一种车辆跟踪方法、装置及计算机可读存储介质制造方法及图纸

本申请公开了一种车辆跟踪方法、装置及计算机可读存储介质。该方法包括：采集当前帧的交通场景图像；获取交通场景图像在标定区域外的车辆检测框；将车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配；当车辆检测框与任意一个车辆历史轨迹的预测车辆框成功匹配时，将匹配上的车辆历史轨迹的车辆标识作为车辆检测框对应的目标车辆的车辆标识。出入区域目标ID发生ID跳变生命周期相对完整地对应了车辆的行驶轨迹。这种ID跳变对抓拍业务影响小。本申请获解决在非出入区域内的车辆ID跳变问题，进一步提高检测效率和运算速度。本申请的车辆跟踪装置通过获取当前帧车辆检测框与车辆历史轨迹预测车辆框进行匹配，减少交通高速场景下车辆ID跳变问题。下车辆ID跳变问题。下车辆ID跳变问题。

【技术实现步骤摘要】
一种车辆跟踪方法、装置及计算机可读存储介质


[0001]本申请涉及智能交通
，特别是涉及一种车辆跟踪方法、车辆跟踪方法装置及计算机可读存储介质。

技术介绍

[0002]在安防监控等领域中，广泛使用卡尔曼滤波算法对车辆目标进行跟踪监控。但是即使结合车辆运动特征和外观特征，也无法有效解决交遮挡、外观相似等影响带来车辆ID跳变问题。车辆ID跳变问题导致车辆相关事件频繁触发或事件漏报，给道路监管人员带来了额外工作。

技术实现思路

[0003]本申请至少提供一种车辆跟踪方法、装置及计算机可读存储介质，以解决交通高速场景下检测效果低下情况下的车辆ID跳变问题。
[0004]为解决上述技术问题，本申请提出一种车辆跟踪方法，包括：
[0005]采集当前帧的交通场景图像；
[0006]获取所述交通场景图像在标定区域外的车辆检测框；
[0007]将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配；
[0008]当所述车辆检测框与任意一个车辆历史轨迹的预测车辆框成功匹配时，将匹配上的车辆历史轨迹的车辆标识作为所述车辆检测框对应的目标车辆的车辆标识。
[0009]其中，所述将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配，包括：
[0010]当所述车辆检测框无法匹配上所有车辆历史轨迹的预测车辆框时，给所述车辆检测框对应的目标车辆创建新的车辆标识。
[0011]其中，所述将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配，包括：
[0012]预设帧数内均无法完成所述车辆检测框和所述所有车辆历史轨迹的预测车辆框匹配，给所述车辆检测框对应的目标车辆创建新的车辆标识。
[0013]其中，所述将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配，包括：
[0014]计算所述车辆检测框与每一车辆历史轨迹的预测车辆框的交并比；
[0015]在所述交并比大于等于第一预设阈值时，确认所述车辆检测框与所述交并比对应的车辆历史轨迹成功匹配。
[0016]其中，所述将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配，还包括：
[0017]获取所述车辆检测框的第一车辆检测特征，其中，所述车辆检测特征包括车辆表观特征和/或车辆运动特征；
[0018]获取所述车辆历史轨迹的预测车辆框的第二车辆检测特征；
[0019]按照所述第一车辆检测特征和所述第二车辆检测特征，获取所述车辆检测框和所述预测车辆框的相似度；
[0020]在所述相似度大于等于第二预设阈值时，确认所述车辆检测框与所述相似度对应的车辆历史轨迹成功匹配。
[0021]其中，所述将匹配上的车辆历史轨迹的车辆标识作为所述车辆检测框对应的目标车辆的车辆标识之后，所述车辆跟踪方法还包括：
[0022]利用所述车辆检测框更新匹配上所述车辆检测框的车辆历史轨迹。
[0023]其中，所述将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配之前，所述车辆跟踪方法还包括：
[0024]利用卡尔曼滤波器预测所述车辆历史轨迹在当前帧的预测车辆框。
[0025]其中，所述将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配之后，所述车辆跟踪方法还包括：
[0026]累计每一车辆历史轨迹的目标连续丢失帧数，在所述目标连续丢失帧数达到预设帧数阈值时，删除该车辆历史轨迹。
[0027]为解决上述技术问题，本申请提出一种车辆跟踪装置，所述车辆跟踪方法装置包括存储器以及与所述存储器耦接的处理器；
[0028]其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述车辆跟踪方法。
[0029]为解决上述技术问题，本申请提出一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现上述车辆跟踪方法。
[0030]区别于现有技术，车辆跟踪装置采集当前帧的交通场景图像；获取交通场景图像在标定区域外的车辆检测框；将车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配；当车辆检测框与任意一个车辆历史轨迹的预测车辆框成功匹配时，将匹配上的车辆历史轨迹的车辆标识作为所述车辆检测框对应的目标车辆的车辆标识。一方面，由于出入区域目标ID即使发生跳变，但新ID的生命周期也相对完整地对应了车辆的行驶路线轨迹。这种ID跳变对后续事件抓拍等智能业务影响小，理论上可以忽略。本申请提出获取交通场景图像在标定区域外的车辆检测框，解决在非出入区域内交通高速场景下的车辆ID跳变问题，不对出入区域内的车辆进行检测，进一步提高检测效率和运算速度。另一方面，本申请的车辆跟踪装置通过获取当前帧的车辆检测框与车辆历史轨迹的预测车辆框进行匹配，减少了交通高速场景下的车辆ID跳变问题。
[0031]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。
附图说明
[0032]此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。
[0033]图1是本申请提供的车辆跟踪方法第一实施例的流程示意图；
[0034]图2是相机正装场景下的画面有效出入区域的标定效果示意图；
[0035]图3是相机侧装场景下的画面有效出入区域的标定效果示意图；
[0036]图4是本申请提供的车辆跟踪方法第二实施例的流程示意图；
[0037]图5是本申请提供的车辆跟踪方法第三实施例的流程示意图；
[0038]图6是本申请提供的车辆跟踪方法第四实施例的流程示意图；
[0039]图7是本申请提供的车辆跟踪方法第五实施例的流程示意图；
[0040]图8是本申请提供的车辆跟踪方法的整体流程示意图；
[0041]图9是本申请提供的车辆跟踪装置一实施例的结构示意图；
[0042]图10是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0043]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0044]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备本文档来自技高网...

【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，包括：采集当前帧的交通场景图像；获取所述交通场景图像在标定区域外的车辆检测框；将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配；当所述车辆检测框与任意一个车辆历史轨迹的预测车辆框成功匹配时，将匹配上的车辆历史轨迹的车辆标识作为所述车辆检测框对应的目标车辆的车辆标识。2.根据权利要求1所述的车辆跟踪方法，其特征在于，所述将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配，包括：当所述车辆检测框无法匹配上所有车辆历史轨迹的预测车辆框时，给所述车辆检测框对应的目标车辆创建新的车辆标识。3.根据权利要求2所述的车辆跟踪方法，其特征在于，所述将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配，包括：预设帧数内均无法完成所述车辆检测框和所述所有车辆历史轨迹的预测车辆框匹配，给所述车辆检测框对应的目标车辆创建新的车辆标识。4.根据权利要求1所述的车辆跟踪方法，其特征在于，所述将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配，包括：计算所述车辆检测框与每一车辆历史轨迹的预测车辆框的交并比；在所述交并比大于等于第一预设阈值时，确认所述车辆检测框与所述交并比对应的车辆历史轨迹成功匹配。5.根据权利要求4所述的车辆跟踪方法，其特征在于，所述将所述车辆检测框与若干车辆历史轨迹的预测车辆框进行匹配，还包括：获取所述车辆检测框的第一车辆检测特征，其中，所述车辆检测特征包括车辆表观特征和/或车辆运动特征；获取所述车辆历史...

【专利技术属性】
技术研发人员：陆晓栋，魏东东，周永哲，吴忠人，
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：