CN103927508A - 一种目标车辆跟踪方法及装置 - Google Patents
一种目标车辆跟踪方法及装置 Download PDFInfo
- Publication number
- CN103927508A CN103927508A CN201310011121.1A CN201310011121A CN103927508A CN 103927508 A CN103927508 A CN 103927508A CN 201310011121 A CN201310011121 A CN 201310011121A CN 103927508 A CN103927508 A CN 103927508A
- Authority
- CN
- China
- Prior art keywords
- target
- tracking target
- tracking
- detection
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种目标车辆跟踪方法及装置,用以获取目标车辆的连续跟踪信息,为车辆违章提供更多的信息依据。所述方法包括:接收当前帧图像;提取当前帧图像所包含的检测信息;根据提取到的检测信息确定检测目标,并建立检测目标集合,所述检测目标集合由至少一个检测目标组成;针对跟踪目标集合中包含的任一跟踪目标,确定该跟踪目标与所述检测目标集合中的任一检测目标互相匹配时,根据所述检测目标包含的检测信息更新该跟踪目标包含的跟踪信息,所述跟踪目标集合为根据历史图像信息获取的。
Description
技术领域
本发明涉及视频监控技术领域,尤其涉及一种目标车辆跟踪方法及装置。
背景技术
传统的电子警察系统通常通过线圈电警实现。线圈电警通过车辆触发地感线圈,摄像机得到信号脉冲从而抓拍目标。
但是,线圈电警存在以下缺点:1)铺设线圈,需要切割路面,破坏城市面貌,增加人工成本;2)道路通常车流大,线圈容易损耗,增加了维护成本;3)多个非机动目标车辆集中运动时,容易导致线圈被触发,导致错误抓拍;4)抓拍信号存在一定的延迟,当车速较快时,容易导致抓拍位置的偏差;5)只能抓拍单帧目标,根据单帧目标只能识别出闯红灯的违章行为,而无法实现非法变道、利用拐弯车道直行、利用直行车道拐弯、超速、压线、逆行、黄牌占道、机动车占用非机动车道、违章停车等更多的违章行为。
综上,现有的电子警察系统由于只能对单帧目标进行识别,使得识别结果具有一定的局限性,无法为车辆违章提供更多的信息依据。
发明内容
本发明实施例提供一种目标车辆跟踪方法及装置,用以获取目标车辆的连续跟踪信息,为车辆违章提供更多的信息依据。
本发明实施例提供一种目标车辆跟踪方法,包括:
接收当前帧图像;
提取当前帧图像所包含的检测信息,所述检测信息包括目标车辆车牌的号码信息和位置信息;
根据提取到的检测信息确定检测目标,并建立检测目标集合,所述检测目标集合由至少一个检测目标组成;
针对跟踪目标集合中包含的任一跟踪目标,确定该跟踪目标与所述检测目标集合中的任一检测目标互相匹配时,根据所述检测目标包含的检测信息更新该跟踪目标包含的跟踪信息,所述跟踪目标集合为根据历史图像信息获取的。
本发明实施例提供一种目标车辆跟踪装置,包括:
接收单元,用于接收当前帧图像;
提取单元,用于提取当前帧图像所包含的检测信息,所述检测信息包括目标车辆车牌的号码信息和位置信息;
生成单元,用于根据提取到的检测信息确定检测目标,并建立检测目标集合,所述检测目标集合由至少一个检测目标组成;
更新单元,用于针对跟踪目标集合中包含的任一跟踪目标,确定该跟踪目标与所述检测目标集合中的任一检测目标互相匹配时,根据所述检测目标包含的检测信息更新该跟踪目标包含的跟踪信息,所述跟踪目标集合为根据历史图像信息获取的。
本发明实施例提供的目标车辆跟踪方法及装置,根据接收到的当前帧图像建立检测目标集合,并针对检测目标集合中的每一检测目标,从已建立的跟踪目标集合中确定与该检测目标匹配的跟踪匹配目标,同时,针对已建立的跟踪目标集合中的每一跟踪目标,从检测目标集合中确定与该跟踪目标匹配的检测匹配目标,即将检测目标与跟踪目标进行双重的交互匹配,若跟踪目标对应的检测匹配目标所对应的跟踪匹配目标还为该跟踪目标时,则能够确定跟踪目标与检测目标匹配,并利用检测目标在当前帧中的检测信息替换与之匹配的跟踪目标的跟踪信息,这样,获取跟踪目标的连续跟踪信息,进而利用跟踪目标的连续跟踪信息,可以为车辆违章行为提供更多的信息依据。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中,目标车辆跟踪方法的实施流程示意图;
图2为本发明实施例中,目标车辆跟踪装置的结构示意图。
具体实施方式
为了获取目标车辆的连续跟踪信息,为车辆违章行为提供更多的信息依据,本发明实施例提供了一种目标车辆跟踪方法及装置。
需要说明的是,本发明实施例提供的目标车辆跟踪方法及装置可以应用于纯视频电子警察系统中,通过对每帧图像进行处理,分析视频内容,检测识别车牌,对车辆进行连续跟踪,得到车牌的运动轨迹,以此分析车辆违章行为,并实现抓拍,相比于现有技术中的线圈电警,节省了施工和维护成本,抓拍目标更加准确,且能够识别的违章行为更多。
以下结合说明书附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明,并且在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
如图1所示,为本发明实施例提供的目标车辆跟踪方法的实施流程示意图,可以包括以下步骤:
S101、接收当前帧图像;
S102、提取当前帧图像所包含的检测信息;
其中,检测信息可以但不限于包括目标车辆车牌的号码信息和位置信息,还可以包括颜色信息和尺寸信息;
S103、根据提取到的检测信息确定检测目标,并建立检测目标集合;
其中,检测目标集合由至少一个检测目标组成;应当理解,每一检测目标可以但不限于包含上述的四个属性信息,即目标车辆车牌的号码信息、颜色信息、尺寸信息和位置信息,为了便于描述,以下以J表示建立的检测目标集合,则J={j1,j2,…,jn}。
S104、针对跟踪目标集合中包含的任一跟踪目标,确定该跟踪目标与检测目标集合中的任一检测目标互相匹配时,根据与其相互匹配的检测目标所包含的检测信息更新该跟踪目标包含的跟踪信息。
其中,跟踪目标集合为根据历史图像信息获取的,以下以G表示建立的跟踪目标集合,则G={g1,g2,…,gm}。
具体实施时,步骤S104中,针对跟踪目标集合中包含的任一跟踪目标,按照以下步骤确定该跟踪目标与检测目标集合中的任一检测目标互相匹配:
步骤1、针对跟踪目标集合中包含的任一跟踪目标,从检测目标集合中确定与该跟踪目标匹配的检测匹配目标;
步骤2、针对确定出的检测匹配目标,从跟踪目标集合中确定与该检测目标匹配的跟踪匹配目标;
步骤3、若确定出的跟踪匹配目标为该跟踪目标时,确定该跟踪目标与确定出的检测匹配目标互相匹配。
也就是说,针对任一跟踪目标,若该跟踪目标对应的检测匹配目标所对应的跟踪匹配目标为该跟踪目标时,确定该跟踪目标与检测匹配目标互相匹配。例如,假设跟踪目标1对应的检测匹配目标为检测目标2,而检测目标2对应的跟踪匹配匹配目标为跟踪目标1,则称跟踪目标1与检测目标2互相匹配。
具体的,根据检测匹配目标包含的四个属性信息替换该跟踪目标包含的四个属性信息。这样,当有了多帧目标车辆车牌号码结果后,统计目标车辆车牌号码中每个字符出现的次数,取次数最多的字符为最优结果,如果次数相同,取最新的字符为最优结果,统计完毕后,可以得到整体最优的目标车辆车牌号码。
具体实施时,可以但不限于采用目标匹配关联矩阵来记录检测目标与跟踪目标之间的匹配关系,且矩阵的行向量标表示跟踪目标,列向量表示检测目标。具体的,建立目标匹配关联矩阵,初始化时,该矩阵中的每一元素均为0。具体实施时,可以设置目标匹配关联矩阵的最大值,例如设置最多可以有20个跟踪目标,10个检测目标,即n=10,m=20,目标匹配关联矩阵大小为20*10。为了便于描述,本发明实施例中以检测目标集合中包含3个检测目标,5个跟踪目标为例进行说明。初始时,建立目标匹配关联矩阵如下:
具体实施时,步骤1中,可以按照以下步骤确定与检测目标集合中包含的任一检测目标匹配的跟踪目标:
步骤11、针对检测目标集合中的每一检测目标,按照预设匹配规则确定该检测目标与跟踪目标集合中的每一跟踪目标的第一匹配系数;
例如,针对检测目标集合中的j1,按照预设规则依次确定其与g1、g2,……g5之间的第一匹配系数;依次类推,分别确定j2与g1、g2,……g5之间的第一匹配系数以及j3与g1、g2,……g5之间的第一匹配系数。
步骤12、选择第一匹配系数最大的跟踪目标为跟踪匹配目标。
具体实施时,在确定出与每一检测目标匹配的跟踪匹配目标之后,将目标匹配关联矩阵中,每一检测目标与确定出的跟踪匹配目标对应的位置上的值加1,例如,假设j1对应的跟踪匹配目标为g3,则M13对应的值加1,j2对应的跟踪匹配目标为g4,则M24对应的值加1,j3对应的跟踪匹配目标为g2为例,则M32对应的值加1,则更新后的目标匹配关联矩阵如下:
类似地,步骤2中,可以按照以下步骤确定与跟踪目标集合中包含的任一跟踪目标匹配的检测目标:
步骤21、针对跟踪目标集合中的每一跟踪目标,按照预设匹配规则确定该跟踪目标与检测目标集合中的每一检测目标的第二匹配系数;
例如,针对跟踪目标集合中的g1,按照预设规则依次确定其与j1、j2和j3之间的第二匹配系数;依次类推,分别确定g2与j1、j2和j3之间的第二匹配系数以及g3与j1、j2和j3之间的第二匹配系数,g4与j1、j2和j3之间的第二匹配系数和g5与j1、j2和j3之间的第二匹配系数。
步骤22、选择第二匹配系数最大的检测目标为检测匹配目标。
具体实施时,在确定出与每一跟踪目标匹配的检测匹配目标之后,将目标匹配关联矩阵中,每一跟踪目标与确定出的检测匹配目标对应的位置上的值加1,例如,假设g1对应的检测匹配目标为j1,则M11对应的值加1,g2对应的检测匹配目标为j3,则M32对应的值加1,g3对应的检测匹配目标为j1,则M13对应的值加1,g4对应的检测匹配目标为j2,则M24对应的值加1,g5对应的检测匹配目标为j3,则M35对应的值加1,更新后的目标匹配关联矩阵如下:
具体实施时,本发明实施例中第一匹配系数的确定方法与第二匹配系数的确定方法相同,即步骤1和步骤A中的预设规则相同,其中,步骤1中是将任一检测目标与跟踪目标集合中的每一跟踪目标依次匹配,而步骤A中是将任一跟踪目标与检测目标集合中的每一检测目标依次匹配,两者的匹配原则是相同的,因此,本发明实施例中,以确定第一匹配系数为例进行说明,第二匹配系数的确定方法与第一匹配系数的确定方法类似,此处不再赘述。
具体的,步骤11中可以按照以下步骤确定第一匹配系数:
步骤111、针对任一检测目标,获取该检测目标在当前帧的预测位置信息;
其中,任一检测目标的预测位置信息根据上一帧图像中该检测目标的位置信息确定;
需要说明的是,针对每一帧图像中包含的每一检测目标,均需要在当前帧预测该检测目标在下一帧的可能出现的位置。较佳地,本发明实施例中可以利用预设的卡尔曼滤波器确定每一检测目标在下一帧中的预测位置信息,卡尔曼滤波器由一系列迭代递推数学公式描述,其提供了一种高效可计算的方法来估计目标车辆运动过程的状态,并使估计的均方误差最小。基于此,本发明实施例中,定义目标车辆运动状态向量为Xk=[xk,yk,vxk,vyk]T,观测状态向量为Zk=[xk,yk]T,其中:xk、yk表示目标车辆车牌质心位置信息(即车牌在本帧图像中的坐标位置),vxk、vyk表示目标车辆的运动速度,k表示处理次数。相应地,本发明实施例中,卡尔曼滤波器的相关系数定义如下:
状态转移矩阵A:
观测矩阵H:
过程噪声协方差矩阵Q:
观测噪声协方差矩阵R:
初始先验估计误差协方差矩阵P0:
上述卡尔曼滤波器的相关系数定义中,dt为两次迭代处理的间隔时间,本发明实施例中,可以但不限于以图像处理帧数为单位,若以图像处理帧数为单位时,可以定义dt=1,X0=[x0,y0,0,0]T,x0、y0为车辆目标初始的位置信息。
基于上述定义的卡尔曼滤波器,后续跟踪过程中,只需要按照预测方程组和校正方程组,通过迭代递推的方法,可以不断预测检测目标在下一帧图像的位置信息。
步骤112、根据确定出的预测位置信息,确定搜索范围信息;
步骤113、根据步骤112确定出的搜索范围信息确定搜索范围,并判断该搜索范围内是否包含检测信息,在判断结果为是时,执行步骤114,在判断结果为否时,执行步骤115;
例如,可以根据检测目标当前的预测位置信息,限制一定的搜索矩形框,具体实施时,可以但不限于限定搜索范围为横向方向上为2-3倍车牌宽度,纵向方向上8-10倍的车牌高度。
步骤114、按照以下公式确定第一匹配子系数,并执行步骤f;
步骤115、判定检测目标与跟踪目标不匹配,流程结束。
具体实施时,在此搜索范围以外的检测信息均不参与判断,如果没有检测信息出现在步骤c确定出的搜索范围内,则直接判定匹配失败,且不再执行后续步骤。
特别地,需要说明的是,如果针对任一检测目标经过步骤115确定与跟踪目标集合中的任一跟踪目标均不匹配时,则保持将目标关联矩阵中相应位置的值为0不变。例如,假设,经过步骤e之后,确定j3与g1、g2,……g5均不匹配,则矩阵Mxy的第三行的所有元素均为0。
步骤116、将确定检测目标对应的目标车牌号码与跟踪目标对应的目标车牌号码进行字符串匹配,确定匹配成功的字符数量;
具体实施时,将检测目标的目标车辆车牌号码(字符串形式)与跟踪目标的目标车辆车牌号码进行字符串匹配,生成生成字符子串,其匹配规则为满足位置与内容的一致,则加入字符子串。因为车牌识别结果会存在诸如8与B、D与0的错误识别,为了提高字符子串的准确性,不要求子串中相邻的字符在原字符串中也相邻。例如,检测目标车牌识别结果字符串为“浙ABCDEF”,跟踪目标车牌识别结果字符串为“浙AB34EF”,则生成的子串为“浙ABEF”,字符个数为5。
为了快速区分不同车牌,且保证同一车牌识别结果存在一定的容错度,或是只定位出了车牌位置,但是没有内容识别的情况下,仍然能有效的产生匹配。本发明实施例中,按车牌号码包含的字符数量最大值(例如,中国车牌号码包含7个字符),可以但不限于设置判断匹配字符子串有效的阈值3。
步骤117、照以下公式确定第二匹配子系数:
SubStrLen为匹配成功的字符数量;StrLen为预设字符长度,例如,可以但不限于设置为7;Th_1为第一预设值,例如,第一预设值可以但不限于设置为3。
特别地,需要说明的是,若确定出第二匹配子系数为1时,及检测目标的车牌号码包含的字符串与跟踪目标的车牌号码包含的字符串位置与内容完全一致,直接确定检测目标与跟踪目标匹配,结束流程,不再执行后续步骤,同时,将Mxy中对应位置直接加1。
步骤118、按照以下公式确定第三匹配子系数:
其中:Coff_3为第三匹配子系数;ObjMean为所述检测目标或者所述跟踪目标的目标车牌灰度均值;ObjDiff为所述检测目标或者所述跟踪目标的目标车牌灰度方差。特别地,如果ObjDiff=0,则Coff_3=1。
步骤119、统计参与匹配的跟踪目标匹配失败的次数;
具体实施时,对于处在丢失过程中的目标,因为卡尔曼预测会存在偏差,且会逐渐加大,故预测位置可信度会降低。需要说明的是,本步骤需要连续对多帧图像进行处理之后才能确定,当第一次确定跟踪目标匹配失败时,记录匹配失败次数,在之后图像帧的处理过程中,每确定出一次该该跟踪目标匹配失败,将记录的匹配失败次数加1。
步骤1110、按照以下公式确定第四匹配子系数:
步骤1111、根据确定出的第一匹配子系数、第二匹配子系数、第三匹配子系数和第四匹配子系数,按照以下公式确定第一匹配系数或者第二匹配系数:
Coff=α*Coff_1+β*Coff_2+γ*Coff_3+δ*Coff_4,其中:Coff为第一匹配系数;α、β、γ、δ分别为预设的权重系数,且α+β+γ+δ=1。
较佳地,本发明实施例中可以设定α=β=0.3,γ=0.25,δ=0.15。这样,能够最终确定出各检测目标与各跟踪目标之间的第一匹配系数,取第一匹配系数最大的跟踪目标为跟踪匹配目标。
与确定第一匹配系数类似,依次读取跟踪目标集合中的跟踪目标,确定其余与检测目标集合中的检测目标对应的第二匹配系数,第二匹配系数的确定方法与上述第一匹配系数确定方法类似,此处不再赘述。针对每一跟踪目标,将第二匹配系数最大的检测目标确定为检测匹配目标,并将该跟踪目标与检测匹配目标在矩阵Mxy中对应位置的值加1,具体方法可以参照步骤A中的描述,此处不再赘述。
经过上述过程之后,最终矩阵Mxy中每一元素对应的值可能有以下三种情况:0、1和2,延续步骤A中的例子,以 为例,其中:
针对Mxy中数值为2的位置,其对应的检测目标和跟踪目标彼此匹配,因此可以确定两者匹配成功,取检测目标对应的检测信息更新跟踪目标对应的跟踪信息,并将该位置所处行和列所有为1的数值置为0,得到
具体实施时,本发明实施例提供的目标车辆跟踪方法,还可以包括以下步骤:
步骤一、若跟踪目标集合中的任一跟踪目标与所述检测目标集合中的所有检测目标均不匹配时,确定所述跟踪目标匹配失败;
具体的,在矩阵Mxy中的体现为针对每一跟踪目标,其所在列的所有数值均为0时,便能够确定该跟踪目标与所有检测目标匹配失败;
步骤二、记录跟踪目标匹配失败次数;
后续匹配过程中,针对该跟踪目标,每确定一次匹配失败,则将记录的匹配失败次数加1;
步骤三、若跟踪目标匹配失败次数超过第三预设值时,确定跟踪目标丢失。
较佳地,第三预设值可以但不限于设置为3。具体实施时,由于卡尔曼滤波器继续运行,但是得将前一帧图像中对当前帧的预测位置作为当前帧的观测值,若丢失次数越多,预测值偏差越大。因此,当跟踪目标丢失后,需要继续匹配时,较佳地,本发明实施例可以在两个位置进行搜索,优先位置是根据卡尔曼滤波器确定出的预测位置,另一个是该跟踪目标在匹配成功的历史最近图像中所在的位置,这样,能够保证运动目标丢失后,处于静止状态或者运动状态都能再跟踪上,基于此,本发明实施例中,确定跟踪目标丢失后,还可以包括以下步骤:
根据跟踪目标在当前帧图像中的位置信息,确定跟踪目标在下一帧图像中的第二预测位置信息;
根据第二预测位置信息,确定第二搜索范围信息;
在第二搜索范围信息对应的搜索范围内搜索所述跟踪目标;以及
若在第二搜索范围信息对应的搜索范围内未搜索到跟踪目标时,根据跟踪目标在当前帧图像中的位置信息,在下一帧图像中相同位置上搜索该跟踪目标。
特别地,具体实施时,当跟踪目标丢失次数超过第四预设值时,则从跟踪目标集合中删除此跟踪目标,其中,第四预设值大于第三预设值,较佳地,为了保证足够的丢失容忍次数和快速有效地清空已经在画面中消失的历史目标,本发明实施例中,第四预设值的取值范围可以但不限于[7,10]。
具体实施时,若检测目标集合中的任一检测目标与跟踪目标集合中的所有跟踪目标均不匹配,且该检测目标中、目标车辆车牌号码信息不为空时,确定该检测目标为新生成目标,将检测目标添加至候选目标集合中。具体的,在矩阵Mxy中,针对任一检测目标来说,该检测目标所在行如果全部为0,则说明该检测目标与任一跟踪目标均不匹配,则该检测目标可能为新生成的检测目标。较佳地,具体实施时,针对候选目标集合中的任一候选目标,若该候选目标与检测目标集合中的任一检测目标连续匹配成功,且匹配成功次数超过第五预设值时,将该候选目标添加至跟踪目标集合中,并从候选目标集合中删除该候选目标。其中,第五预设值可以但不限于设置为3。
具体实施时,根据矩阵Mxy,以未产生匹配的跟踪目标所在行为准,按列读取数值,如果存在1个或者1个以上数值为1的情况,则取最终匹配系数最大的位置为次优匹配对,判定为二者匹配成功,并取检测目标信息更新跟踪目标的相应信息,并将该位置所处行和列的所有为1的数值置为0。
本发明实施例提供的目标车辆跟踪方法,如果检测目标与跟踪目标匹配成功,则利用检测目标对应的检测信息(包括目标车辆车牌的号码信息、颜色信息、尺寸信息和位置信息)更新跟踪目标中的相应信息,这样,可以获得目标车辆的连续跟踪信息,从而可以为违章行为提供更多的信息依据。
基于同一发明构思,本发明实施例中还提供了一种目标车辆跟踪装置,由于上述装置解决问题的原理与目标车辆跟踪方法相似,因此上述装置的实施可以参见方法的实施,重复之处不再赘述。
如图2所示,为本发明实施例提供的目标车辆跟踪装置的结构示意图,包括:
接收单元201,用于接收当前帧图像;
提取单元202,用于提取当前帧图像所包含的检测信息;
具体实施时,检测信息包括目标车辆车牌的号码信息和位置信息,还可以包括目标车辆车牌的颜色信息和尺寸信息等。
生成单元203,用于根据提取到的检测信息确定检测目标,并建立检测目标集合,检测目标集合由至少一个检测目标组成;
更新单元204,用于针对跟踪目标集合中包含的任一跟踪目标,确定该跟踪目标与所述检测目标集合中的任一检测目标互相匹配时,根据所述检测目标包含的检测信息更新该跟踪目标包含的跟踪信息。
其中,跟踪目标集合为根据历史图像信息获取的。
具体实施时,更新单元204,可以包括:
第一确定子单元,用于针对跟踪目标集合中包含的任一跟踪目标,从检测目标集合中确定与该跟踪目标匹配的检测匹配目标;
第二确定子单元,用于针对所述检测匹配目标,从所述跟踪目标集合中确定与该检测目标匹配的跟踪匹配目标;
第三确定子单元,用于若确定出的跟踪匹配目标为该跟踪目标时,确定该跟踪目标与所述检测匹配目标互相匹配。
其中,第一确定子单元,可以包括:
第一确定模块,用于针对检测目标集合中的每一检测目标,按照预设匹配规则确定该检测目标与跟踪目标集合中的每一跟踪目标的第一匹配系数;
第一选择模块,用于选择第一匹配系数最大的跟踪目标为跟踪匹配目标。
具体实施时,第二确定子单元,可以包括:
第二确定模块,用于针对跟踪目标集合中的每一跟踪目标,按照预设匹配规则确定该跟踪目标与检测目标集合中的每一检测目标的第二匹配系数;
第二选择模块,用于选择第二匹配系数最大的检测目标为检测匹配目标。
其中,第一确定模块或者第二确定模块,可以包括:
第一匹配子系数确定子模块,用于针对任一检测目标或者跟踪目标,获取该检测目标或者跟踪目标在当前帧的第一预测位置信息,第一预测位置信息根据上一帧图像中检测目标或者跟踪目标的位置信息确定;根据第一预测位置信息,确定第一搜索范围信息;判断第一搜索范围信息对应的搜索范围内是否包含检测信息;在判断结果为是时,按照以下公式确定第一匹配子系数: 其中:Coff_1为第一匹配子系数;V_Width为当前帧图像宽度;V_Height为当前帧图像高度;Tx_Dist为检测目标的质心与跟踪目标的质心在水平方向上的间距;Ty_Dist为检测目标的质心与跟踪目标的质心在垂直方向上的间距;在判断结果为否时,判定检测目标与跟踪目标或者跟踪目标与检测目标不匹配;
第二匹配子系数确定子模块,用于确定检测目标的目标车牌号码与跟踪目标的目标车牌号码或者将跟踪目标的目标车牌号码与检测目标的目标车牌号码进行字符串匹配,确定匹配成功的字符数量;并按照以下公式确定第二匹配子系数: 其中:Coff_2为第二匹配子系数;SubStrLen为匹配成功的字符数量;StrLen为预设字符长度;
Th_1为第一预设值;
第三匹配子系数确定子模块,用于按照以下公式确定第三匹配子系数:其中:Coff_3为第三匹配子系数;ObjMean为检测目标或者跟踪目标的目标车牌灰度均值;ObjDiff为检测目标或者跟踪目标的目标车牌灰度方差;
第四匹配子系数确定子模块,用于参与匹配的跟踪目标匹配失败的次数;按照以下公式确定第四匹配子系数: 其中:Coff_4为第四匹配子系数;FailFrms为参与匹配的跟踪目标匹配失败的次数;Th_2为第二预设值;
匹配系数确定子模块,用于根据确定出的第一匹配子系数、第二匹配子系数、第三匹配子系数和第四匹配子系数,按照以下公式确定第一匹配系数或者第二匹配系数:Coff=α*Coff_1+β*Coff_2+γ*Coff_3+δ*Coff_4,其中:Coff为第一匹配系数或者第二匹配系数;α、β、γ、δ分别为预设的权重系数,且α+β+γ+δ=1。
具体实施时,第二匹配子系数确定子模块,可以用于检测目标的目标车牌号码与跟踪目标的目标车牌号码包含的字符位置与内容一致时,确定字符匹配成功。
具体实施时,第二匹配子系数确定子模块,可以用于若第二匹配子系数为1时,确定检测目标与跟踪目标或者跟踪目标与检测目标匹配。
其中,第一匹配子系数确定子模块,可以用于针对任一检测目标或者跟踪目标,确定检测目标或者跟踪目标在上一帧图像中的位置信息;并利用预设的卡尔曼滤波器确定检测目标或者跟踪目标在当前帧的第一预测位置信息,其中,卡尔曼滤波器的相关系数定义如下:
状态转移矩阵A: dt为两次迭代处理的间隔时间;
观测矩阵H:
过程噪声协方差矩阵Q:
观测噪声协方差矩阵R:
初始先验估计误差协方差矩阵P0:
具体实施时,本发明实施例提供的目标车辆检测装置,还可以包括:
第一确定单元,用于若跟踪目标集合中的任一跟踪目标与检测目标集合中的所有检测目标均不匹配时,确定跟踪目标匹配失败;
记录单元,用于记录跟踪目标匹配失败次数;
第二确定单元,用于若跟踪目标匹配失败次数超过第三预设值时,确定跟踪目标丢失。
具体实施时,本发明实施例提供的目标车辆检测装置,还可以包括:
第一删除单元,用于若跟踪目标匹配失败次数超过第四预设值时,从跟踪目标集合中删除跟踪目标,第四预设值大于第三预设值。
具体实施时,本发明实施例提供的目标车辆检测装置,还可以包括:
第三确定单元,用于根据跟踪目标在当前帧图像中的位置信息,确定跟踪目标在下一帧图像中的第二预测位置信息;
第四确定单元,用于根据第二预测位置信息,确定第二搜索范围信息;
搜索单元,用于在第二搜索范围信息对应的搜索范围内搜索跟踪目标;以及若在第二搜索范围信息对应的搜索范围内未搜索到跟踪目标时,根据跟踪目标在当前帧图像中的位置信息,在下一帧图像中相同位置上搜索跟踪目标。
具体实施时,本发明实施例提供的目标车辆检测装置,还可以包括:
第五确定单元,用于若检测目标集合中的任一检测目标与跟踪目标集合中的所有跟踪目标均不匹配,且检测目标中、目标车辆车牌号码信息不为空时,确定检测目标为新生成目标;
添加单元,用于将检测目标添加至候选目标集合。
具体实施时,本发明实施例提供的目标车辆检测装置,还可以包括第二删除单元,其中:
添加单元,用于针对候选目标集合中的任一候选目标,若候选目标与检测目标集合中的任一检测目标连续匹配成功,且匹配成功次数超过第五预设值时,将候选目标添加至跟踪目标集合中;
第二删除单元,用于从候选目标集合中删除候选目标。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (26)
1.一种目标车辆跟踪方法,其特征在于,包括:
接收当前帧图像;
提取当前帧图像所包含的检测信息;
根据提取到的检测信息确定检测目标,并建立检测目标集合,所述检测目标集合由至少一个检测目标组成;
针对跟踪目标集合中包含的任一跟踪目标,确定该跟踪目标与所述检测目标集合中的任一检测目标互相匹配时,根据所述检测目标包含的检测信息更新该跟踪目标包含的跟踪信息,所述跟踪目标集合为根据历史图像信息获取的。
2.如权利要求1所述的方法,其特征在于,针对跟踪目标集合中包含的任一跟踪目标,按照以下方法确定该跟踪目标与所述检测目标集合中的任一检测目标互相匹配:
针对跟踪目标集合中包含的任一跟踪目标,从检测目标集合中确定与该跟踪目标匹配的检测匹配目标;
针对所述检测匹配目标,从所述跟踪目标集合中确定与该检测目标匹配的跟踪匹配目标;
若确定出的跟踪匹配目标为该跟踪目标时,确定该跟踪目标与所述检测匹配目标互相匹配。
3.如权利要求2所述的方法,其特征在于,针对检测目标集合中包含的每一检测目标,从跟踪目标集合中确定与该检测目标匹配的跟踪匹配目标,具体包括:
针对检测目标集合中的每一检测目标,按照预设匹配规则确定该检测目标与跟踪目标集合中的每一跟踪目标的第一匹配系数;
选择第一匹配系数最大的跟踪目标为跟踪匹配目标。
4.如权利要求2所述的方法,其特征在于,针对跟踪目标集合中包含的每一跟踪目标,从所述检测目标集合中确定与该跟踪目标匹配的检测匹配目标,具体包括:
针对所述跟踪目标集合中的每一跟踪目标,按照预设匹配规则确定该跟踪目标与所述检测目标集合中的每一检测目标的第二匹配系数;
选择第二匹配系数最大的检测目标为检测匹配目标。
5.如权利要求3或4所述的方法,其特征在于,所述检测信息包括目标车辆车牌的号码信息和位置信息;以及
按照以下步骤确定第一匹配系数或者第二匹配系数:
针对任一检测目标或者跟踪目标,获取该检测目标或者跟踪目标在当前帧的第一预测位置信息,所述第一预测位置信息根据上一帧图像中所述检测目标或者跟踪目标的位置信息确定;
根据所述第一预测位置信息,确定第一搜索范围信息;
判断所述第一搜索范围信息对应的搜索范围内是否包含检测信息;
在判断结果为是时,按照以下公式确定第一匹配子系数:
Coff_1为第一匹配子系数;
V_Width为当前帧图像宽度;
V_Height为当前帧图像高度;
TxDist为所述检测目标的质心与所述跟踪目标的质心在水平方向上的间距;
Ty_Dist为所述检测目标的质心与所述跟踪目标的质心在垂直方向上的间距;
在判断结果为否时,判定所述检测目标与所述跟踪目标或者所述跟踪目标与所述检测目标不匹配,且不再执行后续步骤;
确定所述检测目标的目标车牌号码与所述跟踪目标的目标车牌号码或者将所述跟踪目标的目标车牌号码与所述检测目标的目标车牌号码进行字符串匹配,确定匹配成功的字符数量;
并按照以下公式确定第二匹配子系数:
Coff_2为第二匹配子系数;
SubStrLen为匹配成功的字符数量;
StrLen为预设字符长度;
Th_1为第一预设值;
按照以下公式确定第三匹配子系数:
Coff_3为第三匹配子系数;
ObjMean为所述检测目标或者所述跟踪目标的目标车牌灰度均值;
ObjDiff为所述检测目标或者所述跟踪目标的目标车牌灰度方差;
统计参与匹配的跟踪目标匹配失败的次数;
按照以下公式确定第四匹配子系数:
Coff_4为第四匹配子系数;
FailFrms为参与匹配的跟踪目标匹配失败的次数;
Th_2为第二预设值;
根据确定出的第一匹配子系数、第二匹配子系数、第三匹配子系数和第四匹配子系数,按照以下公式确定第一匹配系数或者第二匹配系数:
Coff=α*Coff_1+β*Coff_2+γ*Coff_3+δ*Coff_4,其中:
Coff为第一匹配系数或者第二匹配系数;
α、β、γ、δ分别为预设的权重系数,且α+β+γ+δ=1。
6.如权利要求5所述的方法,其特征在于,若检测目标的目标车牌号码与所述跟踪目标的目标车牌号码包含的字符位置与内容一致时,确定所述字符匹配成功。
7.如权利要求5所述的方法,其特征在于,若所述第二匹配子系数为1时,确定所述检测目标与所述跟踪目标或者所述跟踪目标与所述检测目标匹配,且不再执行后续步骤。
8.如权利要求5所述的方法,其特征在于,针对任一检测目标或者跟踪目标,获取该检测目标或者跟踪目标在当前帧的第一预测位置信息,具体包括:
针对任一检测目标或者跟踪目标,确定所述检测目标或者跟踪目标在上一帧图像中的位置信息;
利用预设的卡尔曼滤波器确定所述检测目标或者跟踪目标在当前帧的第一预测位置信息,定义目标车辆运动状态向量为Xk=[xk,yk,vxk,vyk]T,观测状态向量为Zk=[xk,yk]T,其中:xk、yk表示目标车辆车牌位置信息,vxk、vyk表示目标车辆的运动速度,k表示处理次数,则所述卡尔曼滤波器的相关系数定义如下:
状态转移矩阵A: dt为两次迭代处理的间隔时间;
观测矩阵H:
过程噪声协方差矩阵Q:
观测噪声协方差矩阵R:
初始先验估计误差协方差矩阵P0:
9.如权利要求5所述的方法,其特征在于,还包括:
若跟踪目标集合中的任一跟踪目标与所述检测目标集合中的所有检测目标均不匹配时,确定所述跟踪目标匹配失败;
记录所述跟踪目标匹配失败次数;
若所述跟踪目标匹配失败次数超过第三预设值时,确定所述跟踪目标丢失。
10.如权利要求9所述的方法,其特征在于,还包括:
若所述跟踪目标匹配失败次数超过第四预设值时,从所述跟踪目标集合中删除所述跟踪目标,所述第四预设值大于所述第三预设值。
11.如权利要求9所述的方法,其特征在于,确定所述跟踪目标丢失后,还包括:
根据所述跟踪目标在当前帧图像中的位置信息,确定所述跟踪目标在下一帧图像中的第二预测位置信息;
根据所述第二预测位置信息,确定第二搜索范围信息;
在所述第二搜索范围信息对应的搜索范围内搜索所述跟踪目标;以及
若在所述第二搜索范围信息对应的搜索范围内未搜索到所述跟踪目标时,根据所述跟踪目标在当前帧图像中的位置信息,在下一帧图像中相同位置上搜索所述跟踪目标。
12.如权利要求5所述的方法,其特征在于,还包括:
若所述检测目标集合中的任一检测目标与所述跟踪目标集合中的所有跟踪目标均不匹配,且所述检测目标中、目标车辆车牌号码信息不为空时,确定所述检测目标为新生成目标;
将所述检测目标添加至候选目标集合。
13.如权利要求12所述的方法,其特征在于,还包括:
针对候选目标集合中的任一候选目标,若所述候选目标与所述检测目标集合中的任一检测目标连续匹配成功,且匹配成功次数超过第五预设值时,将所述候选目标添加至跟踪目标集合中;并
从所述候选目标集合中删除所述候选目标。
14.一种目标车辆跟踪装置,其特征在于,包括:
接收单元,用于接收当前帧图像;
提取单元,用于提取当前帧图像所包含的检测信息;
生成单元,用于根据提取到的检测信息确定检测目标,并建立检测目标集合,所述检测目标集合由至少一个检测目标组成;
更新单元,用于针对跟踪目标集合中包含的任一跟踪目标,确定该跟踪目标与所述检测目标集合中的任一检测目标互相匹配时,根据所述检测目标包含的检测信息更新该跟踪目标包含的跟踪信息,所述跟踪目标集合为根据历史图像信息获取的。
15.如权利要求14所述的装置,其特征在于,所述更新单元,包括:
第一确定子单元,用于针对跟踪目标集合中包含的任一跟踪目标,从检测目标集合中确定与该跟踪目标匹配的检测匹配目标;
第二确定子单元,用于针对所述检测匹配目标,从所述跟踪目标集合中确定与该检测目标匹配的跟踪匹配目标;
第三确定子单元,用于若确定出的跟踪匹配目标为该跟踪目标时,确定该跟踪目标与所述检测匹配目标互相匹配。
16.如权利要求15所述的装置,其特征在于,所述第一确定子单元,包括:
第一确定模块,用于针对检测目标集合中的每一检测目标,按照预设匹配规则确定该检测目标与跟踪目标集合中的每一跟踪目标的第一匹配系数;
第一选择模块,用于选择第一匹配系数最大的跟踪目标为跟踪匹配目标。
17.如权利要求15所述的装置,其特征在于,所述第二确定子单元,包括:
第二确定模块,用于针对所述跟踪目标集合中的每一跟踪目标,按照预设匹配规则确定该跟踪目标与所述检测目标集合中的每一检测目标的第二匹配系数;
第二选择模块,用于选择第二匹配系数最大的检测目标为检测匹配目标。
18.如权利要求16或17所述的装置,其特征在于,所述检测信息包括目标车辆车牌的号码信息和位置信息;以及
所述第一确定模块或者第二确定模块,包括:
第一匹配子系数确定子模块,用于针对任一检测目标或者跟踪目标,获取该检测目标或者跟踪目标在当前帧的第一预测位置信息,所述第一预测位置信息根据上一帧图像中所述检测目标或者跟踪目标的位置信息确定;根据所述第一预测位置信息,确定第一搜索范围信息;判断所述第一搜索范围信息对应的搜索范围内是否包含检测信息;在判断结果为是时,按照以下公式确定第一匹配子系数: 其中:Coff_1为第一匹配子系数;V_Width为当前帧图像宽度;V_Heighi为当前帧图像高度;Tx_Dist为所述检测目标的质心与所述跟踪目标的质心在水平方向上的间距;Ty_Dist为所述检测目标的质心与所述跟踪目标的质心在垂直方向上的间距;在判断结果为否时,判定所述检测目标与所述跟踪目标或者所述跟踪目标与所述检测目标不匹配;
第二匹配子系数确定子模块,用于确定所述检测目标的目标车牌号码与所述跟踪目标的目标车牌号码或者将所述跟踪目标的目标车牌号码与所述检测目标的目标车牌号码进行字符串匹配,确定匹配成功的字符数量;并按照以下公式确定第二匹配子系数: 其中:Coff_2为第二匹配子系数;SubStrLen为匹配成功的字符数量;StrLen为预设字符长度;
Th_1为第一预设值;
第三匹配子系数确定子模块,用于按照以下公式确定第三匹配子系数:其中:Coff_3为第三匹配子系数;ObjMean为所述检测目标或者所述跟踪目标的目标车牌灰度均值;ObjDiff为所述检测目标或者所述跟踪目标的目标车牌灰度方差;
第四匹配子系数确定子模块,用于统计参与匹配的跟踪目标匹配失败的次数;按照以下公式确定第四匹配子系数: 其中:Coff_4为第四匹配子系数;FailFrms为参与匹配的跟踪目标匹配失败的次数;Th_2为第二预设值;
匹配系数确定子模块,用于根据确定出的第一匹配子系数、第二匹配子系数、第三匹配子系数和第四匹配子系数,按照以下公式确定第一匹配系数或者第二匹配系数:Coff=α*Coff_1+β*Coff_2+γ*Coff_3+δ*Coff_4,其中:Coff为第一匹配系数或者第二匹配系数;α、β、γ、δ分别为预设的权重系数,且α+β+γ+δ=1。
19.如权利要求18所述的装置,其特征在于,
所述第二匹配子系数确定子模块,具体用于检测目标的目标车牌号码与所述跟踪目标的目标车牌号码包含的字符位置与内容一致时,确定所述字符匹配成功。
20.如权利要求18所述的装置,其特征在于,
所述第二匹配子系数确定子模块,具体用于若所述第二匹配子系数为1时,确定所述检测目标与所述跟踪目标或者所述跟踪目标与所述检测目标匹配。
21.如权利要求18所述的装置,其特征在于,
所述第一匹配子系数确定子模块,具体用于针对任一检测目标或者跟踪目标,确定所述检测目标或者跟踪目标在上一帧图像中的位置信息;并利用预设的卡尔曼滤波器确定所述检测目标或者跟踪目标在当前帧的第一预测位置信息,定义目标车辆运动状态向量为Xk=[xk,yk,vxk,vyk]T,观测状态向量为Zk=[xk,yk]T,其中:xk、yk表示目标车辆车牌位置信息,vxk、vyk表示目标车辆的运动速度,k表示处理次数,则所述卡尔曼滤波器的相关系数定义如下:
状态转移矩阵A: dy为两次迭代处理的间隔时间;
观测矩阵H:
过程噪声协方差矩阵Q:
观测噪声协方差矩阵R:
初始先验估计误差协方差矩阵P0:
22.如权利要求18所述的装置,其特征在于,还包括:
第一确定单元,用于若跟踪目标集合中的任一跟踪目标与所述检测目标集合中的所有检测目标均不匹配时,确定所述跟踪目标匹配失败;
记录单元,用于记录所述跟踪目标匹配失败次数;
第二确定单元,用于若所述跟踪目标匹配失败次数超过第三预设值时,确定所述跟踪目标丢失。
23.如权利要求22所述的装置,其特征在于,还包括:
第一删除单元,用于若所述跟踪目标匹配失败次数超过第四预设值时,从所述跟踪目标集合中删除所述跟踪目标,所述第四预设值大于所述第三预设值。
24.如权利要求22所述的装置,其特征在于,还包括:
第三确定单元,用于根据所述跟踪目标在当前帧图像中的位置信息,确定所述跟踪目标在下一帧图像中的第二预测位置信息;
第四确定单元,用于根据所述第二预测位置信息,确定第二搜索范围信息;
搜索单元,用于在所述第二搜索范围信息对应的搜索范围内搜索所述跟踪目标;以及若在所述第二搜索范围信息对应的搜索范围内未搜索到所述跟踪目标时,根据所述跟踪目标在当前帧图像中的位置信息,在下一帧图像中相同位置上搜索所述跟踪目标。
25.如权利要求18所述的装置,其特征在于,还包括:
第五确定单元,用于若所述检测目标集合中的任一检测目标与所述跟踪目标集合中的所有跟踪目标均不匹配,且所述检测目标中、目标车辆车牌号码信息不为空时,确定所述检测目标为新生成目标;
添加单元,用于将所述检测目标添加至候选目标集合。
26.如权利要求25所述的装置,其特征在于,还包括第二删除单元,其中:
所述添加单元,用于针对候选目标集合中的任一候选目标,若所述候选目标与所述检测目标集合中的任一检测目标连续匹配成功,且匹配成功次数超过第五预设值时,将所述候选目标添加至跟踪目标集合中;
所述第二删除单元,用于从所述候选目标集合中删除所述候选目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310011121.1A CN103927508B (zh) | 2013-01-11 | 2013-01-11 | 一种目标车辆跟踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310011121.1A CN103927508B (zh) | 2013-01-11 | 2013-01-11 | 一种目标车辆跟踪方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103927508A true CN103927508A (zh) | 2014-07-16 |
CN103927508B CN103927508B (zh) | 2017-03-22 |
Family
ID=51145724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310011121.1A Active CN103927508B (zh) | 2013-01-11 | 2013-01-11 | 一种目标车辆跟踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103927508B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574384A (zh) * | 2014-12-26 | 2015-04-29 | 北京航天控制仪器研究所 | 一种基于mser和surf特征点匹配的目标丢失再捕获方法 |
CN105741558A (zh) * | 2016-02-05 | 2016-07-06 | 广西科技大学 | 夜视环境下对前方车辆进行双重跟踪的检测方法 |
CN106355603A (zh) * | 2016-08-29 | 2017-01-25 | 深圳市商汤科技有限公司 | 人体跟踪方法和人体跟踪装置 |
CN109087335A (zh) * | 2018-07-16 | 2018-12-25 | 腾讯科技(深圳)有限公司 | 一种人脸跟踪方法、装置和存储介质 |
CN109215393A (zh) * | 2018-11-20 | 2019-01-15 | 中国葛洲坝集团公路运营有限公司 | 一种用于目标区域异常事件监控的方法及系统 |
CN110414495A (zh) * | 2019-09-24 | 2019-11-05 | 图谱未来(南京)人工智能研究院有限公司 | 一种手势识别方法、装置、电子设备及可读存储介质 |
CN110459064A (zh) * | 2019-09-19 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆违法行为检测方法、装置、计算机设备 |
CN110531661A (zh) * | 2019-08-22 | 2019-12-03 | 浙江吉利汽车研究院有限公司 | 一种车辆自动跟驰控制方法、装置及设备 |
CN111079525A (zh) * | 2019-11-05 | 2020-04-28 | 阿里巴巴集团控股有限公司 | 图像处理方法、设备、系统及存储介质 |
CN111243289A (zh) * | 2020-01-21 | 2020-06-05 | 浙江大华技术股份有限公司 | 目标车辆的跟踪方法及装置、存储介质、电子装置 |
CN111815959A (zh) * | 2020-06-19 | 2020-10-23 | 浙江大华技术股份有限公司 | 一种车辆违章的检测方法、装置以及计算机可读存储介质 |
WO2021047492A1 (zh) * | 2019-09-12 | 2021-03-18 | 阿里巴巴集团控股有限公司 | 目标跟踪方法、装置及计算机系统 |
CN112532974A (zh) * | 2020-11-24 | 2021-03-19 | 浙江大华技术股份有限公司 | 串编码技术的编码方法、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251927A (zh) * | 2008-04-01 | 2008-08-27 | 东南大学 | 基于视频技术的车辆检测与跟踪方法 |
US20090087085A1 (en) * | 2007-09-27 | 2009-04-02 | John Eric Eaton | Tracker component for behavioral recognition system |
CN102509457A (zh) * | 2011-10-09 | 2012-06-20 | 青岛海信网络科技股份有限公司 | 一种车辆跟踪的方法及装置 |
-
2013
- 2013-01-11 CN CN201310011121.1A patent/CN103927508B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090087085A1 (en) * | 2007-09-27 | 2009-04-02 | John Eric Eaton | Tracker component for behavioral recognition system |
CN101251927A (zh) * | 2008-04-01 | 2008-08-27 | 东南大学 | 基于视频技术的车辆检测与跟踪方法 |
CN102509457A (zh) * | 2011-10-09 | 2012-06-20 | 青岛海信网络科技股份有限公司 | 一种车辆跟踪的方法及装置 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574384B (zh) * | 2014-12-26 | 2018-04-27 | 北京航天控制仪器研究所 | 一种基于mser和surf特征点匹配的目标丢失再捕获方法 |
CN104574384A (zh) * | 2014-12-26 | 2015-04-29 | 北京航天控制仪器研究所 | 一种基于mser和surf特征点匹配的目标丢失再捕获方法 |
CN105741558A (zh) * | 2016-02-05 | 2016-07-06 | 广西科技大学 | 夜视环境下对前方车辆进行双重跟踪的检测方法 |
CN106355603A (zh) * | 2016-08-29 | 2017-01-25 | 深圳市商汤科技有限公司 | 人体跟踪方法和人体跟踪装置 |
CN106355603B (zh) * | 2016-08-29 | 2019-10-22 | 深圳市商汤科技有限公司 | 人体跟踪方法和人体跟踪装置 |
CN109087335A (zh) * | 2018-07-16 | 2018-12-25 | 腾讯科技(深圳)有限公司 | 一种人脸跟踪方法、装置和存储介质 |
CN109215393A (zh) * | 2018-11-20 | 2019-01-15 | 中国葛洲坝集团公路运营有限公司 | 一种用于目标区域异常事件监控的方法及系统 |
CN110531661B (zh) * | 2019-08-22 | 2021-06-22 | 浙江吉利汽车研究院有限公司 | 一种车辆自动跟驰控制方法、装置及设备 |
CN110531661A (zh) * | 2019-08-22 | 2019-12-03 | 浙江吉利汽车研究院有限公司 | 一种车辆自动跟驰控制方法、装置及设备 |
WO2021047492A1 (zh) * | 2019-09-12 | 2021-03-18 | 阿里巴巴集团控股有限公司 | 目标跟踪方法、装置及计算机系统 |
CN110459064A (zh) * | 2019-09-19 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆违法行为检测方法、装置、计算机设备 |
CN110414495A (zh) * | 2019-09-24 | 2019-11-05 | 图谱未来(南京)人工智能研究院有限公司 | 一种手势识别方法、装置、电子设备及可读存储介质 |
CN111079525A (zh) * | 2019-11-05 | 2020-04-28 | 阿里巴巴集团控股有限公司 | 图像处理方法、设备、系统及存储介质 |
CN111079525B (zh) * | 2019-11-05 | 2023-05-30 | 阿里巴巴集团控股有限公司 | 图像处理方法、设备、系统及存储介质 |
CN111243289A (zh) * | 2020-01-21 | 2020-06-05 | 浙江大华技术股份有限公司 | 目标车辆的跟踪方法及装置、存储介质、电子装置 |
CN111815959A (zh) * | 2020-06-19 | 2020-10-23 | 浙江大华技术股份有限公司 | 一种车辆违章的检测方法、装置以及计算机可读存储介质 |
CN112532974A (zh) * | 2020-11-24 | 2021-03-19 | 浙江大华技术股份有限公司 | 串编码技术的编码方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103927508B (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103927508A (zh) | 一种目标车辆跟踪方法及装置 | |
CN109901156A (zh) | 一种车辆毫米波雷达和摄像头的目标融合方法和装置 | |
CN109087510B (zh) | 交通监测方法及装置 | |
EP3686779B1 (en) | Method and device for attention-based lane detection without post-processing by using lane mask and testing method and testing device using the same | |
CN111145555B (zh) | 一种检测车辆违章的方法和装置 | |
CN109166344A (zh) | 停车场寻车方法以及停车场寻车装置 | |
CN110706247B (zh) | 一种目标跟踪方法、装置及系统 | |
CN104599502A (zh) | 一种基于视频监控的车流量统计方法 | |
CN102567380A (zh) | 在视频图像中检索车辆信息的方法 | |
CN103208008A (zh) | 基于机器视觉的交通视频监控目标检测快速适应方法 | |
CN103927762A (zh) | 一种目标车辆自动跟踪方法及装置 | |
CN110992424B (zh) | 基于双目视觉的定位方法和系统 | |
CN105608417A (zh) | 交通信号灯检测方法及装置 | |
CN103729861A (zh) | 一种多目标跟踪方法 | |
CN114155284A (zh) | 基于多目标行人场景的行人跟踪方法、装置、设备及介质 | |
CN104574993B (zh) | 一种道路监控的方法及装置 | |
CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
CN111311766A (zh) | 基于车牌识别和跟踪技术的路边停车智能收费系统及方法 | |
CN103985257A (zh) | 一种智能交通视频分析方法 | |
CN109427191A (zh) | 一种行驶检测方法及装置 | |
CN111524350A (zh) | 车路协同异常行驶状况检测方法、系统、终端设备及介质 | |
Revilloud et al. | A lane marker estimation method for improving lane detection | |
CN114266805A (zh) | 一种用于无人机目标跟踪的孪生区域建议网络模型 | |
CN104166836A (zh) | 一种基于多特征建模的分块多尺度工程车识别方法及系统 | |
CN113330278A (zh) | 一种导航装置、方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |