆图片提取的特征进行比对和重识别。

2.根据权利要求1所述的基于车载无人机的逃逸车辆快速识别和追踪方法，其特征在于，所述步骤(4)具体包括：将与逃逸车辆欧氏距离最近的车辆图片所在的候选区域位置，即，与逃逸车辆相似度最高的车辆图片所在的候选区域位置确定为逃逸车辆所在的位置并传输至执勤人员，实现逃逸车辆的快速识别和追踪。