1.一种基于多源信息融合的车辆目标检测跟踪方法,其特征在于,所述车辆目标检测跟踪方法包括:步骤1、获取车辆检测数据集,所述车辆检测数据集包括多张第一检测图像和多张第二检测图像,所述第一检测图像为视频监测设备对应的图像,所述第二检测图像为雷达设备对应的图像;
步骤2、对所述第一检测图像和所述第二检测图像进行标注;
步骤3、对所述第一检测图像和所述第二检测图像进行时间和空间的同步配准;
步骤4、采用高斯混合模型与贝叶斯理论对所述第一检测图像和所述第二检测图像进行融合检测,以得到融合后的检测结果;
步骤5、基于融合后的检测结果,采用多源信息融合的检测跟踪算法实现对车辆目标最终的检测与跟踪。
2.根据权利要求1所述的基于多源信息融合的车辆目标检测跟踪方法,其特征在于,所述步骤2包括:利用标注框将所述第一检测图像和所述第二检测图像中的车辆进行标注,并根据车辆大小、车道位置和出现次序对所述第一检测图像和所述第二检测图像中的车辆进行标注。
3.根据权利要求1所述的基于多源信息融合的车辆目标检测跟踪方法,其特征在于,所述步骤3包括:步骤3.1、对所述第一检测图像和所述第二检测图像进行时间配准;
步骤3.2、对所述第一检测图像和所述第二检测图像进行空间配准。
4.根据权利要求3所述的基于多源信息融合的车辆目标检测跟踪方法,其特征在于,所述步骤3.1包括:判断所述第一检测图像和所述第二检测图像的帧号和时间是否一致,若一致,则完成时间配准。
5.根据权利要求3所述的基于多源信息融合的车辆目标检测跟踪方法,其特征在于,所述步骤3.2包括:步骤3.21、将雷达设备坐标系下的坐标转换到以视频监测设备为中心的世界坐标系中;
步骤3.22、将世界坐标系的坐标转换到视频监测设备坐标系中;
步骤3.23、将视频监测设备坐标系的坐标转换到图像坐标系中。
6.根据权利要求1所述的基于多源信息融合的车辆目标检测跟踪方法,其特征在于,所述步骤4包括:步骤4.1、基于高斯分布,对雷达的检测结果相对于真实值的位置分布f(x1,y1)进行积分,得到概率分布F(x1,y1),对视频的检测结果相对于真实值的位置分布f(x2,y2)进行积分,得到概率分布F(x2,y2);
步骤4.2、基于贝叶斯公式,根据所述概率分布F(x1,y1)和所述概率分布F(x2,y2)得到目标的真实位置Bi相对于检测结果A的概率P(Bi│A);
步骤4.3、选取一预设区域,所述预设区域包括在所述第一检测图像的目标位置和在所述第二检测图像的目标位置,将所述预设区域中的每个像素和概率P(Bi│A)进行联合概率计算,输出联合概率最高的位置为融合后的检测结果。
7.根据权利要求1所述的基于多源信息融合的车辆目标检测跟踪方法,其特征在于,所述步骤5包括:步骤5.1、利用目标检测算法获得第k帧检测目标集合detections;
步骤5.2、采用数据关联算法建立目标与轨迹的关联矩阵;
步骤5.3、利用跟踪器模板在当前第k帧循环检测,计算最大响应值,确定目标预测位置,实现轨迹跟踪。
8.根据权利要求7所述的基于多源信息融合的车辆目标检测跟踪方法,其特征在于,所述步骤5.3包括:步骤5.31、初始化KCF跟踪器;
步骤5.32、更新目标位置;
步骤5.33、更新跟踪器模板。
9.根据权利要求7所述的基于多源信息融合的车辆目标检测跟踪方法,其特征在于,在所述步骤5.3之后,还包括:步骤5.4、采用卡尔曼滤波对遮挡目标进行位置预测。
10.根据权利要求9所述的基于多源信息融合的车辆目标检测跟踪方法,其特征在于,所述步骤5.4包括:步骤5.41、利用第k‑1帧状态值预测第k帧的状态;
步骤5.42、计算卡尔曼增益Kk;
步骤5.43、用观测值Zk对预测结果进行更新,对预测结果和观测结果做加权平均,得到当前时刻的状态估计,同时,更新协方差Pk。