申请/专利权人：东南大学

申请日：2023-08-14

公开（公告）日：2023-11-17

公开（公告）号：CN117078718A

主分类号：G06T7/246

分类号：G06T7/246;G06T7/207;G06V20/54;G06V10/82;G06V10/40;G06V10/74;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.05#实质审查的生效;2023.11.17#公开

摘要：本发明公开了基于DeepSORT的高速公路场景中多目标车辆跟踪方法，包括：首先，构建用于评估高速公路场景中多目标车辆跟踪模型的性能的数据集；其次，构建用于高速公路场景中车辆检测的Faster‑RCNN‑VDHS模型、YOLOV5s‑VDHS模型；再次，运动预测与状态估计，通过统计目标对象在之前帧的运动行为和参数来建模估计目标将在未来帧可能到达的位置；然后，构建用于车辆重识别的DNFM‑RDS模型、ResNet50‑VRHS模型、DenseNet121‑VRHS模型和ShuffleNetV2‑VRHS模型，用于提取目标检测框的运动特征和表观特征，并根据特征之间的相似度构建代价矩阵；最后，进行目标车辆关联匹配。本发明的有益效果在于：能够有效的对高速公路场景下的多目标车辆进行跟踪，提高高速公路系统监控的效率，从而促进智慧高速系统的发展。

主权项：1.基于DeepSORT的高速公路场景中多目标车辆跟踪方法，其特征在于：包括如下步骤：S1：数据集的构建，构建用于评估高速公路场景中多目标车辆跟踪模型的性能的数据集，包括白天、傍晚、黑夜3个场景；S2：目标检测，构建用于高速公路场景中车辆检测的Faster-RCNN-VDHS模型、YOLOV5s-VDHS模型，用于检测其中运动的目标并获取图像信息；S3：运动预测与状态估计，通过统计目标对象在之前帧的运动行为和参数来建模估计目标将在未来帧可能到达的位置；S4：特征提取与相似度计算，构建用于车辆重识别的DNFM-RDS模型、ResNet50-VRHS模型、DenseNet121-VRHS模型和ShuffleNetV2-VRHS模型，用于提取目标检测框的运动特征和表观特征，通过运动信息和外观信息添加距离计算，并根据特征之间的相似度构建代价矩阵；S5：目标车辆关联匹配，将目标关联问题转换为求解最优匹配的问题，对帧与帧之间各个目标进行最优匹配；S6：模型训练并优化参数，优选FFRV-RV-DM、YV-RV-DM、FRV-DV-DM、YV-DV-DM、FRV-SV-DM、YV-SV-DM、FRV-DR-DM、YV-DR-DM模型进行高速公路场景中多目标车辆跟踪。

全文数据：

权利要求：

百度查询： 东南大学 基于DeepSORT的高速公路场景中多目标车辆跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD