多摄像头场景下车辆的轨迹计算方法技术

本发明专利技术提供一种多摄像头场景下车辆的轨迹计算方法，包括：采用卷积神经网络识别摄像机采集的车辆监控视频，获取目标车辆的识别信息，识别信息包括：目标车辆的型号、品牌、实际运行方向以及目标车辆的倾斜角度，并将目标车辆所在位置用矩阵框标注；根据矩阵框与跟踪器保存区域的重合面积对目标车辆进行跟踪，获取目标车辆的运动信息，运动信息包括目标车辆的出现位置、离开位置以及目标车辆的运行方向和轨迹；根据目标车辆的运动信息、摄像机的安装位置和道路连通关系标定摄像机网络的拓扑结构；通过贝叶斯估计对摄像机网络中的目标车辆的轨迹进行关联。本发明专利技术提高了多摄像头场景下车辆的轨迹计算的准确率。

【技术实现步骤摘要】
多摄像头场景下车辆的轨迹计算方法
本专利技术涉及车辆轨迹计算
，尤其涉及一种多摄像头场景下车辆的轨迹计算方法。
技术介绍
在目前的智能交通系统中，对车辆的识别和跟踪一直是一个核心的环节，也是一个难点，对单摄像头下的车辆追踪的研究很多。现有的车辆轨迹计算一般都拘泥于利用车辆本身的属性如转弯角度等来估计车辆的行驶轨迹，计算结果准确率不够高。
技术实现思路
本专利技术提供了一种多摄像头场景下车辆的轨迹计算方法，解决上述技术问题。本专利技术一种多摄像头场景下车辆的轨迹计算方法，包括：采用卷积神经网络识别摄像机采集的车辆监控视频，获取目标车辆的识别信息，所述识别信息包括：所述目标车辆的型号、品牌、实际运行方向以及所述目标车辆的倾斜角度，并将目标车辆用矩阵框标注；根据所述矩阵框与跟踪器保存区域的重合面积对所述目标车辆进行跟踪，获取所述目标车辆的运动信息，所述运动信息包括所述目标车辆的出现位置、离开位置以及所述目标车辆的运行方向和轨迹；根据所述目标车辆的运动信息、摄像机的安装位置和道路连通关系标定摄像机网络的拓扑结构；通过贝叶斯估计对所述摄像机网络中的所述目标车辆的轨迹进行关联。进一步地，所述根据所述矩阵框与跟踪器保存区域的重合面积对所述目标车辆进行跟踪，获取所述目标车辆的运动信息之后，还包括：采用卡尔曼滤波器和匈牙利匹配算法更新所述跟踪器。进一步地，所述根据所述矩阵框与跟踪器保存区域的重合面积对所述目标车辆进行跟踪，获取所述目标车辆的运动信息，包括：判断目标车辆的矩阵框与跟踪器中保存的区域是否重叠，若是，则按照重叠面积率将跟踪器排序，若否，则判断下一辆目标车辆；选取重叠面积率最大的区域对应的跟踪器确定所述目标车辆的运行方向；判断所述跟踪器中的车辆运行方向与所述目标车辆的实际运行方向是否相同，若是，则确定所述跟踪器中保存的车辆为所述目标车辆，若否，则跟踪下一辆目标车辆。进一步地，所述根据所述目标车辆的运动信息、摄像机的安装位置和道路连通关系标定摄像机网络的拓扑结构，包括：根据摄像机中目标车辆的出现位置、离开位置信息确定所述目标车辆对应所述摄像机的出现区域和消失区域，并将所述出现区域和所述消失区域做为摄像机网络中的节点；根据所述摄像机的安装位置和道路连通关系判断任意两个所述节点之间是否连通；根据所述节点之间的连通关系确定摄像机网络的拓扑结构。进一步地，所述通过贝叶斯估计对所述摄像机网络中的所述目标车辆的轨迹进行关联，包括：将目标车辆在任一摄像机中的出现区域和消失区域分别划分在不同的子图单元中；根据道路连通关系判断所述子单元是否连通，若是，则根据所述目标车辆的识别信息关联所述出现区域和所述消失区域。本专利技术实现了在监控摄像头网络下将目标车辆的轨迹完整的计算出来。能够在多个摄像头下准确跟踪目标车辆，并通过拓扑网络将目前车辆将要出现的范围大大减少，将多个摄像头下与目标车辆相似的车辆经目标关联算法进行关联找到目标车辆，将各个摄像头下目标车辆的轨迹相加得到完整轨迹。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一种多摄像头场景下车辆的轨迹计算方法流程图；图2为本专利技术摄像机网络拓扑结构示意图；图3为本专利技术整体算法流程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术一种多摄像头场景下车辆的轨迹计算方法流程图，如图1所示，本实施例的方法包括：步骤101、采用卷积神经网络识别摄像机采集的车辆监控视频，获取目标车辆的识别信息，所述识别信息包括：所述目标车辆的型号、品牌、实际运行方向以及所述目标车辆的倾斜角度，并将目标车辆用矩阵框标注；具体来说，(1)建立卷积神经网络，将图像和标注好的标签输入到卷积神经网络中，在卷积最后一层得到特征图；所述标签内容为车型，车的品牌，车的倾斜角度。(2)在最后卷积得到的特征图上进行滑动扫描，滑动的网络每次与特征图上n*n的窗口全连接，然后映射到一个低维向量；(3)最后将所述低维向量送入到全连接层。步骤102、根据所述矩阵框与跟踪器保存区域的重合面积对所述目标车辆进行跟踪，获取所述目标车辆的运动信息，所述运动信息包括所述目标车辆的出现位置、离开位置以及所述目标车辆的运行方向和轨迹；步骤103、根据所述目标车辆的运动信息、摄像机的安装位置和道路连通关系标定摄像机网络的拓扑结构；步骤104、通过贝叶斯估计对所述摄像机网络中的所述目标车辆的轨迹进行关联。进一步地，所述根据所述矩阵框与跟踪器保存区域的重合面积对所述目标车辆进行跟踪，获取所述目标车辆的运动信息之后，还包括：采用卡尔曼滤波器和匈牙利匹配算法更新所述跟踪器。具体来说，使用目标车辆的信息更新跟踪器，包括更新卡尔曼滤波器和匈牙利匹配算法。当所有的车辆都与跟踪器匹配完成后，遍历所有的追踪器，所有追踪器中的未匹配次数小于3次，使用卡尔曼滤波器对追踪器中的车辆位置进行预测，若预测结果仍在检测区域内，则认为当前帧出现漏检，使用预测值更新跟踪器若大于3次，则认为当前追踪器对应的车辆已经驶离检测区域，删除此追踪器。遍历所有的车辆，找出与所有跟踪器都未匹配成功的车辆，使用匈牙利匹配算法，将上一帧中的追踪器中记录的车辆质心与当前帧的车辆质心做匈牙利匹配，得到车辆与跟踪器的最大匹配。再使用前面得到的已经匹配成功的车辆和追踪器与新得出的匹配做比较，如果车辆匹配的追踪器中记录的车辆质心一样，则确定匹配成功，不一样则以使用重叠面积率匹配得到的结果为准。当没有找到车辆匹配的追踪器时，以新得到的匹配为准，从而得到最大的匹配。进一步地，所述根据所述矩阵框与跟踪器保存区域的重合面积对所述目标车辆进行跟踪，获取所述目标车辆的运动信息，包括：判断目标车辆的矩阵框与跟踪器中保存的区域是否重叠，若是，则按照重叠面积率将跟踪器排序，若否，则判断下一辆目标车辆；选取重叠面积率最大的区域对应的跟踪器确定所述目标车辆的运行方向；判断所述跟踪器中的车辆运行方向与所述目标车辆的实际运行方向是否相同，若是，则确定所述跟踪器中保存的车辆为所述目标车辆，若否，则跟踪下一辆目标车辆。进一步地，所述根据所述目标车辆的运动信息、摄像机的安装位置和道路连通关系标定摄像机网络的拓扑结构，包括：根据摄像机中目标车辆的出现位置、离开位置信息确定所述目标车辆对应所述摄像机的出现区域和消失区域，并将所述出现区域和所述消失区域做为摄像机网络中的节点；根据所述摄像机的安装位置和道路连通关系判断任意两个所述节点之间是否连通；根据所述节点之间的连通关系确定摄像机网络的拓扑结构。具体来说，根据该摄像机中检测到的目标出现与离开的位置信息，得到目标出现区域或目标消失区域，并将它们看做不同的节点，对任意一对结点(pi,pj)，pi∈Cm,pj∈本文档来自技高网...

【技术保护点】
一种多摄像头场景下车辆的轨迹计算方法，其特征在于，包括：采用卷积神经网络识别摄像机采集的车辆监控视频，获取目标车辆的识别信息，所述识别信息包括：所述目标车辆的型号、品牌、实际运行方向以及所述目标车辆的倾斜角度，并将目标车辆用矩阵框标注；根据所述矩阵框与跟踪器保存区域的重合面积对所述目标车辆进行跟踪，获取所述目标车辆的运动信息，所述运动信息包括所述目标车辆的出现位置、离开位置以及所述目标车辆的运行方向和轨迹；根据所述目标车辆的运动信息、摄像机的安装位置和道路连通关系标定摄像机网络的拓扑结构；通过贝叶斯估计对所述摄像机网络中的所述目标车辆的轨迹进行关联。

【技术特征摘要】
1.一种多摄像头场景下车辆的轨迹计算方法，其特征在于，包括：采用卷积神经网络识别摄像机采集的车辆监控视频，获取目标车辆的识别信息，所述识别信息包括：所述目标车辆的型号、品牌、实际运行方向以及所述目标车辆的倾斜角度，并将目标车辆用矩阵框标注；根据所述矩阵框与跟踪器保存区域的重合面积对所述目标车辆进行跟踪，获取所述目标车辆的运动信息，所述运动信息包括所述目标车辆的出现位置、离开位置以及所述目标车辆的运行方向和轨迹；根据所述目标车辆的运动信息、摄像机的安装位置和道路连通关系标定摄像机网络的拓扑结构；通过贝叶斯估计对所述摄像机网络中的所述目标车辆的轨迹进行关联。2.根据权利要求1所述的方法，其特征在于，所述根据所述矩阵框与跟踪器保存区域的重合面积对所述目标车辆进行跟踪，获取所述目标车辆的运动信息之后，还包括：采用卡尔曼滤波器和匈牙利匹配算法更新所述跟踪器。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述矩阵框与跟踪器保存区域的重合面积对所述目标车辆进行跟踪，获取所述目标车辆的运动信息，包括：判断目标车辆的矩阵框与跟踪器中保存的区域是否重叠，若是，则按...

【专利技术属性】
技术研发人员：付先平，彭锦佳，王亚飞，赵彤彤，沈天一，张军，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁,21