(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210884030.8 (22)申请日 2022.07.26 (65)同一申请的已公布的文献号 申请公布号 CN 114973166 A (43)申请公布日 2022.08.30 (73)专利权人 中诚华隆计算机技 术有限公司 地址 100085 北京市海淀区上地 三街9号F 座8层807- 3 (72)发明人 王嘉诚　张少仲　张栩　 (74)专利代理 机构 北京智燃律师事务所 1 1864 专利代理师 柴琳琳 (51)Int.Cl. G06V 20/54(2022.01) G06F 16/783(2019.01) G06V 10/44(2022.01)G08G 1/017(2006.01) H04N 7/18(2006.01) (56)对比文件 EP 4030403 A1,202 2.07.20 CN 110738690 A,2020.01.31 CN 111754816 A,2020.10.09 CN 105659592 A,2016.0 6.08 CN 110717414 A,2020.01.21 Florin Leon等.A Review of Track ing and Trajectory. 《mathematics》 .2021,(第9 期),第1- 37页. 审查员 李敏 (54)发明名称 一种交通信息追 踪方法、 系统及计算机设备 (57)摘要 一种交通信息追踪方法、 系统及计算机设 备， 涉及计算机技术领域， 包括图像计算单元与 CPU协作处理步骤： S100、 接收用户确定的待追踪 车辆的特征信息； S200、 获取交通视 频帧数据， 确 定待追踪车辆的首次出现的视频帧； S300、 计算 车辆运行速度并进行方向预测； S400、 提取L个地 理位置的摄像头视频数据； S500、 根据运行速度 和地理位置距离以及正切距离计算第C个地理位 置时间段内的置信区间； S600、 最后将命中的视 频段提取并显示。 本发明通过对待追踪车辆的视 频图像处理， 实现了位置预测， 实现了冗余视频 数据的去除， 显著提高了追踪准确度以及效率， 增强用户体验。 权利要求书3页 说明书8页 附图1页 CN 114973166 B 2022.10.25 CN 114973166 B 1.一种交通信息追踪方法， 其特 征在于， 包括 步骤： S100、 图像计算单元从CPU接收用户确定的待追踪车辆的特征信息， 所述待追踪车辆的 特征信息由改进的卷积神经网络对待追踪车辆 视频图像信息处 理获取； S200、 获取交通视频帧数据， 确定待追踪车辆的首次出现的视频帧， 提取视频关键帧并 圈定关键信息区域； S300、 计算车辆运行速度并进行方向预测， 所述方向预测包括计算车辆首次出现的视 频帧摄像头位置与临近的岔路方向点的正切距离； S400、 提取与首次出现的视频帧摄像头位置欧氏距离最近的L个地理位置的摄像头视 频数据， 包括由近及远的L个 摄像头或L个岔路方向的点； S500、 根据运行速度和地理位置距离以及正切距离计算第C个地理位置时间段内的置 信区间， 采用图像计算单元的并行计算模块将时间段内视频数据根据特征信息的类型进 行 特征化， 在特征化以后的特征数据中进 行检索和抽取， 确定待追踪 车辆， 并将该确定的待追 踪车辆出现的视频帧作为首次出现的视频帧； S600、 最后将命中的视频 段提取并显示， 并转至步骤S3 00进行下一步的再次预测； 其中， 图像计算单元为专用于图像计算处理 的至少一个处理器或专用于图像计算处理 的至少一个处理器内核； CPU访问图像计算单元的方式采用MMIO接口和通过P CI总线相结合 的方式： 通过MMIO访问时CPU往显存写命令后， 图像计算单元再以lockstep方式执行， CPU等 待图像计算单元指令完成后， 再次往显存写入新的命令； 对于性能要求大于设定阈值的场 景， CPU通过PCI总线访问图像计算单元的基本IO接口、 状态控制寄存器和显存， 同时采用 MMIO对PCI访问限制的显存进行写命令； 所述待追踪车辆的特征信息由改进的卷积神经网络对待追踪车辆视频图像信息处理 获取， 其中改进的卷积神经网络包括采用改进的可调FReLU激活函数， 改进的可调FReLU激 活函数表 示为 ， 其中T （·） 是二维空间条件空 间视频图像特征提 取器， m为与视频图像 通道相关的自定 义值， 为历史接收用户确定 的待追踪 车辆n维特征向量与待追踪 车辆首次出现的视频帧图像的特征向量的夹角余弦经 验值， δ 为调节值， x为输入像素参数化池窗口； 所述方向预测包括计算车辆首次出现的视频帧摄像头位置与临近的岔路方向点的正 切距离tan， 其中， 为与天气相关的自定义系数值， a是待追踪车辆的预测目的地标记， b是待追踪 车辆首次出现视频帧所在地址标记， k是待追踪 车辆目前位置的标记， 是视频帧图像中的 车辆信息度， 表示待追踪车辆首次出现视频帧所在地址与参考地址间的距离， 表示待 追踪车辆目前位置与参考地址间的距离， 是待追踪车辆特征向量， 包括位置横坐标信息、 位置纵坐标信息、 纵横比信息、 高度信息， 表示出现在预测目 的地的车辆特征信息， 是 由卡尔曼 滤波器预测得到的在当前时刻计算空间的协方差矩阵， T表示向量 转置； 所述获取交通视频帧数据， 确定待追踪车辆的首次出现的视频帧， 包括摄像头实时采权　利　要　求　书 1/3 页 2 CN 114973166 B 2集车辆视频流数据； 从第二帧开始， 实时计算第n帧与前一帧视频图像的变化度矩阵 ， ； 其中， 表示第n帧与第n ‑1帧视频RGB  图像的R通道的R值矩阵之差， 表示第n帧与第n ‑1帧视频RGB  图像的G通道的G值矩阵之差,   表示第n帧与第n ‑1 帧视频RGB  图像的B通道的B值矩阵之差,   分别为 R通道、 G通道、 B通道的矩阵比例 系数； 遍历矩阵 ， 并对矩阵内的值进行二次方求和运算， 当变化度矩阵 的运算值小于设 定阈值时， 则剔除该视频帧不进行分析。 2.根据权利要求1所述的一种交通信 息追踪方法， 其特征在于， 所述根据运行速度和地 理位置距离以及正切距离计算时间段内的置信区间， 将时间段内视频数据根据特征信息的 类型进行特征化， 包括运行速度由确定待追踪车辆的首次出现的视频帧与后一帧在图像中 的位置进 行实际映射计算 获取； 所述计算第C个地理位置时间段内的置信区间， 包括根据运 行速度以及首次视频帧摄像头位置与第C个地理位置的距离计算待追踪车辆出现在第C个 地理位置的时间段的置信区间， 以及通过正切距离实现对置信区间的确定 。 3.一种交通信息追踪系统， 其特征在于， 包括GPU并行计算接收模块： 图像计算单元从 CPU接收用户确定的待追踪车辆的特征信息， 所述待追踪车辆的特征信息由改进的卷积神 经网络对待追踪车辆视频图像信息处理获取； 检测模块： 获取 交通视频帧数据， 确定待追踪 车辆的首次出现的视频帧， 提取视频关键帧并圈定 关键信息区域； 方向预测模块： 计算车辆 运行速度并进 行方向预测， 所述方向预测包括计算车辆首次出现的视频帧摄像头位置与临 近的岔路方向点的正切距离； 提取模块： 提取与首次出现的视频帧摄像头位置欧氏距离最 近的L个地理位置的摄像头视频数据， 包括由近及远的L个摄像头或L个岔路方向的点； 确定 模块： 根据运行速度和地理位置距离以及正切距离计算第C个地理位置时间段内的置信区 间， 采用图像计算单元的并行计算模块将时间段内视频数据根据特征信息的类型进行特征 化， 在特征化以后的特征数据中进行检索和抽取， 确定待追踪 车辆， 并将该确定的待追踪 车 辆出现的视频帧作为首次出现的视频帧； 显示模块： 最后 将命中的视频段提取并显示， 并转 至步骤S300进行下一步的再次预测； 其中， 图像计算单元为专用于图像计算处理的至少一 个处理器或专用于图像计算处理的至少一个处理器内核； CPU访问图像计算单元的方式采 用MMIO接口和通过PCI总线相结合的方式： 通过MMIO访问时CPU往显存写命令后， 图像计算 单元再以lockstep方式执行， CPU等待图像计算单元指令完成后， 再次往显存写入新的命 令； 对于性能要求大于设定阈值的场景， CPU通过PCI总线访问图像计算单元的基本IO接口、 状态控制寄存器和显存， 同时采用M MIO对PCI访问限制的显存进行写命令； 所述待追踪车辆的特征信息由改进的卷积神经网络对待追踪车辆视频图像信息处理 获取， 其中改进的卷积神经网络包括采用改进的可调FReLU激活函数， 改进的可调FReLU激 活函数表示为 ， 其中T （·） 是二维空间条件空 间视频图像特征提取器， m为与视频图像通道相关 的自定义值， 为历史接收用户确 定 的待追踪 车辆n维特征向量与待追踪 车辆首次出现的视频帧图像的特征向量的夹角余弦经 验值， δ 为调节值， x为输入像素参数化池窗口；权　利　要　求　书 2/3 页 3 CN 114973166 B 3