一种基于深度学习的在线多摄像头多车辆目标跟踪方法

本发明提供了一种基于深度学习的在线多目标多摄像头车辆跟踪方法，主要步骤为：从多个摄像头捕获车辆视频图像；利用YOLOv11算法识别并定位车辆实例；通过ResNet101_IBN卷积神经网络提取车辆的2048维外观特征；应用单摄像头多目标跟踪算法生成各摄像头下的目标轨迹；通过层次聚类算法结合特征余弦距离和Dunn指数优化，对目标轨迹进行聚类，完成跨摄像头的目标匹配。该方法迭代执行上述步骤，适应连续视频流中的多目标车辆跟踪需求。通过整合轻量级车辆检测器、高效外观特征提取、精确的单摄像头跟踪及先进的跨摄像头关联策略，本发明显著增强了车辆跟踪的实时性、准确性和鲁棒性，适用于复杂多摄像头监控环境，如城市监控、交通管理和自动驾驶辅助系统。