【技术实现步骤摘要】
一种车牌信息与车辆特征融合的车辆轨迹跟踪方法
本专利技术涉及高速公路监控领域,特指一种车牌信息与车辆特征融合的车辆轨迹跟踪方法。
技术介绍
随着人们对交通安全的逐渐重视,加之国家相关政策的制定与推进,智能视频监控技术得以快速发展。随着高速公路的快速发展和扩张,基于单摄像机以及车辆特征的车辆跟踪技术已经满足不了业务需求。而基于经济、资源利用和维护管理等方面考虑,且由于目前高速公路只有车牌识别摄像机能拍摄到车辆唯一特征——车牌,将该摄像机视域覆盖所有监控区域是不现实的,因而当前车辆跟踪系统准确率较低。针对以上问题,将车牌识别摄像机拍到的车牌信息与其他摄像机所获取的车辆特征信息进行融合,设计了车牌与车辆特征信息融合的车辆轨迹跟踪系统,实现了广域视频监控环境下的目标跟踪,只需要输入车牌即可显示目标车辆轨迹。因此,本专利技术人对此做进一步研究,研发出一种车牌信息与车辆特征融合的车辆轨迹跟踪方法,本案由此产生。
技术实现思路
为了实现上述目的,本专利技术的技术方案如下:一种车牌信息与车辆特征融合的车辆轨迹跟踪方法,包括如下步骤:首先在高速公路高清卡口处对车牌信息和车辆信息进行提取,存入数据库中进行关联;接着在全路段对车辆各个方面的特征进行提取,包括车辆的固有特征和运动特征;途中经过下一个车牌识别摄像机再次对车牌信息和车辆信息进行提取,并使用PSO算法与之前获取的信息进行优化;其次建立车辆在多摄像机间运动的时间和空间的约束;最后对摄像机观察到的所有车辆,使 ...
【技术保护点】
1.一种车牌信息与车辆特征融合的车辆轨迹跟踪方法,包括如下步骤:/n首先在高速公路高清卡口处对车牌信息和车辆信息进行提取,存入数据库中进行关联;接着在全路段对车辆各个方面的特征进行提取,包括车辆的固有特征和运动特征;途中经过下一个车牌识别摄像机再次对车牌信息和车辆信息进行提取,并使用PSO算法与之前获取的信息进行优化;其次建立车辆在多摄像机间运动的时间和空间的约束;最后对摄像机观察到的所有车辆,使用车辆关联算法进行关联,在它们之中找到属于相同车辆的目标,从而实现通过输入车牌号进行多个摄像机间的车辆轨迹跟踪。/n
【技术特征摘要】
1.一种车牌信息与车辆特征融合的车辆轨迹跟踪方法,包括如下步骤:
首先在高速公路高清卡口处对车牌信息和车辆信息进行提取,存入数据库中进行关联;接着在全路段对车辆各个方面的特征进行提取,包括车辆的固有特征和运动特征;途中经过下一个车牌识别摄像机再次对车牌信息和车辆信息进行提取,并使用PSO算法与之前获取的信息进行优化;其次建立车辆在多摄像机间运动的时间和空间的约束;最后对摄像机观察到的所有车辆,使用车辆关联算法进行关联,在它们之中找到属于相同车辆的目标,从而实现通过输入车牌号进行多个摄像机间的车辆轨迹跟踪。
2.根据权利要求1所述的一种车牌信息与车辆特征融合的车辆轨迹跟踪方法,其特征在于:PSO算法中,粒子每更新一次位置,就计算一次适应度值,并且通过比较新粒子的适应度值和个体极值、群体极值的适应度值来更新个体极值和群体极值位置,假设在一个D维的搜索空间中,由n个粒子组成的种群X=(X1,X2,…,Xn),其中第i个粒子表示为一个D维的向量Xi=(xi1,xi2,…,xiD)T,代表第i个粒子在D维的搜索空间中的位置,亦代表问题的一个潜在解,根据目标函数即可计算出每个粒子位置;
Xi对应的适应度值,第i个粒子的速度为Vi=(Vi1,Vi2,…,ViD)T,其个体极值为Pi=(Pi1,Pi2,…,PiD)T,种群的全局极值为g=(Pg1,Pg2,…,PgD)T;
在每一次迭代过程中,粒子通过个体极值和全局极值更新自身的速度和位置,更新公式如下:
式中,ω为惯性权重;d=1,2,…,D;i=1,2,…,n;k为当前迭代次数;Vid为粒子的速度;c1和c2为非负的常数,称为加速度因子;r1和r2为分布于[0,1]之间的随机数;为防止粒子的盲目搜索,本系统将其位置和速度限制在[-Xmax,Xmax]、[-Vmax,Vmax];
惯性权重ω体现的是粒子当前速度多大程度上继承先前的速度,为了更好的平衡算法的全局搜索与局部搜索能力,本系统通过实验选用惯性权重,采用线性递减惯性权重LDIW,即
ω(k)=ωstart-(ωstart-ωend)*k/Tmax(3)
式中,ωstart为惯性权重;ωend为迭代至最大次数时的惯性权重;k为当前迭代代数;Tmax为最大迭代代数。
3.根据权利要求1所述的一种车牌信息与车辆特征融合的车辆轨迹跟踪方法,其特征在于:为了对目标的各种关联特征进行合理融合,定义一个相似度度量函数,相似度度量函数将可以数值化的关联特征结合起来,并对每一个关联特征指定权值,由此来描述目标之间的相似程度从而确定目标之间的关联性;对于在任意摄像机中观察到的两个目标1和2,它们之间关联性由相似度函数Y(Xi,1,Xj,2)度量,相似度函数的定义如公式所示:
Y(Xi,1,Xj,2)=ωtT(ti,1,tj,2)ωtH(hi,1,hj,2)ωtE(ei,1,ej,2)ωtB(bi,1,bj,2)(4),
权值ω来控制该特征的重要程度,基于摄像机捕获目标的特征值并非每次都一样,因而权值ω的大小取决于该特征的准确度;两个目标车辆的时间关联特征的对比值为T(ti,1,tj,2),地点关联特征的对比值为H(hi,1,hj,2)、大小关联特征的对比值为E(ei,1,ej,2)、外观模型关联特征的对比值为B(bi,1,bj,2)。
4.根据权利要求1所述的一种车牌信息与车辆特征融合的车辆轨迹跟踪方法,其特征在于:把车辆关联求解建模为求MAP的问题,...
【专利技术属性】
技术研发人员:郑于海,王长华,陶杰,汪内利,朱熙豪,倪双静,亓凌,于涵诚,
申请(专利权)人:浙江省机电设计研究院有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。