(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 202210556109.8 (22)申请日 2022.05.20 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 叶乐乐　张朋　周祥明　肖亮　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 严翠霞 (51)Int.Cl. G06T 7/246(2017.01) G06T 7/73(2017.01) G06T 7/277(2017.01) (54)发明名称 一种车辆跟踪方法、 装置、 终端及计算机可 读存储介质 (57)摘要 本发明提供一种车辆跟踪方法、 装置、 终端 及计算机 可读存储介质， 车辆跟踪方法包括对待 检测视频中的当前帧图像进行车辆部位检测， 确 定当前帧图像包含的至少一个目标车辆的车辆 部位检测信息； 根据各目标车辆在历史帧图像中 的位置信息， 预测各目标车辆在当前帧图像中的 车辆部位预测 信息； 基于各目标车辆在当前帧图 像中的车辆部位预测 信息， 确定目标车辆在当前 帧图像中分别对应的车辆部位检测 信息； 基于目 标车辆对应的车辆部位检测信息， 确定目标车辆 在当前帧图像中的位置信息。 本申请根据检测的 车辆部位检测信息确定目标车辆在当前帧图像 中的位置信息， 避免目标车辆被部分遮挡未检测 到位置信息而影响目标车辆跟踪的稳定性和连 贯性。 权利要求书6页 说明书20页 附图13页 CN 115035156 A 2022.09.09 CN 115035156 A 1.一种车辆跟踪方法， 其特 征在于， 所述车辆跟踪方法包括： 对待检测视频中的当前帧图像进行车辆部位检测， 确定所述当前帧图像包含的至少一 个目标车辆的车辆 部位检测信息； 根据所述至少一个目标车辆中各目标车辆在历史帧图像中的位置信 息， 预测所述各目 标车辆在所述当前帧图像中的车辆部位预测信息， 所述历史帧图像包括所述待检测视频中 所述当前帧图像之前的视频帧； 基于所述各目标车辆在所述当前帧图像中的所述车辆部位预测信 息， 确定所述各目标 车辆在所述当前帧图像中分别对应的所述车辆 部位检测信息； 基于所述各目标车辆对应的所述车辆部位检测信 息， 确定所述各目标车辆在所述当前 帧图像中的位置信息 。 2.根据权利要求1所述的车辆跟踪方法， 其特征在于， 所述车辆部位检测信 息包括车顶 信息； 所述对待检测视频中的当前帧图像进行车辆部位检测， 确定所述当前帧图像包含的至 少一个目标 车辆的车辆 部位检测信息， 包括： 对所述待检测视频中的所述当前帧图像进行车辆多部位检测， 得到所述当前帧图像包 含的至少一个目标车辆对应的至少一个部件类别图像集， 所述部件类别图像集包含多张同 一类别的部件图像； 基于所述至少一个部件类别图像集， 确定各 所述目标 车辆的车顶信息 。 3.根据权利要求2所述的车辆跟踪方法， 其特 征在于， 所述基于所述至少一个部件类别图像集， 确定各 所述目标 车辆的车顶信息， 包括： 基于同一所述部件类别图像集中所述部件图像之间的相似度和所述部件图像的置信 度， 对所述部件类别图像集中的所述部件图像进行筛 选； 基于筛选后的所述至少一个部件类别图像集， 确定各 所述目标 车辆的车顶信息 。 4.根据权利要求2所述的车辆跟踪方法， 其特征在于， 所述部件类别图像集包括车顶图 像集、 车身图像集、 车头图像集、 车尾图像集和车牌图像集中的至少一个； 所述基于所述至少一个部件类别图像集， 确定各 所述目标 车辆的车顶信息， 包括： 将所述车顶图像集、 所述车身图像集、 所述车头图像集、 所述车尾图像集和所述车牌图 像集中的各所述部件图像分别进 行关联， 确定相互关联的所述部件图像对应同一所述目标 车辆； 基于与所述目标 车辆对应的所述部件图像， 确定所述目标 车辆的车顶信息 。 5.根据权利要求4所述的车辆跟踪方法， 其特征在于， 所述车牌图像集包括至少一个车 牌检测框， 所述车尾图像集包括至少一个车尾 检测框； 所述将所述车顶图像集、 所述车身图像集、 所述车头图像集、 所述车尾图像集和所述车 牌图像集中的各所述部件图像分别进 行关联， 确定相互关联的所述部件图像对应同一所述 目标车辆， 包括： 计算得到所述车牌图像集中的各车牌检测框与所述车尾图像集中各车尾检测框之间 的重叠率； 响应于所述车牌检测框与 所述车尾检测框之间的所述重叠率超过第 一预设重叠率， 则 将所述重 叠率对应的所述车牌检测框和所述车尾 检测框进行关联。权　利　要　求　书 1/6 页 2 CN 115035156 A 26.根据权利要求5所述的车辆跟踪方法， 其特 征在于， 所述将所述车顶图像集、 所述车身图像集、 所述车头图像集、 所述车尾图像集和所述车 牌图像集中的各所述部件图像分别进 行关联， 确定相互关联的所述部件图像对应同一所述 目标车辆， 还包括： 响应于一所述车牌检测框与多个所述车尾检测框分别对应的所述重叠率均超过所述 第一预设重叠率， 则将与所述车牌检测框关联的所述多个车尾检测框的最低边线进行比 较； 解除距离所述当前帧图像的下边线非最近的所述最低边线所属的所述车尾检测框与 所述车牌检测框之间的关联关系。 7.根据权利要求5所述的车辆跟踪方法， 其特征在于， 所述车头图像集包括至少一个车 头检测框； 所述将所述车顶图像集、 所述车身图像集、 所述车头图像集、 所述车尾图像集和所述车 牌图像集中的各所述部件图像分别进 行关联， 确定相互关联的所述部件图像对应同一所述 目标车辆， 还包括： 响应于所述车牌检测框与所述车尾检测框之间的所述重叠率低于所述第一预设重叠 率， 则计算未关联的所述车牌检测框与所述车头图像集中各所述车头检测框之间的重叠 率； 响应于所述车牌检测框与 所述车头检测框之间的所述重叠率超过第 二预设重叠率， 则 将所述重 叠率对应的所述车牌检测框和所述车头检测框进行关联。 8.根据权利要求7 所述的车辆跟踪方法， 其特 征在于， 所述将所述车顶图像集、 所述车身图像集、 所述车头图像集、 所述车尾图像集和所述车 牌图像集中的各所述部件图像分别进 行关联， 确定相互关联的所述部件图像对应同一所述 目标车辆， 还包括： 响应于一所述车牌检测框与多个所述车头检测框分别对应的所述重叠率均超过所述 第二预设重叠率， 则将与所述车牌检测框关联的所述多个车头检测框的最低边线进行比 较； 解除距离所述当前帧图像的下边线非最近的所述最低边线所属的所述车头检测框与 所述车牌检测框之间的关联关系。 9.根据权利要求4～7任一项所述的车辆跟踪方法， 其特征在于， 所述车身图像集包括 至少一个车身检测框， 所述将所述车顶图像集、 所述车身图像集、 所述车头图像集、 所述车尾图像集和所述车 牌图像集中的各所述部件图像分别进 行关联， 确定相互关联的所述部件图像对应同一所述 目标车辆， 包括： 计算得到所述车尾 检测框与所述车身图像集中各 所述车身检测框之间的重 叠率； 响应于所述车尾检测框与 所述车身检测框之间的所述重叠率超过第 三预设重叠率， 则 将所述重 叠率对应的所述车尾 检测框与所述车身检测框进行关联。 10.根据权利要求9所述的车辆跟踪方法， 其特 征在于， 所述将所述车顶图像集、 所述车身图像集、 所述车头图像集、 所述车尾图像集和所述车 牌图像集中的各所述部件图像分别进 行关联， 确定相互关联的所述部件图像对应同一所述权　利　要　求　书 2/6 页 3 CN 115035156 A 3