System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及跨摄像头多车辆跟踪领域,特别涉及一种使用yolov5融合滑动窗口自注意力机制、鲁棒性reid特征、多级多目标轨迹关联、道路拓扑结构场景建模、重叠视场轨迹关联和重排序的高速公路跨摄像头多车辆跟踪方法及系统。
技术介绍
1、跨摄像头多车辆跟踪一直是计算机视觉任务的重要研究方向,在现实生活中也广泛受到人们的关注研究,在包括城市交通流量统计,交通道路监控,无人驾驶等领域有着广泛的应用。现有的大多数跨摄像多车辆的跟踪技术主要应用于城市街道,城市规模十字路口进行多车辆目标的跨摄像头跟踪,对于高速公路的跨摄像多车辆跟踪的研究较少。
2、与传统的城市街区的跨摄像多车辆的跟踪相比,在高速公路实现跨摄像多车辆跟踪更加具有挑战性,存在的挑战主要有以下几点:
3、1)高速公路的车辆相较于城市街区的车辆速度更快,导致摄像机难以清晰地捕捉或者摄像机捕捉的车辆图片较为模糊,这给目标检测带来更多的困难;
4、2)高速公路的道路相较于城市街区的分布更长且摄像机距离地面的高度更高,导致部分相同品牌以及颜色的相似车辆更加难以区分,同时高速公路上的大型车辆相较于城市街区更多,容易出现小型车辆被遮挡的现象,导致车辆的漏检以及跟踪轨迹的缺失;
5、3)高速公路隧道两侧的帕灯光线照射,导致摄像机视场产生光斑,容易对车辆reid特征表示造成干扰,对于正确有效提取有判别力的车辆特征产生影响;4)高速公路的跟踪摄像机与车辆目标的距离相对较远同时存在摄像机抖动的现象,容易出现部分车辆驶离摄像机的视域时无法准确跟踪车辆。<
...【技术保护点】
1.一种结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,包括:
2.根据权利要求1所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,车辆目标检测模型为融合了Swin Transformer机制的YOLOV5模型,将每一个摄像头的跟踪视频的视频帧输入到YOLOV5模型中被分块以及特征提取后生成不同尺度和层次的多尺度特征图,多尺度特征图被送入Swin Transformer机制中经过自适应融合得到融合特征,融合特征输入到分类网络和边框预测网络中输出车辆检测框。
3.根据权利要求1所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,ReID模型的训练过程采用无监督域自适应方法:
4.根据权利要求1所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,根据多个摄像头所处的道路的道路拓扑结构进行场景建模得到道路模型,并根据道路路段预定义道路模型上驶入区域和驶出区域得到进出流区域,将单摄像头下的单摄像头车辆跟踪轨迹限制于道路模型的进出流区域以得到跨摄像头候选匹配轨迹。
5.根
6.根据权利要求1所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,若是相邻摄像头的重叠视场区域的跨摄像头候选匹配轨迹对应的车辆满足:沿着单向行驶方向的后一摄像头中出现该车辆的时间晚于前一摄像头中出现的车辆的时间,则跨摄像头候选匹配轨迹进行后续的跨匹配和k互近邻重排序。
7.根据权利要求1所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,根据检测阈值将车辆检测框区分为高置信度组和低置信度组,其中高置信度组中的车辆目标框的置信度高于高置信度阈值,低置信度组中的车辆目标框低于低置信度阈值。
8.一种结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪系统,其特征在于,包括:
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1到7任一所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序包括用于控制过程以执行过程的程序代码,所述过程包括根据权利要求1到7任一所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法。
...【技术特征摘要】
1.一种结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,包括:
2.根据权利要求1所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,车辆目标检测模型为融合了swin transformer机制的yolov5模型,将每一个摄像头的跟踪视频的视频帧输入到yolov5模型中被分块以及特征提取后生成不同尺度和层次的多尺度特征图,多尺度特征图被送入swin transformer机制中经过自适应融合得到融合特征,融合特征输入到分类网络和边框预测网络中输出车辆检测框。
3.根据权利要求1所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,reid模型的训练过程采用无监督域自适应方法:
4.根据权利要求1所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,根据多个摄像头所处的道路的道路拓扑结构进行场景建模得到道路模型,并根据道路路段预定义道路模型上驶入区域和驶出区域得到进出流区域,将单摄像头下的单摄像头车辆跟踪轨迹限制于道路模型的进出流区域以得到跨摄像头候选匹配轨迹。
5.根据权利要求1所述的结合道路拓扑结构和重叠视场的跨摄像头多车辆跟踪方法,其特征在于,利用层级聚类法根据基于高速进出流时空掩码的相似度距离矩阵对时空约束后的单摄像头下的跨摄像头车辆跟踪轨迹进行聚类,基于更新后的基于高...
【专利技术属性】
技术研发人员:产思贤,方睿迪,郭斌,
申请(专利权)人:杭州像素元科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。