[发明专利]一种面向车辆运行轨迹监测的跨镜追踪方法

说明书

本发明公开了一种面向车辆运行轨迹监测的跨镜追踪方法，该方法包括采用生成对抗网络扩充车辆视频数据集，并在扩充后的数据集上训练基于轻量化卷积神经网络的车辆检测模型；将车辆检测模型部署到所有摄像头上，并创建摄像头间的位置关联字典；采用车辆检测模型提取摄像头中拍摄到的车辆的表观特征及在镜头内的连续位置，根据车辆的移动方向预测出车辆可能出现的下一组摄像头；将车辆的表观特征广播至下一组摄像头中，并根据表观特征在下一组摄像头中对车辆进行追踪，最终完成车辆的跨镜追踪。本发明所采用的跨镜追踪方法，能够实现对车辆的运行轨迹进行实时监测，当发现被监测车辆脱离预设路线时发出预警，可以协助监管人员快速排查被监测车辆。

技术领域

本发明涉及视频智能监控技术领域，尤其涉及一种面向车辆运行轨迹监测的跨镜追踪方法。

背景技术

随着人工智能技术的快速发展，视频安防技术从之前的传统安防系统向智慧安防平台逐渐演变。智慧安防在“智慧城市”、“智慧工厂”、“智慧监狱”、“智慧园区”等场所发挥着重要作用，是各场所安全防护的关键技术手段。车辆作为人类常用交通媒介，是各场所日常安全防控针对的主要对象之一。通过对端侧监控摄像头进行组网，监测车辆的运行轨迹，对外来车辆、可疑车辆进行跨镜追踪是智慧安防的重要一环。

监控场所视频数目繁多，视频监控大屏无法同时显示全数监控画面，采用传统的人工监管方式成本高、效率低，极易产生错漏现象。目前已有的智能技术主要是将端侧视频传输到中央服务器进行批量处理分析，这将导致大量的数据吞吐与时间延迟。为减少不必要的数据传输与时间消耗，采用轻量化网络在移动端部署计算已成为迫切需求。

目前跨镜追踪技术仍存在以下技术难点：不同光照不同视角下监控摄像头拍摄的视频具有域间隔的问题，对车辆跨镜重识别造成较大的难度；车辆运行速度较快，视频捕捉的车辆图像往往带有运动模糊，造成车辆信息丢失；移动端实时监测对算法推理的速度以及算法运行空间提出了更高的要求。

发明内容

本发明的目的在于针对现有技术的不足，提供了一种面向车辆运行轨迹监测的跨镜追踪方法。

为实现本发明的目的，采用如下技术方案：一种面向车辆运行轨迹监测的跨镜追踪方法，具体包括如下步骤：

步骤一：收集车辆行驶监控视频，截取车辆行驶监控视频中的图像进行标注从而生成图像数据集，所述图像数据集包括白天图像和夜晚图像，通过生成对抗网络Cycle-Gan训练黑夜与白天风格转化网络以扩充图像数据集；所述图像数据集标注的内容为车辆所在图像区域的位置。

步骤二：将扩充的图像数据集输入基于轻量化卷积神经网络的车辆检测模型进行训练，当车辆检测模型的迭代次数大于9万次，完成对车辆检测模型的训练；

步骤三：将步骤二训练好的车辆检测模型部署到摄像头上，对所述摄像头进行局域网组网，并根据摄像头的位置信息创建摄像头间的位置关联字典；所述位置关联字典为：根据摄像头对准的道路实际情况确定目标车辆可能的移动方向；对于每个移动方向上指定的下一组摄像头，将下一组摄像头的id映射到该方向；

步骤四：在部署好车辆检测模型的摄像头中实时采集车辆行驶视频，并截取车辆行驶视频中的图像，构成图像集；所述图像集输入车辆检测模型中，获得目标车辆的表观特征和目标车辆在摄像头中的移动方向，根据目标车辆的移动方向预测出车辆可能出现的下一组摄像头；

步骤五：将目标车辆的表观特征广播至下一组摄像头中，并根据目标车辆的表观特征在下一组摄像头中对目标车辆进行追踪；

步骤六：在下一组摄像头端重复步骤四~五，直至目标车辆停止行驶或车辆驶离监控区域。

进一步地，在目标车辆追踪过程中，调取目标车辆对应的指定安全路线，与当前目标车辆的行驶位置进行对比，若当前目标车辆的行驶位置在指定安全路线上，则安全；若当前目标车辆的行驶位置不在指定安全路线上，则预警。