[发明专利]一种基于视频跟踪的多目标车辆轨迹识别方法

权利要求书

1.一种基于视频跟踪的多目标车辆轨迹识别方法，其特征在于：包括如下步骤：

步骤1：采集监控视频图像，设置相关参数,所述相关参数包括改进的YOLO v3算法参数初始化、置信度阈值设定；

步骤2：根据视频图像采用YOLO v3算法获取图像中要跟踪的所有车辆目标，将检测到的N个车辆作为跟踪目标，得到N个车辆的第Q帧目标框集合S_Q,并以目标车辆的中心点作为轨迹记录点，建立N个车辆的轨迹集L＝{L₁,L₂,L₃，…，L_N}，其中L_N代表目标车辆N的轨迹集合；

步骤3：启动跟踪；根据目标框集合S_Q和Q+1帧的视频图像采用改进的YOLO v3算法进行车辆目标检测得到N个车辆Q+1帧的目标框集合S_Q+1，重复本步骤，直至将采集的监控视频图像全部检测完毕，输出最终的轨迹集L′；

所述步骤3的具体步骤如下:

步骤3.1：基于第Q帧图像中N个车辆的目标框集合S_Q，利用KCF跟踪方法计算在Q+1帧中原Q帧中N个车辆的响应值，并将Q+1帧中每个车辆对应的响应值大的前五名保存到样本序列C_Q+1＝{c₁,c₂，…，c_a，…，c_N}中，其中代表第a辆车的响应值集合,并将各车辆的最大响应值对应的图像区域添加到预测区域集合K_Q+1；

步骤3.2：置信度判断：分别计算当前帧中预测区域集合K_Q+1与前一帧中目标框集合S_Q各车辆预测框的IOU值，并将其作为置信度，得出置信度集合M＝[m₁,m₂…m_N]，计算公式为m_a的值范围为[0，1],其中，area表示各预测框的面积，s_a代表第a辆车在Q帧时的目标框，k_a代表第a辆车在Q+1帧时的预测区域，对置信度集合M中的元素分别判断其是否大于置信度阈值，若是，则认为是有效跟踪，则将预测区域储存至预测框集合K′_Q+1中，执行步骤3.4；若否，则认为是无效跟踪，则获取所有无效跟踪的目标车辆以及目标车辆相对应的响应值集合，分别将响应值集合内的响应值依次作为当前帧的最大响应值，即预测区域，再进行置信度判断，若为有效跟踪，则将该预测区域储存至预测框集合K′_Q+1中，执行步骤3.3；若目标车辆均为无效检测则认为车辆消失在监控视频中，则执行步骤3.4；

步骤3.3：判断预测框集合K′_Q+1内的预测框数量是否为N个，若否，则删除预测框集合K′_Q+1，执行步骤3.4，若是，则执行步骤3.5；

步骤3.4：根据Q+1帧的视频图像采用YOLO v3算法获取图像中要跟踪的N个目标车辆，得到N个车辆的第Q+1帧目标框集合S_Q+1，执行步骤3.6；

步骤3.5：将预测框集合K′_Q+1作为搜索区域，采用YOLO v3算法进行目标车辆检测，得到第Q+1帧的目标框集合S_Q+1；

步骤3.6：轨迹获取与记录：计算得到的当前帧中所有车辆的中心点，并将各车辆的最新位置更新到轨迹集L＝{L₁,L₂,L₃，…，L_N}中；

步骤3.7：令Q＝Q+1,执行步骤3.1；直至将采集的监控视频图像全部检测完毕，输出最终的轨迹集L′；

所述改进的YOLO v3算法为将输入图像划分为网格，利用KCF跟踪算法对当前帧进行处理，预测下一帧中车辆的位置，在下一帧中对预测位置中的网格进行检测，不再对所有网格进行检测；设定设计车辆检测专属的anchor的窗口尺寸和YOLO v3算法损失函数，然后采用YOLO v3算法获取目标框集合，得到目标车辆的轨迹集。