[发明专利]一种端到端多车辆跟踪方法、系统及计算机可读介质

权利要求书

1.一种端到端多车辆跟踪方法，其特征在于，所述的跟踪方法包括：

步骤1：构建并训练目标检测模型；

步骤2：构建并训练深度匈牙利网络模型；

步骤3：获取视频流当前帧的待追踪图像和前一帧车辆的目标ID和位置；

步骤4：通过目标检测模型获取当前帧中待追踪车辆的目标框；

步骤5：通过视频流当前帧和前一帧的目标框计算距离矩阵；

步骤6：通过匈牙利模型获取指派矩阵；

步骤7：依据指派矩阵为当前帧目标框分配目标ID完成目标跟踪。

2.根据权利要求1所述的一种端到端多车辆跟踪方法，其特征在于，所述的步骤具体为：

步骤1-1：利用开源的预训练的目标检测模型初始化所述目标检测模型；

步骤1-2：将多类型的多张车辆图像数据输入所述目标检测模型进行再训练；

步骤1-3：根据所述目标检测模型输出视频流当前帧的车辆对应的车辆图像及目标框；

步骤1-4：根据所述输出当前帧车辆目标框和前一帧车辆目标框计算距离矩阵。

3.根据权利要求2所述的一种端到端多车辆跟踪方法，其特征在于，所述距离矩阵的计算方法为：

计算目标框中心点距离真实中心点的欧氏距离和对应的Jaccard距离的平均值。

4.根据权利要求1所述的一种端到端多车辆跟踪方法，其特征在于，所述的步骤2具体为：

步骤2-1：将距离矩阵输入所述匈牙利网络模型，提取其特征向量；

步骤2-2：计算可微分的神经网络损失函数，通过反向传播计算输出矩阵与实际矩阵的误差，对深度匈牙利网络进行训练；

步骤2-3：得到每个所述当前帧车辆目标与每个所述前一帧车辆目标的指派矩阵，进一步得到车辆目标跟踪结果。

5.根据权利要求4所述的一种端到端多车辆跟踪方法，其特征在于，所述的匈牙利网络模型通过匈牙利算法对目标框进行最大匹配，使用双向循环神经网络对数据的距离矩阵进行编码，得到当前帧车辆目标与前一帧车辆目标的指派矩阵。

6.根据权利要求4所述的一种端到端多车辆跟踪方法，其特征在于，所述的匈牙利网络模型采用端到端的学习方式，从输入端到输出端会得到一个预测结果，该预测结果与真实结果相比较获得误差，误差会在模型中反向传播，匈牙利网络模型的每一层的表示都会根据误差进行参数调整。

7.一种用于如权利要求1～6中任一项端到端多车辆跟踪方法的多车辆跟踪系统，其特征在于，所述的跟踪系统包括依次相连的输入模块(1)、图像处理模块(2)、目标检测模块(3)、匈牙利算法模块(4)和输出模块(5)；

输入模块(1)，用于将待跟踪视频流输入所述深度神经网络进行跟踪；

图像处理模块(2)，用于对视频流中的图像帧进行图像增强、统一图像大小、运动模糊、均一化、等预处理；

目标检测模块(3)，用于检测待跟踪视频流每一帧的所有待跟踪车辆目标，得到当前帧的车辆对应的车辆图像及目标框；

匈牙利算法模块(4)，用于计算距离矩阵并将距离矩阵输入所述匈牙利网络模型，得到每个所述当前帧车辆目标与每个所述前一帧车辆目标的指派矩阵；

输出模块(5)，用于将所述指派矩阵重新转化车辆数据关联的结果并输出车辆目标跟踪的结果。

8.根据权利要求7所述的一种多车辆跟踪系统，其特征在于，所述的目标检测模块(3)包括依次相连的初始化子模块、训练子模块和前向推理模块；

初始化子模块，用于利用开源的预训练模型初始化所述目标检测模型；

训练子模块，用于将车辆数据使用异步随机梯度下降算法对所述目标检测模型进行微调训练；

前向推理模块，用于对所述预处理后的图像进行前向推理得到车辆目标检测的目标框的坐标。