[发明专利]一种在监控视频中标识车辆位置的方法及系统

权利要求书

1.一种在监控视频中标识车辆位置的方法，其特征在于，包括以下步骤：

S1：在监控视频的监控区域中，预设若干个控制点，针对每一个所述控制点，同时获取所述控制点的GPS坐标和所述控制点在监控画面中二维坐标；

S2：根据同一所述监控画面中的所述控制点的所述二维坐标和所述GPS坐标，建立所述监控画面的所述二维坐标和所述GPS坐标的坐标映射关系；

S3：接收车辆的所述GPS坐标，根据所述坐标映射关系，获取到所述车辆在所述监控画面中对应的所述二维坐标，根据所述二维坐标标识出所述车辆的位置。

2.根据权利要求1所述的在监控视频中标识车辆位置的方法，其特征在于，在步骤S1中，获取所述控制点在监控画面中的二维坐标，具体为：

采集所述控制点的图像，通过包括基于深度神经网络的图像识别和定位的开源算法在内的图像训练方法，生成所述控制点的图像模型，建立图像模型库；

根据所述图像模型库中的所述图像模型，识别出所述监控画面中的所述控制点，获取所述控制点在所述监控画面中的所述二维坐标。

3.根据权利要求2所述的在监控视频中标识车辆位置的方法，其特征在于，建立所述图像模型库的具体步骤为：

采集各个所述控制点的图像，其中所述图像包括在不同天气，不同光线，不同角度，不同距离在内的不同条件下的所述图像；

针对采集的所述图像，进行包括对所述图像进行水平和垂直翻转、随机裁剪、随机角度旋转、改变图像对比度和亮度在内的预处理；

针对采集的所述图像，标注所述图像对应的所述控制点的类别和位置，形成所述图像相匹配的标注数据，并且同时建立训练文件库，将所述标准数据放置于所述训练文件库中；

建立对所述图像进行训练所需要的配置文件，通过包括YOLO算法在内的基于深度神经网络的图像识别和定位的开源算法，对所述图像进行训练，生成所述图像模型库。

4.根据权利要求3所述的在监控视频中标识车辆位置的方法，其特征在于，在生成所述图像模型库之后，还包括：

当所有的所述控制点识别无误后，计算所述监控画面中任意两个所述控制点的所述二维坐标之间的相对位置和角度作为所述控制点之间的相对位置和角度标准；

在后续识别所述控制点时，再次计算所述控制点之间的相对位置和角度，与所述相对位置和角度标准进行对比，当所述控制点之间的相对位置和角度与所述相对位置和角度标准中记录的值的偏差超过预设误差值，则所述控制点识别错误。

5.根据权利要求1所述的在监控视频中标识车辆位置的方法，其特征在于，在步骤S3中，根据所述二维坐标标识出所述车辆的位置，还包括：

针对所述监控视频做图像处理，在所述车辆在所述监控画面中对应的所述二维坐标上，通过包括框图在内的方式，在所述监控画面中标识出所述车辆的位置。

6.一种在监控视频中标识车辆位置的系统，其特征在于，包括控制点预设模块，映射关系建立模块，车辆位置标识模块；

所述控制点预设模块，用于在监控视频的监控区域中，预设若干个控制点，针对每一个所述控制点，同时获取所述控制点的GPS坐标和所述控制点在监控画面中二维坐标；

所述映射关系建立模块，用于根据同一所述监控画面中的所述控制点的所述二维坐标和所述GPS坐标，建立所述监控画面的所述二维坐标和所述GPS坐标的坐标映射关系；

所述车辆位置标识模块，用于接收车辆的所述GPS坐标，根据所述坐标映射关系，获取到所述车辆在所述监控画面中对应的所述二维坐标，根据所述二维坐标标识出所述车辆的位置。