(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210174972.7 (22)申请日 2022.02.25 (65)同一申请的已公布的文献号 申请公布号 CN 114549593 A (43)申请公布日 2022.05.27 (73)专利权人 北京拙河科技有限公司 地址 100000 北京市海淀区四道口北街3 6 号4号楼6层0 6 (72)发明人 袁潮　其他发明人请求 不公开姓名　 (74)专利代理 机构 北京君莫知识产权代理事务 所(普通合伙) 11715 专利代理师 崔云鹤 (51)Int.Cl. G06T 7/292(2017.01) G06T 7/246(2017.01) G06K 9/62(2022.01) G06V 10/762(2022.01)(56)对比文件 CN 109919974 A,2019.0 6.21 CN 113536862 A,2021.10.2 2 CN 109448025 A,2019.0 3.08 CN 111178161 A,2020.0 5.19 CN 112925948 A,2021.0 6.08 US 107573 69 B1,2020.08.25 US 2020182 995 A1,2020.0 6.11 齐美彬 等.基 于广义关联聚类图的分层关 联多目标跟踪. 《自动化学报》 .2017,第43卷(第1 期),152-16 0. 吴梦琪.基于单假设多目标跟踪方法的遮挡 问题研究. 《中国优秀硕士学位 论文全文数据库 信息科技 辑》 .2022,(第(202 2)01期),I138- 1933. (续) 审查员 黄娟 (54)发明名称 一种多目标多摄像头的目标追踪方法及系 统 (57)摘要 本文提供一种多目标多摄像头的目标追踪 方法及系统， 提出一种低延迟、 在线的多目标多 摄像头的目标追踪方法， 首先利用至少一个摄像 头检测目标车辆； 提取所述摄像头检测所述目标 车辆的特征数据； 所述特征数据包括所述目标车 辆的外观特征和所述目标车辆的二维平面坐标； 然后， 将所述目标车辆的二维平 面坐标映射转换 为地理位置坐标， 得到所述目标车辆的位置信 息； 基于所述目标车辆的外观特征和所述目标车 辆的位置信息， 对所述摄像头聚类， 得到聚类结 果； 最后， 将所述聚类结果与所述目标车辆产生 轨迹的时间关联， 计算所述目标车辆轨迹。 提出 的方法遵循在线和逐帧处理的原则， 消除了对离 线检测依赖， 通过在线检测的方式， 提高了系统 布置的灵活性。 [转续页] 权利要求书2页 说明书7页 附图2页 CN 114549593 B 2022.11.29 CN 114549593 B (56)对比文件 Pankaj Kumar 等.Adaptive ear th movers distance-based Bayesian multi-target tracking. 《IET Computer Visi on》 .2012,第7 卷 (第4期),246 -257.2/2 页 2[接上页] CN 114549593 B1.一种多目标多摄 像头的目标追踪方法， 其特 征在于， 包括： S1： 至少一个 摄像头检测目标 车辆； S2： 提取所述摄像头检测所述目标车辆的特征数据； 所述特征数据包括所述目标车辆 的外观特 征和所述目标 车辆的二维平面 坐标； S3： 将所述目标车辆的二维平面坐标映射转换为地理位置坐标， 得到所述目标车辆的 位置信息； 设Hn为映射矩阵， 可以将第n个摄像头的目标车辆的二维平面坐标转换为对应的 GPS坐标， 根据给定的目标车辆边界框b， 通过Hn映射变换其边 界框基准的中心点， 可以获得 实际地理位置 坐标， 即目标车辆的纬度和经度， 可以记为 是对 集合B进行变换后获得的一组GP S坐标集； S4： 基于所述目标车辆的外观特征和所述目标车辆的位置信 息， 对所述摄像头聚类， 得 到聚类结果； 通过结合 目标车辆的地理位置集合和外观特征 的集合进行分层聚类， 得到逐 帧合并的目标车辆图像， 分层聚类是将聚类的数据集合利用连通矩阵进行合并， 连通矩阵 Θ计算每个区域的每一摄像头的每一帧的车辆图像的约束成对特征距离， 在每一帧的目标 车辆图像， 计算所有目标 车辆的外观特 征向量之间的成对欧氏距离， 如下 所示： ωd,d'＝||fd‑fd'||2                     (1) 在每一帧的目标车辆图像， 计算所有目标车辆的地理位置坐标向量之间的成对欧氏距 离， 如下所示： 连通矩阵Θ的计算如下： r为最大关联半径； S5： 将所述聚类结果与所述目标 车辆产生轨 迹的时间关联， 计算所述目标 车辆轨迹。 2.如权利要求1所述的一种 多目标多摄像头的目标追踪方法， 其特征在于， 所述步骤S1 中包括： 所述至少一个 摄像头组成无线网络， 能够提供网络同步的独立视频序列。 3.如权利要求2所述的一种 多目标多摄像头的目标追踪方法， 其特征在于， 所述步骤S1 中所述至少一个 摄像头检测目标 车辆， 包括： 设定采集所述目标车辆的边界框为b＝[x,y,w,h]， 其 中， [x,y]为目标车辆边界框内的 像素坐标， [w,h ]为目标车辆边界框的宽度和高度； 定义所有摄像头每一帧采集目标车辆的 边界框集B＝{bd,d∈[1,D]}； d表示第d次目标 车辆检测， D表示目标 车辆检测总数。 4.如权利要求3所述的一种 多目标多摄像头的目标追踪方法， 其特征在于， 所述步骤S2 中提取所述摄像头检测所述 目标车辆的特征数据， 包括： 利用第一特征提取网络模型提取 所述目标车辆的外观特征和利用第二特征提取网络模型提取所述目标车辆的二维平面坐 标； 定义fd为检测目标车辆的外观特征描述符， 设F＝{fd,d∈[1,D]}是每 一帧检测到目标车 辆的外观特 征描述符集。 5.如权利要求1所述的一种 多目标多摄像头的目标追踪方法， 其特征在于， 所述步骤S5 中所述聚类结果与所述目标 车辆产生轨 迹的时间关联， 包括：权　利　要　求　书 1/2 页 2 CN 114549593 B 3