【技术实现步骤摘要】
一种多摄像头多目标车辆跟踪方法及系统
[0001]本专利技术属于车辆跟踪
,具体涉及一种多摄像头多目标车辆跟踪方法及系统。
技术介绍
[0002]在智能交通系统的研究中,使用多个摄像头捕获的数据进行视频分析对于许多应用具有重要意义,例如交通流参数估计、异常检测、多摄像头跟踪等。车辆跟踪作为智能交通的一部分,近年来引起了学术界和工业界的广泛关注,尤其是多摄像头的多目标追踪,有助于交通流的预测和分析。
[0003]多摄像头多目标的车辆跟踪旨在多摄像机系统中识别和定位目标,该技术能在重叠或非重叠视域的多个摄像机跟踪多个检测到的对象。一般来说,该技术分为3个子任务:(1)单摄像头内的多目标跟踪,通常采用基于检测的跟踪方式。(2)车辆重识别,在一个大型库集中检索同一个实例。(3)轨迹聚类,旨在将摄像机中的轨迹合并为跨摄像头的关联。尽管在目标检测、跟踪和重识别等任务中已经取得了很好的研究成果,但对于一个高性能的多摄像机多目标车辆跟踪框架仍然面临着许多挑战:(1)由于车辆检测不可靠以及车流量大而导致的遮挡严重,很难在单个摄像头内跟踪车辆的完整轨迹,会经常发生轨迹的中断,从而造成车辆身份的切换。(2)对于车辆重识别来说,同一辆车的不同拍摄角度、同一车型的不同车辆、拍摄分辨率的多样化以及实际场景中不同的光照情况都是实际场景中重识别任务精度不高的影响因素。单摄像头多目标跟踪和重识别的性能不佳可能会导致频繁的车辆身份关联错误。此外,由于重识别任务需要基于单摄像头车辆追踪结果,单摄像头视阈内引入的车辆身份关联错误,也将导致重识 ...
【技术保护点】
【技术特征摘要】
1.一种多摄像头多目标车辆跟踪方法,其特征在于,包括以下步骤:步骤1:获取单个摄像头视频内的车辆轨迹、各车辆轨迹的外观重识别外观特征集合以及各车辆轨迹的元信息特征,所述元信息特征包括车辆的类型特征和颜色特征;步骤2:获取各摄像头拍摄范围内的交通感知区域,所述交通感知区域为车辆轨迹经常发生中断的区域;步骤3:综合单个摄像头视频内各车辆轨迹的外观重识别特征间的差异以及车辆轨迹间的平滑度差异、车辆速度差异和时间差异,在所述交通感知区域内融合中断的车辆轨迹,得到单摄像头视频内完整的车辆轨迹;步骤4:利用基于车辆轨迹的外观重识别特征集合和元信息特征的联合度量进行跨摄像头的车辆轨迹匹配,并合并出跨摄像头的完整车辆轨迹。2.根据权利要求1所述的方法,其特征在于,步骤4中,根据车辆行驶的交通规则和道路结构以及摄像头的关联模型,利用车辆行驶中时间和空间的约束限制车辆轨迹匹配的搜索空间,并且通过层级聚类的方法合并出跨摄像头的完整车辆轨迹。3.根据权利要求1所述的方法,其特征在于,步骤1中通过一训练好的目标跟踪神经网络模型,获取单个摄像头视频内的车辆轨迹。4.根据权利要求1所述的方法,其特征在于,步骤1中,通过一训练好的基于视频的重识别神经网络模型获取各车辆轨迹的外观重识别特征集合。5.根据权利要求1所述的方法,其特征在于,步骤1中,分别通过一训练好的元信息分类神经网络模型提取视频每一帧中的车辆类型元信息特征以及车辆颜色元信息特征;将一车辆轨迹中各帧的元信息特征进行平均值计算得到该车辆轨迹总的元信息特征。6.根据权利要求1所述的方法,其特征在于,步骤2中所述的交通感知区域的获取方法包括:把单个摄像头视频内各个车辆轨迹的起点和终点作为MeanShift聚类算法的输入,聚类出多个区域;计算各个区域内车辆轨迹的起点和终点的密度,找到起点和终点数量均衡的区域作为交通感知区域。7.根据权利要求6所述的方法,其特征在于,通过计算交通感知区域密度D
ta
衡量区域内的起点和终点数量是否均衡,具体的公式定义为:式中N
s,k
,N
e,k
分别表示区域内轨迹起始点和结束点的数量;如果D
ta
大于阈值ρ
ta
,那么这个区域就被标定为交通感知区域。8.根据权利要求1所述的方法,其特征在于,步骤3中,计算车辆轨迹间的平滑度差异d
sm
、速度差异d
vc
和时间差异...
【专利技术属性】
技术研发人员:黎勇,吴金泽,刘美琦,吴建光,刘锐,陈笑天,
申请(专利权)人:四川天奥空天信息技术有限公司,
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。