申请/专利权人：浙江树人学院(浙江树人大学)

申请日：2020-05-28

公开（公告）日：2024-04-09

公开（公告）号：CN111667512B

主分类号：G06T7/277

分类号：G06T7/277;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2020.10.13#实质审查的生效;2020.09.15#公开

摘要：本发明涉及一种基于改进卡尔曼滤波的多目标车辆轨迹预测方法，该方法采用图像均衡化、归一化等预处理方式，消除了运动模糊、背景干扰、光照变化等环境因素造成的干扰；同时引入YOLO网络，实时检测图像中目标车辆的目标位置，获知该目标车辆的类型；使用目标检测框与目标预测框的重合交并比作为连接权值，采用KM匹配算法判断相同识别类型的目标车辆当前位置与预测位置的比配关系，从而避免目标车辆的丢失；结合扩展卡尔曼滤波算法预测目标位置信息，提高了目标车辆轨迹预测的准确性。本发明加强了检测目标车辆与预测目标车辆数据的关联性，可解决目标车辆检测实时性不足导致目标丢失和非线性场景预测精度不高问题。

主权项：1.基于改进卡尔曼滤波的多目标轨迹预测方法，其特征在于：内容包括：步骤1：YOLO网络参数初始化，对网上公开的数据集以及摄像头采集的图像进行处理，并增加对应标签；步骤2：数据处理后获得包括公交车、私家车、消防车、吉普车、面包车、出租车、货车不同类别的图像若干张，对图像中所有车辆进行标注，建立训练集；步骤3：根据当前所处状态，读取对应状态下的图像，将图像进行亮度直方化及归一化处理后送入YOLO卷积网络，完成网络模型训练后，当前状态进入应用状态，继续执行步骤4；步骤4：根据YOLO网络检测输出，获取当前时刻目标车辆在图像中的位置信息和检测框信息，对创建检测的车辆目标赋予ID，令当前帧检测目标集合G为当前帧检测出来的所有目标车辆集合；判断当前检测图像是否为视频流的第一帧，若不是，则计算上一时刻预测集合J与未成功匹配集合R的并集T，然后执行步骤5；若是第一帧，则令未成功匹配集合R为空集，继续执行步骤5；步骤5：根据识别目标车辆类型的七个类型，将集合G分成对应类型的七个子集合LGi，i＝1,2,…,7，将集合T分成对应类型的七个子集合LTi，i＝1,2,…,7，将集合J分成对应类型的LJi，i＝1,2,…,7，将集合R分成对应类型的七个子集合LRi，i＝1,2,…,7；使用KM匹配算法获得集合LGi中的目标车辆与集合LTi中目标车辆的匹配关系，获得集合LGi和LTi内未成功匹配的目标车辆；如果该未成功匹配的目标车辆属于集合LJi，则保留该目标车辆，并将该目标车辆添加到集合LRi；如果该未成功匹配的目标车辆属于集合LGi，则该目标车辆为新加入的目标车辆，对创建目标对象赋予ID和目标参数；如果该未成功匹配的目标车辆属于集合LRi，则记录该目标车辆未匹配成功的次数，如果该次数超过阈值，则删除该目标车辆，否则不操作；步骤6：计算集合G内每一个车辆目标在当前时刻的速度及坐标，判断集合G内目标车辆是否为新加入的目标车辆，如果是新加入的目标车辆，则初始化当前时刻k的目标车辆的预测状态估计值和k-1时刻预测k时刻的状态协方差矩阵步骤7：根据当前时刻k的识别结果，计算观测向量与期望测量值的差Vk，并计算向量Vk的协方差矩阵Sk；步骤8：通过当前时刻k的预测状态估计值计算当前时刻k的目标车辆的运动状态变量Xk；通过当前时刻k的计算当前时刻k的状态协方差矩阵Pk；步骤9：对当前检测目标分别预测和输出每个目标车辆的下一时刻k+1的预测状态估计值计算时刻k+1的步骤10：判断集合G内每一个车辆目标是否均预测更新完成，若更新完成，则将集合G赋予集合J，并加载训练好的YOLO网络模型；若尚未完成预测更新，则选择下一个目标车辆，重新执行步骤6。

全文数据：

权利要求：

百度查询： 浙江树人学院(浙江树人大学) 基于改进卡尔曼滤波的多目标车辆轨迹预测方法

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