[发明专利]一种车牌信息与车辆特征融合的车辆轨迹跟踪方法

权利要求书

1.一种车牌信息与车辆特征融合的车辆轨迹跟踪方法，包括如下步骤：

首先在高速公路高清卡口处对车牌信息和车辆信息进行提取，存入数据库中进行关联；接着在全路段对车辆各个方面的特征进行提取，包括车辆的固有特征和运动特征；途中经过下一个车牌识别摄像机再次对车牌信息和车辆信息进行提取，并使用PSO算法与之前获取的信息进行优化；其次建立车辆在多摄像机间运动的时间和空间的约束；最后对摄像机观察到的所有车辆，使用车辆关联算法进行关联，在它们之中找到属于相同车辆的目标，从而实现通过输入车牌号进行多个摄像机间的车辆轨迹跟踪。

2.根据权利要求1所述的一种车牌信息与车辆特征融合的车辆轨迹跟踪方法，其特征在于：PSO算法中，粒子每更新一次位置，就计算一次适应度值，并且通过比较新粒子的适应度值和个体极值、群体极值的适应度值来更新个体极值和群体极值位置，假设在一个D维的搜索空间中，由n个粒子组成的种群X＝(X₁,X₂,…,X_n),其中第i个粒子表示为一个D维的向量X_i＝(x_i1,x_i2,…,x_iD)^T,代表第i个粒子在D维的搜索空间中的位置，亦代表问题的一个潜在解，根据目标函数即可计算出每个粒子位置；

X_i对应的适应度值，第i个粒子的速度为V_i＝(V_i1,V_i2,…,V_iD)T,其个体极值为P_i＝(P_i1,P_i2,…,P_iD)^T，种群的全局极值为_g＝(P_g1,P_g2,…,P_gD)^T；

在每一次迭代过程中，粒子通过个体极值和全局极值更新自身的速度和位置，更新公式如下：

式中，ω为惯性权重；d＝1,2，…，D；i＝1，2，…，n；k为当前迭代次数；V_id为粒子的速度；c₁和c₂为非负的常数，称为加速度因子；r₁和r₂为分布于[0,1]之间的随机数；为防止粒子的盲目搜索，本系统将其位置和速度限制在[-X_max,X_max]、[-V_max,V_max]；

惯性权重ω体现的是粒子当前速度多大程度上继承先前的速度，为了更好的平衡算法的全局搜索与局部搜索能力，本系统通过实验选用惯性权重，采用线性递减惯性权重LDIW，即

ω(k)＝ω_start-(ω_start-ω_end)*k/T_max (3)

式中，ω_start为惯性权重；ω_end为迭代至最大次数时的惯性权重；k为当前迭代代数；T_max为最大迭代代数。