[发明专利]用于跨相机的车辆跟踪方法、装置、电子设备、存储介质

说明书

本申请涉及智能交通技术领域，公开一种用于跨相机的车辆跟踪方法，包括：接收多个单相机采集的车辆视频；对每个单相机采集的车辆视频进行分析，获得多个单相机的车辆轨迹；将多个单相机的车辆轨迹输入预训练的道路分割模型，得到跨相机的车辆轨迹。本申请采用应用于深度学习技术领域的技术手段，在这一过程中，通过道路分割模型减少搜索空间，并且在特征提取的过程中采用全局操作，无需对图像降维，从而减小细节的损失与特征关联的欠缺，提高跨相机车辆跟踪的准确性。本申请还公开一种用于跨相机的车辆跟踪装置、电子设备、存储介质。

技术领域

本申请涉及智能交通技术领域，例如涉及一种用于跨相机的车辆跟踪方法、装置、电子设备、存储介质。

背景技术

新基建对交通运输行业而言，本质是利用数字化、智能化技术改变传统的交通基础设施建设，通过互联网和物联网等数字信息技术，将智能的交通智慧化。随着经济的发展，人工智能、大数据等新兴技术与交通运输行业的深度融合，给行业带来新的发展机遇。在交通场景中，车辆轨迹可以提供运动车辆几乎所有的动态信息。分析监控场景中的车辆轨迹能够掌握动态道路交通信息，跨相机关联多个相机中的目标轨迹，能够打破单个相机间的目标信息孤立，获得大范围视频监控区域中的整体道路运行情况，有助于道路交通管理者进行交通分析、预测和控制。

目前，为实现跨相机关联多个相机中的目标轨迹，相关技术中提出了一种跨相机道路空间融合及车辆目标检测跟踪方法，包括：使用相机标定技术对跨相机场景进行标定，利用跨相机场景中的公共区域完成道路空间融合，同时采用深度学习的方法对车辆目标进行检测，完成对跨相机车辆追踪。具体包括：步骤1，输入场景1和场景2交通场景背景图像p1和p2，视频帧图像序列组s1和s2；步骤2，构建坐标系和模型，完成相机标定；步骤3，设置控制点标识道路区域范围；步骤4，生成带空间信息的道路空间融合图像Mp；步骤5，跨相机目标检测；步骤6，跨相机目标跟踪。

在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：

在相关技术中，为实现跨相机的车辆轨迹检测是通过构建坐标系，需要生成带空间信息的道路空间融合图像，在生成融合图像的过程中通常需要逐步减小特征图的空间分辨率，进而解码特征图编码信息，一次性或逐步地放大特征图分辨率至原始输入分辨率。在特征图分辨率改变过程中，不可避免的将造成信息的流失，无法保证跨相机车辆跟踪的准确性。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种用于跨相机的车辆跟踪方法、装置、电子设备、存储介质，以提高跨相机车辆跟踪的准确性。

在一些实施例中，所述用于跨相机的车辆跟踪方法，包括：

接收多个单相机采集的同一主干道中的车辆视频；

对每个单相机采集的车辆视频进行分析，获得多个单相机的车辆轨迹；

将多个单相机的车辆轨迹输入预训练的道路分割模型，得到跨相机的车辆轨迹。

可选地，将多个单相机的车辆轨迹输入预训练的道路分割模型，得到跨相机的车辆轨迹，包括：

将多个单相机的车辆轨迹输入预训练的道路分割模型，获得道路分割结果；

根据道路分割结果进行单相机车辆轨迹过滤，获得过滤后的车辆轨迹；

根据过滤后的车辆轨迹，得到跨相机的车辆轨迹。

可选地，根据道路分割结果进行单相机车辆轨迹过滤，获得过滤后的车辆轨迹，包括：

根据道路分割结果进行交叉路口轨迹过滤，获得行驶在主干道中的车辆的轨迹；和/或，