(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210753471.4 (22)申请日 2022.06.28 (71)申请人 深圳一清创新科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区粤兴二道1号虚拟大学 园重点实验室平台大楼401(A414- A422) (72)发明人 黎明慧　李恒　刘明　王鲁佳　 (74)专利代理 机构 深圳市六加知识产权代理有 限公司 4 4372 专利代理师 江晓苏 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/22(2022.01) G06V 10/764(2022.01)G06V 10/74(2022.01) G06V 10/82(2022.01) G06T 7/73(2017.01) G06T 7/277(2017.01) (54)发明名称 一种红绿灯跟踪方法、 装置、 及无人驾驶汽 车 (57)摘要 本发明涉及人工智能技术领域， 主要提供一 种红绿灯跟踪方法、 装置及无人驾驶汽车， 通过 根据目标检测算法获取当前帧图像中红绿灯的 检测框， 并根据检测框的置信度 将检测框划分为 高分框和低分框。 获取当前帧图像的预测框， 根 据当前帧图像中检测框和预测框的类别， 将类别 相同的高分框和预测框进行匹配， 以获取第一跟 踪结； 将类别相同的低分框和未与高分框匹配上 的预测框进行匹配， 以获取第二跟踪结果， 然后 获取未匹配上的检测框， 并将检测框与未与低分 框匹配上的预测框进行匹配， 以获取第三跟踪结 果。 最后将上述跟踪结果进行整合， 得到当前帧 中红绿灯跟踪结果。 从而能够准确并高效的识别 出当前帧图像中的红绿灯， 进而提高了无人驾驶 汽车的安全性。 权利要求书3页 说明书11页 附图3页 CN 114973205 A 2022.08.30 CN 114973205 A 1.一种红绿灯跟踪方法， 应用于无 人驾驶汽车， 其特 征在于， 所述方法包括： 获取当前帧图像； 将所述当前帧图像输入目标检测算法， 以获取当前帧图像 中红绿灯的检测框， 其中， 所 述检测框包括所述红绿灯在当前帧图像中的置信度、 类别和位置； 获取前N帧图像中红绿灯映射至当前帧图像的预测框， 其中， 所述预测框包括红绿灯在 当前帧图像中的置信度、 类别和位置； 根据所述检测框中红绿灯的置信度， 将所述检测框划分为高分框和低分框； 根据所述当前帧图像中高分框和预测框的类别， 将类别相同的高分框和预测框进行匹 配， 以获取第一跟踪结果； 根据所述当前帧图像中低分框和预测框的类别， 将类别相同的低分框和未与 所述高分 框匹配上的预测框进行匹配， 以获取第二跟踪结果； 获取未与所述预测框匹配上的检测框， 并将所述检测框与未与 所述低分框匹配上的预 测框进行匹配， 以获取第三跟踪结果； 将所述第一跟踪结果、 第二跟踪结果和第三跟踪结果进行整合， 从而得到当前帧中红 绿灯跟踪结果。 2.根据权利要求1所述的方法， 其特征在于， 在获取到所述当前帧图像中红绿灯的检测 框后， 所述方法还 包括： 获取所述当前帧图像中所有的检测框； 将所述检测框进行重合度计算， 以确定当前帧图像中是否存在重合的检测框； 当所述当前帧图像中存在重合的检测框时， 基于所述检测框的置信度， 保留所述重合 的检测框中置信度高的检测框 。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述当前帧图像中高分框和预测 框的类别， 将类别相同的高分框和预测框进行匹配， 以获取第一跟踪结果， 包括： 基于所述检测框的类别， 获取相同类别的高分框和预测框； 获取所述相同类别的高分框和预测框分别在当前帧图像中的第一 位置和第二 位置； 根据所述第一位置和第二位置， 获取重合度大于第一预设阈值的高分框和预测框， 并 获取重合度等于第二预设阈值的高分框和预测框； 对重合度 大于所述第 一预设阈值的高分框和预测框进行匹配， 若所述高分框与所述预 测框匹配成功， 则确认所述高分框的状态为被跟踪； 计算重合度等于所述第 二预设阈值的高分框和预测框的欧式距离， 并在所述欧式距离 大于预设距离时， 确认所述高分框为的状态为被跟踪。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述当前帧图像中低分框和预测 框的类别， 将类别相同的低分框和未与所述高分框匹配上 的预测框进行匹配， 以获取第二 跟踪结果， 包括： 获取未与所述高分框匹配上的预测框， 并获取与所述预测框类别相同的低分框； 获取所述类别相同的低分框与未匹配上的预测框在当前帧图像中的第三位置和第四 位置； 对所述第三位置和所述第四位置进行重合度计算， 并获取重合度 大于第三预设阈值的 低分框和未匹配上的预测框， 以及重合度等于所述第二预设阈值的低分框和未匹配上的预权　利　要　求　书 1/3 页 2 CN 114973205 A 2测框； 对重合度 大于所述第 三预设阈值的低分框和未匹配上的预测框进行匹配， 若所述低分 框与所述未匹配上的预测框匹配成功， 则确认所述低分框的状态为被跟踪； 计算重合度等于所述第 二预设阈值的低分框和未匹配上的预测框的欧式距离， 并在所 述欧式距离大于所述预设距离时， 确认所述低分框的状态为被跟踪。 5.根据权利要求4所述的方法， 其特征在于， 所述获取未与所述预测框匹配上的检测 框， 并将所述检测框与未与所述低分框匹配上 的预测框进行匹配， 以获取第三跟踪结果包 括： 获取未与所述预测框匹配上的所述检测框， 并获取所述未匹配上的检测框在当前帧图 像中的第五位置， 其中， 所述检测框包括未匹配上的高分框和未匹配上的低分框； 获取未与所述低分框匹配上的预测框， 以及所述预测框在当前帧图像中的第六位置； 对所述第五位置和第六位置进行重合度计算， 并获取重合度大于第四预设阈值的预测 框和检测框， 以及重合度等于所述第二预设阈值时的预测框和检测框； 对重合度 大于所述第四预设阈值的检测框和预测框进行匹配， 若所述检测框与所述预 测框匹配成功， 则确认所述检测框的状态为被跟踪； 计算重合度等于所述第 二预设阈值的检测框和预测框的欧式距离， 并在所述欧式距离 大于所述预设距离时， 确认所述检测框的状态为被跟踪。 6.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： 将状态为被跟踪的检测框作为所述当前帧图像的下一帧图像中红绿灯的预测框， 并根 据所述预测框对所述下一帧图像中的红绿灯进行跟踪， 其中， 所述状态为被跟踪的检测框 包括的状态为被跟踪的高分框和低分框 。 7.一种红绿灯跟踪装置， 应用于无 人驾驶汽车， 其特 征在于， 包括： 第一获取模块， 用于获取当前帧图像； 第二获取模块， 用于将所述当前帧图像输入目标检测算法， 以获取当前帧图像中红绿 灯的检测框， 其中， 所述检测框包括所述红绿灯在当前帧图像中的置信度、 类别和位置； 第三获取模块， 用于获取前N帧图像中红绿灯映射至当前帧图像的预测框， 其中， 所述 预测框包括红绿灯在当前帧图像中的置信度、 类别和位置； 分类模块， 用于根据所述检测框中红绿灯的置信度， 将所述检测框划分为高分框和低 分框； 第一匹配模块， 用于根据所述当前帧图像中高分框和预测框的类别， 将类别相同的高 分框和预测框进行匹配， 以获取第一跟踪结果； 第二匹配模块， 用于根据所述当前帧图像中低分框和预测框的类别， 将类别相同的低 分框和未与所述高分框匹配上的预测框进行匹配， 以获取第二跟踪结果； 第三匹配模块， 用于获取未与所述预测框匹配上的检测框， 并将所述检测框与未与所 述低分框匹配上的预测框进行匹配， 以获取第三跟踪结果； 跟踪结果模块， 用于将所述第 一跟踪结果、 第 二跟踪结果和第三跟踪结果进行整合， 从 而得到当前帧中红绿灯跟踪结果。 8.一种无 人驾驶汽车， 其特 征在于， 包括： 至少一个处 理器； 以及，权　利　要　求　书 2/3 页 3 CN 114973205 A 3