买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中远海运科技股份有限公司

摘要：一种车辆目标轨迹跟踪方法，包括，从道路监控视频图像中，借助经过训练的车辆目标识别模型识别锁定感兴趣的车辆目标；从得到的车辆目标上计算确定多个角点；对所述车辆目标上的每一个角点计算光流轨迹；从得到的多条角点光流轨迹中计算确定一条最优轨迹，作为所述车辆目标的运动轨迹。所述的车辆目标识别模型基于深度学习算法。

主权项：1.一种车辆目标轨迹跟踪方法，其特征在于，包括以下步骤，从道路监控视频图像中，借助经过训练的车辆目标识别模型识别锁定感兴趣的车辆目标；从得到的车辆目标上计算确定多个角点；对所述车辆目标上的每一个角点计算光流轨迹；从得到的多条角点光流轨迹中计算确定一条最优轨迹，作为所述车辆目标的运动轨迹，所述的车辆目标识别模型基于深度学习算法，具体步骤如下：1使用Darknet深度学习框架来实现yolov3算法，拉取并编译Darknet，使用GPU和CUDNN来加速运算；2深度学习需要大量的打标数据，选取coco数据集中的person、car、bus、truck四类数据，再使用labelimg标注工具来标注项目中需要的车辆目标图片，整理成数据集，通过脚本将其转换成所需的数据格式类型；3根据检测要求和设备硬件配置，修改cfg配置文件，目标种类classess＝4，filters＝27，batch＝64，subdivisions＝16，输入目标图片大小width＝416，height＝416，以及训练次数max_batches＝50200；4调整训练参数，使之可以顺利训练出模型，学习率learning_rate＝0.001，学习率策略policy＝steps，动量momentum＝0.9和权重衰减decay＝0.0005；5使用服务器训练模型，训练loss曲线和iou曲线，在训练次数达到45000次时，loss值趋于平缓，模型已收敛；6得到训练结果yolov3.weights文件；7在测试集上测试模型性能，设定iou＝0.7，得到检测准确率为99％；8如果测试效果不理想，修改打标文件，重新训练；其中，确定车辆目标角点的方法包括：计算车辆目标框内所有像素点x，y处的灰度值Px，y平移a，b后的自相似性，用灰度变化函数表示：Ea,b＝∑[Px+a,y+b-Px,y]21对公式1进行泰勒展开: 带入得到：Ea,b≈[a,b]M[a,b]3其中：矩阵M中的λ1和λ2是此二次项函数中的两个决定性特征值，当λ1和λ2都较大且数值相当时，说明图像在所有方向移动都将产生明显灰度变化，即此点是角点，角点响应函数R＝maxλ1，λ2，当一个小窗口在图片区域内滑动时，窗口内的灰度值变化较小，则Px和Py较小，R接近于0，即λ1和λ2都较小，当小窗口内的灰度值在水平和竖直方向上的灰度只变化都较大时，则Px和Py较大，R值就很大，即λ1和λ2都很大，选取R值最大的若干个点作为角点，进行后续计算；其中，计算角点光流轨迹方法包括：设角点坐标x,y，在时刻t的亮度为Px,y,t，那么此点的光流在水平和垂直方向上的速度分量分别为： 所述视频图像的帧间隔为Δt，Δt后所在点的亮度为Px+Δx,y+Δy,t+Δt，利用泰勒展开： 根据LK光流算法：1角点像素在帧间运动时，Δt时间间隔较小，可以看作亮度恒定不变；2车辆目标是时间连续的，并且帧间运动距离较小，即角点前后帧变化缓慢；3车辆目标是刚性物体，车身上的点运动方向相似，速度相似，即角点邻近区域光流一致；由以上三点可以得出： 同样的： 这里的Vx，Vy就是在像素点x，y在水平和垂直方向的速度，即光流，对像素点x，y求偏导，分别用Ix，Iy和It表示，可以得出光流表达式：IxVx+IyVy＝-It11使用固定窗口，对于像素点mn来说，列出以下公式：Ixm1Vx+Iym1Vy＝-Itm1Ixm2Vx+Iym2Vy＝-Itm2......IxmnVx+IymnVy＝-Itmn12对公式求解，得出： 利用金字塔的结构自上而下修正运动量，进行金字塔迭代，其过程为：1对每一帧建立一个高斯金字塔，最低分辨率图像在最顶层，原始图片在底层；2计算顶层光流，通过最小化每个点的邻域范围内的匹配误差和，得到顶层图像中每个点的光流为， 3顶层的计算结果反馈到Lm-1层，作为该层的初始时的光流值g，gL-1＝2gL+dLgL-1＝2gL+dL4沿着金字塔向下反馈，重复估计动作，直到金字塔的底层，即原图像层，d＝g0+d0；5计算每一层的光流，最终得到所有图层的光流之和，对于每一层L，每个点的光流的计算都是基于邻域内所有点的匹配误差和最小化， 6根据上一帧的光流值，找出角点x,y在下一帧的坐标，即得出点在时间序列上的运行轨迹；其中，最优轨迹线选取方法包括，1筛除坐标变化位移较大的轨迹，根据车辆在短时间内灰度保持不变的特征，判断出单帧位移较大的轨迹线为错误跟踪轨迹；2筛除跟踪轨迹不在目标框内的轨迹；3计算各个轨迹的直线度，选取直线度较好的轨迹线；4选择坐标接近于车底的轨迹，作为车辆的最优轨迹线。

全文数据：

权利要求：

百度查询： 中远海运科技股份有限公司 一种车辆目标轨迹跟踪方法和装置