[发明专利]一种基于图像系统的车辆特征深度学习识别轨迹跟踪方法

权利要求书

1.一种基于图像系统的车辆特征深度学习识别轨迹跟踪系统，其特征在于，所述系统装置包括：

道路监控摄像头，用于高位采集路段车辆图像数据；

计算处理主机，用于处理摄像头采集到的视频序列图像，包括车辆识别、轨迹跟踪和轨迹生成过程；

显示投影装置，用于显示车辆图像识别结果和轨迹生成结果；

所述道路监控摄像头，安装于道路上方中间位置，摄像头拍摄视角面向道路平面，摄像头拍摄中心线与道路平面夹角为θ；

所述的基于图像系统的车辆特征深度学习识别轨迹跟踪方法，其特征在于，包括以下步骤：

步骤1：利用摄像头拍摄道路原始图像视频序列，形成原始图像序列数据集，对原始图像序列每帧图像进行图像投影变换，投影面与道路平面平行，使图像中的道路车道线平行且车辆大小同处于高空视角水平，形成投影图像序列数据集；

步骤2：引入YOLOv5深度学习网络模型，使用VOC数据集训练网络模型，识别原始图像序列中的车辆目标，得到原始图像序列车辆目标识别边框集合；将原始图像序列车辆目标识别边框集合中的车辆目标识别边框坐标进行投影变换，形成投影图像序列车辆目标识别边框集合；

步骤3：从投影图像序列车辆目标识别边框集合中的第一帧图像开始，进行一下处理过程：对前一帧车辆目标边界框应用卡尔曼滤波，得到当前帧的车辆目标估计边框集合，使用匈牙利关联算法对当前帧的车辆目标识别边框集合和车辆目标估计边框集合中的同一车辆目标进行关联匹配；直到投影图像序列结束为止；

步骤4：计算关联后的投影图像序列车辆目标识别边框集合中的车辆目标识别边框的中心坐标，对不同帧中属于同一车辆目标识别边框中心进行连接，生成车辆目标轨迹，并将其转换成实际场景真实道路轨迹线。

2.根据权利要求1所述的基于图像系统的车辆特征深度学习识别轨迹跟踪系统，其特征在于，

步骤1所述道路拍摄路段长度为L，路宽为W，原始视频图像序列尺寸大小为l和w，原始图像序列数据集为：

{data_t(x,y),x∈[1,X],y∈[1,Y]}

其中，data_t(x,y)表示原始图像序列中第t帧图像第x行第y列像素信息，X为原始图像序列中图像的行数，Y为原始图像序列中图像的列数；

所述投影后的视频图像序列尺寸大小为l^*和w^*，投影图像视频序列数据集为：

{data_t(x^*,y^*),x^*∈[1,X^*],y^*∈[1,Y^*]}

其中，data_t(x^*,y^*)表示投影图像序列中第t帧图像第x行第y列像素信息，X^*为投影图像序列中图像的行数，Y^*为投影图像序列中图像的列数；

步骤1所述图像坐标投影变换公式为：

其中,Η为可逆齐次矩阵，作用为在空间中将平面点投影到另一平面上，

所述投影后的图像序列尺寸长宽与道路尺寸长宽等比,即：