[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

说明书

本申请实施例提供了一种基于YOLO的车辆信息检测和跟踪方法、装置及计算机存储介质，其中，该方法包括：获取待检测的视频数据；通过预设的基于YOLO的车辆目标检测模型对待测图像进行检测，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待测图像进行检测，以获取目标车辆车标检测结果、颜色检测结果；根据目标车辆车标检测结果和/或目标车辆颜色检测结果锁定目标车辆，并通过数据关联对目标车辆进行跟踪。由于该方案通过利用基于YOLO的检测模型直接对待测图像进行检测，识别出目标车辆，以及目标车辆的车标和颜色，进而准确地锁定目标车辆进行相应跟踪，从而解决了现有方法存在的实施过程复杂、处理效率低的技术问题。

技术领域

本申请涉及计算机视觉技术领域，特别涉及一种基于YOLO的车辆信息检测和跟踪方法、装置及计算机存储介质。

背景技术

随着技术的发展与普及，利用计算机视觉技术自动检测识别范围区内的车辆在城市监控、交通疏导、智能驾驶等领域逐渐受到越来越多的关注和重视。

目前，现有的车辆跟踪方法大多是通过基于相应的特征提取方案（例如HOG、SURF等）对先将图像分成多个图像区块，再分别对多个图像区块中的车辆特征（例如车牌等特征）分别进行识别检测，再综合从多个图像区块中识别出的车辆特征，确定目标车辆的基本特征信息，例如确定出目标车辆的车牌信息，再结合目标车辆的基本信息锁定目标车辆，对目标车辆进行进一步的跟踪。上述方法由于受限于实现机理，往往不能直接对待测图像进行识别检测，而必须先分区块再综合识别，因此实施过程较为繁琐。此外，现有方法实施时大多需要依赖某些具体的识别算法，而这种识别算法通常较为复杂，导致处理时处理效率相对较低。综上可知，现有方法具体实施时，往往存在的实施过程复杂、处理效率低、占用资源量大的技术问题。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种基于YOLO的车辆信息检测和跟踪方法和装置，以解决现有方法中存在的车辆识别跟踪速率低、准确度差的技术问题，达到能高效、精确地识别目标车辆，并即时对所获取的视频数据中的目标车辆进行实时跟踪的技术效果。

本申请实施例提供了一种基于YOLO的车辆信息检测和跟踪方法，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。

在一个实施方式中，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。

在一个实施方式中，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。

在一个实施方式中，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。