[发明专利]一种基于目标检测和UWB定位的车辆跟踪方法有效

专利信息
申请号: 202110989507.4 申请日: 2021-08-26
公开(公告)号: CN113824880B 公开(公告)日: 2023-05-19
发明(设计)人: 岳衡;黄晓明;林明晖;丁靖;李杨;高明;尚海一;余乘龙;骆国荣;薛娟萍;周璐;王亚华;邵梦丽;蒋晓琴 申请(专利权)人: 国网浙江省电力有限公司双创中心;国网浙江省电力有限公司宁波供电公司
主分类号: H04N23/61 分类号: H04N23/61;H04N23/695;H04W4/029;H04W4/44
代理公司: 杭州君度专利代理事务所(特殊普通合伙) 33240 代理人: 杨天娇
地址: 310000 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 目标 检测 uwb 定位 车辆 跟踪 方法
【说明书】:

发明公开了一种基于目标检测和UWB定位的车辆跟踪方法,包括获取监控区域的俯视图作为基准图,选取基准图中的任意一点作为原点并建立平面坐标系,基于原点得到基准图中每个像素点的相对位置坐标;获取监控枪机所拍摄的监控图像中的图像坐标和相对位置坐标之间的H矩阵;对进入监控区域的车辆进行注册绑定注册编号,并基于UWB基站确定该车辆的相对位置坐标;通过监控枪机获取进入监控区域的车辆的图像,根据H矩阵得到车辆对应的目标框的中心点的相对位置坐标;对UWB基站的数据和监控枪机的数据进行配准;获取同一注册编号下车辆所对应的所有的UWB定位以及车辆的图像,实现对车辆的跟踪。本发明用于实现准确的车辆跟踪。

技术领域

本申请属于人工智能安全监控领域,具体涉及一种基于目标检测和UWB定位的车辆跟踪方法。

背景技术

对于各类物资仓库、监狱等场所,安防监控至关重要。目前缺乏有效的手段对于车辆进行全过程追踪,通常需要监管人员陪同,或者专人对进行监控长时间的校对。

现在的目标跟踪技术通常采用监控枪机的画面跟踪或者基于定位信息的位置跟踪。采用监控枪机跟踪时,通常采用基于卷积网络的深度学习目标检测模型;卷积网络通过卷积缩小图像特征的高度和宽度并增大维度来进行特征提取,通过提取的特征来探测目标,实际工程大多使用YOLOv5算法,YOLOv5是一个较为准确且高效的算法,然而对于车辆的跟踪,需要调用实时信息,仍需要进一步提升算法的运行速度;采用基于定位信息的位置跟踪,大多采用基于RFID、红外或者UWB进行定位,其中基于UWB的定位,通过基站和标签之间消息传递的时间进行定位,定位信息较为准确,然而单独使用只能看到相应位置,容易因定位漂移造成车辆跟踪出错。

发明内容

本申请的目的在于提供一种基于目标检测和UWB定位的车辆跟踪方法,用于实现准确的车辆跟踪。

为实现上述目的,本申请所采取的技术方案为:

一种基于目标检测和UWB定位的车辆跟踪方法,所述车辆跟踪由监控枪机构成监控区域,并在监控区域中安装UWB基站,对进入监控区域的车辆安装UWB标签,所述基于目标检测和UWB定位的车辆跟踪方法,包括:

步骤1、获取监控区域的俯视图作为基准图,选取基准图中的任意一点作为原点并建立平面坐标系,基于原点得到基准图中每个像素点的相对位置坐标;

步骤2、获取监控枪机所拍摄的监控图像并对监控图像进行校正,在校正后的监控图像中选择m个关键点,获取m个关键点的图像坐标和相对位置坐标,并根据所获取的m个关键点的图像坐标和相对位置坐标计算得到H矩阵;

步骤3、对进入监控区域的车辆进行注册绑定注册编号,并基于UWB基站确定该车辆的相对位置坐标;

步骤4、通过监控枪机获取进入监控区域的车辆的图像,通过YOLOv5模型获取图像中车辆所在的目标框,并根据H矩阵得到目标框的中心点对应于基准图中的相对位置坐标;

步骤5、对UWB基站的数据和监控枪机的数据进行配准,包括:

取当前时刻监控枪机所获取的图像中所有车辆的相对位置坐标的集合A′={(x′1,y′1),(x′2,y′2),(x′3,y′3),……,(x′N,y′N)},取当前时刻基于UWB基站获取的所有车辆的相对位置坐标的集合A={(x1,y1),(x2,y2),(x3,y3),……,(xN,yN)};

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网浙江省电力有限公司双创中心;国网浙江省电力有限公司宁波供电公司,未经国网浙江省电力有限公司双创中心;国网浙江省电力有限公司宁波供电公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110989507.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top