一种基于视频分析的车辆跟踪方法和系统技术方案

本发明专利技术公开了一种基于视频分析的车辆跟踪方法和系统，属于安防监控领域。包括：从目标帧图像中选择目标车辆，提取目标车辆的特征向量、摄像头桩号和时间戳；对于目标区域内的每个摄像头桩号对应的特征向量组，计算该特征向量组中各个特征向量与目标车辆的特征向量的相似度，判断该特征向量组中的最高相似度是否超过设定阈值，若是，则认为该摄像头追踪到目标车辆，否则，认为该摄像头未追踪到目标车辆。本发明专利技术通过局部池化检测重叠车辆，非极大值抑制实现定位框优选，使得重叠车辆分离。将表达局部特征的第一特征与表达全局特征的第二特征融合，实现高环境鲁棒性的特征提取。利用车辆行驶轨迹获取漏检，基于梯度下降调整阈值，实现算法自适应。

A vehicle tracking method and system based on video analysis

【技术实现步骤摘要】
一种基于视频分析的车辆跟踪方法和系统
本专利技术属于安防监控领域，更具体地，涉及一种基于视频分析的车辆跟踪方法和系统。
技术介绍
近年来，随着车辆数量的不断增加，人工监控不再满足现有公共交通监控系统，交通系统亟待实现自动化与智能化。为提高公共交通监管能力，需要发展出对于目标车辆的定位与跟踪系统，解决海量监控视频场景下难以人工筛选出目标车辆的问题。在理想的，交通状况简单，且检测结果完美的情况下，目前的跟踪算法，如Meanshift、Camshift、模板跟踪、粒子滤波以及特征点跟踪等都能很好的解决跟踪问题，然而现实却并非如此。在复杂的交通情况下，现有的车辆跟踪方法，无法在包含多个摄像头的大型视频监控网络中实现高准确率的车辆跟踪。其因在于以下几点：1)现有车辆跟踪方法中车辆定位无法有效区分处理重叠车辆；2)基于图像特征算子的车辆跟踪方法对于环境敏感度高，存在失效风险；3)现有车辆跟踪方法缺少针对跟踪失败情况的纠错处理与算法自动调整功能，长期使用中系统准确性与稳定性将降低。
技术实现思路
针对现有技术的缺陷和改进需求，本专本文档来自技高网...

【技术保护点】
1.一种基于视频分析的车辆跟踪方法，其特征在于，该方法包括以下步骤：/nS1.从目标帧图像中选择目标车辆，提取目标车辆的特征向量、摄像头桩号和时间戳；/nS2.对于目标区域内的每个摄像头桩号对应的特征向量组，计算该特征向量组中各个特征向量与目标车辆的特征向量的相似度，判断该特征向量组中的最高相似度是否超过设定阈值，若是，则认为该摄像头追踪到目标车辆，否则，认为该摄像头未追踪到目标车辆。/n

【技术特征摘要】
1.一种基于视频分析的车辆跟踪方法，其特征在于，该方法包括以下步骤：
S1.从目标帧图像中选择目标车辆，提取目标车辆的特征向量、摄像头桩号和时间戳；
S2.对于目标区域内的每个摄像头桩号对应的特征向量组，计算该特征向量组中各个特征向量与目标车辆的特征向量的相似度，判断该特征向量组中的最高相似度是否超过设定阈值，若是，则认为该摄像头追踪到目标车辆，否则，认为该摄像头未追踪到目标车辆。


2.如权利要求1所述的车辆跟踪方法，其特征在于，所述摄像头桩号对应的特征向量组的获取方式如下：
(1)实时获取各高速路段的摄像头视频流；
(2)对于每个视频流的每帧图像，自动截取该图像中各个车辆的框图；
(3)提取每张框图的特征向量和对应的摄像头桩号、时间戳，将当前帧、框图的特征向量、对应的摄像头桩号和时间戳作为一条记录，保存到数据库中。


3.如权利要求2所述的车辆跟踪方法，其特征在于，所述自动截取该图像中各个车辆的框图包括以下步骤：
(2.1)基于卷积神经网络，提取原始帧图像中的车辆框图；
(2.2)基于局部池化操作，判断是否存在不同车辆框图表示同一辆车，若是，则进入步骤(2.3)，否则，输出框图位置；
(2.3)采用非极大值抑制方法，合并表示同一辆车的所有框图。


4.如权利要求1至3任一项所述的方法，其特征在于，车辆特征向量的提取方式如下：采用深度学习提取车辆的第一特征向量，采用HOG算法提取车辆的第二特征向量，将第一特征向量和第二特征向量进行特征融合。


5.如权利要求4所述的方法，其特征在于，所述将第一特征向量和第二特征向量进行特征融合包括以下步骤：
(1)分别对第一特征向量和第二特征向量进行归一化处理，将归一化后的第一特征向量和第二特征向量拼接为一维特征向量；
...

【专利技术属性】
技术研发人员：袁烨，刘向迪，胡鹏超，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42