CN110866441A - 一种车辆识别、延续追踪方法、装置和路侧系统 - Google Patents

一种车辆识别、延续追踪方法、装置和路侧系统 Download PDF

Info

Publication number
CN110866441A
CN110866441A CN201910936812.XA CN201910936812A CN110866441A CN 110866441 A CN110866441 A CN 110866441A CN 201910936812 A CN201910936812 A CN 201910936812A CN 110866441 A CN110866441 A CN 110866441A
Authority
CN
China
Prior art keywords
vehicle
information
identification
characteristic information
feature
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
Application number
CN201910936812.XA
Other languages
English (en)
Other versions
CN110866441B (zh
Inventor
张帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JD Digital Technology Holdings Co Ltd
Jingdong Technology Holding Co Ltd
Original Assignee
JD Digital Technology Holdings Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JD Digital Technology Holdings Co Ltd filed Critical JD Digital Technology Holdings Co Ltd
Priority to CN201910936812.XA priority Critical patent/CN110866441B/zh
Publication of CN110866441A publication Critical patent/CN110866441A/zh
Application granted granted Critical
Publication of CN110866441B publication Critical patent/CN110866441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种车辆识别、延续追踪方法、装置和路侧系统，该车辆识别方法包括：当识别到第一车辆时，获取第一车辆及预存车辆集合中第二车辆的特征集合，特征集合包括车辆预设特征类型的特征信息，第一特征信息为颜色特征信息，第二特征信息为除颜色特征信息外的特征信息；将第一车辆与第二车辆的第一特征信息进行比对；当第一车辆与第二车辆的第一特征信息相同时，将第一车辆与第二车辆的第二特征信息进行比对；当第一车辆与第二车辆的第二特征信息相同时，确定第一车辆与第二车辆为同一辆车，将第一车辆的车辆标识标注为第二车辆的车辆标识。该技术方案可以提高对道路上车辆的识别效率和准确度。

Description

一种车辆识别、延续追踪方法、装置和路侧系统
技术领域
本发明涉及自动驾驶领域，尤其涉及一种车辆识别、延续追踪方法、装置和路侧系统。
背景技术
随着车联网、5G、云计算等技术的发展，无人驾驶或自动驾驶领域受到越来越多的关注。在路测系统，布置大量摄像装置及计算装置，可以准确地识别道路上行驶的车辆情况。
但是，在道路上，尤其是高速公路上，如何快速地对相同车辆或相同颜色的车辆进行识别，是本发明所要解决的技术问题。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本发明提供了一种车辆识别、延续追踪方法、装置和路侧系统。
第一方面，本发明提供了一种车辆识别方法，包括：
当识别到第一车辆时，获取所述第一车辆及预存车辆集合中第二车辆的特征集合，所述特征集合包括预设特征类型的特征信息，其中，第一特征信息包括颜色特征信息，第二特征信息包括除颜色特征信息外的特征信息；
将所述第一车辆的第一特征信息与所述第二车辆的第一特征信息进行比对；
当确定所述第一车辆的第一特征信息与第二车辆的第一特征信息相同时，将所述第一车辆的第二特征信息与所述第二车辆的第二特征信息进行比对；
当确定所述第一车辆的第二特征信息与所述第二车辆的第二特征信息相同时，确定所述第一车辆与所述第二车辆为同一辆车，将所述第一车辆的车辆标识标注为所述第二车辆的车辆标识。
可选的，所述方法还包括：
当所述第一车辆的第一特征信息与第二车辆的第一特征信息不同，或所述第一车辆的第二特征信息与所述第二车辆的第二特征信息不同时，确定所述第一车辆与所述第二车辆不同，为所述第一车辆创建唯一的车辆标识。可选的，所述方法还包括：
上报所述第一车辆的车辆标识及特征集合。
所述方法还包括：
上报所述第一车辆的识别信息，所述识别信息用于构建所述第一车辆的行驶轨迹信息。
可选的，确定所述第一车辆的第一特征信息与第二车辆的第一特征信息相同，包括：
根据第一车辆的颜色特征信息与第二车辆的颜色特征信息计算色差值；
当所述色差值小于或等于预设阈值时，确定所述第一车辆的第一特征信息与第二车辆的第一特征信息相同。
可选的，所述第二特征信息包括以下至少一类特征信息：车型、尺寸、车牌、标志、贴纸、彩绘、保险杠、发动机盖、窗边晴雨挡、车灯、排气管、尾翼、腰线、尾箱。
可选的，所述方法还包括：
获取拍摄到的图像；
识别所述图像中的物体以及所述物体的体积；
当所述体积符合预设条件时，确定识别到的所述第一车辆。
第二方面，本发明提供了一种车辆识别装置，包括：
获取模块，用于当识别到第一车辆时，获取所述第一车辆及预存车辆集合中第二车辆的特征集合，所述特征集合包括车辆预设特征类型的特征信息，第一特征信息为颜色特征信息，第二特征信息为除颜色特征信息外的特征信息；
第一比对模块，用于将所述第一车辆的第一特征信息与所述第二车辆的第一特征信息进行比对；
第二比对模块，用于当所述第一车辆的第一特征信息与第二车辆的第一特征信息相同时，将所述第一车辆的第二特征信息与所述第二车辆的第二特征信息进行比对；
标注模块，用于当所述第一车辆的第二特征信息与所述第二车辆的第二特征信息相同时，确定所述第一车辆与所述第二车辆为同一辆车，将所述第一车辆的车辆标识标注为所述第二车辆的车辆标识。
第三方面，本发明提供了一种车辆延续追踪方法，包括：
获取第一车辆识别信息，所述识别信息包括：车辆标识、识别所述第一车辆的至少一个边缘计算装置的装置标识及识别时间；
根据所述装置标识查询所述边缘计算装置的装置位置信息；
根据所述装置位置信息分析所述第一车辆的车辆位置信息；
根据所述车辆位置信息和所述识别时间建立所述车辆标识对应的行驶轨迹信息。
第四方面，本发明提供了一种车辆延续追踪装置，包括：
获取模块，用于获取车辆识别信息，所述识别信息包括：车辆标识、识别所述车辆的至少一个边缘计算装置的装置标识及识别时间；
查询模块，用于根据所述装置标识查询所述边缘计算装置的装置位置信息；
分析模块，用于根据所述装置位置信息分析所述车辆的车辆位置信息；
建立模块，用于根据所述车辆位置信息和所述识别时间建立所述车辆标识对应的行驶轨迹信息。
第五方面，本发明提供了一种基于车路协同的路侧系统，包括：
设置于道路上的摄像装置、边缘计算装置和中央计算装置；
所述道路上每第一预设长度设有至少一个摄像装置，拍摄所述第一预设长度的路段；所述至少两个摄像装置与所述边缘计算装置连接；第一预设个数的所述边缘计算装置与一个所述中央计算装置连接；
所述摄像装置，用于对所述路段进行拍摄，将拍摄的图像发送到所述边缘计算装置；
所述边缘计算装置，用于当根据所述图像识别到第一车辆时，获取所述第一车辆及预存车辆集合中第二车辆的特征集合，所述特征集合包括车辆预设特征类型的特征信息，第一特征信息为颜色特征信息，第二特征信息为除颜色特征信息外的特征信息；将所述第一车辆的第一特征信息与所述第二车辆的第一特征信息进行比对；当所述第一车辆的第一特征信息与第二车辆的第一特征信息相同时，将所述第一车辆的第二特征信息与所述第二车辆的第二特征信息进行比对；当所述第一车辆的第二特征信息与所述第二车辆的第二特征信息相同时，确定所述第一车辆与所述第二车辆为同一辆车，将所述第一车辆的车辆标识标注为所述第二车辆的车辆标识；上报所述第一车辆的车辆标识、所述边缘计算装置的装置标识及识别时间到所述中央计算装置；
所述中央计算装置，用于记录所述第一车辆的车辆标识、识别所述第一车辆的所述边缘计算装置的装置标识及识别时间。
可选的，所述边缘计算装置，还用于当所述第一车辆的第一特征信息与第二车辆的第一特征信息不同，或所述第一车辆的第二特征信息与所述第二车辆的第二特征信息不同时，确定所述第一车辆与所述第二车辆不同，为所述第一车辆创建唯一的车辆标识；上报所述第一车辆的车辆标识及特征集合至所述中央计算装置；
所述中央计算装置，还用于将所述第一车辆的车辆标识及特征集合关联存储至所述预存车辆集合中。
可选的，所述中央计算装置，还用于获取第一车辆的车辆标识、识别所述第一车辆的至少一个边缘计算装置的装置标识及识别时间；根据所述装置标识查询所述边缘计算装置的装置位置信息；根据所述装置位置信息确定所述第一车辆的车辆位置信息；根据所述车辆位置信息和所述识别时间建立所述车辆标识对应的行驶轨迹信息。
第六方面，本发明提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行计算机程序时，实现上述方法步骤。
第七方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法步骤。
本发明实施例提供的上述技术方案与现有技术相比具有如下优点：在识别到车辆后，首先通过颜色区分当前识别到的车辆与已识别的预存车辆集合中的车辆，如果颜色不同，则可直接确定当前识别到的车辆不属于预存车辆集合。如果颜色相同，才需要对车辆的其他特征进行比对，已确认是否为同一车辆。这样，可以快速地区分不同颜色的车辆为不同车辆，仅对相同颜色的车辆做进一步的细节特征比对，不仅提高对道路上车辆的识别效率和准确度，也降低边缘计算装置计算量。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于车路协同的路侧系统的框图；
图2为本申请实施例提供的一种基于车路协同的路侧系统的部署示意图；
图3为本申请另一实施例提供的一种基于车路协同的路侧系统的部署示意图；
图4为本发明实施例提供的一种车辆延续追踪方法的流程图；
图5为本发明实施例提供的一种车辆延续追踪装置的框图；
图6为本发明实施例提供的一种车辆识别方法的流程图；
图7为本发明实施例提供的一种车辆识别装置的框图；
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例的车辆识别方法，主要应用于基于车路协同的路侧系统。
车路协同，是指通过无线通讯方式，将交通系统中的所有元素与所有运载工具和路边基础设施连接起来，形成完整的、提供信息动态共享的系统。基于车路协同的路侧系统采集道路上的交通信息，使用边缘计算设备进行识别处理，以及时提供给车辆更加全面准确的辅助信息。
图1为本申请实施例提供的一种基于车路协同的路侧系统的框图。如图1所示，基于车路协同的路侧系统包括：设置于道路上的摄像装置、边缘计算装置和中央计算装置。道路上每第一预设长度设有至少一个摄像装置10，拍摄第一预设长度的路段；至少两个摄像装置10与边缘计算装置20连接；第一预设个数的边缘计算装置20与一个中央计算装置30连接。
摄像装置10，用于将拍摄的图像上传到与之连接的边缘计算装置。边缘计算装置20，用于对图像进行识别处理，将识别结果发送到与之连接的中央计算装置。中央计算装置30，用于根据识别结果进行数据处理。其中，边缘计算装置可以为边缘计算工控机，中央计算装置可以为边缘计算工作站。
图2为本申请实施例提供的一种基于车路协同的路侧系统的部署示意图。如图2所示，在高速公路上，其中，道路上每第一预设长度设有至少一个摄像装置10，拍摄第一预设长度的路段。至少两个摄像装置10与边缘计算装置20连接。第一预设个数的边缘计算装置20与一个中央计算装置30连接。
例如，可以每100米路段的两端分别设有1个摄像装置10。这2个摄像装置10相对拍摄，拍摄该100米路段。同时，这2个摄像装置10与1个边缘计算装置20连接。5个边缘计算装置20与1个中央计算装置30连接。
图3为本申请另一实施例提供的一种基于车路协同的路侧系统的部署示意图。如图3所示，在路口，每一侧设有至少两个摄像装置10，摄像装置10朝向路口进行拍摄。每一侧设置的摄像装置10与一个边缘计算装置20连接。每个边缘计算装置20均与1个中央计算装置连接。
例如，十字路口的每一侧设有2个摄像装置10，每一侧的2个摄像装置与一个边缘计算装置20连接。该十字路口工设有4个边缘计算装置20，这4个边缘计算装置20均与1个中央计算装置30连接。
另外，摄像装置10和边缘计算装置20与以太网供电交换机41连接，中央计算装置30与核心以太网供电交换机42连接。
边缘计算装置20和中央计算装置30均可与云服务器连接，将图像识别结果或数据处理结果上传的云服务器，或接收云服务器下发的指令或数据。
通过上述路侧系统，可以实现对车辆的延续追踪。
其中，摄像装置10对路段进行拍摄，将拍摄的图像发送到边缘计算装置20，边缘计算装置20从图像中识别出车辆，实时或周期性将该车辆的识别信息上报的中央计算装置30，中央计算装置30则根据识别信息构建车辆的行驶轨迹信息。通过整个路侧系统实现了在道路上对车辆的延续追踪。
图4为本发明实施例提供的一种车辆延续追踪方法的流程图。如图4所示，应用于中央计算装置30的车辆延续追踪方法，包括以下步骤：
步骤S41，获取车辆识别信息，该识别信息包括：车辆标识、识别该车辆的边缘计算装置的装置标识及识别时间。
步骤S42，根据装置标识查询边缘计算装置的装置位置信息；
步骤S43，根据装置位置信息分析车辆的车辆位置信息；
步骤S44，根据车辆位置信息和识别时间建立车辆标识对应的行驶轨迹信息。
其中，中央计算装置30根据边缘计算装置20的装置标识及识别时间可以确定车辆的行驶信息，如位置、速度等等。每个边缘计算装置的位置是固定的，根据装置标识确定该边缘计算装置的具体位置，从而可以通过边缘计算装置的位置估算出在上报时间该车辆的位置信息。根据两次上报该车辆标识的边缘计算装置的位置及上报时间还可以进一步估算出车辆的行驶速度。这样，可以根据车辆的行驶信息可以建立该车辆的行驶轨迹，从而实现对同一车辆的延续追踪。
本实施例中，通过多个边缘计算装置上报的车辆识别信息，中央计算装置可以为同一车辆建立行驶轨迹，从而实现对车辆的延续追踪。
本发明实施例还提供装置实施例，可以用于执行上述车辆延续追踪方法实施例。该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。
图5为本发明实施例提供的一种车辆延续追踪装置的框图，如图5所示，该车辆延续追踪装置应用于中央计算装置，包括：
获取模块51，用于获取车辆的车辆标识、识别第一车辆的至少一个边缘计算装置的装置标识及识别时间；
查询模块52，用于根据装置标识查询边缘计算装置的装置位置信息；
分析模块53，用于根据装置位置信息分析车辆的车辆位置信息；
建立模块54，用于根据车辆位置信息和识别时间建立车辆标识对应的行驶轨迹信息。
本实施例的装置，通过多个边缘计算装置上报的车辆标识、装置标识及时间信息，分析车辆的行驶信息，为同一车辆建立行驶轨迹，从而实现对车辆的延续追踪。本发明实施例还提供的一种车辆识别方法，应用于上述边缘计算装置，基于摄像装置拍摄的图像对车辆进行识别。
图6为本发明实施例提供的一种车辆识别方法的流程图。如图6所示，该方法包括以下步骤：
步骤S61，当识别到第一车辆时，获取第一车辆及预存车辆集合中第二车辆的特征集合，特征集合包括预设特征类型的特征信息，其中，第一特征信息包括颜色特征信息，第二特征信息包括除颜色特征信息外的特征信息。
步骤S62，将第一车辆的第一特征信息与第二车辆的第一特征信息进行比对。
步骤S63，当第一车辆的第一特征信息与第二车辆的第一特征信息相同时，将第一车辆的第二特征信息与第二车辆的第二特征信息进行比对。
步骤S64，当第一车辆的第二特征信息与第二车辆的第二特征信息相同时，确定第一车辆与第二车辆为同一辆车，将第一车辆的车辆标识标注为第二车辆的车辆标识。
另外，该方法还包括：步骤S65，当第一车辆的第一特征信息与第二车辆的第一特征信息不同，或第一车辆的第二特征信息与第二车辆的第二特征信息不同时，确定第一车辆与第二车辆不同，为第一车辆创建唯一的车辆标识。
本实施例中，边缘计算装置从摄像装置拍摄的图像中识别到车辆后，提取车辆的特征。首先通过颜色区分当前识别到的车辆与已识别的预存车辆集合中的车辆，如果颜色不同，则可直接确定当前识别到的车辆不属于预存车辆集合。如果颜色相同，才需要对车辆的其他特征进行比对，已确认是否为同一车辆。这样，可以快速地区分不同颜色的车辆为不同车辆，仅对相同颜色的车辆做进一步的细节特征比对，不仅提高对道路上车辆的识别效率和准确度，也降低边缘计算装置计算量。
在另一实施例中，该方法还包括：上报第一车辆的车辆标识及特征集合。
本实施例中，对于不属于预存车辆集合的车辆，边缘计算装置将其车辆标识及特征集合上报到中央计算装置，中央计算装置将该车辆的车辆标识及特征集合下发到其他边缘计算装置，并更新预存车辆集合。这样，在该车辆行驶过程中，其他边缘计算装置可以快速地确认该车辆为已识别到的车辆，可直接记录该车辆的车辆标识。
另外，为实现对车辆的延续追踪，边缘计算装置可以上报第一车辆的识别信息到中央计算装置。该识别信息包括：车辆标识、识别第一车辆的边缘计算装置的装置标识及识别时间。中央计算装置基于识别信息，可以分析得到该第一车辆的行驶轨迹，从而实现对第一车辆的延续追踪。
其中，步骤S64中确定第一车辆的第一特征信息与第二车辆的第一特征信息相同，包括：
根据第一车辆的颜色特征信息与第二车辆的颜色特征信息计算色差值；
当色差值小于或等于预设阈值时，确定第一车辆的第一特征信息与第二车辆的第一特征信息相同。
本实施例中，基于实际环境光线或摄像装置的差别，从同一车辆多次拍摄的图像中识别到车辆的颜色可能有差别，因此，在比对颜色时可设定色差的阈值，以避免对同一车辆误识别为不同车辆，提高车辆识别的准确度。
本实施例中，第二特征信息包括以下至少一类特征信息：车型、尺寸、车牌、标志、贴纸、彩绘、保险杠、发动机盖、窗边晴雨挡、车灯、排气管、尾翼、腰线、尾箱。
在另一实施例中，该方法还包括以下步骤：
获取拍摄到的图像；
识别图像中的物体以及物体的体积；
当体积符合预设条件时，确定识别到的第一车辆。
其中，预设条件可以为车辆的体积参数范围，可以通过体积确定从图象中识别到的物体是否为车辆。本实施例中，无需具体分析图像中物体的形状等特征进行分析，提高了车辆的识别速度。
本实施例中，当识别到第一车辆时，该方法还包括：
获取预存车辆集合的特征集合对应的预设特征类型；提取第一车辆对应的预设特征类型的特征信息，得到第一车辆的特征集合。
对于每一个车辆，所提取得特征类型均相同，例如，每辆车的特征集合包括如下特征：颜色、车牌、标志、贴纸。
下述为本发明装置实施例，可以用于执行本公开上述车辆识别方法实施例。该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。
图7为本发明实施例提供的一种车辆识别装置的框图，如图7所示，该车辆识别装置包括：
获取模块71，用于当识别到第一车辆时，获取第一车辆及预存车辆集合中第二车辆的特征集合，特征集合包括车辆预设特征类型的特征信息，第一特征信息为颜色特征信息，第二特征信息为除颜色特征信息外的特征信息；
第一比对模块72，用于将第一车辆的第一特征信息与第二车辆的第一特征信息进行比对；
第二比对模块73，用于当第一车辆的第一特征信息与第二车辆的第一特征信息相同时，将第一车辆与的第二特征信息第二车辆的第二特征信息进行比对；
标注模块74，用于当第一车辆的第二特征信息与第二车辆的第二特征信息相同时，确定第一车辆与第二车辆为同一辆车，将第一车辆的车辆标识标注为第二车辆的车辆标识。
本实施例中，该装置首先通过颜色区分当前识别到的车辆与已识别的预存车辆集合中的车辆，如果颜色不同，则可直接确定当前识别到的车辆不属于预存车辆集合。如果颜色相同，才需要对车辆的其他特征进行比对，已确认是否为同一车辆。这样，可以快速地区分不同颜色的车辆为不同车辆，仅对相同颜色的车辆做进一步的细节特征比对，不仅提高对道路上车辆的识别效率，也降低边缘计算装置的计算量。
下述为本发明系统实施例，通过上述基于车路协同的路侧系统实现上述方法实施例。
如图1所示，该基于车路协同的路侧系统包括：设置于道路上的摄像装置10、边缘计算装置20和中央计算装置30。
其中，道路上每第一预设长度设有至少一个摄像装置10，拍摄第一预设长度的路段。每个预设长度上设置的摄像装置10与一个边缘计算装置20连接。第一预设个数的边缘计算装置20与一个中央计算装置30连接。
其中，摄像装置10，用于对路段进行拍摄，将拍摄的图像发送到边缘计算装置。
边缘计算装置20，用于当根据图像识别到第一车辆时，获取第一车辆及预存车辆集合中第二车辆的特征集合，特征集合包括车辆预设特征类型的特征信息，第一特征信息为颜色特征信息，第二特征信息为除颜色特征信息外的特征信息；将第一车辆的第一特征信息与第二车辆的第一特征信息进行比对；当第一车辆的第一特征信息与第二车辆的第一特征信息相同时，将第一车辆的第二特征信息与第二车辆的第二特征信息进行比对；当第一车辆的第二特征信息与第二车辆的第二特征信息相同时，确定第一车辆与第二车辆为同一辆车，将第一车辆的车辆标识标注为第二车辆的车辆标识；上报第一车辆的车辆标识、边缘计算装置的装置标识及识别时间到中央计算装置30。
中央计算装置30，用于记录第一车辆的车辆标识，识别第一车辆的边缘计算装置的装置标识及识别时间。
其中，边缘计算装置20，还用于当第一车辆的第一特征信息与第二车辆的第一特征信息不同，或第一车辆的第二特征信息与第二车辆的第二特征信息不同时，确定第一车辆与第二车辆不同，为第一车辆创建唯一的车辆标识；上报第一车辆的车辆标识及特征集合至中央计算装置30。中央计算装置30，还用于将第一车辆的车辆标识及特征集合关联存储至预存车辆集合中。
本实施例的路侧系统，可以快速地区分不同颜色的车辆为不同车辆，仅对相同颜色的车辆做进一步的细节特征比对，不仅提高对道路上车辆的识别效率，也降低边缘计算装置计算量。
可选的，中央计算装置30，还用于当预存车辆集合变更时，将预存车辆集合同步到边缘计算装置20。
可选的，中央计算装置30，还用于获取第一车辆的车辆标识、识别第一车辆的至少一个边缘计算装置的装置标识及识别时间；根据装置标识查询边缘计算装置的装置位置信息；根据装置位置信息确定第一车辆的车辆位置信息；根据车辆位置信息和识别时间建立车辆标识对应的行驶轨迹信息。
本实施例的路侧系统中，中央计算装置通过多个边缘计算装置上报的车辆标识、装置标识及时间信息，分析车辆的行驶信息，根据行驶信息为同一车辆建立行驶轨迹，从而实现对车辆的延续追踪。
下面以一个具体的实例对本发明进行详细说明。
在高速公路场景下，基于车路协同的路侧系统中，边缘计算装置20根据摄像装置10拍摄的图像识别到车辆A，通过图像提取车辆A的特征集合Ca包括：
颜色-红色，车型-轿车，尺寸-长4.9米、宽1.8米、高1.43米，车牌-京A12345，标志图形以及贴纸图形。
边缘计算装置20中存储有预存车辆集合，首先将车辆A的颜色与预存车辆集合中的车辆的颜色进行比对，如果预存车辆集合中所有车辆颜色均与车辆A不同，则可确认车辆A为未识别过的新车辆。边缘计算装置20为车辆A创建唯一车辆标识IDa，如C000000003571，在自身存储的预存车辆集合中添加车辆A的车辆标识IDa及上述特征集合Ca，并将该车辆标识IDa及上述特征集合Ca上传到中央计算装置30。中央计算装置30车辆A的车辆标识IDa及上述特征集合Ca添加到预存车辆集合后，同步到于其连接的其他边缘计算装置20。
如果预存车辆集合中存在车辆B与车辆A颜色相同，则进一步比对车辆B和车辆A的其他特征，若其他特征均相同，则车辆B和车辆A为同一车辆。边缘计算装置20获取该车辆B的车辆标识IDb，将该车辆标识IDb作为车辆A的车辆标识上报中央计算装置30。中央计算装置30可以记录该车辆标识IDb，识别该车辆标识IDb的边缘计算装置20的装置标识及识别时间。
对于车辆标识IDb的车辆A(B)，中央计算装置30可以根据记录的装置标识查询识别到该车辆A的边缘计算装置20的装置位置信息，根据装置位置信息确定车辆A的车辆位置信息。通过车辆位置信息及对应的识别时间确定车辆A的行驶信息，建立车辆A的行驶轨迹。
中央计算装置30记录的车辆A对应的装置标识和识别时间如下表1所示，
表1
装置标识 识别时间
IPC000034 8:37:46
IPC000036 8:38:05
IPC000037 8:38:51
IPC000039 8:40:12
IPC000040 8:41:03
IPC000041 8:41:57
IPC000042 8:42:40
根据装置标识查询到各个边缘计算装置在高速公路上的位置，该位置可以为边缘计算装置的GPS定位信息，或与高速公路最近入口的距离等等。如下表2所示，
表2
装置标识 识别时间 边缘计算装置位置
IPC000034 8:37:46 100米
IPC000036 8:38:05 200米
IPC000037 8:38:51 300米
IPC000039 8:40:12 500米
IPC000040 8:41:03 600米
IPC000041 8:41:57 700米
IPC000042 8:42:40 800米
可将车辆位置确定为边缘计算装置位置，则基于识别时间和车辆位置信息，就可以建立车辆的行驶轨迹。另外，还可计算车辆的行驶速度，是否正常行驶等行驶信息。
本实施例的路侧系统，可以实现对道路上相同或不同车辆的快速、准确识别，也降低边缘计算装置计算量。另外，通过多个边缘计算装置上报的车辆标识、装置标识及时间信息，分析车辆的行驶信息，根据行驶信息为同一车辆建立行驶轨迹，从而实现对车辆的延续追踪。
本发明实施例还提供一种电子设备，如图8所示，电子设备可以包括：处理器1501、通信接口1502、存储器1503和通信总线1504，其中，处理器1501，通信接口1502，存储器1503通过通信总线1504完成相互间的通信。
存储器1503，用于存放计算机程序；
处理器1501，用于执行存储器1503上所存放的计算机程序时，实现以下上述方法实施例的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(PeripheralComponentInterconnect，P C I)总线或扩展工业标准结构(Extended IndustryStandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下上述方法实施例的步骤。
需要说明的是，对于上述装置、电子设备及计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
进一步需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (16)

1.一种车辆识别方法，其特征在于，包括：
当识别到第一车辆时，获取所述第一车辆及预存车辆集合中第二车辆的特征集合，所述特征集合包括预设特征类型的特征信息，其中，第一特征信息包括颜色特征信息，第二特征信息包括除颜色特征信息外的特征信息；
将所述第一车辆的第一特征信息与所述第二车辆的第一特征信息进行比对；
当确定所述第一车辆的第一特征信息与第二车辆的第一特征信息相同时，将所述第一车辆的第二特征信息与所述第二车辆的第二特征信息进行比对；
当确定所述第一车辆的第二特征信息与所述第二车辆的第二特征信息相同时，确定所述第一车辆与所述第二车辆为同一辆车，将所述第一车辆的车辆标识标注为所述第二车辆的车辆标识。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第一车辆的第一特征信息与第二车辆的第一特征信息不同，或所述第一车辆的第二特征信息与所述第二车辆的第二特征信息不同时，确定所述第一车辆与所述第二车辆不同，为所述第一车辆创建唯一的车辆标识。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
上报所述第一车辆的车辆标识及特征集合。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述方法还包括：
上报所述第一车辆的识别信息，所述识别信息用于构建所述第一车辆的行驶轨迹信息。
5.根据权利要求1-4中任一项所述的方法，其特征在于，确定所述第一车辆的第一特征信息与第二车辆的第一特征信息相同，包括：
根据第一车辆的颜色特征信息与第二车辆的颜色特征信息计算色差值；
当所述色差值小于或等于预设阈值时，确定所述第一车辆的第一特征信息与第二车辆的第一特征信息相同。
6.根据权利要求5所述的方法，其特征在于，所述第二特征信息包括以下至少一类特征信息：车型、尺寸、车牌、标志、贴纸、彩绘、保险杠、发动机盖、窗边晴雨挡、车灯、排气管、尾翼、腰线、尾箱。
7.根据权利要求1所述的方法，其特征在于，当识别到第一车辆时，所述方法还包括：
获取所述预存车辆集合的特征集合对应的预设特征类型；
提取所述第一车辆对应的所述预设特征类型的特征信息，得到所述第一车辆的特征集合。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取拍摄到的图像；
识别所述图像中的物体以及所述物体的体积；
当所述体积符合预设条件时，确定识别到的所述第一车辆。
9.一种车辆识别装置，其特征在于，包括：
获取模块，用于当识别到第一车辆时，获取所述第一车辆及预存车辆集合中第二车辆的特征集合，所述特征集合包括车辆预设特征类型的特征信息，第一特征信息为颜色特征信息，第二特征信息为除颜色特征信息外的特征信息；
第一比对模块，用于将所述第一车辆的第一特征信息与所述第二车辆的第一特征信息进行比对；
第二比对模块，用于当所述第一车辆的第一特征信息与第二车辆的第一特征信息相同时，将所述第一车辆的第二特征信息与所述第二车辆的第二特征信息进行比对；
标注模块，用于当所述第一车辆的第二特征信息与所述第二车辆的第二特征信息相同时，确定所述第一车辆与所述第二车辆为同一辆车，将所述第一车辆的车辆标识标注为所述第二车辆的车辆标识。
10.一种车辆延续追踪方法，其特征在于，包括：
获取车辆识别信息，所述识别信息包括：车辆标识、识别所述车辆的至少一个边缘计算装置的装置标识及识别时间；
根据所述装置标识查询所述边缘计算装置的装置位置信息；
根据所述装置位置信息分析所述车辆的车辆位置信息；
根据所述车辆位置信息和所述识别时间建立所述车辆标识对应的行驶轨迹信息。
11.一种车辆延续追踪装置，其特征在于，包括：
获取模块，用于获取车辆识别信息，所述识别信息包括：车辆标识、识别所述车辆的至少一个边缘计算装置的装置标识及识别时间；
查询模块，用于根据所述装置标识查询所述边缘计算装置的装置位置信息；
分析模块，用于根据所述装置位置信息分析所述车辆的车辆位置信息；
建立模块，用于根据所述车辆位置信息和所述识别时间建立所述车辆标识对应的行驶轨迹信息。
12.一种基于车路协同的路侧系统，其特征在于，包括：设置于道路上的摄像装置、边缘计算装置和中央计算装置；
所述道路上每第一预设长度设有至少一个摄像装置，拍摄所述第一预设长度的路段；所述至少两个摄像装置与所述边缘计算装置连接；第一预设个数的所述边缘计算装置与一个所述中央计算装置连接；
所述摄像装置，用于对所述路段进行拍摄，将拍摄的图像发送到所述边缘计算装置；
所述边缘计算装置，用于当根据所述图像识别到第一车辆时，获取所述第一车辆及预存车辆集合中第二车辆的特征集合，所述特征集合包括车辆预设特征类型的特征信息，第一特征信息为颜色特征信息，第二特征信息为除颜色特征信息外的特征信息；将所述第一车辆的第一特征信息与所述第二车辆的第一特征信息进行比对；当所述第一车辆的第一特征信息与第二车辆的第一特征信息相同时，将所述第一车辆的第二特征信息与所述第二车辆的第二特征信息进行比对；当所述第一车辆的第二特征信息与所述第二车辆的第二特征信息相同时，确定所述第一车辆与所述第二车辆为同一辆车，将所述第一车辆的车辆标识标注为所述第二车辆的车辆标识；上报所述第一车辆的车辆标识、所述边缘计算装置的装置标识及识别时间到所述中央计算装置；
所述中央计算装置，用于记录所述第一车辆的车辆标识、识别所述第一车辆的所述边缘计算装置的装置标识及识别时间。
13.根据权利要求12所述的系统，其特征在于，
所述边缘计算装置，还用于当所述第一车辆的第一特征信息与第二车辆的第一特征信息不同，或所述第一车辆的第二特征信息与所述第二车辆的第二特征信息不同时，确定所述第一车辆与所述第二车辆不同，为所述第一车辆创建唯一的车辆标识；上报所述第一车辆的车辆标识及特征集合至所述中央计算装置；
所述中央计算装置，还用于将所述第一车辆的车辆标识及特征集合关联存储至所述预存车辆集合中。
14.根据权利要求12或13所述的系统，其特征在于，
所述中央计算装置，还用于获取第一车辆的车辆标识、识别所述第一车辆的至少一个边缘计算装置的装置标识及识别时间；根据所述装置标识查询所述边缘计算装置的装置位置信息；根据所述装置位置信息确定所述第一车辆的车辆位置信息；根据所述车辆位置信息和所述识别时间建立所述车辆标识对应的行驶轨迹信息。
15.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述计算机程序时，实现权利要求1-8，10任一项所述的方法步骤。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-8，10任一项所述的方法步骤。
CN201910936812.XA 2019-09-29 2019-09-29 一种车辆识别、延续追踪方法、装置和路侧系统 Active CN110866441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910936812.XA CN110866441B (zh) 2019-09-29 2019-09-29 一种车辆识别、延续追踪方法、装置和路侧系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910936812.XA CN110866441B (zh) 2019-09-29 2019-09-29 一种车辆识别、延续追踪方法、装置和路侧系统

Publications (2)

Publication Number Publication Date
CN110866441A true CN110866441A (zh) 2020-03-06
CN110866441B CN110866441B (zh) 2021-01-26

Family

ID=69652539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910936812.XA Active CN110866441B (zh) 2019-09-29 2019-09-29 一种车辆识别、延续追踪方法、装置和路侧系统

Country Status (1)

Country Link
CN (1) CN110866441B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111291722A (zh) * 2020-03-10 2020-06-16 无锡物联网创新中心有限公司 一种基于v2i技术的车辆重识别系统
CN112766038A (zh) * 2020-12-22 2021-05-07 深圳金证引擎科技有限公司 一种根据图像识别的车辆跟踪方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060182368A1 (en) * 2005-01-21 2006-08-17 Changick Kim Efficient and robust algorithm for video sequence matching
CN101630361A (zh) * 2008-12-30 2010-01-20 北京邮电大学 一种基于车牌、车身颜色和车标识别的套牌车辆识别设备及方法
CN102662949A (zh) * 2012-02-27 2012-09-12 安科智慧城市技术（中国）有限公司 一种基于多特征融合的指定目标检索方法及系统
CN102930271A (zh) * 2012-09-21 2013-02-13 博康智能网络科技股份有限公司 一种视频图像的出租车实时识别方法
CN103530366A (zh) * 2013-10-12 2014-01-22 湖北微模式科技发展有限公司 一种基于自定义特征的车辆搜索方法与系统
CN103544480A (zh) * 2013-10-17 2014-01-29 公安部第三研究所 车辆颜色识别方法
CN108010360A (zh) * 2017-12-27 2018-05-08 中电海康集团有限公司 一种基于车路协同的自动驾驶环境感知系统
CN109726701A (zh) * 2019-01-07 2019-05-07 福建睿思特科技股份有限公司 车辆识别方法及系统
CN110135470A (zh) * 2019-04-24 2019-08-16 电子科技大学 一种基于多模态车辆特征识别的车辆特征融合系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060182368A1 (en) * 2005-01-21 2006-08-17 Changick Kim Efficient and robust algorithm for video sequence matching
CN101630361A (zh) * 2008-12-30 2010-01-20 北京邮电大学 一种基于车牌、车身颜色和车标识别的套牌车辆识别设备及方法
CN102662949A (zh) * 2012-02-27 2012-09-12 安科智慧城市技术（中国）有限公司 一种基于多特征融合的指定目标检索方法及系统
CN102930271A (zh) * 2012-09-21 2013-02-13 博康智能网络科技股份有限公司 一种视频图像的出租车实时识别方法
CN103530366A (zh) * 2013-10-12 2014-01-22 湖北微模式科技发展有限公司 一种基于自定义特征的车辆搜索方法与系统
CN103544480A (zh) * 2013-10-17 2014-01-29 公安部第三研究所 车辆颜色识别方法
CN108010360A (zh) * 2017-12-27 2018-05-08 中电海康集团有限公司 一种基于车路协同的自动驾驶环境感知系统
CN109726701A (zh) * 2019-01-07 2019-05-07 福建睿思特科技股份有限公司 车辆识别方法及系统
CN110135470A (zh) * 2019-04-24 2019-08-16 电子科技大学 一种基于多模态车辆特征识别的车辆特征融合系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111291722A (zh) * 2020-03-10 2020-06-16 无锡物联网创新中心有限公司 一种基于v2i技术的车辆重识别系统
CN112766038A (zh) * 2020-12-22 2021-05-07 深圳金证引擎科技有限公司 一种根据图像识别的车辆跟踪方法
CN112766038B (zh) * 2020-12-22 2021-12-17 深圳金证引擎科技有限公司 一种根据图像识别的车辆跟踪方法

Also Published As

Publication number Publication date
CN110866441B (zh) 2021-01-26

Similar Documents

Publication Publication Date Title
EP3806064B1 (en) Method and apparatus for detecting parking space usage condition, electronic device, and storage medium
CN106600977B (zh) 基于多特征识别的违停检测方法及系统
CN110660222B (zh) 一种智能环保道路黑烟车辆电子抓拍系统
CN110619279B (zh) 一种基于跟踪的路面交通标志实例分割方法
CN111458721B (zh) 一种暴露垃圾的识别定位方法、装置及系统
CN110866441B (zh) 一种车辆识别、延续追踪方法、装置和路侧系统
CN108932849B (zh) 一种记录多台机动车低速行驶违法行为的方法及装置
CN110930715B (zh) 一种非机动车闯红灯识别方法、系统及违章处理平台
JP2020077414A (ja) シーン検出装置及び方法
CN113850237B (zh) 基于视频和轨迹数据的网联车目标检测评价方法及系统
CN111860219A (zh) 一种高速占道判断方法、装置及电子设备
CN113343905B (zh) 道路异常智能识别模型训练、道路异常识别的方法及系统
CN112447060A (zh) 识别车道的方法、装置及计算设备
CN106327876A (zh) 一种基于行车记录仪的套牌车捕捉系统及方法
WO2023071874A1 (zh) 道路救援工作节点确定方法、装置及电子设备、存储介质
Amin et al. An automatic number plate recognition of Bangladeshi vehicles
TW202341006A (zh) 物件追蹤整合方法及整合裝置
CN113128264B (zh) 一种车辆区域确定方法、装置及电子设备
CN107358170B (zh) 一种基于移动机器视觉的车辆违章压线识别方法
CN115472014B (zh) 一种交通追溯方法、系统、服务器及计算机存储介质
Phung et al. A novel method for quantification of vacant parking spaces at on-street parking lots
TWI760580B (zh) 車牌影像資料獲取方法及系統
CN114120659A (zh) 基于视频识别的违章停车检测系统
CN115731522A (zh) 交通运输设备的行为检测方法、装置及存储介质
Torres et al. An Automated Classification of Vehicles and Violation Detection in Special Purpose Lanes

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Patentee after: Jingdong Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Patentee before: Jingdong Digital Technology Holding Co.,Ltd.

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Patentee after: Jingdong Digital Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Patentee before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

CP01 Change in the name or title of a patent holder