[发明专利]一种基于YOLO的车辆信息检测和跟踪方法、装置及计算机存储介质

权利要求书

1.一种基于YOLO的车辆信息检测和跟踪方法，其特征在于，包括：

获取待检测的视频数据，其中，所述待检测的视频数据包括多帧待测图像；

通过预设的基于YOLO的车辆目标检测模型对所述待测图像进行检测，以确定待测图像中的目标车辆；

通过预设的基于YOLO的车辆车标检测模型、预设的基于YOLO的车辆颜色检测模型对所述待测图像进行检测，以获取目标车辆车标检测结果、目标车辆颜色检测结果；

根据所述目标车辆车标检测结果和/或所述目标车辆颜色检测结果锁定所述目标车辆，并通过数据关联对待检测的视频数据中的目标车辆进行跟踪。

2.根据权利要求1所述的方法，其特征在于，所述基于YOLO的车辆目标检测模型按照以下方式建立：

获取第一样本数据，其中，所述第一样本数据为包含有车辆的图像数据；

对所述第一样本数据进行车辆标注，并将标注后的第一样本数据分为第一训练集和第一测试集；

利用所述第一训练集对YOLO神经网络进行训练，并利用所述第一测试集对所述训练后的YOLO神经网络进行测试，以建立所述基于YOLO的车辆目标检测模型。

3.根据权利要求2所述的方法，其特征在于，所述第一样本数据具体可以为包含有真实车辆形状和大小的图像数据，或包含有虚拟车辆形状和大小的图像数据，或包含有真实车辆形状和大小的图像数据和包含有虚拟车辆形状和大小的图像数据的合集。

4.根据权利要求1所述的方法，其特征在于，所述基于YOLO的车辆车标检测模型按照以下方式建立：

获取第二样本数据，其中，所述第二样本数据为包含有车辆车标的车辆图像数据；

对所述第二样本数据进行车标标注，并将标注后的第二样本数据分为第二训练集和第二测试集；

利用所述第二训练集对YOLO神经网络进行训练，并利用所述第二测试集对所述训练后的YOLO神经网络进行测试，以建立所述基于YOLO的车辆车标检测模型；

对于第二样本数据，其特征在于，所述包含有车辆车标的车辆图像数据为车辆的车头或车尾照片。

5.根据权利要求1所述的方法，其特征在于，所述基于YOLO的车辆颜色检测模型按照以下方式建立：

获取第三样本数据，其中，所述第三样本数据为包含有车辆颜色的车辆图像数据；

对所述第三样本数据进行颜色标注，并将标注后的第三样本数据分为第三训练集和第三测试集；

利用所述第三训练集对YOLO神经网络进行训练，并利用所述第三测试集对所述训练后的YOLO神经网络进行测试，以建立所述基于YOLO的车辆颜色检测模型。

6.根据权利要求1所述的方法，其特征在于，通过数据关联对待检测的视频数据中的目标车辆进行跟踪，包括：

获取所述待检测的视频数据中的当前帧的待测图像中的目标车辆的观测数据；

将所述当前帧的待测图像中的目标车辆的观测数据与轨迹列表中的轨迹数据进行数据关联，得到关联结果；根据所述关联结果，对所述待检测的视频数据中的目标车辆进行跟踪；

其中，所述轨迹列表指的是目标车辆位置随时间变化的一个列表。

7.根据权利要求6所述的方法，其特征在于，将所述当前帧的待测图像中的目标车辆的观测数据与轨迹列表中的轨迹数据进行数据关联，得到关联结果，包括：

通过联合概率数据关联法，将所述当前帧的待测图像中的目标车辆的观测数据与所述轨迹列表中的轨迹数据进行数据关联，得到所述关联结果。

8.根据权利要求6所述的方法，其特征在于，在获取所述待检测的视频数据中的当前帧的待测图像中的目标车辆的观测数据后，所述方法还包括：

对所述当前帧的待测图像中的目标车辆的观测数据进行滤波处理，得到滤波后的当前帧的待测图像中的目标车辆的观测数据。