[发明专利]一种基于全景视频的超重车辆检测跟踪方法及系统

说明书

本申请提出了一种基于全景视频的超重车辆检测跟踪方法，包括以下步骤：S1、获取目标车辆的车辆信息；S2、获取检测区域的全景画面并导入改进的yolov4目标检测模型中，对所述检测区域中的所述目标车辆进行检测并生成车辆检测框；S3、根据所述目标车辆在第一车道内行驶时所生成的所述车辆检测框的坐标信息，拟合得到所述目标车辆的轨迹方程；S4、将所述目标车辆实际行驶时所生成的所述车辆检测框的坐标信息代入所述轨迹方程中，并将得到的实际轨迹偏差与预设的容许轨迹偏差进行比较，判断得到所述目标车辆的车道信息；S5、根据所述车道信息将所述车牌号码匹配到对应的所述目标车辆上。本申请具有能够对超限超载车辆进行全程跟踪的效果。

技术领域

本申请涉及视频监控的技术领域，具体涉及一种基于全景视频的超重车辆检测跟踪方法及系统。

背景技术

部分省道行驶大货车较多，其超限超载对公路路面和桥梁安全带来了严重的危害，影响了公路的使用寿命，造成道路破损，交通事故频发。同时由于目前缺乏全面的路面超限超载监测手段，难以及时掌握超限超载车辆绕行线路和冲站的具体情况，使得路面移动执法、源头末端责任倒查十分困难。

有鉴于此，提供一种能够覆盖整个路段，对超限超载车辆进行全程跟踪的方法及系统就显得尤为重要。

发明内容

为了解决现有技术中的监测手段无法对超限超载车辆进行全程跟踪的技术问题，本申请提出了一种基于全景视频的超重车辆检测跟踪方法及系统。

根据本申请的第一方面，提出了一种基于全景视频的超重车辆检测跟踪方法，包括：

S1、获取目标车辆的车辆信息，所述车辆信息至少包括车牌号码和车辆总重量；

S2、获取检测区域的全景画面并导入改进的yolov4目标检测模型中，对所述检测区域中的所述目标车辆进行检测并生成车辆检测框；

S3、根据所述目标车辆在第一车道内行驶时所生成的所述车辆检测框的坐标信息，拟合得到所述目标车辆在所述第一车道内行驶的轨迹方程；

S4、将所述目标车辆实际行驶时所生成的所述车辆检测框的坐标信息代入所述轨迹方程中，并将得到的实际轨迹偏差与预设的容许轨迹偏差进行比较，若所述实际轨迹偏差在所述容许轨迹偏差范围内，则判断所述目标车辆行驶在所述第一车道内，反之则判断所述目标车辆行驶在所述第一车道之外的第二车道内，从而得到所述目标车辆的车道信息；

S5、根据所述车道信息将所述车牌号码匹配到对应的所述目标车辆上。

通过上述技术方案，对检测区域的全景画面进行AI车辆检测，然后再通过对目标车辆的车道信息的计算，实现车辆信息和全景画面中的目标车辆的匹配，从而覆盖整个检测区域，对超限超载车辆进行全程跟踪。

优选的，在所述步骤S2中，根据所述目标车辆的行驶方向，在所述全景画面中依次分割出第一检测区域、第二检测区域和第三检测区域，所述第一检测区域、所述第二检测区域和所述第三检测区域的边界之间互相覆盖，并且所述第一检测区域和所述第三检测区域的图像分辨率低于所述第二检测区域，以使所述第一检测区域和所述第三检测区域中的所述目标车辆更为清晰。

通过上述技术方案，由于全景画面存在扭曲，全景画面两侧的第一检测区域和第三检测区域中的目标车辆看起来较小，而第二检测区域中的目标车辆看起来会更大，因此对应设置不同的分辨率，并且不同区域的边界之间互相覆盖，以此确保边缘远处小目标车辆的检测能力及区域交界的跟踪能力。

优选的，所述步骤S2中所述改进的yolov4目标检测模型具体包括：将原yolov4目标检测模型的网络输入层的尺寸扩大为832×416，所述第一检测区域、所述第二检测区域和所述第三检测区域的图像分辨率分别分割为832×416、1696×848和832×416。