一种基于人工智能的车辆追踪系统及方法技术方案

本发明专利技术公开了一种基于人工智能的车辆追踪系统，所述系统包括三个子系统：追踪管理子系统、车辆检测子系统和车辆匹配子系统，其中：追踪管理子系统，负责总体管理、调度、协调其他两个子系统；车辆检测子系统，负责检测、识别并截出视频图像中的所有车辆；车辆匹配子系统，负责提取肇事车辆和比对车辆图片特征向量，并计算相似度，找到相似度最高的车辆。本发明专利技术利用卷积神经网络训练的车辆检测子系统初步筛选与肇事车辆车型一致的车辆截图，然后通过图像匹配再确定肇事车辆，提高了车辆追踪效率和精度。

【技术实现步骤摘要】
一种基于人工智能的车辆追踪系统及方法
本专利技术涉及人工智能计算机视觉
，具体涉及一种基于人工智能的车辆追踪系统及方法。
技术介绍
现如今社会，车辆作为主要的交通及运输工具，其保有量急速攀升，进而带来的道路交通问题尤为突出，交通事故也频频发生，单纯依靠人力进行交通管理已经越来越难以满足要求。当出现车辆肇事逃逸，同时由于环境或人为原因无法识别车牌等车辆标识信息时，想要靠人力在短时间内追踪识别肇事车辆几乎是不可能实现的。在计算机视觉领域，卷积神经网络对于图像分类、目标检测与定位、目标识别等视觉任务的效果非常突出。一个预训练好的卷积神经网络模型可以准确快速的检测到图像中的各个目标物，但是保证卷积神经网络精度的两个必要条件是大量的训练集和高效的计算力。肇事车辆图片数量不可能达到训练卷积神经网络的要求。
技术实现思路
本专利技术要解决的技术问题是：本专利技术针对以上问题，提供一种基于人工智能的车辆追踪系统及方法，利用卷积神经网络训练的车辆检测子系统初步筛选与肇事车辆车型一致的车辆截图，然后通过图像匹配再确定肇事车辆，提高了车辆追踪效率和精度。本专利技术所采用的技术方案为：一种基于人工智能的车辆追踪系统，所述系统包括三个子系统：追踪管理子系统、车辆检测子系统和车辆匹配子系统，其中：追踪管理子系统，负责总体管理、调度、协调其他两个子系统；车辆检测子系统，负责检测、识别并截出视频图像中的所有车辆；车辆匹配子系统，负责提取肇事车辆和比对车辆图片特征向量，并计算相似度，找到相似度最高的车辆。所述车辆检测子系统的检测采用车辆检测模型，所述车辆检测模型利用大量车辆图片通过卷积神经网络模型训练得出。一种基于人工智能的车辆追踪方法，在追踪管理子系统的管理、调度、协调下，通过将肇事车辆图片输入车辆匹配子系统提取特征向量，车辆检测子系统初步筛选所有与肇事车辆车型一致的车辆图片，然后通过车辆匹配子系统将提取的肇事车辆特征向量和筛选的车辆图片特征向量进行匹配，并计算相似度，找到相似度最高的车辆。所述方法实现流程如下：1）选取肇事车辆图片，输入车辆匹配子系统提取特征向量保存以备比对；2）追踪管理子系统调取与肇事车辆发生路段连通的所有路口实时监控视频，将视频输入车辆检测子系统，所述车辆检测子系统标记并选择截取出所有车辆图片；3）车辆检测子系统根据肇事车辆类别，初步筛选出与肇事车辆车型一致的车辆截图；4）追踪管理子系统将筛选后的车辆截图输入车辆匹配子系统，车辆匹配子系统提取特征向量，并计算与肇事车辆特征向量的相似度，找出相似度最高的车辆截图；5）追踪管理子系统将车辆截图定位到传送该截图的监控设备所在路口，再以该路口为起点，继续搜索与该路口连通的其他路口监控视频；6）追踪管理子系统根据时间顺序，将各个路口连接，预测车辆去向。所述车辆检测子系统通过车辆检测模型识别各类型车辆，通过该车辆检测模型能够识别出货车、小轿车、SUV、箱式货车。所述车辆检测模型为一个卷积神经网络模型，通过利用大量车辆图片训练得到。本专利技术的有益效果为：本专利技术利用卷积神经网络训练的车辆检测子系统初步筛选与肇事车辆车型一致的车辆截图，然后通过图像匹配再确定肇事车辆，提高了车辆追踪效率和精度。附图说明图1为本专利技术车辆追踪系统架构图。具体实施方式下面根据说明书附图，结合具体实施方式对本专利技术进一步说明：实施例1：如图1所示，一种基于人工智能的车辆追踪系统，所述系统包括三个子系统：追踪管理子系统、车辆检测子系统和车辆匹配子系统，其中：追踪管理子系统，负责总体管理、调度、协调其他两个子系统；车辆检测子系统，负责检测、识别并截出视频图像中的所有车辆；车辆匹配子系统，负责提取肇事车辆和比对车辆图片特征向量，并计算相似度，找到相似度最高的车辆。所述车辆检测子系统的检测采用车辆检测模型，所述车辆检测模型利用大量车辆图片通过卷积神经网络模型训练得出。实施例2一种基于人工智能的车辆追踪方法，在追踪管理子系统的管理、调度、协调下，通过将肇事车辆图片输入车辆匹配子系统提取特征向量，车辆检测子系统初步筛选所有与肇事车辆车型一致的车辆图片，然后通过车辆匹配子系统将提取的肇事车辆特征向量和筛选的车辆图片特征向量进行匹配，并计算相似度，找到相似度最高的车辆。所述方法实现流程如下：1）选取肇事车辆图片（可人工手动选取），输入车辆匹配子系统提取特征向量保存以备比对；2）追踪管理子系统调取与肇事车辆发生路段连通的所有路口实时监控视频，将视频输入车辆检测子系统，所述车辆检测子系统标记并选择截取出所有车辆图片；3）车辆检测子系统根据肇事车辆类别，初步筛选出与肇事车辆车型一致的车辆截图；4）追踪管理子系统将筛选后的车辆截图输入车辆匹配子系统，车辆匹配子系统提取特征向量，并计算与肇事车辆特征向量的相似度，找出相似度最高的车辆截图；5）追踪管理子系统将车辆截图定位到传送该截图的监控设备所在路口，再以该路口为起点，继续搜索与该路口连通的其他路口监控视频；6）追踪管理子系统根据时间顺序，将各个路口连接，预测车辆去向。所述车辆检测子系统通过车辆检测模型识别各类型车辆，通过该车辆检测模型能够识别出货车、小轿车、SUV、箱式货车。实施方式仅用于说明本专利技术，而并非对本专利技术的限制，有关
的普通技术人员，在不脱离本专利技术的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本专利技术的范畴，本专利技术的专利保护范围应由权利要求限定。本文档来自技高网...

【技术保护点】
1.一种基于人工智能的车辆追踪系统，其特征在于，所述系统包括三个子系统：追踪管理子系统、车辆检测子系统和车辆匹配子系统，其中：追踪管理子系统，负责总体管理、调度、协调其他两个子系统；车辆检测子系统，负责检测、识别并截出视频图像中的所有车辆；车辆匹配子系统，负责提取肇事车辆和比对车辆图片特征向量，并计算相似度，找到相似度最高的车辆。

【技术特征摘要】
1.一种基于人工智能的车辆追踪系统，其特征在于，所述系统包括三个子系统：追踪管理子系统、车辆检测子系统和车辆匹配子系统，其中：追踪管理子系统，负责总体管理、调度、协调其他两个子系统；车辆检测子系统，负责检测、识别并截出视频图像中的所有车辆；车辆匹配子系统，负责提取肇事车辆和比对车辆图片特征向量，并计算相似度，找到相似度最高的车辆。2.根据权利要求1所述的一种基于人工智能的车辆追踪系统，其特征在于，所述车辆检测子系统的检测采用车辆检测模型，所述车辆检测模型利用大量车辆图片通过卷积神经网络模型训练得出。3.一种基于人工智能的车辆追踪方法，其特征在于，在追踪管理子系统的管理、调度、协调下，通过将肇事车辆图片输入车辆匹配子系统提取特征向量，车辆检测子系统初步筛选所有与肇事车辆车型一致的车辆图片，然后通过车辆匹配子系统将提取的肇事车辆特征向量和筛选的车辆图片特征向量进行匹配，并计算相似度，找到相似度最高的车辆。4.根据权利要求3所述的一种基于人工智能的车辆追踪方法，其特征在于，所述方法实现流程如下：1）选取肇事...

【专利技术属性】
技术研发人员：郝虹，姜凯，段成德，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东,37