一種基於視頻的車輛跟蹤方法及裝置與流程
2023-06-02 15:57:51 1
本發明涉及數據處理領域，具體涉及一種基於視頻的車輛跟蹤方法及裝置。
背景技術：
隨著計算機技術和圖像處理技術的不斷發展，基於視頻的車輛檢測與跟蹤技術已經成為智能交通系統領域的關鍵技術。由於基於視頻的車輛檢測與跟蹤方法便於維護且成本較低，同時對車輛的檢測與跟蹤範圍廣，可獲取較多種類的交通參數，所以，該技術被智能交通系統廣泛應用。
對於道路上固定視角的攝像頭拍攝的視頻，在目前的基於視頻的車輛跟蹤方法中，跟蹤車輛的過程車輛可能出現由遠及近或由近及遠的位移，在視頻中車輛的大小會隨之發生變化。但是，一旦視頻中的車輛變小，則可能將背景過多的納入跟蹤車輛的搜索範圍內；或者，一旦視頻中的車輛過大，則可能導致無法跟蹤車輛的整體。同時隨著車輛行駛遠近變化、轉彎形變、光變等，車輛的外觀逐漸變化等因素，容易影響跟蹤效果。現有的基於視頻的車輛跟蹤方法存在跟蹤不準確的問題，那麼如何兼顧快速跟蹤和跟蹤效果是一個極具挑戰性的課題。
技術實現要素：
本發明提供了一種基於視頻的車輛跟蹤方法及裝置，能夠在基於視頻的車輛跟蹤中實現快速跟蹤的同時提高跟蹤準確性。
本發明實施例提供了一種基於視頻的車輛跟蹤方法，所述方法包括：
預先確定視頻中用於車輛追蹤的第一幀圖像，並利用所述第一幀圖像初始化模型；
將所述視頻中的下一幀圖像作為當前處理圖像，執行對當前處理圖像中的車輛進行跟蹤流程：
所述對當前處理圖像中的車輛進行跟蹤流程包括：獲取所述當前處理圖像的上一幀圖像上確定的搜索範圍；提取所述當前處理圖像上所述搜索範圍內的圖像特徵，並根據所述圖像特徵，得到特徵循環矩陣；利用所述特徵循環矩陣與當前的模型進行匹配，得到匹配度矩陣；並利用所述匹配度矩陣中匹配度值最高且匹配度值超過預設閾值的位置更新所述目標位置；判斷所述目標位置是否超出所述視頻的監視範圍，如果是，則結束流程，否則，繼續執行模型生成與更新流程；
所述模型生成與更新流程包括：根據拍攝所述視頻的設備的標定參數，重新確定所述目標大小；根據預先確定的目標大小與搜索範圍的比例關係，重新確定所述當前處理圖像上的搜索範圍；提取所述當前處理圖像上的搜索範圍內的圖像特徵，並根據所述圖像特徵，得到特徵循環矩陣；利用所述特徵循環矩陣生成模型，並利用所述模型更新現有的模型；繼續執行所述將所述視頻中的下一幀圖像作為當前處理圖像的步驟。
優選地，所述利用所述第一幀圖像初始化模型，包括：
獲取所述第一幀圖像上的目標位置、目標大小，並根據預先確定的目標大小與搜索範圍的比例關係，確定所述第一幀圖像上的搜索範圍；
提取所述第一幀圖像上的搜索範圍內的圖像特徵，根據所述圖像特徵，得到特徵循環矩陣，並利用所述特徵循環矩陣初始化模型。
優選地，所述提取所述第一幀圖像上的搜索範圍內的圖像特徵，根據所述圖像特徵，得到特徵循環矩陣，並利用所述特徵循環矩陣初始化模型，包括：
提取所述第一幀圖像上的搜索範圍內的圖像特徵；
根據所述圖像特徵生成特徵矩陣，將所述特徵矩陣轉換成循環矩陣後，使用FFT快速傅立葉變換將所述循環矩陣映射到傅立葉空間，得到特徵循環矩陣；
利用所述特徵循環矩陣初始化模型。
優選地，所述對當前處理圖像中的車輛進行跟蹤流程，和\或，所述模型生成與更新流程中的所述根據所述圖像特徵，得到特徵循環矩陣步驟，包括：
根據所述圖像特徵生成特徵矩陣，將所述特徵矩陣轉換成循環矩陣後，使用FFT快速傅立葉變換將所述循環矩陣映射到傅立葉空間，得到特徵循環矩陣。
優選地，所述方法還包括：
獲取所述視頻中的目標速度，並根據所述目標速度確定目標大小與搜索範圍的比例關係。
本發明實施例還提供了一種基於視頻的車輛跟蹤裝置，所述裝置包括：初始化模塊，目標位置更新模塊和模型更新模塊；
所述初始化模塊，用於預先確定視頻中用於車輛追蹤的第一幀圖像，並利用所述第一幀圖像初始化模型；
所述目標位置更新模塊包括第一獲取子模塊、提取特徵子模塊、目標位置更新子模塊、判斷子模塊和第一觸發子模塊；
所述第一獲取子模塊，用於將所述視頻中的下一幀圖像作為當前處理圖像，獲取所述當前處理圖像的上一幀圖像上確定的搜索範圍；
所述提取特徵子模塊，用於提取所述當前處理圖像上所述搜索範圍內的圖像特徵，並根據所述圖像特徵，得到特徵循環矩陣；
所述目標位置更新子模塊，用於利用所述特徵循環矩陣與當前的模型進行匹配，得到匹配度矩陣；並利用所述匹配度矩陣中匹配度值最高且匹配度值超過預設閾值的位置更新所述目標位置；
所述判斷子模塊，用於判斷所述目標位置是否超出所述視頻的監視範圍；
所述第一觸發子模塊，用於在所述判斷子模塊的結果為否時，觸發所述模型更新模塊；
所述模型更新模塊包括第一確定子模塊，提取特徵子模塊、模型更新子模塊和第二觸發子模塊；
所述第一確定子模塊，用於根據拍攝所述視頻的設備的標定參數，重新確定所述目標大小；根據預先確定的目標大小與搜索範圍的比例關係，重新確定所述當前處理圖像上的搜索範圍；
所述提取特徵子模塊，用於提取所述當前處理圖像上的搜索範圍內的圖像特徵，並根據所述圖像特徵，得到特徵循環矩陣；
所述模型更新子模塊，用於利用所述特徵循環矩陣生成模型，並利用所述模型更新現有的模型；
所述第二觸發子模塊，用於在所述模型更新子模塊更新現有的模型後，觸發所述目標位置更新模塊。
優選地，所述初始化模塊，包括：
第二確定子模塊，用於獲取所述第一幀圖像上的目標位置、目標大小，並根據預先確定的目標大小與搜索範圍的比例關係，確定所述第一幀圖像上的搜索範圍；
第一初始化子模塊，用於提取所述第一幀圖像上的搜索範圍內的圖像特徵，根據所述圖像特徵，得到特徵循環矩陣，並利用所述特徵循環矩陣初始化模型。
優選地，所述第一初始化子模塊，包括：
提取子模塊，用於提取所述第一幀圖像上的搜索範圍內的圖像特徵；
第一轉換子模塊，用於根據所述圖像特徵生成特徵矩陣，將所述特徵矩陣轉換成循環矩陣後，使用FFT快速傅立葉變換將所述循環矩陣映射到傅立葉空間，得到特徵循環矩陣；
第二初始化子模塊，用於利用所述特徵循環矩陣初始化模型。
優選地，所述提取特徵子模塊，包括：
第二轉換走模塊，用於根據所述圖像特徵生成特徵矩陣，將所述特徵矩陣轉換成循環矩陣後，使用FFT快速傅立葉變換將所述循環矩陣映射到傅立葉空間，得到特徵循環矩陣。
優選地，所述裝置還包括：
確定模塊，用於獲取所述視頻中的目標速度，並根據所述目標速度確定目標大小與搜索範圍的比例關係。
本發明提供了一種基於視頻的車輛跟蹤方法，預先確定視頻中用於車輛追蹤的第一幀圖像，並利用所述第一幀圖像初始化模型。順序執行所述視頻中的各幀圖像，在處理當前幀圖像時，利用上一幀圖像上確定的搜索範圍，提取當前幀圖像上所述搜索範圍內的圖像特徵，生成特徵循環矩陣後，與當前的模型進行匹配，得到匹配度矩陣。根據匹配度矩陣上各個位置的匹配度值更新目標位置，實現車輛追蹤。
另外，在生成各幀圖像對應的模型之前，首先根據標定重新確定目標大小，並根據目標大小與搜索範圍的比例關係，縮放上一幀圖像確定的搜索範圍。在完成縮放後的搜索範圍的基礎上，提取當前幀圖像上所述搜索範圍內的圖像特徵，根據圖像特徵最終生成模型，並更新現有的模型。由於每幀圖像上的目標大小根據標定被更新，系統能夠自適應尺度跟蹤，使得車輛跟蹤更準確。
附圖說明
為了更清楚地說明本申請實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
圖1為本發明實施例提供的一種基於視頻的車輛跟蹤方法流程圖；
圖2為本發明實施例提供的一種利用用於車輛追蹤的第一幀圖像初始化模型的方法流程圖；
圖3為本發明實施例提供的一種基於視頻的車輛跟蹤裝置結構示意圖；
圖4為本發明實施例提供的一種初始化模塊310的結構示意圖。
具體實施方式
下面將結合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基於本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本申請保護的範圍。
以下進行實施例具體內容的介紹。
本發明實施例提供了一種基於視頻的車輛跟蹤方法，參考圖1，為本發明實施例提供的一種基於視頻的車輛跟蹤方法流程圖，所述方法具體包括：
S101：預先確定視頻中用於車輛追蹤的第一幀圖像，並利用所述第一幀圖像初始化模型。
一種應用場景中，安裝於各個路口的攝像頭用於獲取車輛行駛的視頻，本發明實施例是基於攝像頭獲取到的視頻進行車輛跟蹤，從而確定車輛的行駛軌跡，最終獲取到各種交通參數。
本發明實施例中，系統在獲取到需要處理的視頻後，首先對該視頻進行車輛檢測，其中，系統中的車輛檢測模塊能夠輸出用於車輛追蹤的第一幀圖像，以及所述第一幀圖像上的目標大小、目標位置、目標速度等信息。本發明實施例中的「目標」指的是視頻中被追蹤的車輛。
參考圖2，為本發明實施例提供的一種利用用於車輛追蹤的第一幀圖像初始化模型的方法流程圖，具體利用所述第一幀圖像初始化模型的方法包括：
S201：獲取所述第一幀圖像上的目標位置、目標大小和目標速度。
S202：根據所述目標速度，確定目標大小與搜索範圍的比例關係。
本發明實施例中，在車輛由近及遠行駛的視頻中，由於車速越快，視頻中前後兩幀圖像上車輛的位置差別就越大，就需要更大的搜索範圍才能以前一幀圖像上目標位置為中心覆蓋到下一幀圖像上車輛可能出現的所有位置。所以，為了減少運算量降低算法耗時，系統根據目標速度確定目標大小與搜索範圍的比例關係，即目標速度決定目標大小與搜索範圍的正比例倍數，具體的，目標速度越快，則目標大小與搜索範圍的正比例倍數越大；反之，目標速度越慢，則目標大小與搜索範圍的正比例倍數越小。
在車輛由遠及近的視頻中，由於透視原理，顯示在畫面裡的車輛一開始速度很慢，離我們越近速度越快，這種情況下只能固定選一個較大的搜索範圍，不能根據目標速度生成，否則會導致車輛開近後搜索範圍不能包含下一幀圖像上的車輛位置。
S203：根據所述目標大小與搜索範圍的比例關係，以及目標位置、目標大小，確定所述第一幀圖像上的搜索範圍。
由於系統已經確定目標大小與搜索範圍的比例關係，則根據目標大小能夠確定搜索範圍的大小，另外，根據目標位置能夠確定搜索範圍在圖像上的具體位置。本發明實施例確定的搜索範圍為以目標位置為中心的區域。
S204：提取所述第一幀圖像上的搜索範圍內的圖像特徵，根據所述圖像特徵生成特徵矩陣。
S205：將所述特徵矩陣轉換成循環矩陣後，使用FFT快速傅立葉變換將所述循環矩陣映射到傅立葉空間，得到特徵循環矩陣。
S206：利用所述特徵循環矩陣初始化模型。
本發明實施例中，在提取第一幀圖像上的搜索範圍內的圖像特徵後，首先根據所述圖像特徵生成特徵矩陣，其次，將所述特徵矩陣轉換成循環矩陣，然後，利用FFT快速傅立葉變換將所述循環矩陣映射到傅立葉空間，得到特徵循環矩陣。本發明實施例利用了循環矩陣和FFT快速傅立葉變換對圖像特徵進行處理，最終生成特徵循環矩陣，可見，系統在同樣樣本條件下，該方法能夠提高圖像特徵處理效率，減少計算時間。
另外，本發明實施例根據預先設置的算法，利用得到的特徵循環矩陣初始化模型，得到第一幀圖像對應的模型。實際應用中，利用特徵循環矩陣生成模型的方法較多，在此不再具體介紹。
S102：將所述視頻中的下一幀圖像作為當前處理圖像，執行對當前處理圖像中的車輛進行跟蹤流程，所述對當前處理圖像中的車輛進行跟蹤流程包括S103、S104和S105。
S103：獲取所述當前處理圖像的上一幀圖像上確定的搜索範圍；提取所述當前處理圖像上所述搜索範圍內的圖像特徵，並根據所述圖像特徵，得到特徵循環矩陣。
本發明實施例中，在處理所述當前處理圖像時，首先獲取上一幀圖像上確定的目標位置、目標大小以及搜索範圍，以上一幀圖像上確定的目標位置作為當前處理圖像上的目標位置，以上一幀圖像上確定的目標大小作為當前處理圖像上的目標大小，且以上一幀圖像上確定的搜索範圍作為當前處理圖像上的搜索範圍，提取當前處理圖像上所述搜索範圍內的圖像特徵。
系統在提取所述圖像特徵後，首先根據所述圖像特徵生成特徵矩陣，其次，將所述特徵矩陣轉換成循環矩陣，然後，利用FFT快速傅立葉變換將所述循環矩陣映射到傅立葉空間，得到特徵循環矩陣。本發明實施例利用了循環矩陣和FFT快速傅立葉變換對圖像特徵進行處理，最終生成特徵循環矩陣。
本發明實施例是基於上一幀圖像上的目標位置擴大一定範圍後得到的搜索範圍，查找當前處理圖像上車輛的位置。
S104：利用所述特徵循環矩陣與當前的模型進行匹配，得到匹配度矩陣；並利用所述匹配度矩陣中匹配度值最高且匹配度值超過預設閾值的位置更新所述目標位置。
本發明實施例在生成當前處理圖像的特徵循環矩陣後，利用該特徵循環矩陣與現有的模型進行匹配，生成匹配度矩陣。由於該特徵循環矩陣與該模型對應的搜索範圍相同，該匹配度矩陣中的各項表示該搜索範圍內各個位置的匹配度值，即上一幀圖像與當前處理圖像在該搜索範圍內的各個位置的匹配度值。
本發明實施例中，獲取得到的匹配度矩陣中最高的匹配度值，並將該匹配度值與預設閾值進行比較，如果該匹配度值大於該預設閾值，則直接利用該匹配度值對應的位置更新當前處理圖像上的目標位置，實現車輛的跟蹤。
如果在將該匹配度值與預設閾值比較後，該匹配度值不大於該預設閾值，則直接結束流程即可，完成對車輛的追蹤。
S105：判斷所述目標位置是否超出所述視頻的監視範圍，如果是，則結束流程，否則，繼續執行模型生成與更新流程，所述模型生成與更新流程包括S106、S107。
本發明實施例在對目標位置進行更新後，判斷更新後的目標位置是否超出視頻的監視範圍，如果已經超出監視範圍，則可以直接結束流程，完成對車輛的追蹤。如果更新後的目標位置未超出監視範圍，則開始執行如下的模型生成與更新流程。
S106：根據拍攝所述視頻的設備的標定參數，重新確定所述目標大小；根據預先確定的目標大小與搜索範圍的比例關係，重新確定所述當前處理圖像上的搜索範圍。
由於視頻中的目標會隨著實際車輛由遠及近或由近及遠的行駛，可能出現背景過多的納入跟蹤車輛的搜索範圍內，或者無法跟蹤車輛的整體等問題。本發明實施例針對以上問題，對於路口固定視角的視頻拍攝設備，首先獲取該視頻拍攝設備的標定參數，其中，所述標定參數是指把一個三維空間中的點映射到圖像空間的參數。利用這些參數可以計算同一輛車在不同位置時的大小關係，即不同目標位置時的目標大小的關係。其次，根據所述標定參數重新確定當前處理圖像上的目標大小。通過根據標定參數重新確定每幀圖像上的目標大小，能夠自適應尺度跟蹤，使得對車輛的跟蹤更快速更準確。
在機器視覺應用中，為確定空間物體表面某點的三維幾何位置與其在圖像中對應點之間的相互關係，必須建立相機成像的幾何模型，這些幾何模型參數就是標定參數。在大多數條件下這些標定參數必須通過實驗與計算才能得到，這個求解參數的過程就稱之為相機標定(或攝像機標定)，最終得到的參數即是本發明實施例中使用的標定參數。
另外，在重新確定當前處理圖像上的目標大小後，根據預先確定的目標大小與搜索範圍的比例關係，調整當前處理圖像上的搜索範圍，即對所述搜索範圍進行縮放操作，以使調整後的搜索範圍適應重新確定後的目標大小。
S107：提取所述當前處理圖像上的搜索範圍內的圖像特徵，並根據所述圖像特徵，得到特徵循環矩陣；利用所述特徵循環矩陣生成模型，並利用所述模型更新現有的模型；繼續執行S102。
本發明實施例中，在對當前處理圖像上的目標大小和搜索範圍進行調整後，提取所述當前處理圖像上的搜索範圍內的圖像特徵。根據所述圖像特徵生成特徵矩陣，並將所述特徵矩陣轉換成循環矩陣，然後，利用FFT快速傅立葉變換將所述循環矩陣映射到傅立葉空間，得到特徵循環矩陣。本發明實施例利用該特徵循環矩陣生成所述當前處理圖像對應的模型，並利用生成的模型更新現有的模型，在處理下一幀圖像的流程中使用。
本發明實施例提供的一種基於視頻的車輛跟蹤方法中，預先確定視頻中用於車輛追蹤的第一幀圖像，並利用所述第一幀圖像初始化模型。順序執行所述視頻中的各幀圖像，在處理當前幀圖像時，利用上一幀圖像上確定的搜索範圍，提取當前幀圖像上所述搜索範圍內的圖像特徵，生成特徵循環矩陣後，與當前的模型進行匹配，得到匹配度矩陣。根據匹配度矩陣上各個位置的匹配度值更新目標位置，實現車輛追蹤。
另外，在生成各幀圖像對應的模型之前，首先根據標定重新確定目標大小，並根據目標大小與搜索範圍的比例關係，縮放上一幀圖像確定的搜索範圍。在完成縮放後的搜索範圍的基礎上，提取當前幀圖像上所述搜索範圍內的圖像特徵，根據圖像特徵最終生成模型，並更新現有的模型。由於每幀圖像上的目標大小根據標定被更新，系統能夠自適應尺度跟蹤，使得車輛跟蹤更準確。
本發明實施例還提供了一種基於視頻的車輛跟蹤裝置，參考圖3，為本發明實施例提供的一種基於視頻的車輛跟蹤裝置結構示意圖。其中，所述裝置可以包括：初始化模塊310，目標位置更新模塊320和模型更新模塊330；
所述初始化模塊310，用於預先確定視頻中用於車輛追蹤的第一幀圖像，並利用所述第一幀圖像初始化模型。
所述目標位置更新模塊320包括第一獲取子模塊321、提取特徵子模塊322、目標位置更新子模塊323、判斷子模塊324和第一觸發子模塊325；
所述第一獲取子模塊321，用於將所述視頻中的下一幀圖像作為當前處理圖像，獲取所述當前處理圖像的上一幀圖像上確定的搜索範圍；
所述提取特徵子模塊322，用於提取所述當前處理圖像上所述搜索範圍內的圖像特徵，並根據所述圖像特徵，得到特徵循環矩陣；
所述目標位置更新子模塊323，用於利用所述特徵循環矩陣與當前的模型進行匹配，得到匹配度矩陣；並利用所述匹配度矩陣中匹配度值最高且匹配度值超過預設閾值的位置更新所述目標位置；
所述判斷子模塊324，用於判斷所述目標位置是否超出所述視頻的監視範圍；
所述第一觸發子模塊325，用於在所述判斷子模塊的結果為否時，觸發所述模型更新模塊。
所述模型更新模塊330包括第一確定子模塊331，提取特徵子模塊322、模型更新子模塊332和第二觸發子模塊333；
所述第一確定子模塊331，用於根據拍攝所述視頻的設備的標定參數，重新確定所述目標大小；根據預先確定的目標大小與搜索範圍的比例關係，重新確定所述當前處理圖像上的搜索範圍；
所述提取特徵子模塊322，用於提取所述當前處理圖像上的搜索範圍內的圖像特徵，並根據所述圖像特徵，得到特徵循環矩陣；
所述模型更新子模塊332，用於利用所述特徵循環矩陣生成模型，並利用所述模型更新現有的模型；
所述第二觸發子模塊333，用於在所述模型更新子模塊更新現有的模型後，觸發所述目標位置更新模塊。
參考圖4，為本發明實施例提供的一種初始化模塊310的結構示意圖，所述初始化模塊310包括：
第二確定子模塊410，用於獲取所述第一幀圖像上的目標位置、目標大小，並根據預先確定的目標大小與搜索範圍的比例關係，確定所述第一幀圖像上的搜索範圍；
第一初始化子模塊420，用於提取所述第一幀圖像上的搜索範圍內的圖像特徵，根據所述圖像特徵，得到特徵循環矩陣，並利用所述特徵循環矩陣初始化模型。
其中，所述第一初始化子模塊420，包括：
提取子模塊421，用於提取所述第一幀圖像上的搜索範圍內的圖像特徵；
第一轉換子模塊422，用於根據所述圖像特徵生成特徵矩陣，將所述特徵矩陣轉換成循環矩陣後，使用FFT快速傅立葉變換將所述循環矩陣映射到傅立葉空間，得到特徵循環矩陣；
第二初始化子模塊423，用於利用所述特徵循環矩陣初始化模型。
一種優選的實施方式中，所述提取特徵子模塊322，包括：
第二轉換走模塊，用於根據所述圖像特徵生成特徵矩陣，將所述特徵矩陣轉換成循環矩陣後，使用FFT快速傅立葉變換將所述循環矩陣映射到傅立葉空間，得到特徵循環矩陣。
另外，所述裝置還可以包括：
確定模塊，用於獲取所述視頻中的目標速度，並根據所述目標速度確定目標大小與搜索範圍的比例關係。
本發明實施例提供的一種基於視頻的車輛跟蹤裝置中，預先確定視頻中用於車輛追蹤的第一幀圖像，並利用所述第一幀圖像初始化模型。順序執行所述視頻中的各幀圖像，在處理當前幀圖像時，利用上一幀圖像上確定的搜索範圍，提取當前幀圖像上所述搜索範圍內的圖像特徵，生成特徵循環矩陣後，與當前的模型進行匹配，得到匹配度矩陣。根據匹配度矩陣上各個位置的匹配度值更新目標位置，實現車輛追蹤。
另外，在生成各幀圖像對應的模型之前，首先根據標定重新確定目標大小，並根據目標大小與搜索範圍的比例關係，縮放上一幀圖像確定的搜索範圍。在完成縮放後的搜索範圍的基礎上，提取當前幀圖像上所述搜索範圍內的圖像特徵，根據圖像特徵最終生成模型，並更新現有的模型。由於每幀圖像上的目標大小根據標定被更新，系統能夠自適應尺度跟蹤，使得車輛跟蹤更準確。
對於裝置實施例而言，由於其基本對應於方法實施例，所以相關之處參見方法實施例的部分說明即可。以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分布到多個網絡單元上。可以根據實際的需要選擇其中的部分或者全部模塊來實現本實施例方案的目的。本領域普通技術人員在不付出創造性勞動的情況下，即可以理解並實施。
需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句「包括一個……」限定的要素，並不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
以上對本發明實施例所提供的一種基於視頻的車輛跟蹤方法及裝置進行了詳細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本發明的方法及其核心思想；同時，對於本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。