一种车辆追踪方法技术

本申请属于人工智能和车辆追踪技术，涉及一种车辆追踪方法，包括：通过获取包含至少一个待追踪车辆的待识别追踪视频，并对所述待识别追踪视频按视频帧进行图片截取输入至预先构建的车辆检测模型，获得至少一个目标检测框；截取所述待识别追踪视频当前视频帧中所有所述目标检测框包含的所述检测车辆图，将所述检测车辆图集输入至预先训练好的车辆重识别模型进行特征对比，获得特征比对结果，本申请实施例通过训练好的轻量级车辆重识别模型对待识别追踪视频中的待追踪车辆进行追踪识别，实现智能准确即时的基于实际目的完成对车辆的追踪，有效的提升了识别的准确性和实时性

【技术实现步骤摘要】
一种车辆追踪方法、系统、设备及存储介质


[0001]本申请涉及人工智能和车辆追踪领域，尤其涉及一种车辆追踪方法
、
系统
、
计算机设备及存储介质
。

技术介绍

[0002]智慧城市发展中车位管理是非常重要的一环，目前针对车辆的多目标追踪技术是实现车位管理的重要基石，但传统的对车辆的多目标追踪技术存在准确性不足和实时性不足的问题，包括对不同角度的同一辆车外观信息类内识别偏差较大，导致识别不准的问题；对同角度同型号不同车牌的外观信息类间识别偏差较大，导致识别不准的问题；实时性较差的问题；因此需要提出一种方法可以提升准确性和实时性的车辆识别方法
。

技术实现思路

[0003]本申请实施例的目的在于提出一种车辆追踪方法，用于以解决现有技术中对车辆进行追踪时的准确性和实时性不足的问题
。
[0004]为了解决上述技术问题，本申请实施例提供一种车辆追踪方法采用了如下所述的技术方案：
[0005]获取包含至少一个待追踪车辆的待识别追踪视频，并对所述待识别追踪视频按视频帧进行图片截取，获得至少一个采集图片；
[0006]将所述采集图片输入至预先构建的车辆检测模型，获得至少一个目标检测框，其中，所述目标检测框中的内容为所述车辆检测模型判定的单个检测车辆图；
[0007]截取所述待识别追踪视频当前视频帧中所有所述目标检测框包含的检测车辆图，获得目标图集；
[0008]提取所述待识别追踪视频与当前视频帧对应的相邻两帧中包含的所有检测车辆图，获得比对图集；
[0009]将所述目标图集和所述对比图集输入至预先训练好的车辆重识别模型进行特征对比，获得特征比对结果；
[0010]根据所述特征比对结果在所述待识别追踪视频当前视频帧中生成所述待追踪车辆的追踪匹配框
。
[0011]进一步的，该方法还包括：
[0012]通过所述车辆重识别模型对所述目标图集进行属性特征提取，获得目标图像集中每一所述检测车辆图对应的目标车辆特征集；
[0013]通过所述车辆重识别模型对所述对比图集进行属性特征提取，获得对比图像集中每一所述检测车辆图对应的对比车辆特征集
。
[0014]进一步的，该方法还包括：
[0015]随机将目标车辆特征集中的目标车辆特征进行特征融合，获得目标特征集；
[0016]随机将对比车辆特征集中的对比车辆特征进行特征融合，获得对比特征集；
[0017]计算所述目标特征集和所述对比特征集之间的距离分值，得到所述特征比对结果，其中，所述特征对比结果包括相似结果和不相似结果
。
[0018]进一步的，该方法还包括：
[0019]利用余弦距离公式计算所述目标特征集和所述对比特征集之间的距离分值；
[0020]所述余弦距离公式：
[0021][0022]其中，
A
为所述目标特征集的特征向量，
B
为所述对比特征集的特征向量
。
[0023]进一步的，该方法还包括：
[0024]获取缓存视频集，并对所述缓存视频集按视频帧进行图片截取，获缓存图像集；
[0025]对所述缓存图像集中每一图像进行车辆样本截取，汇总后获得车辆样本集；
[0026]对所述车辆样本集进行拆分，获得训练集
、
验证集和测试集
。
[0027]进一步的，该方法还包括：
[0028]利用所述训练集和所述验证集训练待训练车辆重识别模型，直至所述待训练车辆重识别模型达到收敛；
[0029]利用所述测试集测试输入至收敛后的所述待训练车辆重识别模型进行测试，直至所述待训练车辆重识别模型输出的测试结果符合预设条件，获得所述车辆重识别模型
。
[0030]进一步的，该方法还包括：
[0031]对所述缓存图像集中每一图像进行数据增强，获得数据增强图集，其中，所述数据增强包括调整所述缓存图像集中每一图像的尺寸
、
亮度
、
色调
、
对比度以及饱和度；
[0032]对所述数据增强图集进行数据清洗，获得所述车辆样本集
。
[0033]为了解决上述技术问题，本申请实施例还提供一种自学习无线信号定位系统，采用了如下所述的技术方案：
[0034]一种车辆追踪系统，所述一种车辆追踪系统包括：
[0035]采集模块：获取包含至少一个待追踪车辆的待识别追踪视频，并对所述待识别追踪视频按视频帧进行图片截取，获得至少一个采集图片；
[0036]检测模块：将所述采集图片输入至预先构建的车辆检测模型，获得至少一个目标检测框，其中，所述目标检测框中的内容为所述车辆检测模型判定的单个检测车辆图；
[0037]截取模块：截取所述待识别追踪视频当前视频帧中所有所述目标检测框包含的检测车辆图，获得目标图集；
[0038]提取模块：提取所述待识别追踪视频与当前视频帧对应的相邻两帧中包含的所有检测车辆图，获得比对图集；
[0039]对比模块：将所述目标图集和所述对比图集输入至预先训练好的车辆重识别模型进行特征对比，获得特征比对结果；
[0040]追踪模块：根据所述特征比对结果在所述待识别追踪视频当前视频帧中生成所述待追踪车辆的追踪匹配框
。
[0041]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述
的技术方案：
[0042]一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上述的车辆追踪方法的步骤
。
[0043]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
[0044]一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述的车辆追踪方法的步骤
。
[0045]与现有技术相比，本申请实施例主要有以下有益效果：
[0046]本申请实施例通过获取包含至少一个待追踪车辆的待识别追踪视频，并对所述待识别追踪视频按视频帧进行图片截取，获得至少一个采集图片；将所述采集图片输入至预先构建的车辆检测模型，获得至少一个目标检测框，其中，所述目标检测框中的内容为所述车辆检测模型判定的单个检测车辆图；截取所述待识别追踪视频当前视频帧中所有所述目标检测框包含的检测车辆图，获得目标图集；提取所述待识别追踪视频与当前视频帧对应的相邻两帧中包含的所有检测车辆图，获得比对图集；将所述目标图集和所述对比图集输入至预先训练好的车辆重识别模型进行特征对比，获得特征比对结果；根据所述特征比对结果在所述待识别追踪视频当前视频帧中生成所述待追踪车辆的追踪匹配框
。
本申请实施例通过训练好的轻量级车辆重识别模型对待识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种车辆追踪方法，其特征在于，所述方法，包括：获取包含至少一个待追踪车辆的待识别追踪视频，并对所述待识别追踪视频按视频帧进行图片截取，获得至少一个采集图片；将所述采集图片输入至预先构建的车辆检测模型，获得至少一个目标检测框，其中，所述目标检测框中的内容为所述车辆检测模型判定的单个检测车辆图；截取所述待识别追踪视频当前视频帧中所有所述目标检测框包含的检测车辆图，获得目标图集；提取所述待识别追踪视频与当前视频帧对应的相邻两帧中包含的所有检测车辆图，获得比对图集；将所述目标图集和所述对比图集输入至预先训练好的车辆重识别模型进行特征对比，获得特征比对结果；根据所述特征比对结果在所述待识别追踪视频当前视频帧中生成所述待追踪车辆的追踪匹配框
。2.
如权利要求1所述的一种车辆追踪方法，其特征在于，所述将所述目标图集和所述对比图集输入至预先训练好的车辆重识别模型进行特征对比，获得特征比对结果之前，包括：通过所述车辆重识别模型对所述目标图集进行属性特征提取，获得目标图像集中每一所述检测车辆图对应的目标车辆特征集；通过所述车辆重识别模型对所述对比图集进行属性特征提取，获得对比图像集中每一所述检测车辆图对应的对比车辆特征集
。3.
如权利要求2所述的一种车辆追踪方法，其特征在于，所述将所述目标图集和所述对比图集输入至预先训练好的车辆重识别模型进行特征对比，获得特征比对结果，具体包括：将所述目标车辆特征集中的目标车辆特征进行特征融合，获得目标特征集；将所述对比车辆特征集中的对比车辆特征进行特征融合，获得对比特征集；计算所述目标特征集和所述对比特征集之间的距离分值，得到所述特征比对结果，其中，所述特征对比结果包括相似结果和不相似结果
。4.
如权利要求3所述的一种车辆追踪方法，其特征在于，所述计算所述目标特征集和所述对比特征集之间的距离分值，具体包括：利用余弦距离公式计算所述目标特征集和所述对比特征集之间的距离分值；所述余弦距离公式为：其中，
A
为所述目标特征集的特征向量，
B
为所述对比特征集的特征向量
。5.
如权利要求1所述的一种车辆追踪方法，其特征在于，所述将所述目标图集和所述对比图集输入至预先训练好的车辆重识别模型进行特征对比之前，还包括；获取缓存视频集，并对所述缓存视频集按视频帧进行图片截取，获缓存图像集；对所述缓存图像集中每一图像进行车辆样...

【专利技术属性】
技术研发人员：曾壮，黎明，
申请(专利权)人：深圳市捷顺科技实业股份有限公司，
类型：发明
国别省市：