车辆追踪阈值更新方法、装置、电子设备及存储介质与流程

1.本发明涉及图像处理技术领域，尤其是涉及一种车辆追踪阈值更新方法、装置、电子设备及存储介质。


背景技术：

2.视觉追踪系统可从摄像头采集的原始视频中，自动发现并追踪选定的目标，该系统为计算机视觉领域的基础性技术之一，在车辆监控、无人驾驶、机器人、安防监控等中得到广泛应用。
3.在智能道路交通系统中，对道路车辆行驶信息进行追踪定位是智能化交通管理研究的关键技术。现阶段车辆跟踪技术多依赖于车辆gps跟踪系统、三维激光雷达以及基于人工智能的摄像机视频目标检测、目标追踪等技术，极大的促进了公路非现场执法智能化发展。实际相关部门在十字路口、高速出入口、关键路段等区域都部署了大量的监控摄像头，实现了对城市道路的全方面监控。
4.但当需要从交通视频流中追踪某一目标车辆时，传统的人工监测方法不仅费时费力，且容易遗漏关键视频信息，效率较低。并且单一摄像头的场景下，存在着监控范围过小、信息不足的缺点。而多摄像头的方法虽然可以弥补单一摄像头的不足，但现有的“跨镜”追踪技术成熟度不高，追踪id跳变频繁、稳定性差，大多数实际应用中仍然依赖人工点击视频切换实现，其适用性不高。而多目全景相机拼接也能提供大范围视野，但拼接成像过程引入了近距非线性球形畸变，造成车辆目标的“非线性尺度变化”，对变距目标的连续跟踪造成显著影响。


技术实现要素：

5.本发明的目的在于提供一种车辆阈值更新方法、装置、电子设备及存储介质，以降低数据关联的错误率，提高目标追踪的实际应用效果。
6.获取车辆的待处理图像；
7.根据预先训练好的检测模型，确定所述待处理图像中的追踪目标的位置信息；
8.根据所述追踪目标的位置信息，更新交并比阈值，以基于更新后的交并比阈值对所述追踪目标进行追踪；其中，较近的追踪目标对应的交并比阈值小于较远的追踪目标对应的交并比阈值，所述较近的追踪目标与拍摄所述待处理图像的相机之间的距离小于所述较远的追踪目标与所述相机之间的距离。
9.进一步地，根据预先训练好的检测模型，确定所述待处理图像中的追踪目标的位置信息的步骤，包括：
10.将所述待处理图像输入所述检测模型中，得到多个初始目标，以及每个所述初始目标的置信度和位置信息；
11.根据各个所述初始目标的置信度，从多个所述初始目标中筛选出追踪目标。
12.进一步地，根据各个所述初始目标的置信度，从多个所述初始目标中筛选出追踪
目标的步骤，包括：
13.将多个所述初始目标中置信度大于或等于预设的置信度阈值的初始目标确定为追踪目标。
14.进一步地，所述追踪目标的位置信息包括所述追踪目标的车辆类型以及所述追踪目标在其运动方向上的坐标值；根据所述追踪目标的位置信息，更新交并比阈值的步骤，包括：
15.根据预设的车辆类型与更新参数的对应关系，确定与所述追踪目标的车辆类型对应的目标更新参数；
16.根据所述追踪目标在其运动方向上的坐标值和所述目标更新参数，更新交并比阈值。
17.进一步地，根据所述追踪目标在其运动方向上的坐标值和所述目标更新参数，更新交并比阈值的步骤，包括：
18.通过如下公式计算得到更新后的交并比阈值iou
threshold
：
[0019][0020]
其中，x为所述追踪目标在其运动方向上的坐标值，所述目标更新参数包括r、μ、σ和b，r为形状因子，μ为样本均值，σ为样本方差因子，b为偏离程度因子。
[0021]
第二方面，本发明实施例还提供了一种车辆追踪阈值更新装置，所述装置包括：
[0022]
获取模块，用于获取车辆的待处理图像；
[0023]
确定模块，用于根据预先训练好的检测模型，确定所述待处理图像中的追踪目标的位置信息；
[0024]
更新模块，用于根据所述追踪目标的位置信息，更新交并比阈值，以基于更新后的交并比阈值对所述追踪目标进行追踪；其中，较近的追踪目标对应的交并比阈值小于较远的追踪目标对应的交并比阈值，所述较近的追踪目标与拍摄所述待处理图像的相机之间的距离小于所述较远的追踪目标与所述相机之间的距离。
[0025]
进一步地，所述追踪目标的位置信息包括所述追踪目标的车辆类型以及所述追踪目标在其运动方向上的坐标值；所述更新模块具体用于：
[0026]
根据预设的车辆类型与更新参数的对应关系，确定与所述追踪目标的车辆类型对应的目标更新参数；
[0027]
根据所述追踪目标在其运动方向上的坐标值和所述目标更新参数，更新交并比阈值。
[0028]
进一步地，所述更新模块还用于：
[0029]
通过如下公式计算得到更新后的交并比阈值iou
threshold
：
[0030][0031]
其中，x为所述追踪目标在其运动方向上的坐标值，所述目标更新参数包括r、μ、σ和b，r为形状因子，μ为样本均值，σ为样本方差因子，b为偏离程度因子。
[0032]
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述方法。
[0033]
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行第一方面所述方法。
[0034]
本发明实施例提供的车辆阈值更新方法、装置、电子设备及存储介质，获取车辆的待处理图像，根据预先训练好的检测模型，确定所述待处理图像中的追踪目标的位置信息，根据所述追踪目标的位置信息，更新交并比阈值，以基于更新后的交并比阈值对所述追踪目标进行追踪，其中，较近的追踪目标对应的交并比阈值小于较远的追踪目标对应的交并比阈值，所述较近的追踪目标与拍摄所述待处理图像的相机之间的距离小于所述较远的追踪目标与所述相机之间的距离。这种结合了位置信息监测和交并比阈值的更新方式，能够解决“非线性几何尺度”数据关联追踪id跳变的问题，与现有的卡尔曼滤波方法相比，降低了数据关联的错误率，提高了目标追踪的实际应用效果。
附图说明
[0035]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]
图1为本发明实施例提供的一种车辆追踪阈值更新方法的场景示意图；
[0037]
图2为本发明实施例提供的一种车辆追踪阈值更新方法的流程示意图；
[0038]
图3为本发明实施例提供的一种车辆追踪阈值更新方法的计算方法图；
[0039]
图4为本发明实施例提供的一种车辆追踪阈值更新方法的统计结果图；
[0040]
图5为本发明实施例提供的另一种车辆追踪阈值更新方法的统计结果图；
[0041]
图6为本发明实施例提供的另一种车辆追踪阈值更新方法的拟合曲线图；
[0042]
图7为本发明实施例提供的一种车辆追踪阈值更新装置的结构示意图；
[0043]
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
[0044]
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0045]
在智能道路交通系统中，对道路车辆行驶信息进行追踪定位是智能化交通管理研究的关键技术。但当需要从交通视频流中追踪某一目标车辆时，传统的人工监测方法不仅费时费力，且容易遗漏关键视频信息，效率较低。并且单一摄像头的场景下，存在着监控范围过小、信息不足的缺点。而多摄像头的方法虽然可以弥补单一摄像头的不足，但现有的“跨镜”追踪技术成熟度不高，追踪id跳变频繁、稳定性差，大多数实际应用中仍然依赖人工点击视频切换实现，其适用性不高。基于此，本发明实施例提供的一种车辆追踪阈值更新方
法、装置、电子设备及存储介质，结合了位置信息监测和交并比阈值的更新方式，可以降低了数据关联的错误率，提高了目标追踪的实际应用效果。
[0046]
为便于对本实施例进行理解，首先对本发明实施例所公开的一种车辆追踪阈值更新方法进行详细介绍。
[0047]
本发明实施例提供了一种车辆追踪阈值更新方法，该方法可以由具有图像处理能力的电子设备执行，该方法适用于交通执法中的道路监控。参见图1所示的一种车辆追踪阈值更新方法的场景示意图：
[0048]
由多目全景相机对监控的道路上的车辆进行追踪，并生成追踪视频，当车辆行驶至中院距离时，检测到目标车辆的类型，并生成目标车辆的检测框，上传至检测模型。
[0049]
多目全景相机采用多镜头360度无死角的设置，适用对大空间进行监控，本技术通过多目全景相机完成360度范围内的监控视野全覆盖，通过多个细节球机完成360度范围内的目标跟踪，对于不同方向上目标可以同时跟踪处理。车辆类型表示车辆的大小，一般用truck、car进行命名，检测框为矩形框，表示车辆在图像中的位置。
[0050]
参见图2所示的一种车辆追踪阈值更新方法的流程示意图，该方法对车辆的待检测图像进行如下步骤s101～步骤s103所示的追踪阈值更新处理，得到与追踪目标的位置信息相关的交并比阈值：
[0051]
步骤s101，获取车辆的待处理图像。
[0052]
本技术实施例通过多目全景相机获取车辆从远距离到近距离的车辆图像，并生成适应于车辆大小的检测框，检测框为矩形。
[0053]
步骤s102，根据预先训练好的检测模型，确定待处理图像中的追踪目标的位置信息。
[0054]
本技术实施例中的检测模型可以采用匀速模型和线性观测模型对检测获取的目标位置、目标速度进行状态预测、更新。追踪目标的位置信息包括追踪车辆的类型和追踪车辆在待处理图像中的位置，该位置可以用坐标系的方式来确定。
[0055]
在一些可能的实施例中，将待处理图像输入检测模型中，得到多个初始目标，以及每个所述初始目标的置信度和位置信息，根据各个初始目标的置信度，从多个初始目标中筛选出追踪目标。
[0056]
一个概率样本的置信区间(confidence interval)是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。置信区间给出的是被测量参数测量值的可信程度范围，即前面所要求的“一定概率”。这个概率被称为置信度。本技术实施例中的置信度是为了从多个初始目标中筛选出追踪目标，置信度代表该追踪目标的可信度。
[0057]
在一些可能的实施例中，将多个所述初始目标中置信度大于或等于预设的置信度阈值的初始目标确定为追踪目标。
[0058]
在本技术实施例中，置信度可以预先设置为0.25，当检测目标大于预先设置的置信度时，说明该区域存在该检测目标，当当检测目标小于预先设置的置信度时，说明该区域不存在该检测目标。
[0059]
步骤s103，根据追踪目标的位置信息，更新交并比阈值，以基于更新后的交并比阈值对追踪目标进行追踪。
[0060]
交并比计算是用于描述两个包围框之间的重合度，交并比等于两个框重合部分的面积除以他们合并起来的面积，即交集除以并集。参见图3为本技术实施例提供的iou交并比计算法。本技术实施例中的初始交并比阈值可以设定为0.9，根据目标的位置信息，通过deepsort的目标追踪方式，对交并比阈值进行更新。车辆类型表示车辆的大小，一般用truck、car进行命名。
[0061]
在一些可能的实施例中，追踪目标的位置信息包括追踪目标的车辆类型以及追踪目标在其运动方向上的坐标值；根据追踪目标的位置信息，更新交并比阈值的步骤，包括：根据预设的车辆类型与更新参数的对应关系，确定与追踪目标的车辆类型对应的目标更新参数，根据所述追踪目标在其运动方向上的坐标值和目标更新参数，更新交并比阈值。
[0062]
判断车辆类型是为了与预设车辆类型对比，得到该车辆类型对应的参数，检测到的不同的车辆类型代表不同的参数，位置信息为目标在图像中的坐标位置，本技术实施例将车辆的运动方向设定为图像坐标系的x轴，得到车辆目标追踪iou
threshold
值，iou
threshold
为追踪得到的目标值与初始的iou阈值结合得到的。iou
threshold
与图像坐标x映射关系如下公式：
[0063]uthreshold
＝f(x),x∈[0,w]
[0064]
其中，x为检测目标在图像坐标系x轴的取值，w表示图像宽度。
[0065]
在一些可选的实施例中，追踪目标在其运动方向上的坐标值和所述目标更新参数，更新交并比阈值的步骤，包括：
[0066]
通过如下公式计算得到更新后的交并比阈值iou
threshold
：
[0067][0068]
其中，x为所述追踪目标在其运动方向上的坐标值，所述目标更新参数包括r、μ、σ和b，r为形状因子，μ为样本均值，σ为样本方差因子，b为偏离程度因子。
[0069]
本发明实施例提供的车辆阈值更新方法，获取车辆的待处理图像，根据预先训练好的检测模型，确定所述待处理图像中的追踪目标的位置信息，根据所述追踪目标的位置信息，更新交并比阈值，以基于更新后的交并比阈值对所述追踪目标进行追踪，其中，较近的追踪目标对应的交并比阈值小于较远的追踪目标对应的交并比阈值，所述较近的追踪目标与拍摄所述待处理图像的相机之间的距离小于所述较远的追踪目标与所述相机之间的距离。这种结合了位置信息监测和交并比阈值的更新方式，能够解决“非线性几何尺度”数据关联追踪id跳变的问题，与现有的卡尔曼滤波方法相比，降低了数据关联的错误率，提高了目标追踪的实际应用效果。
[0070]
本发明实施例还提供了上述方法的数据实验结果曲线图，具体如下：
[0071]
参见图4为本发明实施例所提出的车辆追踪阈值更新方法，依据对不同车辆类型各100次均值结果的，前后两帧的连续检测目标框的iou统计结果图。
[0072]
参见图5为是通过判断原始数据iou值的下峰值点(peaks)，以iou值得下包络曲线为基础数据拟合回归的peaks点分布图。
[0073]
本发明所提出的车辆追踪阈值更新方法，是根据数据分布存在着两端iou值较大，中间iou值较小的特征(多目相机图像中心畸变的原因引起的)，其分布呈“钟形”分布，因
此，本发明根据一种“仿高斯概率密度曲线”进行建模，函数方程公式如下所示。
[0074][0075]
其中，x为所述追踪目标在其运动方向上的坐标值，所述目标更新参数包括r、μ、σ和b，r为形状因子，μ为样本均值，σ为样本方差因子，b为偏离程度因子。
[0076]
本发明实施例以均值方差最小参数迭代求解，所求最优解为u＝960；σ＝150，r＝0.005，b＝0.06。参见图6为本发明实施例提供的曲线拟合效果图。
[0077]
对应于上述的车辆追踪阈值更新方法，本发明实施例还提供了一种车辆追踪阈值更新装置，该装置用于获取车辆的待处理图像，根据预先训练好的检测模型，确定所述待处理图像中的追踪目标的位置信息，根据追踪目标的位置信息，更新交并比阈值，以基于更新后的交并比阈值对追踪目标进行追踪，参见图7示的一种车辆追踪阈值更新装置700示意图，该装置包括：
[0078]
获取模块710，用于获取车辆的待处理图像。
[0079]
确定模块720，用于根据预先训练好的检测模型，确定所述待处理图像中的追踪目标的位置信息。
[0080]
更新模块730，用于根据所述追踪目标的位置信息，更新交并比阈值，以基于更新后的交并比阈值对所述追踪目标进行追踪；其中，较近的追踪目标对应的交并比阈值小于较远的追踪目标对应的交并比阈值，所述较近的追踪目标与拍摄所述待处理图像的相机之间的距离小于所述较远的追踪目标与所述相机之间的距离。
[0081]
本发明实施例提供的车辆阈值更新装置，获取车辆的待处理图像，根据预先训练好的检测模型，确定所述待处理图像中的追踪目标的位置信息，根据所述追踪目标的位置信息，更新交并比阈值，以基于更新后的交并比阈值对所述追踪目标进行追踪，其中，较近的追踪目标对应的交并比阈值小于较远的追踪目标对应的交并比阈值，所述较近的追踪目标与拍摄所述待处理图像的相机之间的距离小于所述较远的追踪目标与所述相机之间的距离。这种结合了位置信息监测和交并比阈值的更新方式，能够解决“非线性几何尺度”数据关联追踪id跳变的问题，与现有的卡尔曼滤波方法相比，降低了数据关联的错误率，提高了目标追踪的实际应用效果。
[0082]
进一步地，上述更新模块730具体用于：根据预设的车辆类型与更新参数的对应关系，确定与追踪目标的车辆类型对应的目标更新参数，根据追踪目标在其运动方向上的坐标值和所述目标更新参数，更新交并比阈值。
[0083]
进一步地，上述更新模块730还用于：通过如下公式计算得到更新后的交并比阈值iou
threshold
：
[0084][0085]
其中，x为所述追踪目标在其运动方向上的坐标值，所述目标更新参数包括r、μ、σ和b，r为形状因子，μ为样本均值，σ为样本方差因子，b为偏离程度因子。
[0086]
本实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，
为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
[0087]
参见图8，本发明实施例还提供一种电子设备800，包括：处理器802，存储器804，总线803和通信接口801，所述处理器802、通信接口801和存储器804通过总线803连接；处理器802用于执行存储器804中存储的可执行模块，例如计算机程序。
[0088]
其中，存储器804可能包含随机存取存储器(random access memory，简称ram)，也可能还包括非易失性存储器(non-volatile memory，简称nvm)，例如至少一个磁盘存储器。通过至少一个通信接口801(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
[0089]
总线803可以是工业标准体系结构(industry standard architecture，简称isa)总线、外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
[0090]
其中，存储器804用于存储程序，所述处理器802在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流程定义的装置所执行的方法可以应用于处理器802中，或者由处理器802实现。
[0091]
处理器802可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器802中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器802可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现成可编程门阵列(field-programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器804，处理器802读取存储器804中的信息，结合其硬件完成上述方法的步骤。
[0092]
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行前面方法实施例中所述的地震图像噪声压制方法。该计算机可读存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0093]
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
[0094]
附图中的流程图和框图显示了根据本发明的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的
功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0095]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0096]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0097]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0098]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。