【技术实现步骤摘要】
一种多摄像头融合的实时车辆跟踪方法及装置
[0001]本专利技术涉及实时车辆跟踪
,尤其涉及一种多摄像头融合的实时车辆跟踪方法及装置。
技术介绍
[0002]现阶段基于图像识别的车辆跟踪的方法主要是基于收费站出入口过程信息及门架过车信息实现的,但是其中沿线门架布设成本较高导致点位稀疏,导致难以准确还原出实际轨迹。高速公路沿线过车信息主要依靠门架天线与车载OBU的通信,并结合门架抓拍摄像机获取的抓拍图片,由于车辆处在高速行驶的过程中,使得门架抓拍获得的视频或图片容易拍摄不清楚,存在容易导致过车信息缺漏的情况。进而导致对车辆跟踪存在部分路段失踪的问题。
[0003]现有技术CN2021111064740公开了一种基于视频的跨摄像头车辆身份识别方法及系统,但是其仅能在车牌信息全部清晰、可识别的情况下对车牌进行有效识别,对于视频丢帧或部分路段车牌无法识别的情况则无法进行识别。
技术实现思路
[0004]有鉴于此,本专利技术的目的在于提出一种多摄像头融合的实时车辆跟踪方法,以解决对车辆跟踪存在部分路段失踪的问题。
[0005]基于上述目的,本专利技术提供了一种多摄像头融合的实时车辆跟踪方法,包括:
[0006]获取道路环境下沿线监控设备的图像初始数据,并基于图像清晰度在所述图像初始数据中定义图像基准数据;
[0007]对每个监控设备的所述图像初始数据中的车辆进行识别,得到车辆图片数据;
[0008]对图像基准数据进行识别,得到车辆图片基准数据,所述车辆图片基准数据包 ...
【技术保护点】
【技术特征摘要】
1.一种多摄像头融合的实时车辆跟踪方法,其特征在于,包括:获取道路环境下沿线监控设备的图像初始数据,并基于图像清晰度在所述图像初始数据中定义图像基准数据;对每个监控设备的所述图像初始数据中的车辆进行识别,得到车辆图片数据;对图像基准数据进行识别,得到车辆图片基准数据,所述车辆图片基准数据包括过车时间信息、过车位置信息、车道ID及过车图片信息;将所述车辆图片数据和所述车辆图片基准数据输入车辆结构化算法模型中进行识别,获得车辆结构化信息;将所述车辆结构化信息根据监控设备位置信息,编组入库,每个监控设备的摄像机构建独属的数据库,采用时序数据库;每条数据包含摄像机经纬度信息、过车时间信息以及过车车辆的车牌信息;以图像基准数据为标准,对车牌信息进行自定义修正;基于车辆结构化信息,结合摄像机经纬度信息、高速路网结构和过车时间信息进行路径拟合补缺;车辆路径轨迹还原达到实时对车辆进行跟踪的效果。2.根据权利要求1所述的多摄像头融合的实时车辆跟踪方法,其特征在于,所述对图像初始数据进行识别,包括:步骤1、从所述图像初始数据中抽帧获取图片,所有的图片构成图片组;识别所述图片组中的图片中车辆的车牌信息,生成车牌对象,如果没有检测出车,则转步骤11;步骤2、对检测出的车按步骤3开始处理;否则,转步骤11;步骤3、所述车在本次跟踪中,是否为第一次识别,如果是,就为该车分配一个队列,并将本次识别的结果存入队列中,转步骤11;否则,转步骤4;步骤4、将本次的识别结果与队列首位的识别结果进行比较,如果本次识别结果车的高度或宽度比队列首位结果中车对应的高度或宽度小,就转步骤11;否则,存储当前位置信息,转步骤5;步骤5、是否检测出了车牌;如果没有,转步骤6;否则,转步骤7;步骤6、队列首位的识别结果是否含有车牌;如果没有,转步骤10;否则,转步骤9;步骤7、车牌距离图像底部是否距离过近;如果是,转步骤11;否则,转步骤8;步骤8、队列首位的识别结果是否含有车牌;如果没有,转步骤9;否则,转步骤10;步骤9、在队列的首位写入本次识别的结果,转步骤11;步骤10、用本次识别的结果更新队列首位的结果,转步骤11;步骤11、进行优帧的计算,对每个ID对应的队列进行处理,从队列的首位开始遍历,找到的含有车牌的第一个对象,为待定的优帧;如果当前帧的序列号与待定优帧的序列号之差大于15,则认为待定优帧为正式的优帧;否则等待下一次处理时,再进行优帧的判断;步骤12、过滤,滤除远离的车的数据和车辆位于距离图像底部较远的优帧。3.根据权利要求1所述的一种多摄像头融合的实时车辆跟踪方法,其特征在于,所述对车牌信息进行自定义修正包括:修正首字,对所有的图片点位档案关联的未修正状态特征集合进行首字修正;修正非首字,对所有的图片点位档案和当前区间集合中的所有非图片点位和未修正状
态档案进行相似度计算修正,再将其关联特征集合进行修正;修正基准,以准确率较高收费站出入口/门架的图片流数据去修正中...
【专利技术属性】
技术研发人员:宋建斌,姜德宏,武英杰,刘寰,王伟,耿亚玮,刘尹强,林宝华,陈卫强,王兆明,陈岱庚,张照,张紫昱,
申请(专利权)人:招商新智科技有限公司,
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。