[發(fā)明專利]基于多目標(biāo)跟蹤算法的城市高架道路車輛測(cè)速方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110429725.2
• 申請(qǐng)日: 2021-04-21
• 公開(kāi)（公告）號(hào): CN113092807A
• 公開(kāi)（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 封玲;王曉宇;王一明;胡珉;高新聞;薛子欣;趙鵬;陳瑩鋒
• 申請(qǐng)（專利權(quán)）人: 上海浦江橋隧運(yùn)營(yíng)管理有限公司;上海大學(xué);上海城建城市運(yùn)營(yíng)（集團(tuán)）有限公司;上海市政養(yǎng)護(hù)管理有限公司
• 主分類號(hào): G01P3/68
• 分類號(hào): G01P3/68;G06T7/207;G06T7/70;G06N3/04;G06N3/08
• 代理公司: 上海京滬專利代理事務(wù)所(普通合伙) 31235
• 代理人: 楊金淑

本發(fā)明公開(kāi)了基于多目標(biāo)跟蹤算法的城市高架道路車輛測(cè)速方法，本發(fā)明的有益效果：本發(fā)明采用先進(jìn)的多目標(biāo)跟蹤算法，實(shí)現(xiàn)對(duì)城市高架道路中車輛行駛速度的精確測(cè)量，能夠提高道路交通的安全性和效率，同時(shí)本發(fā)明能夠在無(wú)需添加外部設(shè)備的情況下，通過(guò)軟件的方式，在任意已有的視頻監(jiān)控設(shè)備上實(shí)現(xiàn)車輛測(cè)速功能，大大降低了城市道路車輛測(cè)速的成本和復(fù)雜性。

技術(shù)領(lǐng)域：

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于多目標(biāo)跟蹤算法的城市高架道路車輛測(cè)速方法，常用于城市高架道路，橋梁等設(shè)施。

背景技術(shù)：

車輛超速行駛一直是引起交通事較為普遍和直接的因素，若不進(jìn)行嚴(yán)格的監(jiān)測(cè)，將會(huì)對(duì)人們生命健康和社會(huì)秩序造成巨大的影響。同時(shí)對(duì)車輛行駛速度的監(jiān)測(cè)也對(duì)減少交通擁堵和有效進(jìn)行車輛調(diào)控有著重大幫助。

目前最為普遍的車輛測(cè)速方式是采用超聲波和激光測(cè)速儀，這種方式測(cè)速準(zhǔn)確，但是由于其昂貴的設(shè)備費(fèi)用以及較為嚴(yán)格的工作環(huán)境，目前無(wú)法像視頻監(jiān)控一樣廣泛的安裝在城市道路的各個(gè)角落，雖有采用深度學(xué)習(xí)技術(shù)，通過(guò)Faster RCNN目標(biāo)檢測(cè)技術(shù)和SORT多目標(biāo)跟蹤技術(shù)實(shí)現(xiàn)了車輛測(cè)速，但是由于其采用的技術(shù)較為簡(jiǎn)單，檢測(cè)的速度和準(zhǔn)確度仍存在不足。

發(fā)明內(nèi)容：

本發(fā)明的目的就在于為了解決上述問(wèn)題而提供基于多目標(biāo)跟蹤算法的城市高架道路車輛測(cè)速方法。

為了解決上述問(wèn)題，本發(fā)明提供了一種技術(shù)方案：

一種基于多目標(biāo)跟蹤算法的城市高架道路車輛測(cè)速方法，具體包括如下步驟：

步驟1)采集待測(cè)區(qū)域的視頻數(shù)據(jù)，并將其分為訓(xùn)練用數(shù)據(jù)和測(cè)試用數(shù)據(jù)；

步驟2)對(duì)步驟1)采集的視頻數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)訓(xùn)練用視頻數(shù)據(jù)逐幀進(jìn)行標(biāo)記，制作標(biāo)簽。具體步驟如下：

步驟2.1)逐幀切分視頻數(shù)據(jù)，得到單幀圖像數(shù)據(jù)；

步驟2.2)標(biāo)出首幀圖像中所有的車輛的位置，并且為每一個(gè)車輛初始化獨(dú)立的軌跡ID；

步驟2.3)對(duì)于在后續(xù)幀中出現(xiàn)的車輛，若其在先前幀中出現(xiàn)并已經(jīng)獲得相應(yīng)的軌跡ID，則采用同樣的軌跡ID在后續(xù)幀中標(biāo)記其位置。若為首次出現(xiàn)，則為其初始化獨(dú)立的軌跡ID，并利用該ID標(biāo)記其位置；

步驟2.4)生成相應(yīng)的坐標(biāo)文件，并和單幀圖像數(shù)據(jù)相對(duì)應(yīng)，組合成為訓(xùn)練數(shù)據(jù)集；

步驟3)部署通用多目標(biāo)跟蹤算法，并且利用步驟2)制作得到的訓(xùn)練數(shù)據(jù)集對(duì)初始模型進(jìn)行特向訓(xùn)練。具體步驟如下：

步驟3.1)首先采用YOLOv3目標(biāo)檢測(cè)算法，檢測(cè)出每一幀圖像中的車輛。具體步驟如下：

步驟3.1.1)對(duì)每幀輸入的圖像，首先送入YOLOv3模型，輸出一組向量。其中包含了所有目標(biāo)的位置信息及其類別向量，對(duì)于本方法的應(yīng)用場(chǎng)景，只需檢測(cè)車輛，故只取其中的車輛檢測(cè)類別。如此輸出的結(jié)果只包含了車輛在圖片中的位置信息，具體為檢測(cè)框的左上角坐標(biāo)與寬高大小，格式如下公式：

p_i＝[x,y,w,h]^T

步驟3.1.2)考慮到每一幀中新目標(biāo)的出現(xiàn)以及舊目標(biāo)刪除的特殊性，故在對(duì)檢測(cè)結(jié)果進(jìn)行運(yùn)動(dòng)估計(jì)和數(shù)據(jù)關(guān)聯(lián)之前，設(shè)定關(guān)于新舊目標(biāo)建立和刪除的規(guī)則，如下公式：

Bool_i＝(x20or y20or(xmax-x)20