【技术实现步骤摘要】
一种面向高速公路交通监控场景的车辆检测与跟踪方法
[0001]本专利技术涉及计算机视觉、视频图像处理的
，尤其涉及一种面向高速公路交通监控场景的车辆检测与跟踪方法。
技术介绍
[0002]在国家新基建及智慧高速的政策背景下，全国高速公路发展迅猛，为推进国家高速公路基础设施智慧升级，大力发展“新基建”，推动国家高速公路基础设施与信息网融合发展，需要不断提高其数字化、网联化、智能化水平。
[0003]随着数字化管理平台及高速公路智能化的快速发展，多车辆检测与跟踪技术在其中发挥着极其重要的作用。在高速公路交通监控场景下，基于多车辆检测与跟踪技术的应用将为交通流量分析、嫌疑车辆跟踪及交通违规判定提供强有力的技术支持，并扩展出更多的下游任务。然而，在复杂的高速公路交通环境中，会存在如遮挡，模糊，阴影，车辆形变等情况，这将对实现多车辆的检测与跟踪形成巨大挑战。
技术实现思路
[0004]本专利技术旨在解决现有技术的不足，而提供一种面向高速公路交通监控场景的车辆检测与跟踪方法。
[0005]本专利技术...
【技术保护点】
【技术特征摘要】
1.一种面向高速公路交通监控场景的车辆检测与跟踪方法，其特征在于，车辆检测和跟踪采用四个模块共同实现，四个模块分别为数据获取模块、车辆检测模块、深度特征提取模块和车辆跟踪模块；具体操作为：数据获取模块将来自高速公路交通监控视频帧的数据转化为图像序列输入至车辆检测模块，输出若干关于车辆的检测结果；检测结果输入至深度特征提取模块，在深度特征提取模块中，单个车辆目标被提取出来并调整成统一大小，继而输入融合后的车辆重识别网络模型进行深度特征提取；最后，将车辆检测模块和深度特征提取模块中得到的车辆检测信息和车辆外观特征信息输入至车辆跟踪模块进行车辆轨迹跟踪。2.根据权利要求1所述的一种面向高速公路交通监控场景的车辆检测与跟踪方法，其特征在于，数据获取模块用于获取图像序列，通过高速公路交通监控实时获取视频帧进而转化为所需的图像序列。3.根据权利要求2所述的一种面向高速公路交通监控场景的车辆检测与跟踪方法，其特征在于，车辆检测模块用于获取图像中车辆目标信息，通过任意目标检测算法对数据获取模块中获取的图像序列进行处理，获取若干图像序列中车辆目标的位置信息、置信度信息和类别信息。4.根据权利要求3所述的一种面向高速公路交通监控场景的车辆检测与跟踪方法，其特征在于，深度特征提取模块用于获取车辆目标的外观特征信息，深度特征提取模块融合了两个车辆重识别网络，具体为HRNet48网络模型和ResNet50网络模型，用以加强后续的数据关联匹配部分，提取遮挡、光照条件变化和视点变化情况下的车辆外观特征，使跟踪方法更具鲁棒性和泛化性；每个车辆重识别网络模型输出一个2048维的特征向量，每辆检测到的汽车的最终特征向量是两个网络模型的平均输出。5.根据权利要求4所述的一种面向高速公路交通监控场景的车辆检测与跟踪方法，其特征在于，两个网络模型需要单独训练，在车辆检测模块输出车辆检测结果后，使用图像大小重调算法将单个车辆图像序列调整为相同大小，分别训练HRNet48网络模型和ResNet50网络模型，在骨干网络中添加了一个全连接的分类层，这个分类层的输出神经元数量与训练数据集中的实例数量相同，在推理过程中特征提取时，省略分类层，最后一个池化层的步幅参数设置为1，以保持细粒度的细节。6.根据权利要求5所述的一种面向高速公路交通监控场景的车辆检测与跟踪方法，其特征在于，在损失函数设置方面，使用交叉熵分类损失函数和度量学习三元组损失函数的组合；交叉熵分类损失函数旨在识别车辆，度量学习三元组损失函数有助于学习相同类别样本在嵌入空间中接近而来自不同类别的相似车辆在嵌入空间中较远的特征；车辆检测模块提取的每个车辆位置信息提取两个2048维的外观特征向量，并将这两个向量进行串联拼接融合，车辆位置信息和相应的外观特征信息作为后续车辆跟踪模块的输入；损失函数具体为：给定一张图片x和标签y，表示为对应图片x的预测值，则交叉熵分类损失函数可表示如下：
其中N代表每一批次的样本数，C代表车辆ID的数量，当第i张图片x
i
可以对应ID
‑
j时，y
ij
＝1，否则y
ij
＝0；三元组损失函数聚焦于优化三个元组之间的距离，这三个元组分别为一个锚点样本x
a
、一个正样本x
p
和一个负样本x
n
；给定一个预定义的边界m，三元组损失函数的目标是使正对之间的距离比负对之间的距离小，公式表示如下：其中f
a
、f
p
和f
n
分别为锚点样本、正样本和负样本的特征表示，d(
·
)表示两个特征之间的距离；损失函数设置方面，使用交叉熵分类损失函数和三元组损失函数的组合，总损失函数设置如下：L＝L
c
+αL
t
其中L
c
、L
t
分别表示交叉熵分类损失函数和度量学习三元组损失函数，α为一个平衡权重，为0.9。7.根据权利要求6所述的一种面向高速公路交通监控场景的车辆检测与跟踪方法，其特征在于，车辆跟踪模块的处理步骤分别为：S101、数据预处理与计算；S102、数据关联匹配；S103、车辆轨迹管理。8.根据权利要求7所述的一种面向高速公路交通监控场景的车辆检测与跟踪方法，其特征在于，步骤S101中，数据预处理与计算主要用以处理获取到的车辆运动信息及外观信息，并利用自适应卡尔曼滤波器生成数据关联匹配过程中所需的下一时刻的车辆目标预测车辆目标信息；车辆跟踪模块需要在起始时设定轨迹序列组tracklets向量，用以存储各个时刻的车辆轨迹序列；首先需要对车辆检测模块输出的车辆检测结果进行一定的筛选，根据设定的高低置信度两个阈值分两路输出目标检测结果，高低置信度的一路接下来输入深度特征提取模块，并联合其检测结果及自适应卡尔曼滤波器的预测边框值进行下一步的第一次数据关联匹配；低置信度的一路将参与第二次的数据关联匹配；根据自适应卡尔曼滤波器的需要，需要传入相应时刻的高置信度检测结果的检测置信度，自适应卡尔曼滤波器将检测的置信度纳入到协方差计算中，进一步提高非线性运动的鲁棒性；自适应卡尔曼滤波器基于检测置信度针对测量噪声矩...
【专利技术属性】
技术研发人员：孟琦翔，李冬生，李沛锦，
申请(专利权)人：中交华控天津建筑集团有限公司，
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。