一种车辆实时跟踪方法及计算机可读存储介质技术

本发明专利技术提供一种车辆实时跟踪方法及计算机可读存储介质，方法包括：获取预先设置地多个摄像头中每个所述摄像头的图像，并获取所述图像中每个车辆的车牌在所述图像中的车牌区域及车牌号码信息；对所述车牌区域进行坐标转换得到所述车辆在世界坐标系中的第一位置；通过所述多个摄像头协同定位得到所述车辆在真实世界中的第二位置；基于所述第二位置实时对所述车辆进行多摄像头协同跟踪。通过将原本独立的摄像头进行多摄像头协同定位，得到更精确的车辆位置，进而实现多摄像头协同跟踪，实时获取车辆信息。

【技术实现步骤摘要】
一种车辆实时跟踪方法及计算机可读存储介质
本专利技术涉及计算机视觉
，尤其涉及一种车辆实时跟踪方法及计算机可读存储介质。
技术介绍
随着经济的发展，日常生活中汽车使用量不断增加，这使得交管部门在对车辆进行监管时工作量很大，特别是当需要全程监管某辆或某几辆车时。现如今，道路上监控摄像头数量众多，在某些交通流流量大的区域，甚至整个区域都被监控摄像头视野覆盖，如果能利用好这些摄像头，将能极大地提高监管效率。近年来机器学习、深度学习的兴起，使得计算机技术迅速发展，许多对人类而言繁琐的工作可以用计算机高效地完成，使用计算机处理、分析通过摄像头获取的图像信息是一个典型实例。对车辆进行监管，需要车辆的位置和标识ID，获取这两个信息最直接的方式就是对车牌进行检测跟踪，车牌位置代表车辆位置，车牌号码信息代表车辆的标识ID。车牌检测跟踪技术现在已经非常成熟，但是现有技术方案只能跟踪当前摄像头里的目标，当车辆离开当前摄像头视野，进入到一个新的摄像头的视野时，跟踪失败，即使新摄像头重新对车牌进行检测，车辆轨迹也会丢失，这不利于对确定的车辆进行监管。现有技术中缺乏一种解决车辆运动跨摄像头时车辆跟踪失败、车辆轨迹丢失的问题的技术。以上
技术介绍
内容的公开仅用于辅助理解本专利技术的构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。
技术实现思路
本专利技术为了解决现有的问题，提供一种车辆实时跟踪方法及计算机可读存储介质。为了解决上述问题，本专利技术采用的技术方案如下所述：一种车辆实时跟踪方法，包括如下步骤：S1：获取预先设置地多个摄像头中每个所述摄像头的图像，并获取所述图像中每个车辆的车牌在所述图像中的车牌区域及车牌号码信息；S2：对所述车牌区域进行坐标转换得到所述车辆在世界坐标系中的第一位置；S3：通过所述多个摄像头协同定位得到所述车辆在真实世界中的第二位置；S4：基于所述第二位置实时对所述车辆进行多摄像头协同跟踪。优选地，获取所述图像中车辆的车牌在所述图像中的位置及车牌号码信息包括如下步骤：S11：从所述图像中得到每个所述车牌的边界框信息，所述边界框信息包括(u，v，w，h)，其中，u，v表示车牌的中心点在图像中的像素坐标，w，h表示车牌的宽度和高度在图像中所占的像素点数；S12：根据所述边界框信息识别所述车牌的所述车牌区域，得到车牌号码信息及车牌置信度，当所述车牌置信度达到预先设置的阈值时，车牌检测成功；S13：使用核相关滤波算法为每个所述摄像头的所述图像内的每个所述车牌的所述车牌区域生成一个跟踪器，所有所述摄像头的所述图像内的所述车牌的所述车牌区域生成一个跟踪列表；S14：基于所述摄像头的所述图像的像素范围动态更新所述跟踪列表。优选地，得到所述第一位置包括如下步骤：S21：将所述车牌区域从像素坐标系转换到图像坐标系，像素坐标系和图像坐标系的关系式为：其中，u、v为像素坐标系坐标，x、y为图像坐标系坐标，dx、dy为单位像素的在x、y轴的物理尺寸，u0、v0为图像坐标系原点在像素坐标系的位置；S22：将所述车牌区域从图像坐标系转化到相机坐标系，图像坐标系和相机坐标系的关系式为：其中，f为相机焦距，Xc，Yc，Zc为相机坐标系坐标；S23：将所述车牌区域从相机坐标系转换到世界坐标系，相机坐标系和世界坐标系的关系式为：也即，其中，Xw，Yw，Zw为世界坐标系坐标，R为旋转矩阵，t为偏移向量；S24：得到如下像素坐标系和世界坐标系的关系式：其中，S25：求解上述关系式中的参数u0、v0、fx、fy、Zc、R、t；S26：获取所述车辆的所述车牌的像素坐标系坐标得到其世界坐标系坐标为：优选地，使用张正友标定法求解参数u0、v0、fx、fy，使用SolvePNP方法求解参数Zc、R、t。优选地，得到所述第二位置包括如下步骤：S31：依据每个所述摄像头Ci的所述跟踪列表及所述跟踪列表的动态变化过程确定所述车辆出现过的所述摄像头，若所述摄像头出现过所述车辆，则所述摄像头中出现所述车辆的概率Vi＝1，否则Vi＝0，其中，i＝1，2，...，n；S32：获取每一个Vi＝1的所述摄像头的图像的像素坐标系坐标并转换到世界坐标系中，得到世界坐标系坐标为S33：通过加权的方式计算所述第二位置P，计算公式为，其中，wi为权值系数。优选地，wi的计算公式为，其中，k1、k2为超参数，Di为图像中点的像素坐标和车辆的像素坐标距离，Ni为摄像头Ci能检测跟踪到车辆的帧数，当摄像头Ci检测跟踪到车辆时，Ni加1，否则Ni减1。优选地，对所述车辆进行多摄像头协同跟踪包括所述车辆从所述摄像头Ci视野进入另一个摄像头Cj视野时持续跟踪所述车辆，其中，i＝1，2，...，n，j＝1，2，...，n且j≠i，具体包括如下步骤：S41：获取车辆的所述车牌区域在摄像头Cj下的世界坐标系坐标：Pj＝P+rAB，其中，P是车辆的精确位置，Pj是车辆在摄像头j下的世界坐标系坐标,rij是摄像头Ci和摄像头Cj在真实世界的相对距离；S42：将所述车辆的所述车牌区域从摄像头Cj下的世界坐标系坐标转换成摄像头Cj下的像素坐标系坐标；S43：在所述摄像头Cj下创建跟踪器对目标车辆的像素坐标系坐标进行跟踪。优选地，还包括如下步骤：S5：实时绘制所述车辆的运行轨迹。优选地，实时绘制所述车辆的运行轨迹包括如下步骤：S51：选取所述车辆的所述图像中的一个点为运行轨迹图的坐标系零点；S52：基于实时获取地所述车辆的第二位置，获取所述第二位置与所述坐标系零点的相对位置关系得到所述车辆在所述运行轨迹图中的坐标；S53：依据所述坐标得到所述车辆的运行轨迹图。本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述方法的步骤。本专利技术的有益效果为：提供一种车辆实时跟踪方法及计算机可读存储介质，通过将原本独立的摄像头进行多摄像头协同定位，得到更精确的车辆位置，进而实现多摄像头协同跟踪，实时获取车辆信息。进一步地，本专利技术为每个摄像头维护一个跟踪器列表，记录摄像头视野的当前车辆信息，当新的车辆进入时，添加新的跟踪器到跟踪器列表中，当车辆离开摄像头视野时，从跟踪器列表中将其对应的跟踪器移除，更好的实现对车辆的跟踪。更进一步地，本专利技术通过利用摄像头各自的参数、摄像头之间的相对位置关系及每个摄像头维护的跟踪器列表，实现多摄像头协同跟踪，实时输出车辆信息。附图说明图1是本专利技术实施例中第一种车辆实时跟踪方法的示意图。图2是本专利技术实施例中取所述图像中车辆的车牌在所述图像中的位置及车牌号码信息的方法示意图。图3是本专利技术实施例中得到所述第一位置的方法示意本文档来自技高网...

【技术保护点】
1.一种车辆实时跟踪方法，其特征在于，包括如下步骤：/nS1：获取预先设置地多个摄像头中每个所述摄像头的图像，并获取所述图像中每个车辆的车牌在所述图像中的车牌区域及车牌号码信息；/nS2：对所述车牌区域进行坐标转换得到所述车辆在世界坐标系中的第一位置；/nS3：通过所述多个摄像头协同定位得到所述车辆在真实世界中的第二位置；/nS4：基于所述第二位置实时对所述车辆进行多摄像头协同跟踪。/n

【技术特征摘要】
1.一种车辆实时跟踪方法，其特征在于，包括如下步骤：
S1：获取预先设置地多个摄像头中每个所述摄像头的图像，并获取所述图像中每个车辆的车牌在所述图像中的车牌区域及车牌号码信息；
S2：对所述车牌区域进行坐标转换得到所述车辆在世界坐标系中的第一位置；
S3：通过所述多个摄像头协同定位得到所述车辆在真实世界中的第二位置；
S4：基于所述第二位置实时对所述车辆进行多摄像头协同跟踪。


2.如权利要求1所述的车辆实时跟踪方法，其特征在于，获取所述图像中车辆的车牌在所述图像中的位置及车牌号码信息包括如下步骤：
S11：从所述图像中得到每个所述车牌的边界框信息，所述边界框信息包括(u，v，w，h)，
其中，u，v表示车牌的中心点在图像中的像素坐标，w，h表示车牌的宽度和高度在图像中所占的像素点数；
S12：根据所述边界框信息识别所述车牌的所述车牌区域，得到车牌号码信息及车牌置信度，当所述车牌置信度达到预先设置的阈值时，车牌检测成功；
S13：使用核相关滤波算法为每个所述摄像头的所述图像内的每个所述车牌的所述车牌区域生成一个跟踪器，所有所述摄像头的所述图像内的所述车牌的所述车牌区域生成一个跟踪列表；
S14：基于所述摄像头的所述图像的像素范围动态更新所述跟踪列表。


3.如权利要求2所述的车辆实时跟踪方法，其特征在于，得到所述第一位置包括如下步骤：
S21：将所述车牌区域从像素坐标系转换到图像坐标系，像素坐标系和图像坐标系的关系式为：



其中，u、v为像素坐标系坐标，x、y为图像坐标系坐标，dx、dy为单位像素的在x、y轴的物理尺寸，u0、v0为图像坐标系原点在像素坐标系的位置；
S22：将所述车牌区域从图像坐标系转化到相机坐标系，图像坐标系和相机坐标系的关系式为：



其中，f为相机焦距，Xc，Yc，Zc为相机坐标系坐标；
S23：将所述车牌区域从相机坐标系转换到世界坐标系，相机坐标系和世界坐标系的关系式为：



也即，



其中，Xw，Yw，Zw为世界坐标系坐标，R为旋转矩阵，t为偏移向量；
S24：得到如下像素坐标系和世界坐标系的关系式：



其中，
S25：求解上述关系式中的参数u0、v0、fx、fy、Zc、R、t；
S26：获取所述车辆的所述车牌的像素坐标系坐标得到其世界坐标系坐标为：





4.如权利要求3所述的车辆实时跟踪方法，其特征在于，使用张正...

【专利技术属性】
技术研发人员：张凯，郑钊宇，董宇涵，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：广东;44