[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）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

本申請公開一種基于高位視頻監(jiān)控的車輛匹配關(guān)系判斷方法以及裝置。方法包括：根據(jù)多個視頻幀圖像，車輛類別、檢測框坐標(biāo)位置、檢測框標(biāo)識號碼、匹配對象類別、檢測框坐標(biāo)位置以及檢測框標(biāo)識號碼，構(gòu)建車輛與匹配對象的真實關(guān)系矩陣與每個檢測框的鄰接矩陣；根據(jù)車輛檢測框坐標(biāo)位置與匹配對象檢測框坐標(biāo)位置對圖像進行變換，獲得檢測框圖像；將每個檢測框圖像的特征與距離特征進行拼接，獲得拼接特征，對拼接特征進行特征變換，獲得變換特征；將每個變換特征與每個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；構(gòu)建損失函數(shù)，并根據(jù)損失函數(shù)，調(diào)整圖卷積神經(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)。

技術(shù)領(lǐng)域

本申請涉及目標(biāo)檢測技術(shù)領(lǐng)域，特別是涉及一種基于高位視頻監(jiān)控的車輛匹配關(guān)系判斷方法以及裝置。

背景技術(shù)

隨著高位視頻技術(shù)的發(fā)展，可實現(xiàn)路側(cè)停車、車輛違章等動作的檢測及抓拍，并以圖片和視頻的形式，記錄完整過程。通過高位視頻技術(shù)形成的停車或違章取證數(shù)據(jù)鏈，極大緩解了路邊停車的亂收費等現(xiàn)象。在管理過程中，需要對采集的視頻幀圖像進行車輛的目標(biāo)檢測與對應(yīng)的匹配對象識別，并將匹配對象與對應(yīng)的車輛進行匹配，實現(xiàn)對匹配對象和車輛的匹配關(guān)系判斷，形成正確的匹配關(guān)系，給用戶發(fā)送停車或是違章訂單。車輛的匹配對象可以為車牌或者泊位等。

傳統(tǒng)的車輛匹配關(guān)系判斷方法中根據(jù)車輛與匹配對象的位置關(guān)系以及交并比關(guān)系，設(shè)置邏輯判斷條件，進行車輛與匹配對象的關(guān)系判斷。然而，采用傳統(tǒng)方法進行判斷時，當(dāng)坐標(biāo)位置存在誤差時，會導(dǎo)致交并比關(guān)系的計算存在錯誤，進而導(dǎo)致車輛與匹配對象的關(guān)系判斷錯誤，使得傳統(tǒng)方法的判斷匹配準(zhǔn)確率偏低。

申請內(nèi)容

本申請的目的是解決傳統(tǒng)車輛匹配關(guān)系判斷方法中車輛與匹配對象的關(guān)系判斷匹配準(zhǔn)確率偏低的技術(shù)問題。為實現(xiàn)上述目的，本申請?zhí)峁┮环N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。

本申請?zhí)峁┮环N基于高位視頻監(jiān)控的車輛匹配關(guān)系判斷方法，包括：

獲取多個視頻幀圖像，并根據(jù)所述多個視頻幀圖像，獲得每個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關(guān)系矩陣與每個檢測框的鄰接矩陣；其中，每個所述檢測框為車輛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，對每個所述視頻幀圖像進行劃分與尺寸變換，獲得多個檢測框圖像；

將每個所述檢測框圖像的特征與距離特征進行拼接，獲得多個拼接特征，并對所述多個拼接特征進行特征變換，獲得多個變換特征；

將每個所述變換特征與每個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行預(yù)測，獲得車輛與匹配對象的匹配關(guān)系。

在一個實施例中，所述將每個所述檢測框圖像的特征與距離特征進行拼接，獲得多個拼接特征，并對所述多個拼接特征進行特征變換，獲得多個變換特征，包括：

獲取每個所述檢測框圖像的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行特征拼接，獲得多個7*H*W維度拼接特征；