【技术实现步骤摘要】
一种车辆跟踪方法、装置、终端及计算机可读存储介质
[0001]本专利技术涉及车辆跟踪
,特别是涉及一种车辆跟踪方法、装置、终端及计算机可读存储介质。
技术介绍
[0002]目标检测和目标跟踪作为视觉任务的关键方向。目标检测的主要任务包括对目标车辆进行定位和分类;目标跟踪则是对同一目标车辆持续赋予相同的身份标识号码(IDentity,ID)。目标检测和目标跟踪作为人工智能的前沿技术,已在智能辅助驾驶、智能安防以及智能化管理等诸多领域广泛使用。
[0003]在车辆智能化管理上,由于图像采集设备的安装位置限制,在采集的视频或图像中路侧停放的车辆往往会密集重叠在一起。实际生活中,车辆类型多种多样化,如果高度更高的车辆停车的位置更加靠近相机,这就会对后面的车辆造成严重的遮挡,有时甚至是完全的遮挡。如此场景下的密集遮挡,车辆之间的密集重叠遮挡会导致车辆检测框输出不稳定、不连续,进而影响车辆跟踪。
技术实现思路
[0004]本专利技术主要解决的技术问题是提供一种车辆跟踪方法、装置、终端及计算机可读存储介质,解决现有技术中车辆跟踪轨迹不稳定性、不连贯性的问题。
[0005]为解决上述技术问题,本专利技术采用的第一个技术方案是:提供一种车辆跟踪方法,车辆跟踪方法包括:对待检测视频中的当前帧图像进行车辆部位检测,确定当前帧图像包含的至少一个目标车辆的车辆部位检测信息;根据至少一个目标车辆中各目标车辆在历史帧图像中的位置信息,预测各目标车辆在当前帧图像中的车辆部位预测信息,历史帧图像包括待检测视频中当 ...
【技术保护点】
【技术特征摘要】
1.一种车辆跟踪方法,其特征在于,所述车辆跟踪方法包括:对待检测视频中的当前帧图像进行车辆部位检测,确定所述当前帧图像包含的至少一个目标车辆的车辆部位检测信息;根据所述至少一个目标车辆中各目标车辆在历史帧图像中的位置信息,预测所述各目标车辆在所述当前帧图像中的车辆部位预测信息,所述历史帧图像包括所述待检测视频中所述当前帧图像之前的视频帧;基于所述各目标车辆在所述当前帧图像中的所述车辆部位预测信息,确定所述各目标车辆在所述当前帧图像中分别对应的所述车辆部位检测信息;基于所述各目标车辆对应的所述车辆部位检测信息,确定所述各目标车辆在所述当前帧图像中的位置信息。2.根据权利要求1所述的车辆跟踪方法,其特征在于,所述车辆部位检测信息包括车顶信息;所述对待检测视频中的当前帧图像进行车辆部位检测,确定所述当前帧图像包含的至少一个目标车辆的车辆部位检测信息,包括:对所述待检测视频中的所述当前帧图像进行车辆多部位检测,得到所述当前帧图像包含的至少一个目标车辆对应的至少一个部件类别图像集,所述部件类别图像集包含多张同一类别的部件图像;基于所述至少一个部件类别图像集,确定各所述目标车辆的车顶信息。3.根据权利要求2所述的车辆跟踪方法,其特征在于,所述基于所述至少一个部件类别图像集,确定各所述目标车辆的车顶信息,包括:基于同一所述部件类别图像集中所述部件图像之间的相似度和所述部件图像的置信度,对所述部件类别图像集中的所述部件图像进行筛选;基于筛选后的所述至少一个部件类别图像集,确定各所述目标车辆的车顶信息。4.根据权利要求2所述的车辆跟踪方法,其特征在于,所述部件类别图像集包括车顶图像集、车身图像集、车头图像集、车尾图像集和车牌图像集中的至少一个;所述基于所述至少一个部件类别图像集,确定各所述目标车辆的车顶信息,包括:将所述车顶图像集、所述车身图像集、所述车头图像集、所述车尾图像集和所述车牌图像集中的各所述部件图像分别进行关联,确定相互关联的所述部件图像对应同一所述目标车辆;基于与所述目标车辆对应的所述部件图像,确定所述目标车辆的车顶信息。5.根据权利要求4所述的车辆跟踪方法,其特征在于,所述车牌图像集包括至少一个车牌检测框,所述车尾图像集包括至少一个车尾检测框;所述将所述车顶图像集、所述车身图像集、所述车头图像集、所述车尾图像集和所述车牌图像集中的各所述部件图像分别进行关联,确定相互关联的所述部件图像对应同一所述目标车辆,包括:计算得到所述车牌图像集中的各车牌检测框与所述车尾图像集中各车尾检测框之间的重叠率;响应于所述车牌检测框与所述车尾检测框之间的所述重叠率超过第一预设重叠率,则将所述重叠率对应的所述车牌检测框和所述车尾检测框进行关联。
6.根据权利要求5所述的车辆跟踪方法,其特征在于,所述将所述车顶图像集、所述车身图像集、所述车头图像集、所述车尾图像集和所述车牌图像集中的各所述部件图像分别进行关联,确定相互关联的所述部件图像对应同一所述目标车辆,还包括:响应于一所述车牌检测框与多个所述车尾检测框分别对应的所述重叠率均超过所述第一预设重叠率,则将与所述车牌检测框关联的所述多个车尾检测框的最低边线进行比较;解除距离所述当前帧图像的下边线非最近的所述最低边线所属的所述车尾检测框与所述车牌检测框之间的关联关系。7.根据权利要求5所述的车辆跟踪方法,其特征在于,所述车头图像集包括至少一个车头检测框;所述将所述车顶图像集、所述车身图像集、所述车头图像集、所述车尾图像集和所述车牌图像集中的各所述部件图像分别进行关联,确定相互关联的所述部件图像对应同一所述目标车辆,还包括:响应于所述车牌检测框与所述车尾检测框之间的所述重叠率低于所述第一预设重叠率,则计算未关联的所述车牌检测框与所述车头图像集中各所述车头检测框之间的重叠率;响应于所述车牌检测框与所述车头检测框之间的所述重叠率超过第二预设重叠率,则将所述重叠率对应的所述车牌检测框和所述车头检测框进行关联。8.根据权利要求7所述的车辆跟踪方法,其特征在于,所述将所述车顶图像集、所述车身图像集、所述车头图像集、所述车尾图像集和所述车牌图像集中的各所述部件图像分别进行关联,确定相互关联的所述部件图像对应同一所述目标车辆,还包括:响应于一所述车牌检测框与多个所述车头检测框分别对应的所述重叠率均超过所述第二预设重叠率,则将与所述车牌检测框关联的所述多个车头检测框的最低边线进行比较;解除距离所述当前帧图像的下边线非最近的所述最低边线所属的所述车头检测框与所述车牌检测框之间的关联关系。9.根据权利要求4~7任一项所述的车辆跟踪方法,其特征在于,所述车身图像集包括至少一个车身检测框,所述将所述车顶图像集、所述车身图像集、所述车头图像集、所述车尾图像集和所述车牌图像集中的各所述部件图像分别进行关联,确定相互关联的所述部件图像对应同一所述目标车辆,包括:计算得到所述车尾检测框与所述车身图像集中各所述车身检测框之间的重叠率;响应于所述车尾检测框与所述车身检测框之间的所述重叠率超过第三预设重叠率,则将所述重叠率对应的所述车尾检测框与所述车身检测框进行关联。10.根据权利要求9所述的车辆跟踪方法,其特征在于,所述将所述车顶图像集、所述车身图像集、所述车头图像集、所述车尾图像集和所述车牌图像集中的各所述部件图像分别进行关联,确定相互关联的所述部件图像对应同一所述
目标车辆,包括:响应于所述车尾检测框与所述车身检测框之间的所述重叠率未超过所述第三预设重叠率,则计算未关联的所述车身检测框与各车头检测框之间的重叠率;响应于未关联的所述车身检测框与所述车头检测框之间的所述重叠率超过第四预设重叠率,则将所述重叠率对应的所述车身检测框和所述车头检测框进行关联。11.根据权利要求10所述的车辆跟踪方法,其特征在于,所述将所述车顶图像集、所述车身图像集、所述车头图像集、所述车尾图像集和所述车牌图像集中的各所述部件图像分别进行关联,确定相互关联的所述部件图像对应同一所述目标车辆,包括:响应于未关联的所述车身检测框与所述车头检测框之间的所述重叠率未超过所述第四预设重叠率,则计算得到未关联的所述车身检测框与各车牌检测框之间的重叠率;响应于未关联的所述车身检测框与所述车牌检测框之间的所述重叠率超过第五预设重叠率,则将未关联的所述车身检测框与所述车牌检测框进行关联。12.根据权利要求4~11任一项所述的车辆跟踪方法,其特征在于,所述车顶图像集包括至少一个车顶检测框,所述将所述车顶图像集、所述车身图像集、所述车头图像集、所述车尾图像集和所述车牌图像集中的各所述部件图像分别进行关联,确定相互关联的所述部件图像对应同一所述目标车辆,包括:计算得到车身检测框与所述车顶图像集中各所述车顶检测框分别对应的重叠率;响应于所述车身检测框与所述车顶检测框之间的所述重叠率超过第六预设重叠率,则将所述重叠率对应的所述车身检测框与所述车顶检测框进行关联。13.根据权利要求12所述的车辆跟踪方法,其特征在于,所述计算得到车身检测框与所述车顶图像集中各所述车顶检测框分别对应的重叠率,包括:计算得到靠近车顶的部分所述车身检测框与所述车顶检测框之间的重叠率;所述响应于所述车身检测框与所述车顶检测框之间的所述重叠率超过第六预设重叠率,则将所述重叠率对应的所述车身检测框与所述车顶检测框进行关联,包括:响应于靠近车顶的部分所述车身检测框与所述车顶检测框之间的所述重叠率超...
【专利技术属性】
技术研发人员:叶乐乐,张朋,周祥明,肖亮,
申请(专利权)人:浙江大华技术股份有限公司,
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。