[發(fā)明專(zhuān)利]一種面向監(jiān)控視頻的車(chē)型識(shí)別、跟蹤及矯正方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710174431.3
• 申請(qǐng)日: 2017-03-22
• 公開(kāi)（公告）號(hào): CN107066953B
• 公開(kāi)（公告）日: 2019-06-07
• 發(fā)明（設(shè)計(jì)）人: 傅慧源;馬華東;劉應(yīng)新;車(chē)廣富
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京郵電大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00
• 代理公司: 北京風(fēng)雅頌專(zhuān)利代理有限公司 11403
• 代理人: 李陽(yáng);李浩

本發(fā)明公開(kāi)了一種面向監(jiān)控視頻的車(chē)型識(shí)別、跟蹤與矯正方法和裝置，包括對(duì)監(jiān)控視頻中的車(chē)輛進(jìn)行檢測(cè)，獲得車(chē)輛位置信息和歸屬概率值；根據(jù)車(chē)輛位置信息和歸屬概率值，評(píng)估并篩選出最優(yōu)車(chē)輛，跟蹤所述最優(yōu)車(chē)輛；對(duì)所述識(shí)別車(chē)型的最優(yōu)車(chē)輛進(jìn)行跟蹤，矯正所述識(shí)別最優(yōu)車(chē)輛的車(chē)型。因此，本發(fā)明所述面向監(jiān)控視頻的車(chē)型識(shí)別、跟蹤與矯正方法和裝置能夠更為精確的對(duì)車(chē)輛進(jìn)行監(jiān)控及識(shí)別。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是指一種面向監(jiān)控視頻的車(chē)型識(shí)別、跟蹤與矯正方法和裝置。

背景技術(shù)

智能交通系統(tǒng)(ITS)是集成目前大多數(shù)先進(jìn)的交通技術(shù)和計(jì)算機(jī)技術(shù)的一種交通系統(tǒng)，它能夠提高交通管理部門(mén)的工作效率，減少資源的浪費(fèi)，保護(hù)環(huán)境，還能夠降低交通事故的發(fā)生率。可以說(shuō)，智能交通系統(tǒng)將對(duì)未來(lái)交通方面產(chǎn)生巨大的影響。目前，中國(guó)經(jīng)濟(jì)快速發(fā)展，城市化比例越來(lái)越高，同時(shí)人們的生活水平也越來(lái)越好，汽車(chē)的數(shù)量也越來(lái)越多。但是不斷凸顯的交通問(wèn)題，例如交通擁堵、阻塞、頻繁的交通事故，增加城市的負(fù)擔(dān)，同時(shí)越來(lái)越受到社會(huì)的重視和關(guān)注。現(xiàn)有的交通系統(tǒng)和能力已經(jīng)解決不了這些問(wèn)題，這就需要我們大力發(fā)展智能交通系統(tǒng)。

計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)的不斷發(fā)展為基于圖像理解的智能交通系統(tǒng)提供了進(jìn)入實(shí)際應(yīng)用的機(jī)會(huì)。計(jì)算機(jī)視覺(jué)是使用計(jì)算機(jī)完成人視覺(jué)的功能，讓計(jì)算機(jī)從現(xiàn)實(shí)世界中獲得想要的視覺(jué)信息，再進(jìn)行分析處理、理解，得出這些信息的更深層次的屬性。在交通環(huán)境中的許多信息，例如車(chē)輛、交通標(biāo)志和道路標(biāo)志，都是從視覺(jué)導(dǎo)出的。

車(chē)型分類(lèi)是智能交通系統(tǒng)的重要組成部分，車(chē)型分類(lèi)需要運(yùn)用計(jì)算機(jī)技術(shù)在監(jiān)控視頻中檢測(cè)車(chē)輛并進(jìn)行車(chē)型分類(lèi)，將車(chē)型分類(lèi)技術(shù)用到智能交通系統(tǒng)中，可以實(shí)時(shí)知道車(chē)型信息，車(chē)型識(shí)別用以輔助車(chē)牌識(shí)別就可以鎖定具體車(chē)輛。這項(xiàng)技術(shù)用在停車(chē)場(chǎng)和收費(fèi)站時(shí)，能使車(chē)輛在不停車(chē)的情況下完成對(duì)應(yīng)車(chē)型的收費(fèi)工作，減少了工作人員的工作，同時(shí)也減少了車(chē)輛通過(guò)的時(shí)間，減少堵車(chē)情況。也可以將這項(xiàng)技術(shù)用在公安部門(mén)追蹤犯罪車(chē)輛、查找肇事逃逸車(chē)輛等方面。

然而，在自然場(chǎng)景中車(chē)輛檢測(cè)、分類(lèi)和跟蹤都是具有挑戰(zhàn)性的工作。其挑戰(zhàn)主要來(lái)自于自然場(chǎng)景不可控的因素對(duì)車(chē)輛目標(biāo)檢測(cè)的影響；多種類(lèi)型的車(chē)輛之間特征不明顯對(duì)車(chē)型識(shí)別的影響；復(fù)雜背景和目標(biāo)粘連對(duì)車(chē)輛跟蹤的影響。這些挑戰(zhàn)都會(huì)影響整個(gè)監(jiān)控視頻下的車(chē)型識(shí)別系統(tǒng)對(duì)車(chē)型識(shí)別的魯棒性。

例如：在《使用半監(jiān)督的卷積神經(jīng)網(wǎng)絡(luò)的車(chē)輛類(lèi)型分類(lèi)》(“Vehicle TypeClassification Using a Semisupervised Convolutional Neural Network”)發(fā)表于2015年的《IEEE Transactions on Intelligent Transportation Systems》)文章中，作者提出了一種利用車(chē)輛前臉圖片使用半監(jiān)督的卷積神經(jīng)網(wǎng)絡(luò)的進(jìn)行車(chē)型分類(lèi)的方法。通過(guò)多任務(wù)學(xué)習(xí)與少量的標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練獲得網(wǎng)絡(luò)的輸出層的softmax分類(lèi)器。對(duì)于一個(gè)給定的車(chē)輛圖像，網(wǎng)絡(luò)能夠給出車(chē)輛各類(lèi)型的概率。不同于傳統(tǒng)的方法采用手工制作的視覺(jué)特征，作者的方法是能夠自動(dòng)學(xué)習(xí)特征并進(jìn)行分類(lèi)任務(wù)的。

雖然自然場(chǎng)景下的車(chē)型識(shí)別的正確率逐年提高，但基本都是假定在相對(duì)理想化或固定角度條件下進(jìn)行的研究，缺少對(duì)周?chē)h(huán)境變化的考慮，而環(huán)境變化的因素正是目前面臨的重大問(wèn)題，同樣也是解決與提高車(chē)型識(shí)別正確率的關(guān)鍵技術(shù)的難點(diǎn)。對(duì)于雖然已經(jīng)有研究者提出利用深度學(xué)習(xí)的方法進(jìn)行目標(biāo)的檢測(cè)和車(chē)型分類(lèi)。但是如何利用視頻流信息和深度學(xué)習(xí)，完成監(jiān)控場(chǎng)景下的車(chē)輛檢測(cè)、車(chē)型識(shí)別、跟蹤計(jì)數(shù)，成為業(yè)內(nèi)技術(shù)人員所關(guān)注的課題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提出一種面向監(jiān)控視頻的車(chē)型識(shí)別、跟蹤與矯正方法和裝置，能夠更為精確的對(duì)車(chē)輛進(jìn)行監(jiān)控及識(shí)別。

基于上述目的本發(fā)明提供的面向監(jiān)控視頻的車(chē)型識(shí)別、跟蹤與矯正方法，包括：

對(duì)監(jiān)控視頻中的車(chē)輛進(jìn)行檢測(cè)，獲得車(chē)輛位置信息和歸屬概率值；