申请/专利权人：山东未来网络研究院(紫金山实验室工业互联网创新应用基地)

申请日：2023-12-25

公开（公告）日：2024-04-02

公开（公告）号：CN117455957B

主分类号：G06T7/246

分类号：G06T7/246;G06T7/73;G06V10/44;G06V10/75;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明涉及车辆轨迹定位技术领域，尤其是涉及一种基于深度学习的车辆轨迹定位追踪方法及系统。所述方法，包括获取车辆轨迹信息和图像信息；根据获取的图像信息，利用yolo模型对图像信息进行识别检测，对检测到的车辆添加ID标签；对于同一路口，利用deepsort追踪算法对检测到的车辆进行轨迹追踪，通过合并同一车辆轨迹进行ID标签合并，并通过设置重合度阈值的进行ID标签更新。本发明采用基于yolo_pose的多路口车辆图像特征点检测与区域特征识别，利用车牌信息与车辆局部特征信息相结合，实现不同路口同一车辆的信息匹配，建立整条交通网络中完整的车辆轨迹信息，进而确定每辆车的位置。

主权项：1.一种基于深度学习的车辆轨迹定位追踪方法，其特征在于，包括：获取车辆轨迹信息和图像信息；根据获取的图像信息，利用yolo模型对图像信息进行识别检测，对检测到的车辆添加ID标签；对于同一路口，利用deepsort追踪算法对检测到的车辆进行轨迹追踪，通过合并同一车辆轨迹进行ID标签合并，并通过设置重合度阈值进行ID标签更新；对于不同路口，利用yolo_pose模型的关键点检测算法对检测到的车辆进行关键点检测，基于关键点检测进行局部特征匹配，通过局部特征匹配进行车辆的ID标签合并及更新；基于ID标签的合并和更新，将被检测到的车辆在同一路口和不同路口的轨迹串联，得到车辆轨迹和位置；所述利用yolo_pose模型的关键点检测算法对检测到的车辆进行关键点检测，基于关键点检测进行局部特征匹配，包括利用yolo_pose模型的关键点检测算法，检测车辆的前端12个关键点以及后端12个关键点，对于选取的24个关键点进行特征识别，得到车辆的24个特征点信息，根据24个特征点信息利用矩形裁剪得到6个局部特征信息图像；其中，对于不同路口，利用基于yolo_pose的关键点检测算法，关键点分别采取车辆的前端12个以及后端12个，其中前端12个点分别为P1、P2、P3、P4、D1、D2、D3、D4、R1、R2、R3、R4，分别为前档四个角点P1、P2、P3、P4，左右两个大灯中心点D1、D2，大灯下面的左右两个雾灯中心点D3、D4以及车牌区域的四个角点R1、R2、R3、R4，后端12个点分别为后档四个角点、左右尾灯中心点、左右倒车灯中心点以及车牌区域四个角点；对于选取的24个关键点进行特征识别，通过多次训练，实现对不同车辆24个特征点识别，得到每辆车的特征点信息；对于获取的车辆24个特征点信息，首先对于前端的12个点，将D1、D2、D3、D4四个点利用式子：对每个位置进行适当距离μ的扩展得到D1'、D2'、D3'、D4'，由D1'、D2'、D3'、D4'，获得新的矩形F1，F1包含不同厂家车辆独有的大灯形状信息，对F1进行裁剪获取车灯区域局部特征信息，同时也对前窗四个角点P1、P2、P3、P4进行扩展得到P1'、P2'、P3'、P4'，将P1'、P2'、P3'、P4'围成的矩形F2，进行裁剪获取车窗局部特征信息，对F1内的R1、R2、R3、R4围成的车牌矩形F3进行裁剪获取车牌局部特征信息；其中P表示原始点；后端12个关键点信息采取相同的操作，分别获取F4车灯局部特征信息、F5车窗局部特征信息、F6车牌局部特征信息，通过前后端操作，同时获取到一辆车的6个局部特征信息图像；所述利用yolo_pose模型的关键点检测算法对检测到的车辆进行关键点检测，基于关键点检测进行局部特征匹配，还包括基于局部特征信息图像进行车牌识别匹配，根据匹配结果进行ID标签合并和更新；对无法进行车牌识别匹配的车辆，进行关键点区域特征匹配，包括计算关键点区域在不同路口的余弦距离，通过匹配重合度阈值确定是否为同一车辆，若是则进行ID合并及更新。

全文数据：

权利要求：

百度查询： 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) 一种基于深度学习的车辆轨迹定位追踪方法及系统

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