一种基于深度学习的多摄像头车辆跟踪系统

摘要

本发明公开了一种基于深度学习的多摄像头车辆跟踪的系统，创建多个拍摄摄像头，并对获取的视频中的车辆机型检测；利用深度学习的Caffe框架训练车辆样本图片，生成车辆检测模型；提取车辆特征，分别为全局特征的颜色特征提取和局部特征的SURF算法特征进行提取；利用全卷积孪生网络跟踪算法中的特征向量相似度与多特征合作进行匹配；将跟踪信息存放到专有数据库中，以方便用户查阅跟踪的详细信息，并可通过播放视频内容再次判断目标车辆信息；对不同的摄像头轨迹进行分块处理，绘制车辆的轨迹，创建全局路径。本发明基于深度学习的多摄像头协同分析下的车辆跟踪，得到更精确的多方位识别跟踪技术，对社会治安及交通管制有重要的意义。