[發(fā)明專利]一種基于YOLO的車輛信息檢測(cè)和跟蹤方法、裝置及計(jì)算機(jī)存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810543801.0
• 申請(qǐng)日: 2018-05-31
• 公開(kāi)（公告）號(hào): CN108875600A
• 公開(kāi)（公告）日: 2018-11-23
• 發(fā)明（設(shè)計(jì)）人: 王福建;李建元;溫曉岳;陳濤;沈堅(jiān)
• 申請(qǐng)（專利權(quán)）人: 銀江股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06T7/246;G06T7/277
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本申請(qǐng)實(shí)施例提供了一種基于YOLO的車輛信息檢測(cè)和跟蹤方法、裝置及計(jì)算機(jī)存儲(chǔ)介質(zhì)，其中，該方法包括：獲取待檢測(cè)的視頻數(shù)據(jù)；通過(guò)預(yù)設(shè)的基于YOLO的車輛目標(biāo)檢測(cè)模型對(duì)待測(cè)圖像進(jìn)行檢測(cè)，以確定待測(cè)圖像中的目標(biāo)車輛；通過(guò)預(yù)設(shè)的基于YOLO的車輛車標(biāo)檢測(cè)模型、預(yù)設(shè)的基于YOLO的車輛顏色檢測(cè)模型對(duì)待測(cè)圖像進(jìn)行檢測(cè)，以獲取目標(biāo)車輛車標(biāo)檢測(cè)結(jié)果、顏色檢測(cè)結(jié)果；根據(jù)目標(biāo)車輛車標(biāo)檢測(cè)結(jié)果和/或目標(biāo)車輛顏色檢測(cè)結(jié)果鎖定目標(biāo)車輛，并通過(guò)數(shù)據(jù)關(guān)聯(lián)對(duì)目標(biāo)車輛進(jìn)行跟蹤。由于該方案通過(guò)利用基于YOLO的檢測(cè)模型直接對(duì)待測(cè)圖像進(jìn)行檢測(cè)，識(shí)別出目標(biāo)車輛，以及目標(biāo)車輛的車標(biāo)和顏色，進(jìn)而準(zhǔn)確地鎖定目標(biāo)車輛進(jìn)行相應(yīng)跟蹤，從而解決了現(xiàn)有方法存在的實(shí)施過(guò)程復(fù)雜、處理效率低的技術(shù)問(wèn)題。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，特別涉及一種基于YOLO的車輛信息檢測(cè)和跟蹤方法、裝置及計(jì)算機(jī)存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著技術(shù)的發(fā)展與普及，利用計(jì)算機(jī)視覺(jué)技術(shù)自動(dòng)檢測(cè)識(shí)別范圍區(qū)內(nèi)的車輛在城市監(jiān)控、交通疏導(dǎo)、智能駕駛等領(lǐng)域逐漸受到越來(lái)越多的關(guān)注和重視。

目前，現(xiàn)有的車輛跟蹤方法大多是通過(guò)基于相應(yīng)的特征提取方案（例如HOG、SURF等）對(duì)先將圖像分成多個(gè)圖像區(qū)塊，再分別對(duì)多個(gè)圖像區(qū)塊中的車輛特征（例如車牌等特征）分別進(jìn)行識(shí)別檢測(cè)，再綜合從多個(gè)圖像區(qū)塊中識(shí)別出的車輛特征，確定目標(biāo)車輛的基本特征信息，例如確定出目標(biāo)車輛的車牌信息，再結(jié)合目標(biāo)車輛的基本信息鎖定目標(biāo)車輛，對(duì)目標(biāo)車輛進(jìn)行進(jìn)一步的跟蹤。上述方法由于受限于實(shí)現(xiàn)機(jī)理，往往不能直接對(duì)待測(cè)圖像進(jìn)行識(shí)別檢測(cè)，而必須先分區(qū)塊再綜合識(shí)別，因此實(shí)施過(guò)程較為繁瑣。此外，現(xiàn)有方法實(shí)施時(shí)大多需要依賴某些具體的識(shí)別算法，而這種識(shí)別算法通常較為復(fù)雜，導(dǎo)致處理時(shí)處理效率相對(duì)較低。綜上可知，現(xiàn)有方法具體實(shí)施時(shí)，往往存在的實(shí)施過(guò)程復(fù)雜、處理效率低、占用資源量大的技術(shù)問(wèn)題。

針對(duì)上述問(wèn)題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種基于YOLO的車輛信息檢測(cè)和跟蹤方法和裝置，以解決現(xiàn)有方法中存在的車輛識(shí)別跟蹤速率低、準(zhǔn)確度差的技術(shù)問(wèn)題，達(dá)到能高效、精確地識(shí)別目標(biāo)車輛，并即時(shí)對(duì)所獲取的視頻數(shù)據(jù)中的目標(biāo)車輛進(jìn)行實(shí)時(shí)跟蹤的技術(shù)效果。

本申請(qǐng)實(shí)施例提供了一種基于YOLO的車輛信息檢測(cè)和跟蹤方法，包括：獲取待檢測(cè)的視頻數(shù)據(jù)，其中，所述待檢測(cè)的視頻數(shù)據(jù)包括多幀待測(cè)圖像；通過(guò)預(yù)設(shè)的基于YOLO的車輛目標(biāo)檢測(cè)模型對(duì)所述待測(cè)圖像進(jìn)行檢測(cè)，以確定待測(cè)圖像中的目標(biāo)車輛；通過(guò)預(yù)設(shè)的基于YOLO的車輛車標(biāo)檢測(cè)模型、預(yù)設(shè)的基于YOLO的車輛顏色檢測(cè)模型對(duì)所述待測(cè)圖像進(jìn)行檢測(cè)，以獲取目標(biāo)車輛車標(biāo)檢測(cè)結(jié)果、目標(biāo)車輛顏色檢測(cè)結(jié)果；根據(jù)所述目標(biāo)車輛車標(biāo)檢測(cè)結(jié)果和/或所述目標(biāo)車輛顏色檢測(cè)結(jié)果鎖定所述目標(biāo)車輛，并通過(guò)數(shù)據(jù)關(guān)聯(lián)對(duì)待檢測(cè)的視頻數(shù)據(jù)中的目標(biāo)車輛進(jìn)行跟蹤。

在一個(gè)實(shí)施方式中，所述基于YOLO的車輛目標(biāo)檢測(cè)模型按照以下方式建立：獲取第一樣本數(shù)據(jù)，其中，所述第一樣本數(shù)據(jù)為包含有車輛的圖像數(shù)據(jù)；對(duì)所述第一樣本數(shù)據(jù)進(jìn)行車輛標(biāo)注，并將標(biāo)注后的第一樣本數(shù)據(jù)分為第一訓(xùn)練集和第一測(cè)試集；利用所述第一訓(xùn)練集對(duì)YOLO神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并利用所述第一測(cè)試集對(duì)所述訓(xùn)練后的YOLO神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，以建立所述基于YOLO的車輛目標(biāo)檢測(cè)模型。

在一個(gè)實(shí)施方式中，所述第一樣本數(shù)據(jù)具體可以為包含有真實(shí)車輛形狀和大小的圖像數(shù)據(jù)，或包含有虛擬車輛形狀和大小的圖像數(shù)據(jù)，或包含有真實(shí)車輛形狀和大小的圖像數(shù)據(jù)和包含有虛擬車輛形狀和大小的圖像數(shù)據(jù)的合集。

在一個(gè)實(shí)施方式中，所述基于YOLO的車輛車標(biāo)檢測(cè)模型按照以下方式建立：獲取第二樣本數(shù)據(jù)，其中，所述第二樣本數(shù)據(jù)為包含有車輛車標(biāo)的車輛圖像數(shù)據(jù)；對(duì)所述第二樣本數(shù)據(jù)進(jìn)行車標(biāo)標(biāo)注，并將標(biāo)注后的第二樣本數(shù)據(jù)分為第二訓(xùn)練集和第二測(cè)試集；利用所述第二訓(xùn)練集對(duì)YOLO神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并利用所述第二測(cè)試集對(duì)所述訓(xùn)練后的YOLO神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，以建立所述基于YOLO的車輛車標(biāo)檢測(cè)模型。