[發明專利]一種車輛目標軌跡跟蹤方法和裝置

在審

• 申請號: 202011203481.8
• 申請日: 2020-11-02
• 公開（公告）號: CN112132869A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 于艷玲;張文風;王軍群
• 申請（專利權）人: 中遠海運科技股份有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 孟旭彤

一種車輛目標軌跡跟蹤方法，包括，從道路監控視頻圖像中，借助經過訓練的車輛目標識別模型識別鎖定感興趣的車輛目標；從得到的車輛目標上計算確定多個角點；對所述車輛目標上的每一個角點計算光流軌跡；從得到的多條角點光流軌跡中計算確定一條最優軌跡，作為所述車輛目標的運動軌跡。所述的車輛目標識別模型基于深度學習算法。

技術領域

本發明屬于智能交通技術領域，特別涉及一種目標軌跡跟蹤方法和裝置。

背景技術

近幾年人工智能技術呈現爆炸式發展，隨著圖形處理器(GPU)的計算能力越來越強，使得圖像并行處理更快、更便宜、更強大。深度學習的出現使得計算機能夠像人類一樣去觀察、學習、思考，然后較精準的識別車輛、行人等物體，完全排除了光線、抖動等干擾。深度學習識別技術是人工智能(AI)中發展迅速的一個重要領域，使得計算機能夠自我理解大量圖像、聲音和文本形式的數據。利用多層次的神經網絡，自適應觀察和學習復雜場景。

基于傳統視頻圖像處理算法的跟蹤算法算法本身受檢測背景、天氣變化、光線影響等較嚴重。使用深度學習算法對目標進行檢測，環境適用性好，且計算機能像人類一樣觀察、學習復雜的情況，并做出相應的反應。有時甚至比人類做得還好。這樣便提供了一種截然不同的方式，用于思考數據、技術以及人類所提供的產品和服務。為監控領域帶來更準確、智能、高效的視頻分析系統，直擊傳統視頻監控模式的痛點，打造交通狀態監測平臺。

發明內容

本發明的目的是利用人工智能技術中的深度學習技術，提供一種準確的目標識別算法，和基于金字塔分層的LK光流法互為印證，選取最優跟蹤軌跡，實現車輛運動軌跡的判斷的一種方法。

本發明實施例之一，一種車輛目標軌跡跟蹤方法，包括以下步驟

從道路監控視頻圖像中，借助經過訓練的車輛目標識別模型識別鎖定感興趣的車輛目標；

從得到的車輛目標上計算確定多個角點；

對所述車輛目標上的每一個角點計算光流軌跡；

從得到的多條角點光流軌跡中計算確定一條最優軌跡，作為所述車輛目標的運動軌跡。

為了實現發明目的，本發明提供了一種基于人工智能的目標軌跡跟蹤算法，主要包括深度學習目標檢測算法，目標角點檢測，基于金字塔分層的LK光流法，最優軌跡選取算法。

與傳統視頻圖像處理算法相比，采用本發明具有以下的技術優勢：

1)算法不受檢測背景、天氣變化、光線等干擾，環境適用性好，在檢測準確率、檢測效率方面都有所提高。

2)訓練方法準確性高。計算機能像人類一樣觀察、學習復雜的情況，通過對不同場景、大量目標數據的不斷學習、訓練，檢測準確率會越來越高。

附圖說明

通過參考附圖閱讀下文的詳細描述，本發明示例性實施方式的上述以及其他目的、特征和優點將變得易于理解。在附圖中，以示例性而非限制性的方式示出了本發明的若干實施方式，其中：

圖1為根據本發明實施例之一的目標軌跡跟蹤算法流程圖。

圖2為根據本發明實施例之一的目標打標示例圖。

圖3為根據本發明實施例之一的深度學習iou曲線示例圖。

圖4為根據本發明實施例之一的深度學習los曲線示例圖。

圖5為根據本發明實施例之一的深度學習目標識別示例圖。

圖6為根據本發明實施例之一的目標選點及跟蹤軌跡示例圖。

圖7為根據本發明實施例之一的每個車輛目標選取的最優跟蹤軌跡線示例圖。

具體實施方式