← 返回列表
一种基于深度学习的车辆轨迹定位追踪方法及系统
摘要文本
本发明涉及车辆轨迹定位技术领域，尤其是涉及一种基于深度学习的车辆轨迹定位追踪方法及系统。所述方法，包括获取车辆轨迹信息和图像信息；根据获取的图像信息，利用yolo模型对图像信息进行识别检测，对检测到的车辆添加ID标签；对于同一路口，利用deepsort追踪算法对检测到的车辆进行轨迹追踪，通过合并同一车辆轨迹进行ID标签合并，并通过设置重合度阈值的进行ID标签更新。本发明采用基于yolo_pose的多路口车辆图像特征点检测与区域特征识别，利用车牌信息与车辆局部特征信息相结合，实现不同路口同一车辆的信息匹配，建立整条交通网络中完整的车辆轨迹信息，进而确定每辆车的位置。
申请人信息
- 申请人:山东未来网络研究院(紫金山实验室工业互联网创新应用基地)
- 申请人地址:250000 山东省济南市市中区山东大学国家大学科技园7号楼14层
- 发明人: 山东未来网络研究院(紫金山实验室工业互联网创新应用基地)
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的车辆轨迹定位追踪方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311785097.7 |
| 申请日 | 2023/12/25 |
| 公告号 | CN117455957A |
| 公开日 | 2024/1/26 |
| IPC主分类号 | G06T7/246 |
| 权利人 | 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) |
| 发明人 | 钱钧; 邹伯昌; 马瑞; 郑贵君 |
| 地址 | 山东省济南市绿地新都会广场商业一区2号楼501-518室 |
专利主权项内容
1.一种基于深度学习的车辆轨迹定位追踪方法，其特征在于，包括：获取车辆轨迹信息和图像信息；根据获取的图像信息，利用yolo模型对图像信息进行识别检测，对检测到的车辆添加ID标签；对于同一路口，利用deepsort追踪算法对检测到的车辆进行轨迹追踪，通过合并同一车辆轨迹进行ID标签合并，并通过设置重合度阈值的进行ID标签更新；对于不同路口，利用yolo_pose模型的关键点检测算法对的检测到的车辆进行关键点检测，基于关键点检测进行局部特征匹配，通过局部特征匹配进行车辆的ID标签合并及更新；基于ID标签的合并和更新，将被检测到的车辆在同一路口和不同路口的轨迹串联，得到车辆轨迹和位置。