[發(fā)明專利]基于高位視頻監(jiān)控的車輛匹配關(guān)系判斷方法以及裝置

在審

• 申請?zhí)枺?/td>: 202210127148.6
• 申請日: 2022-02-11
• 公開（公告）號: CN114519842A
• 公開（公告）日: 2022-05-20
• 發(fā)明（設(shè)計(jì)）人: 閆軍;丁麗珠;王艷清
• 申請（專利權(quán)）人: 超級視線科技有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06K9/62;G06N3/04;G06N3/08;G06V10/25;G06V10/44;G06V10/774;G06V10/82
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于高位視頻監(jiān)控的車輛匹配關(guān)系判斷方法，其特征在于，包括：

獲取多個(gè)視頻幀圖像，并根據(jù)所述多個(gè)視頻幀圖像，獲得每個(gè)所述視頻幀圖像對應(yīng)的車輛類別、車輛檢測框坐標(biāo)位置、車輛檢測框標(biāo)識號碼、匹配對象類別、匹配對象檢測框坐標(biāo)位置以及匹配對象檢測框標(biāo)識號碼；

根據(jù)所述車輛類別、所述車輛檢測框坐標(biāo)位置、所述車輛檢測框標(biāo)識號碼、所述匹配對象類別、所述匹配對象檢測框坐標(biāo)位置以及所述匹配對象檢測框標(biāo)識號碼，構(gòu)建車輛與匹配對象的真實(shí)關(guān)系矩陣與每個(gè)檢測框的鄰接矩陣；其中，每個(gè)所述檢測框?yàn)檐囕v檢測框或者匹配對象檢測框；

根據(jù)所述車輛檢測框坐標(biāo)位置與所述匹配對象檢測框坐標(biāo)位置，對每個(gè)所述視頻幀圖像進(jìn)行劃分與尺寸變換，獲得多個(gè)檢測框圖像；

將每個(gè)所述檢測框圖像的特征與距離特征進(jìn)行拼接，獲得多個(gè)拼接特征，并對所述多個(gè)拼接特征進(jìn)行特征變換，獲得多個(gè)變換特征；

將每個(gè)所述變換特征與每個(gè)所述檢測框的鄰接矩陣輸入至圖卷積神經(jīng)網(wǎng)絡(luò)，輸出車輛與匹配對象的預(yù)測關(guān)系矩陣；

根據(jù)所述車輛與匹配對象的真實(shí)關(guān)系矩陣與所述車輛與匹配對象的預(yù)測關(guān)系矩陣，構(gòu)建損失函數(shù)，并根據(jù)所述損失函數(shù)，調(diào)整所述圖卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)，獲得訓(xùn)練完成的圖卷積神經(jīng)網(wǎng)絡(luò)；

根據(jù)所述訓(xùn)練完成的圖卷積神經(jīng)網(wǎng)絡(luò)，對待測視頻幀圖像進(jìn)行預(yù)測，獲得車輛與匹配對象的匹配關(guān)系。

2.根據(jù)權(quán)利要求1所述的基于高位視頻監(jiān)控的車輛匹配關(guān)系判斷方法，其特征在于，所述將每個(gè)所述檢測框圖像的特征與距離特征進(jìn)行拼接，獲得多個(gè)拼接特征，并對所述多個(gè)拼接特征進(jìn)行特征變換，獲得多個(gè)變換特征，包括：

獲取每個(gè)所述檢測框圖像的3*H*W維度特征；

設(shè)置4*H*W維度距離特征，并將每個(gè)所述檢測框圖像的3*H*W維度特征與所述4*H*W維度距離特征在通道維度上進(jìn)行特征拼接，獲得多個(gè)7*H*W維度拼接特征；

其中，H*W表示檢測框的寬高，通道數(shù)7包括R通道、G通道、B通道、X坐標(biāo)通道、Y坐標(biāo)通道、W寬度通道以及H高度通道。

3.根據(jù)權(quán)利要求2所述的基于高位視頻監(jiān)控的車輛匹配關(guān)系判斷方法，其特征在于，所述將每個(gè)所述檢測框圖像的特征與距離特征進(jìn)行拼接，獲得多個(gè)拼接特征，并對所述多個(gè)拼接特征進(jìn)行特征變換，獲得多個(gè)變換特征，還包括：

將所述多個(gè)拼接特征輸入至多個(gè)卷積層，輸出多個(gè)轉(zhuǎn)換特征；

將所述多個(gè)轉(zhuǎn)換特征輸入至全連接層網(wǎng)絡(luò)，輸出所述多個(gè)變換特征。

4.根據(jù)權(quán)利要求3所述的基于高位視頻監(jiān)控的車輛匹配關(guān)系判斷方法，其特征在于，所述將每個(gè)所述變換特征與每個(gè)所述檢測框的鄰接矩陣輸入至圖卷積神經(jīng)網(wǎng)絡(luò)，輸出車輛與匹配對象的預(yù)測關(guān)系矩陣，包括：

構(gòu)建所述圖卷積神經(jīng)網(wǎng)絡(luò)，所述圖卷積神經(jīng)網(wǎng)絡(luò)為：

其中，X表示每個(gè)所述變換特征，A表示每個(gè)所述檢測框的關(guān)系矩陣，表示每個(gè)所述檢測框的鄰接矩陣，I表示每個(gè)所述檢測框的單位矩陣，表示每個(gè)所述檢測框的度矩陣，W⁽⁰⁾與W⁽¹⁾表示所述圖卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)，F(xiàn)₁表示非線性激活函數(shù)，F(xiàn)₂表示歸一化函數(shù)；

根據(jù)所述圖卷積神經(jīng)網(wǎng)絡(luò)，輸出所述車輛與匹配對象的預(yù)測關(guān)系矩陣。

5.根據(jù)權(quán)利要求4所述的基于高位視頻監(jiān)控的車輛匹配關(guān)系判斷方法，其特征在于，所述構(gòu)建所述圖卷積神經(jīng)網(wǎng)絡(luò)中，對每個(gè)所述檢測框的度矩陣的對角線特征值進(jìn)行加一處理，獲得每個(gè)所述檢測框的新度矩陣，所述圖卷積神經(jīng)網(wǎng)絡(luò)為：

其中，表示每個(gè)所述檢測框的新鄰接矩陣，表示每個(gè)所述檢測框的新度矩陣。