【技术实现步骤摘要】
基于ConvNeXt网络和DSST算法的交通车辆跟踪方法及系统
[0001]本专利技术涉及城市道路交通车辆目标跟踪
，特别涉及一种基于ConvNeXt网络和DSST算法的交通车辆跟踪方法。
技术介绍
[0002]现在城市家庭车辆保有量越来越高，汽车出行成为普遍的方式。因此，城市道路状况受到公众极大关注。随着智慧交通的发展，以分布式边缘计算机和交通摄像头为依托的车辆目标跟踪技术越来越受到重视。通过广泛部署交通摄像头监测车辆数据，并且开发一种使用计算机视觉技术实时检测跟踪车辆的方法很重要。通过部署这些算法设备可以带来许多好处和便利。当跟踪到车辆，可以将数据及时上报交管平台，监测到的车辆状况信息可以为车辆计划出行提供指导。
[0003]在智能网联场景下，通过有效的目标车辆跟踪技术，可以向智联网联汽车及时汇报当前道路车辆信息，为网联车的道路行驶提供有效帮助。交管平台也可以通过收集道路跟踪车辆信息对路口通行进行控制，提高城市交通效率。同时当面对道路视野不清的场景，通过车辆跟踪技术可以及时给智慧网联车辆汇报对向来车信息，实...
【技术保护点】
【技术特征摘要】
1.一种基于ConvNeXt网络和DSST算法的交通车辆跟踪方法，其特征在于，包括以下步骤：步骤1、拉取交通检测摄像头的视频流并解码，以获取交通车辆样本；步骤2、使用数据增强技术对交通车辆样本进行扩充，更改残差网络模型结构以搭建ConvNeXt网络模型，训练ConvNeXt网络模型；步骤3、以ConvNeXt网络模型为特征提取层，提取交通车辆图像特征，使用faster
‑
rcnn模型获取交通车辆的分割图像的图像块；步骤4、使用训练完成的faster
‑
rcnn模型检测交通车辆，对提取的图像块使用DSST算法，分别做位置估计和尺度估计，通过匈牙利算法进行模型匹配，实现交通车辆的跟踪。2.如权利要求1所述的基于ConvNeXt网络和DSST算法的交通车辆跟踪方法，其特征在于，所述步骤2中使用数据增强技术对交通车辆样本进行扩充的步骤包括：使用mixup将交通车辆样本的车辆图像按比例混合；使用cutmix将车辆图像的部分区域剪切掉，同时使用其他车辆图像进行替换；使用randaugment对车辆图像做随机策略组合的增广方案；使用random
‑
erasing对车辆图像进行随机擦除。3.如权利要求2所述的基于ConvNeXt网络和DSST算法的交通车辆跟踪方法，其特征在于，所述步骤2中搭建ConvNeXt网络模型的步骤包括：基于resnet50网络模型，对每个stage的block进行规划，使用无覆盖卷积进行降采样，使用分组卷积提高计算速度，使用逆瓶颈结构进行卷积。4.如权利要求3所述的基于ConvNeXt网络和DSST算法的交通车辆跟踪方法，其特征在于，所述步骤2中训练ConvNeXt网络模型的步骤包括：基于Swin
‑
transform算法优化训练策略，使用值从90增加到300的eopch，对模型优化器进行更改，增加正则策略，以提高ConvNext网络模型检测交通车辆的计算速度和准确率。5.如权利要求1所述的基于ConvNeXt网络和DSST算法的交通车辆跟踪方法，其特征在于，所述步骤3包括：使用ConvNeXt网络模型提取交通车辆图像特征，通过候选区域网络获取精确的候选区域框图，综合交通车辆图像特征和候选区域框图信息，使用全连接层判断交通车辆类别和候选区域框图的精确位置信息，在交通车辆样本的数据集上微调faster...
【专利技术属性】
技术研发人员：任学锋，刘鹏，杨哲，林复坤，
申请(专利权)人：华砺智行武汉科技有限公司，
类型：发明
国别省市：
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。