CN119399710A 车辆抛物监测方法及监测系统 （深圳市盛视技术有限公司）

区前湾一路1号A栋201室入驻深圳市本申请公开一种车辆抛物监测方法，其包2检测监控区域内对象目标并对监控区域内的每一对象目标进行状态为有行人或车辆出入监控区域时，根据跟踪结果去除疑似针对关于监控区域的每一帧图像的每一对象目标建立目标跟v的目标跟踪集合Abandoni,v和跟踪至第i帧时的行人目标w的目标跟踪集合Pers通过深度学习模型检测出每一帧图像中的所有对象目标，并对每一对相邻两帧图像的同一类别的对象目标进行匹配跟踪：如果前一帧图像n中存在一对象目标m与后一帧图像n+1中一对象目标k匹配成功；则更新该对象目标k于目标跟踪集合图像n中存在一对象目标m未与后一帧图像n+1的任一对象目标匹配成功，则更新该对象目标k未与前一帧图像n中任一对象目标匹配成功，则对象目标k为新增对象目标并且由对象在每一帧跟踪过程中，根据每一对象目标的生命值life判断3.如权利要求2所述的车辆抛物监测方法，其特征在于，根据每一对象目标的生命值当一对象目标的生命值life＝0时将该对象目标对应的目标跟踪集合标记为待删除目记录对象目标被标记为待删除目标集合时所属图像帧数L，当life值为记录对象目标被标记为待删除目标集合时所属图像帧数L，当life值为若初次出现时间t1与当前时刻的时间的时间差大于时间阈值T2，则综合该疑似遗留物3获取当前帧图像j时的该疑似遗留物目标Y对应的目标跟踪集合Aban根计算目标跟踪集合Abandonj,Y中所有目标框的中心点坐标计算目标跟踪集合Abandonj,Y中所有目标计算在当前图像帧时该疑似遗留物目标停留在监训练考虑监控区域的背景区域的用于判断是否为真正数据集输入至二分类模型中进行训练获得二t2＜T33为设定的时间阈值；(III)将目标跟踪集合Abandonj,Y中6.如权利要求1所述的车辆抛物监测方法，其特征在于，判定出现车辆抛掷遗留物行7.如权利要求6所述的车辆抛物监测方法，计算目标跟踪集合Abandonj,TrueAban中每一目标框中心点与任一车辆目标u的目标跟踪集合Vehiclej,u中每一目标框中心点的欧式距离，选取所有欧式距离值最小值作为车辆目标u至真正遗留物目标TrueAban的距离Du,True以所有的距离Du,TrueAban中最小值所对应的车辆目标为抛掷真正遗留物目标TrueAban的将真正遗留物目标TrueAban、抛掷真正遗留物目标TrueAban的车辆对应配成功时将抛掷真正遗留物目标TrueAban的车辆加9.如权利要求7所述的车辆抛物监测方法，其特征4将存在于相同帧图像中的真正遗留物目标TrueAban对应的目标框与一行人目标w对应器中存储的可执行代码，以执行如权利要求1至9任意一项所述的车辆抛物监测方法的步5[0013]对相邻两帧图像的同一类别的对象目标进行匹配跟踪：如果前一帧图像n中存在帧图像n中存在一对象目标m未与后一帧图像n+1的任一对象目标匹配成功，则更新该对象目标k未与前一帧图像n中任一对象目标匹配成功，则对象目标k为新增对象目标并且由对6[0016]当一对象目标的生命值life＝0时将该对象目标对应的目标跟踪集合标记为待删[0021]若初次出现时间t1与当前时刻的时间的时间差大于时间阈值T[0027]训练考虑监控区域的背景区域的用于判断是否为真第二数据集输入至二分类模型中进行训练获得二t2＜T33为设定的时间阈值；[0034]获取当前帧图像j时新增的真正疑似遗留物目标TrueAban对应的目标跟踪集合7[0036]计算目标跟踪集合Abandonj,TrueAban中每一目标框中心点与任一车辆目标u的目标跟踪集合Vehiclej,u中每一目标框中心点的欧式距离，选取所有欧式距离值最小值作为车辆目标u至真正疑似遗留物目标TrueAban的距离Du,Tr[0037]以所有距离Du,TrueAban中最小值所对应的车辆目标为抛掷真正疑似遗留物目标[0042]将抛掷真正疑似遗留物目标TrueAban的车辆与卡口相机拍摄的车辆进行多维特[0044]当获取当前帧图像j时一真正疑似遗留物目标TrueAban对应的目标跟踪集合[0046]将存在于相同帧图像中的真正疑似遗留物目标TrueAban对应的目标框与一行人定。车辆抛物监测方法及监测系统通过图像处理手段实现无人值守的自动抛物检测的功8等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有[0059]请参照图1，本申请实施例提供的车辆抛物监测方法包括如下步骤S100至步骤[0060]步骤S100：检测监控区域内对象目标并对监控区域内的[0068]步骤S110：针对关于监控区域的每一帧图像的每一对象9疑似遗留物目标v的目标跟踪集合Abandoni,v和跟踪至第i帧时的行人目标w的目标跟踪集前述这些比较接近的物体即可理解为步骤S300中的干扰目标的一部分，如此可能会出：yolox模型检测出的遗留物不完全是本申请真正需要关注和监测的由车辆在行驶过程中抛像n中存在一对象目标m与后一帧图像n+1中一对象目标k匹配成功；则更新该对象目标k于目标跟踪集合Subsetn,m中以形成后一帧图像n+1的对象目标k对应的目标跟踪集合识符号代表同一个对象目标。Subsetn,m表示第n帧图像的对象标跟踪集合，那么对于第二帧而言，行人目标P1跟踪至第二帧时对应目标跟踪集合为帧图像中的目标框box2信息即为在第二帧图像中检测的行人目标C的目标框信息；如果第一次跟踪识别现象，那么行人目标P1的life值更新为life_1，此时life_1＝4，集合未与第一帧图像中任何行人目标匹配成功，那么行人目标C为监控区域中新增的一个行人人目标C对应的目标跟踪集合为Subset2,P6，Subset2,P6存储着行人目标C在第二帧中目标框[0078]当一对象目标的生命值life＝0时将该对象目标对应的目标跟踪集合标记为待删程中的是否匹配成功的情况，如果对象目标在匹配跟踪过程中维持在初始设定的life值，在后续的M帧内突然又出现该对象目标又匹配成功的情况，待删除目标集合恢复为标记前骤S500的操作，对于状态为0的无车和无人出入监控区域时，没有必要进行真正遗留物分[0091]若当前时刻的时间与初次出现时间t1的时间差大于时间阈值T[0094]步骤S310：获取当前帧图像j时的该疑似遗留物目标Y对应的目标跟踪集合j,Y[0095]步骤S320：根计算目标跟踪集合Abandonj,Y中所有目标框的中心点坐标的标准差标框的总数，xN表示第N个目标框的中心点的横坐标，yN表示第N个目标框的中心点的纵坐识别模型基于efficientnet_b1网络模型，可理解的，二分类识别模型输出结果要么为真True要么为假False，其中组成第一数据集的背景区域的图像块可为出现于户外的落于地t2＜T33为设定的时间阈值；[0119]步骤S511：获取当前帧图像j时新增的真正遗留物目标TrueAban对应的目标跟踪值作为车辆目标u至真正遗留物目标TrueAban的距离Du,True[0127]将抛掷真正遗留物目标TrueAban