(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210485142.6 (22)申请日 2022.05.06 (71)申请人 北京明略昭辉科技有限公司 地址 100000 北京市海淀区北三环西路25 号27号楼二层2020室 (72)发明人 范清　唐大闰　 (74)专利代理 机构 北京康盛知识产权代理有限 公司 11331 专利代理师 武旭妹 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/26(2022.01) G06V 10/62(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 用于跨相机的车辆跟踪方法、 装置、 电子设 备、 存储介质 (57)摘要 本申请涉及智能交通技术领域， 公开一种用 于跨相机的车辆跟踪方法， 包括： 接收多个单相 机采集的车辆视频； 对每个单相机采集的车辆视 频进行分析， 获得多个单相机的车辆轨迹； 将多 个单相机的车辆轨迹输入预训练的道路分割模 型， 得到跨相机的车辆轨迹。 本申请采用应用于 深度学习技术领域的技术手段， 在这一过程中， 通过道路分割模 型减少搜索空间， 并且在特征提 取的过程中采用全局操作， 无需对图像降维， 从 而减小细 节的损失与特征关联的欠缺， 提高跨相 机车辆跟踪的准确性。 本申请还公开一种用于跨 相机的车辆跟踪 装置、 电子设备、 存 储介质。 权利要求书1页 说明书11页 附图5页 CN 114937248 A 2022.08.23 CN 114937248 A 1.一种用于跨相机的车辆跟踪方法， 其特 征在于， 包括： 接收多个单相机采集的同一主干道中的车辆 视频； 对每个单相机采集的车辆 视频进行分析， 获得多个单相机的车辆 轨迹； 将多个单相机的车辆 轨迹输入预训练的道路分割模型， 得到跨相机的车辆 轨迹。 2.根据权利要求1所述的方法， 其特征在于， 将多个单相机的车辆轨迹输入预训练的道 路分割模型， 得到跨相机的车辆 轨迹， 包括： 将多个单相机的车辆 轨迹输入预训练的道路分割模型， 获得道路分割结果； 根据道路分割结果进行 单相机车辆 轨迹过滤， 获得过滤后的车辆 轨迹； 根据过滤后的车辆 轨迹， 得到跨相机的车辆 轨迹。 3.根据权利要求2所述的方法， 其特征在于， 所述根据道路分割结果进行单相机车辆轨 迹过滤， 获得过滤后的车辆 轨迹， 包括： 根据道路分割结果进行交叉路口轨迹过滤， 获得行驶在主干道中的车辆的轨迹； 和/ 或， 根据道路分割结果进行时间阈值轨 迹过滤， 获得满足时间阈值的车辆的轨 迹； 将进行轨 迹过滤后的车辆的轨 迹作为过 滤后的车辆 轨迹。 4.根据权利要求2所述的方法， 其特征在于， 所述根据过滤后的车辆轨迹， 得到跨相机 的车辆轨迹， 包括： 计算过滤后的车辆 轨迹间的相似度； 根据计算结果进行聚类， 得到跨相机的车辆 轨迹。 5.根据权利要求1至4任一项所述的方法， 其特征在于， 对每个单相机采集的车辆视频 进行分析， 获得多个单相机的车辆 轨迹， 包括： 将采集的车辆 视频输入预训练的本地车辆检测模型， 得到每 个车辆的目标检测框； 将每个车辆的目标检测框输入预训练的本地车辆标识模型， 得到每个车辆的标识特 征； 根据目标检测框与标识特 征， 获得与目标检测框相匹配的单相机的车辆 轨迹。 6.根据权利要求5所述的方法， 其特 征在于， 所述本地车辆检测模型的训练过程， 包括： 建立本地数据集； 利用本地数据集调整车辆目标检测模型， 得到 本地车辆检测模型。 7.根据权利要求5所述的方法， 其特征在于， 所述根据目标检测框与标识特征， 获得与 目标检测框相匹配的单相机的车辆 轨迹， 包括： 利用目标检测框与标识特 征， 确定运动匹配程度和表现匹配程度； 通过级联匹配的方式为确定的匹配程度分配优先权， 获得与目标检测框相匹配的单相 机的车辆 轨迹。 8.一种用于跨相机的车辆跟踪装置， 包括处理器和存储有程序指令的存储器， 其特征 在于， 所述处理器被配置为在运行所述程序指令时， 执行如权利要求1至7任一项所述的用 于跨相机的车辆跟踪方法。 9.一种电子设备， 其特 征在于， 包括如权利要求8所述的用于跨相机的车辆跟踪装置 。 10.一种存储介质， 存储有程序指令， 其特征在于， 所述程序指令在运行时， 执行如权利 要求1至7任一项所述的用于跨相机的车辆跟踪方法。权　利　要　求　书 1/1 页 2 CN 114937248 A 2用于跨相机的车辆跟踪 方法、 装置、 电子设备、 存储介质 技术领域 [0001]本申请涉及智能交通技术领域， 例如涉及一种用于跨相机的车辆跟踪方法、 装置、 电子设备、 存 储介质。 背景技术 [0002]新基建对交通运输行业而言， 本质是利用数字化、 智能化技术改变传统的交通基 础设施建设， 通过互联网和物联网等数字信息技术， 将智能的交通智慧化。 随着经济的发 展， 人工智能、 大数据等新兴技术与交通运输行业的深度融合， 给行业带来新的发展机遇。 在交通场景中， 车辆轨迹可以提供运动车辆几乎所有的动态信息。 分析监控场景中的车辆 轨迹能够掌握动态道路交通信息， 跨相 机关联多个相 机中的目标轨迹， 能够打破单个相 机 间的目标信息孤立， 获得大范围视频监控区域中的整体道路运行情况， 有助于道路交通管 理者进行交通分析、 预测 和控制。 [0003]目前， 为实现跨相机关联多个相机中的目标轨迹， 相关技术中提出了一种跨相机 道路空间融合及车辆目标检测跟踪方法， 包括： 使用相机标定技术对跨相机场景进 行标定， 利用跨相机场景中的公共区域完成道路空间融合， 同时采用深度学习的方法对车辆目标进 行检测， 完成对跨相机车辆追踪。 具体包括： 步骤1， 输入场景1和场景2交通场景背 景图像p1 和p2， 视频帧图像序列组s1和s2； 步骤2， 构建坐标系和模型， 完成相机标定； 步骤3， 设置控 制点标识道路区域范围； 步骤4， 生成带空间信息的道路空间融合图像Mp； 步骤5， 跨相机目 标检测； 步骤6， 跨相机目标跟踪。 [0004]在实现本公开实施例的过程中， 发现相关技 术中至少存在 如下问题： [0005]在相关技术中， 为实现跨相机 的车辆轨迹检测是通过构建坐标系， 需要生成带空 间信息的道路空间融合图像， 在生成融合图像的过程中通常需要逐步减小 特征图的空间分 辨率， 进而解码特征图编 码信息， 一次性或逐步地放大特征图分辨率至原始输入分辨率。 在 特征图分辨率改变过程中， 不可避免的将造成信息的流失， 无法保证跨相 机车辆跟踪的准 确性。 发明内容 [0006]为了对披露的实施例的一些方面有基本 的理解， 下面给出了简单的概括。 所述概 括不是泛泛评述， 也不是要确定 关键/重要组成元素或描绘这些实施例的保护范围， 而是作 为后面的详细说明的序言。 [0007]本公开实施例提供了一种用于跨相机的车辆跟踪方法、 装置、 电子设备、 存储介 质， 以提高跨相机车辆跟踪的准确性。 [0008]在一些实施例中， 所述用于跨相机的车辆跟踪方法， 包括： [0009]接收多个单相机采集的同一主干道中的车辆 视频； [0010]对每个单相机采集的车辆 视频进行分析， 获得多个单相机的车辆 轨迹； [0011]将多个单相机的车辆 轨迹输入预训练的道路分割模型， 得到跨相机的车辆 轨迹。说　明　书 1/11 页 3 CN 114937248 A 3