(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 202111624101.2 (22)申请日 2021.12.28 (71)申请人 大唐高鸿智联科技 （重庆） 有限公司 地址 400040 重庆市高新区虎溪街道景和 路35号 (72)发明人 张杰　许文龙　高田　 (74)专利代理 机构 北京银龙知识产权代理有限 公司 11243 专利代理师 顾春天 (51)Int.Cl. G06V 20/54(2022.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01) (54)发明名称 一种车辆追踪方法、 装置、 路侧设备及网络 侧设备 (57)摘要 本发明提供了一种车辆追踪， 属于车联网技 术领域。 该方法包括， 获取目标车辆的图像数据； 获取所述图像数据在不同比例下的第一特征， 并 将所述第一特征输入第一训练模 型， 得到第一结 构体； 根据所述第一结构体， 计算所述目标车辆 的车辆掩码， 并将所述车辆掩码赋值于所述第一 结构体， 得到第二结构体； 将所述图像数据和所 述第二结构体发送给网络侧设备。 本发明实施例 的车辆追踪方法， 通过同时将车牌、 车窗以及车 轮设置为识别特征， 降低了因摄像头架设角度、 高度无法获取车牌对应的图像数据对车辆追踪 的影响， 利用多种车辆识别特征进行车辆检测和 追踪时， 提高了特征识别或 匹配的成功概率和对 所述目标车辆的追 踪轨迹的完整度。 权利要求书3页 说明书14页 附图5页 CN 114898304 A 2022.08.12 CN 114898304 A 1.一种车辆追踪方法， 应用于路侧设备， 其特 征在于， 包括： 获取目标 车辆的图像数据； 获取所述图像数据在不同比例下的第一特征， 并将所述第一特征输入第一训练模型， 得到第一结构体； 根据所述第一结构体， 计算所述目标车辆的车辆掩码， 并将所述车辆掩码赋值于所述 第一结构体， 得到第二结构体； 将所述图像数据和所述第二结构体发送给网络侧设备。 2.根据权利要求1所述的车辆追踪方法， 其特征在于， 所述车辆掩码的类别包括车牌、 车窗以及车轮。 3.根据权利要求1所述的车辆追踪方法， 其特征在于， 所述获取所述图像数据在不同比 例下的第一特 征， 包括： 对所述图像数据进行不同比例的缩小， 得到不同比例下的第 一高层特征和第 一低层特 征； 将所述第一高层特 征和所述第一低层特 征进行融合， 得到所述第一特 征。 4.根据权利要求1所述的车辆追踪方法， 其特征在于， 所述第 一结构体包括所述目标车 辆对应的第一图像、 所述第一图像的尺寸信息以及， 所述第一图像在所述图像数据对应的 图像中的位置信息 。 5.根据权利要求1所述的车辆追踪方法， 其特征在于， 所述第一训练模型采用 Generalized Focal Loss和GIoU Loss函数进行模型训练。 6.根据权利要求4所述的车辆追踪方法， 其特征在于， 所述根据所述图像数据， 计算所 述目标车辆的车辆掩码， 包括： 将所述第一图像缩放至第一预设尺寸， 并通过第二训练模型进行图像分割， 得到所述 车辆掩码。 7.根据权利要求6所述的车辆追踪方法， 其特征在于， 所述第二训练模型采用Focal   Loss函数进行模型训练。 8.一种车辆追踪方法， 应用于网络侧设备， 其特 征在于， 包括： 接收目标 车辆的图像数据和第二结构体； 解析所述第二结构体， 得到所述目标车辆的车牌信息和特征向量， 所述特征向量用于 表示车辆掩码对应的目标 车辆的车身特 征； 将所述车牌信息和所述特征向量与目标队列进行匹配， 并对所述目标队列进行更新； 所述目标队列为本次匹配之前保存的车牌信息和特 征向量。 9.根据权利要求7所述的车辆追踪方法， 其特征在于， 所述车辆掩码对应的车身特征包 括： 车牌、 车窗以及车轮。 10.根据权利要求8所述的车辆追踪方法， 其特征在于， 解析所述第 二结构体， 得到所述 目标车辆的车牌信息， 包括： 解析所述第二结构体， 得到所述第二结构体中的所述车辆掩码； 根据所述车辆掩码， 获取 车牌区域对应的第一图像区域； 将缩放至第 二预设尺寸的所述第 一图像区域输入第 三训练模型， 得到所述目标车辆的 车牌信息 。权　利　要　求　书 1/3 页 2 CN 114898304 A 211.根据权利要求10所述的车辆追踪方法， 其特征在于， 所述第 三训练模型采用交叉熵 函数和正则化损失函数进行模型训练。 12.根据权利要求8所述的车辆追踪方法， 其特征在于， 解析所述第 二结构体， 得到所述 目标车辆的特 征向量， 包括： 解析所述第二结构体， 得到所述第二结构体中的所述车辆掩码； 根据所述车辆掩码， 获取 所述目标 车辆的车身特 征对应的车身图像区域； 将缩放至第 三预设尺寸的所述车身图像区域输入第四训练模型， 得到所述目标车辆的 车身特征向量； 将所述车身特 征向量输入第五训练模型， 得到所述特 征向量。 13.根据权利要求12所述的车辆追踪方法， 其特征在于， 所述车身图像区域包括： 车牌 区域对应的第一图像区域、 车窗区域对应的第二图像区域以及车轮区域对应的第三图像区 域中的至少两个； 所述车身特征向量包括： 车牌对应的第一特征向量、 所述车窗对应的第二特征向量以 及所述车轮对应的第三特 征向量中的至少两个。 14.根据权利要求12所述的车辆追踪方法， 其特征在于， 所述第五训练模型为包括自注 意力机制的训练模型。 15.根据权利要求8所述的车辆追踪方法， 其特征在于， 所述将所述车牌信息和所述特 征向量与目标队列进行匹配， 包括： 采用匈牙利算法和相关滤波算法将所述车牌信息和所述特征向量与目标队列进行匹 配。 16.一种车辆追踪装置， 应用于路侧设备， 其特 征在于， 包括： 第一获取模块， 用于获取目标 车辆的图像数据； 第二获取模块， 用于获取所述图像数据在不同比例下的第一特征， 并将所述第一特征 输入第一训练模型， 得到第一结构体； 计算模块， 用于根据 所述第一结构体， 计算所述目标车辆的车辆掩码， 并将所述车辆掩 码赋值于所述第一结构体， 得到第二结构体； 发送模块， 用于将所述图像数据和所述第二结构体发送给网络侧设备。 17.一种车辆追踪装置， 应用于网络侧设备， 其特 征在于， 包括： 接收模块， 用于 接收目标 车辆的图像数据和第二结构体； 解析模块， 用于解析所述第 二结构体， 得到所述目标车辆的车牌信 息和特征向量， 所述 特征向量用于表示车辆掩码对应的目标 车辆的车身特 征； 匹配更新模块， 用于将所述车牌信息和所述特征向量与目标队列进行匹配， 并对所述 目标队列进行 更新； 所述目标队列为本次匹配之前保存的车牌信息和特 征向量。 18.一种路侧设备， 包括： 收发机、 存储器、 处理器及存储在存储器上并可在处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7中 任一项所述的车辆追踪方法的步骤。 19.一种网络侧设备， 包括： 收发机、 存储器、 处理器及存储在存储器上并可在处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求8 至15 中任一项所述的车辆追踪方法的步骤。权　利　要　求　书 2/3 页 3 CN 114898304 A 3