道路监测系统、装置及方法

【技术领域】

本发明是关于一种道路监测系统、装置及方法。具体而言，本发明是关于一种利用雷达数据与影像数据至少其中之一以追踪交通物件的道路监测系统、装置及方法。

【背景技术】

已知的道路监测装置主要是利用摄影机取得的影像数据或雷达检测器所取得的雷达数据(例如：位置与速度)来追踪交通物件，但二种方式各有不足的处。利用影像数据追踪交通物件，其追踪效果取决于摄影机所取得的影像品质。若遇到交通物件距离摄影机较远、气候不佳、光线不佳(例如：太强或太暗)等情况，摄影机会无法拍摄到品质较佳的影像数据，导致追踪效果不佳。若利用雷达数据追踪交通物件，则需要交通物件移动一段距离才能计算出正确的雷达数据。因此，对于刚进入雷达检测器的检测范围的交通物件，会因为交通物件的移动距离不足而无法计算出正确的雷达数据，导致追踪效果不佳。

目前已有道路监测装置借由融合影像数据与雷达数据来追踪交通物件，但这类道路监测装置仍未解决影像数据及雷达数据在某些情况下品质不佳、不够正确的问题。由于融合了品质不佳、不够正确的影像数据及雷达数据，因此所述多个技术追踪交通物件的效果也就不佳。

进一步言，欲正确地追踪交通物件，除了要考虑单一道路监测装置的追踪能力，还需考虑跨道路监测装置的追踪能力(亦即，由多个道路监测装置追踪同一交通物件)。已知技术是采用影像相似度与时空相似度来达到跨道路监测装置的交通物件追踪。然而，已知技术未考虑道路监测装置之间的其他因素(例如：交通事故)，导致跨道路监测装置的追踪准确率下降。

有鉴于此，本领域仍亟需一种能于单一道路监测装置及跨道路监测装置皆准确地追踪交通物件的技术。

【发明内容】

本发明的一目的在于提供一种道路监测装置。所述道路监测装置包含一存储器及一处理器，且所述处理器电性连接至所述存储器。所述存储器存储多个第一交通物件各自的多个检测数据组，其中各所述检测数据组包含一第一物件影像与一第一雷达投影座标，且各所述检测数据组的所述第一物件影像与所述第一雷达投影座标间具有一匹配程度。所述处理器根据各所述第一交通物件所对应的所述多个匹配程度与所述多个第一雷达投影座标决定多个第一参考座标，以所述多个第一参考座标决定一第一界线，根据各所述第一交通物件的一最小物件影像决定多个第二参考座标，以所述多个第二参考座标决定一第二界线，且根据所述第一界线以及所述第二界线将一道路范围影像划分为一第一区域、一第二区域以及一第三区域。所述处理器还根据一第二交通物件在所述第一区域及所述第二区域的多个第二物件影像追踪所述第二交通物件，且所述处理器还根据所述第二交通物件在所述第二区域及所述第三区域的多个第二雷达投影座标追踪所述第二交通物件。

本发明的另一目的在于提供一种道路监测系统，其是包含多个道路监测装置。所述多个道路监测装置中的一第一道路监测装置存储多个第一交通物件各自的多个检测数据组，其中，各所述检测数据组包含一第一物件影像与一第一雷达投影座标，且各所述检测数据组的所述第一物件影像与所述第一雷达投影座标间具有一匹配程度。所述第一道路监测装置还根据各所述第一交通物件所对应的所述多个匹配程度与所述多个第一雷达投影座标决定多个第一参考座标，以所述多个第一参考座标决定一第一界线，根据各所述第一交通物件的一最小物件影像决定多个第二参考座标，以所述多个第二参考座标决定一第二界线，根据所述第一界线以及所述第二界线将所述第一道路监测装置的一道路范围影像划分为一第一区域、一第二区域以及一第三区域。所述第一道路监测装置还根据一第二交通物件在所述第一区域及所述第二区域的多个第二物件影像追踪一第二交通物件，且所述第一道路监测装置还根据所述第二交通物件在所述第二区域及所述第三区域的多个第二雷达投影座标追踪所述第二交通物件。

本发明的又一目的在于提供一种道路监测方法，其是适用于一道路监测系统。所述道路监测系统包含一道路监测装置，且所述道路监测装置存储多个第一交通物件各自的多个检测数据组。各所述检测数据组包含一第一物件影像与一第一雷达投影座标，且各所述检测数据组的所述第一物件影像与所述第一雷达投影座标间具有一匹配程度。所述道路监测方法包含以下步骤：(a)由所述道路监测装置根据各所述第一交通物件所对应的所述多个匹配程度与所述多个第一雷达投影座标决定多个第一参考座标，(b)由所述道路监测装置以所述多个第一参考座标决定一第一界线，(c)由所述道路监测装置根据各所述第一交通物件的一最小物件影像决定多个第二参考座标，(d)以所述多个第二参考座标决定一第二界线，(e)根据所述第一界线以及所述第二界线将一道路范围影像划分为一第一区域、一第二区域以及一第三区域，(f)根据一第二交通物件在所述第一区域及所述第二区域的多个第二物件影像追踪一第二交通物件，以及(g)根据所述第二交通物件在所述第二区域及所述第三区域的多个第二雷达投影座标追踪所述第二交通物件。

本发明所提供的道路监测技术(至少包含系统、装置及方法)利用一道路监测装置的多个组影像数据与雷达数据(亦即，前述多个第一交通物件各自的多个检测数据组)决定一第一界线及一第二界线，再根据所述第一界线及所述第二界线将所述道路监测装置的一道路范围影像划分为一第一区域、一第二区域及一第三区域，之后便于不同区域以不同类型的数据追踪后续出现的交通物件。

由于本发明所提供的道路监测技术是根据各所述第一交通物件的所述多个第一物件影像与所述多个第一雷达投影座标间的所述多个匹配程度以及所述多个第一雷达投影座标决定多个第一参考座标，再根据所述多个第一参考座标决定出所述第一界线，因此可将所述第一界线视为能以雷达数据准确地追踪交通物件的界线。另外，由于本发明所提供的道路监测技术是根据各所述第一交通物件的一最小物件影像决定多个第二参考座标，再根据所述多个第二参考座标决定出所述第二界线，因此可将所述第二界线视为能以影像数据准确地追踪交通物件的界线。由于所述第一界线及所述第二界线各自具有前述特性，因此基于所述第一界线及所述第二界线所决定出来的第一区域、第二区域及第三区域便各自有较为适合用来追踪交通物件的数据类型(亦即，影像数据或/及雷达数据)。之后，本发明所提供的道路监测技术便于不同区域以较为准确的数据类型追踪后续出现的交通物件，因而能提升追踪交通物件的准确率。

以下结合附图阐述本发明的详细技术及实施方式，俾使本领域技术人员能理解所要求保护的发明的技术特征。

【附图说明】

图1为本发明的道路监测系统的架构示意图。

图2为本发明的道路监测装置的架构示意图。

图3A为本发明中的一道路范围S的示意图。

图3B为物件影像、物件影像的质心座标以及对应的雷达投影座标的的示意图。

图3C为多个第一参考座标的示意图。

图3D为以多个第一参考座标决定一第一界线B1的示意图。

图3E为多个第二参考座标的示意图。

图3F为以多个第二参考座标决定一第二界线B2的示意图。

图3G为根据第一界线B1及第二界线B2，将一道路范围划分为一第一区域R1、一第二区域R2以及一第三区域R3的示意图。

图4为本发明的道路监测方法的主要流程图。

【符号说明】

1：道路监测系统

11：云端服务器

12a、12b、……、12c：道路监测装置

21：存储器

22：处理器

23：收发接口

24：摄影机

25：雷达检测器

D1、D2、……、Dz：检测数据组

S：道路范围

O：物件影像

C：质心座标

P：雷达投影座标

B1：第一界线

B2：第二界线

R1：第一区域

R2：第二区域

R3：第三区域

401～407：步骤

【具体实施方式】

以下通过实施方式来解释本发明所提供的道路监测系统、装置及方法。然而，所述多个实施方式并非用以限制本发明需在如所述多个实施方式所述的任何环境、应用或方式方能实施。因此，关于以下实施方式的说明仅在于阐释本发明的目的，而非用以限制本发明的范围。应理解，在以下实施方式及附图中，与本发明非直接相关的元件已省略而未示出。此外，附图中各元件的尺寸以及元件间的尺寸比例仅为便于示出及说明，而非用以限制本发明的范围。

本发明的第一实施方式为一道路监测系统1，其架构示意图是描绘于图1。道路监测系统1包含多个道路监测装置12a、12b、……、12c。道路监测装置12a、12b、……、12c被设置于一或多条道路旁的不同地点，且会各自运作以追踪交通物件(容后详述)。在某些实施方式中，道路监测系统1还可包含一云端服务器11，且道路监测装置12a、12b、……、12c可进一步地与云端服务器11协同运作以达成跨道路监测装置的交通物件追踪(容后说明)。

道路监测装置12a、12b、……、12c于道路监测系统1所扮演的角色雷同。以下将以道路监测装置12a为例，详细说明其架构、其如何运作以追踪交通物件以及其可如何与云端服务器11协同运作以达成跨道路监测装置的交通物件追踪。应理解，以下针对道路监测装置12a所作的说明，一并适用于各个道路监测装置12b、……、12c。

图2描绘道路监测装置12a的架构示意图。道路监测装置12a包含一存储器21、一处理器22、一摄影机24及一雷达检测器25，且存储器21、摄影机24及雷达检测器25皆电性连接至处理器22。存储器21可为一硬盘(Hard Disk Drive；HDD)、一随身碟、一存储器或本领域技术人员所知的任何其他能存储数字信息的非暂态存储媒体、电路或装置。处理器22可为各种处理器、中央处理单元(Central Processing Unit；CPU)、微处理器(MicroprocessorUnit；MPU)、数字信号处理器(Digital Signal Processor；DSP)或本领域技术人员所知的任何其他具有相同功能的计算装置。摄影机24可为各种能不断地(例如：周期性地)拍摄以产生影像的装置，例如：各种网络摄影机、各种监视摄影机。雷达检测器25可为各种能通过发射电波及接收障碍物反射回来的信号以计算出目标物件的距离的装置，例如：红外线雷达、超声波雷达、毫米波雷达。

摄影机24具有一影像检测范围(亦即，拍摄范围)，且所述影像检测范围中有一道路范围。于本实施方式中，处理器22已知悉此道路范围(例如：于设置道路监测装置12a时，便已设定所述道路范围并将的记录于存储器21)。在其他实施方式中，处理器22可针对摄影机24所拍摄到的任一张监测影像进行影像分割，再基于影像分割的结果决定出道路范围S(如图3A所示)。本领域技术人员应熟知影像分割技术以及如何依据影像分割的结果决定出道路范围S，故不赘言。

摄影机24运作时，会不断地拍摄以产生多张监测影像(未示出)。若一交通物件通过摄影机24的所述影像检测范围，则所述交通物件便会被拍摄于所述多个监测影像的某些张中。处理器22会从摄影机24所产生的所述多个监测影像中检测出多个物件影像。须说明者，本发明未限制处理器22会从一张监测影像中检测出几个物件影像；换言之，可为零个、一个或多个。此外，本发明未限制处理器22需采用何种技术以从所述多个监测影像中检测出所述多个物件影像。举例而言，处理器22可采用经过训练的机器学习模型(例如：卷积神经网络(Convolutional Neural Network，CNN)模型中的YOLO模型)以从所述多个监测影像中检测出所述多个物件影像。

另外，雷达检测器25具有一雷达检测范围。雷达检测器25运作时，会不断地发射电波且接收障碍物反射回来的信号以产生多个距离数据。若一交通物件通过所述雷达检测范围，则雷达检测器25便会产生所述交通物件的多个距离数据。

摄影机24的影像检测范围及雷达检测器25的雷达检测范围至少部分重叠。兹假设在一时间区间内有N个交通物件通过摄影机24的影像检测范围及雷达检测器25的雷达检测范围，其中，N为大于1的正整数。处理器22可采用数据融合(fusion)技术以将所述段时间区间内的所述多个物件影像与所述多个距离数据配对。本发明未限制处理器22需采用何种数据融合技术。举例而言，前述数据融合技术可为基于中央极限定理(Central LimitTheorem)、卡尔曼滤波器(Kalman filter)、贝氏网络(Bayesian Network)或Dempster-Shafer理论的数据融合技术。由于摄影机24与雷达检测器25采用不同座标系统，因此处理器22在将所述多个物件影像与所述多个距离数据配对时，会于同一座标系统进行。举例而言，若以摄影机24所采用的相机座标系统为准，处理器22会将所述多个距离数据由雷达座标系统投影至相机座标系统以得多个雷达投影座标。处理器22可采用点对齐座标方法(Point Alignment Method)，将各所述距离数据通过投影转换矩阵转换至相机座标系统以得对应的所述雷达投影座标。在所述相机座标系统中，一影像的原点可为所述影像的左上角。经前述处理后，处理器22产生N个交通物件每一个的多个检测数据组，其中，各所述检测数据组包含某一交通物件的一物件影像与一雷达投影座标。存储器21则会存储N个交通物件的所述多个检测数据组D1、D2、……、Dz。

须说明者，于本实施方式中，摄影机24及雷达检测器25是包含于道路监测装置12a。在某些实施方式中，道路监测装置可不含摄影机，而是通过一收发接口接收一摄影机所拍摄的监测影像，再由处理器22进行前述相关运作。依据前述说明，本领域技术人员应能明了处理器22会针对接收到的监测影像所进行的运作，故不赘言。在某些实施方式中，道路监测装置可不含雷达检测器，而是通过一收发接口接收一雷达检测器所产生的距离数据，再由处理器22进行前述相关运作。依据前述说明，本领域技术人员应能明了处理器22会针对所接收到的距离数据所进行的运作，故不赘言。

于本实施方式中，检测数据组D1、D2、……、Dz每一组的所述物件影像与所述雷达投影座标间具有一匹配程度。一检测数据组的物件影像与雷达投影座标间的匹配程度代表所述物件影像与所述雷达投影座标对应至同一交通物件的正确程度。在某些实施方式中，处理器22可计算各所述物件影像的一质心座标，且计算各所述物件影像的所述质心座标与对应的所述雷达投影座标间的一距离。所述多个距离与所述多个匹配程度相关；具体而言，距离越小，匹配程度越高。为便于理解，请参图3B所示的一具体范例，其是描绘一交通物件的一检测数据组的物件影像O与雷达投影座标P。处理器22可计算物件影像O的质心座标C，计算质心座标C与雷达投影座标P间的距离，并以所述距离作为所述检测数据组的物件影像O与雷达投影座标P间的匹配程度。

如前所述，N个交通物件的每一个存在多个检测数据组，因此处理器22会针对N个交通物件的每一个的各检测数据组计算出物件影像与雷达投影座标间的匹配程度。处理器22会根据N个交通物件的每一个所对应的所述多个匹配程度与所述多个雷达投影座标决定多个第一参考座标(如图3C所示)，再以所述多个第一参考座标决定一第一界线B1(如图3D所示)。

举例而言，针对一交通物件，处理器22可挑选出一或多个雷达投影座标，所述多个挑选出来的雷达投影座标与对应的物件影像间的匹配程度大于一阈值(若以物件影像的质心座标与对应的雷达投影座标间的距离作为匹配程度，则是选取距离小于一阈值者)，处理器22再从挑选出来的雷达投影座标中选取y座标值最大者作为所述交通物件所对应的第一参考座标。一交通物件所对应的第一参考座标可视为所述交通物件的所述多个雷达投影座标中能与物件影像准确地匹配且最为靠近道路监测装置12a者。处理器22针对每一交通物件的检测数据组皆会进行前述运作，因此N个交通物件会有N个对应的第一参考座标(如图3C所示)。接着，处理器22以所述多个第一参考座标决定第一界线B1。举例而言，处理器22可利用线性回归法(Linear regression)、支援向量机(Support Vector Machine)、稀疏自编码器(Sparse Autoencoder)或其他技术，基于所述多个第一参考座标计算出第一界线B1。由于第一界线B1是基于靠近道路监测装置12a的所述多个第一参考座标所计算出来的，因此第一界线B1可作为一近处交界线(亦即，雷达投影座标能被准确地与物件影像匹配的近处极限)。

另外，如前所述，N个交通物件的每一个存在对应的多个检测数据组，且各检测数据组包含一物件影像。换言之，各所述交通物件具有多个对应的物件影像。处理器22会根据各所述交通物件的一最小物件影像决定多个第二参考座标(如图3E所示)，再以所述多个第二参考座标决定一第二界线B2(如图3F所示)。举例而言，针对一交通物件，处理器22会基于其最小物件影像(亦即，所述交通物件所对应的所述多个物件影像中最小者，也就是处理器22针对所述交通物件所能检测到的最小物件影像框)决定一第二参考座标(例如：所述最小物件影像的质心)。处理器22针对每一交通物件的检测数据组皆会进行前述运作，因此N个交通物件会有N个对应的第二参考座标(如图3E所示)。接着，处理器22以所述多个第二参考座标决定第二界线B2。类似的，处理器22可利用线性回归法、支援向量机、稀疏自编码器或其他技术，基于所述多个第二参考座标计算出第二界线B2。由于第二界线B2是基于距离道路监测装置12a较远的所述多个第二参考座标所计算出来的，因此第二界线B2可作为一远处交界线(亦即，能从监测影像中检测出将通物件的物件影像的远处极限)。

接着，处理器22根据第一界线B1及第二界线B2，将一道路范围划分为一第一区域R1、一第二区域R2以及一第三区域R3(如图3G所示)。由于第一界线B1可视为雷达投影座标能被准确地与物件影像匹配的近处极限，意味着在第一区域R1极可能无法以雷达检测器准确地追踪交通物件。此外，由于第二界线B2可视为能从监测影像中检测出物件影像的远处极限，意味着在第三区域R3极可能无法从监测影像中检测出交通物件的物件影像。因此，在决定出第一区域R1、第二区域R2及第三区域R3后，处理器22便可在不同区域以较为适合的数据类型来追踪交通物件，达到准确追踪交通物件的技术效果。

具体而言，针对后续出现于道路监测装置12a的检测范围(亦即，影像检测范围与雷达检测范围的联集)的任一交通物件，处理器22可根据所述交通物件在第一区域R1及第二区域R2的多个物件影像(从摄影机24所拍摄的多张监测影像中检测出来的)追踪所述交通物件，且可根据所述交通物件在第二区域R2及第三区域R3的多个雷达投影座标(从雷达检测器25所产生的多个距离座标投影至相机座标系统)追踪所述交通物件。须说明者，处理器22是将雷达检测器25所产生的所述多个距离座标投影至相机座标系统以判断哪些距离座标所对应的雷达投影座标落于第二区域R2及第三区域R3，实际追踪时仍是依据落于第二区域R2及第三区域R3的雷达投影座标所对应的距离座标。此外，针对第二区域R2，处理器22可使用数据融合技术以将第二区域R2内的所述多个物件影像与所述多个雷达投影座标配对。

在某些实施方式中，道路监测装置12a还可根据一累积误差来更新第一界线B1。兹假设在决定第一区域R1、第二区域R2及第三区域R3后，道路监测装置12a追踪了M个交通物件，其中，M为大于1的正整数。在追踪追踪M个交通物件的过程，道路监测装置12a会产生M个交通物件各自的多个检测数据组，且M个交通物件的各所述检测数据组包含一物件影像与一雷达投影座标，M个交通物件的每一个的各所述检测数据组的物件影像与雷达投影座标间具有一匹配程度。M个交通物件的所述多个检测数据组可存储于存储器21。处理器22可根据M个交通物件各自所对应的所述多个匹配程度与对应的雷达投影座标决定多个第三参考座标(例如：依据前述的方式)，且计算所述多个第三参考座标与第一界线B1间的一累积误差。若处理器22判断所述累积误差大于一阈值，则处理器22可依据所述累积误差更新第一界线B1(例如：依据所述累积误差移动第一界线B1)。若处理器22更新了第一界线B1，则第一区域R1及第二区域R2也随的更新。

在某些实施方式中，道路监测装置12a还可根据另一累积误差来更新第二界线B2。类似的，在道路监测装置12a追踪M个交通物件的过程，道路监测装置12a会产生且存储M个交通物件各自的多个检测数据组，如上所述。处理器22可根据M个交通物件各自的最小物件影像决定多个第四参考座标，且计算所述多个第四参考座标与第二界线B2间的一累积误差。若处理器22判断所述累积误差大于一阈值，且处理器22以所述累积误差更新第二界线B2(例如：依据所述累积误差移动第二界线B2)。若处理器22更新了第二界线B2，则第二区域R2及第二区域R3也随的更新。

在某些实施方式中，道路监测装置12a可采用前述累积误差的方式来更新第一界线B1以及第二界线B2，兹不赘言。

在某些实施方式中，道路监测装置12a可定期地或不定期地重新决定第一界线B1。类似的，在道路监测装置12a追踪M个交通物件的过程，道路监测装置12a会产生且存储M个交通物件各自的多个检测数据组，如上所述。处理器22可根据M个交通物件各自所对应的所述多个匹配程度与所述多个雷达投影座标决定多个第五参考座标，且以所述多个第五参考座标更新第一界线B1(例如：利用线性回归法、支援向量机、稀疏自编码器或其他技术，基于所述多个第五参考座标重新计算出第一界线B1)。

在某些实施方式中，道路监测装置12a可定期地或不定期地重新决定第二界线B2。类似的，在道路监测装置12a追踪M个交通物件的过程，道路监测装置12a会产生且存储M个交通物件各自的多个检测数据组，如上所述。处理器22可根据M个交通物件各自的最小物件影像决定多个第六参考座标，且以所述多个第六参考座标更新第二界线B2(例如：利用线性回归法、支援向量机、稀疏自编码器或其他技术，基于所述多个第六参考座标重新计算出第二界线B1)。

在某些实施方式中，道路监测装置12a可采用前述方式，定期地会不定期地重新决定第一界线B1以及第二界线B2，兹不赘言。

借由更新第一界线B1或/及第二界线B2以调整第一区域R1、第二区域R2或/及第三区域R3，让道路监测装置12a能在外在环境产生变化(例如：气候产生变化、光线产生变化)时仍能在不同区域以较为适合的数据类型来追踪交通物件，达到持续地准确追踪交通物件的技术效果。

在某些实施方式中，道路监测装置12a会与云端服务器11协同运作以达成跨道路监测装置的交通物件追踪。

于所述多个实施方式中，云端服务器11存储多个移动物件(未示出)各自对应的一识别码(未示出)、一时间点(未示出)、一位置信息(未示出)及一物件影像(未示出)。道路监测装置12a还可包含一收发接口23，且收发接口23电性连接至处理器22。收发接口23可为能接收与传送信号的有线接口或无线接口，例如：网络接口。

于所述多个实施方式中，在道路监测装置12a采用前述方式追踪到一交通物件时，会由云端服务器11判断是否要将所述交通物件重识别(Re-identification)，也就是由云端服务器11判断所述交通物件是否为其他道路监测装置12b、……、12c所曾检测到的交通物件。

具体而言，收发接口23将追踪到的所述交通物件的多个物件影像其中的一(可称为「一特定物件影像」)与所述特定物件影像对应的一时间点(例如：所述特定物件影像被摄影机24拍摄到的时间点)传送至云端服务器11。之后，云端服务器11根据所述特定物件影像所对应的所述时间点从所述多个移动物件中选取多个候选物件(例如：对应的时间点早于特定物件影像所对应的时间点的移动物件)，计算所述交通物件与各所述候选物件间的一影像相似度(亦即，计算所述特定物件影像与各所述候选物件的所述物件影像间的影像相似度)，且根据一交通路况数据计算所述交通物件与各所述候选物件间的一时空相似度。

在某些实施方式中，云端服务器11可利用以下的时空相似度公式计算所述交通物件与各所述候选物件间的时空相似度：

于上述公式中，参数i代表影像物件i，参数j代表及影像物件j，参数T

在某些实施方式中，云端服务器11可利用以下公式计算出时间延迟比例：

在上述公式中，参数v

云端服务器11计算所述交通物件与各所述候选物件间的一影像相似度及一时空相似度后，便可基于所述多个影像相似度与所述多个时空相似度产生一指示消息，且所述指示消息与所述交通物件的识别码相关。具体而言，若有某一候选物件与所述交通物件间的影像相似度大于一第一阈值，且二者间的时空相似度大于一第二阈值，则云端服务器11判断所述交通物件为所述候选物件，因而决定所述交通物件应沿用所述候选物件的识别码。若有多个候选物件满足前述条件，则云端服务器11会选取相似度值(例如：将影像相似度与时空相似度加权)最高者，并决定所述交通物件应沿用相似度最高者的识别码。若没有候选物件满足前述条件，则云端服务器11决定所述交通物件不需改变其识别码。云端服务器11会依据前述判断结果产生一指示消息，且传送所述指示消息至道路监测装置12a。道路监测装置12a的收发接口23接收所述指示消息后，便能据以决定是否改变所述交通物件的识别码。

在某些实施方式中，在道路监测装置12a追踪到一交通物件时，是由道路监测装置12a判断是否要将所述交通物件重识别。

于所述多个实施方式中，收发接口23将追踪到的所述交通物件的多个物件影像其中的一(可称为「一特定物件影像」)与所述特定物件影像对应的一时间点(例如：所述特定物件影像被摄影机24拍摄到的时间点)传送至云端服务器11。收发接口23再从云端服务器11接收一候选物件清单，其中，所述候选物件清记录多个候选物件各自对应的一识别码、一时间点、一位置信息及一物件影像。处理器22再计算所述交通物件与各所述候选物件间的一影像相似度，根据一交通路况数据计算所述交通物件与各所述候选物件间的一时空相似度，且根据所述多个影像相似度与所述多个相似度决定所述交通物件的一识别码。处理器22可采用前述云端服务器11所采用的方式计算影像相似度、时空相似度及如何决定所述交通物件的所述识别码，兹不赘言。

由于云端服务器11存储道路监测装置12a、12b、……、12c所曾检测到的移动物件的相关信息，因此当一道路监测装置12a追踪到一交通物件时，可由云端服务器11或道路监测装置12a判断是否要将所述交通物件重新识别。道路监测系统1在重新识别的过程中考虑了交通路况数据，因此即使道路监测装置之间有其他异常因素(例如：交通事故)，道路监测系统1仍能准确地达成跨道路监测装置的交通物件追踪。

本发明的第二实施方式为一道路监测方法，其主要流程图请参图4。所述道路监测方法适用于一道路监测系统(例如：前述的道路监测系统1)。所述道路监测系统包含至少一道路监测装置(例如：前述道路监测装置12a、12b、……、12c中的任一个)。所述道路监测装置存储多个第一交通物件各自的多个检测数据组，其中，各所述检测数据组包含一第一物件影像与一第一雷达投影座标，且各所述检测数据组的所述第一物件影像与所述第一雷达投影座标间具有一匹配程度。于本实施方式中，所述道路监测方法包含步骤401至步骤407。

于步骤401，由所述道路监测装置根据各所述第一交通物件所对应的所述多个匹配程度与所述多个第一雷达投影座标决定多个第一参考座标。于步骤402，由所述道路监测装置以所述多个第一参考座标决定一第一界线。于步骤403，由所述道路监测装置根据各所述第一交通物件的一最小物件影像决定多个第二参考座标。于步骤404，由所述道路监测装置以所述多个第二参考座标决定一第二界线。

须说明者，本发明未限制所述道路监测方法决定所述第一界限及所述第二界限的顺序。换言之，在不同的实施方式中，步骤401及步骤402的执行时间可早于步骤403及步骤404的执行时间，步骤401及步骤402的执行时间可晚于步骤403及步骤404的执行时间，或步骤401及步骤402的执行时间与步骤403及步骤404的执行时间可部分或完全重叠。

于步骤405，由所述道路监测装置根据所述第一界线以及所述第二界线将所述道路监测装置的一道路范围划分为一第一区域、一第二区域以及一第三区域。于步骤406，由所述道路监测装置根据一第二交通物件在所述第一区域及所述第二区域的多个第二物件影像追踪一第二交通物件。于步骤407，由所述道路监测装置根据所述第二交通物件在所述第二区域及所述第三区域的多个第二雷达投影座标追踪所述第二交通物件。须说明者，本发明未限制所述道路监测方法以所述多个第二物件影像追踪所述第二交通物件以及以所述多个第二雷达投影座标追踪所述第二交通物件的顺序。换言之，当所述第二交通物件的所述多个第二物件影像出现于所述第一区域及所述第二区域，所述道路监测方法便会利用所述多个第二物件影像追踪所述第二交通物件，而当所述第二交通物件的所述多个第二雷达投影座标出现于所述第二区域及所述第三区域，所述道路监测方法便会利用所述多个第二雷达投影座标追踪所述第二交通物件。

除了上述步骤，本发明的道路监测方法还能执行前述各实施方式中所述的道路监测系统1及道路监测装置12a所能执行的所有运作及步骤，具有同样的功能，且达到同样的技术效果。基于上述的道路监测系统1及道路监测装置12a的叙述内容，本领域技术人员可直接了解本发明的道路监测方法如何执行此等运作及步骤，具有同样的功能，并达到同样的技术效果，故不赘述。

须说明者，于本发明专利说明书及权利要求书中，某些用语(包含：道路监测装置、交通物件、物件影像、雷达投影座标、参考座标、界线、区域)前被冠以「第一」、「第二」或「第三」，所述多个「第一」、「第二」及「第三」仅用来区隔不同的用语。

综上所述，本发明所提供的道路监测技术(至少包含系统、装置及方法)利用一道路监测装置的多个组影像数据与雷达数据(亦即，前述多个第一交通物件各自的多个检测数据组)决定一第一界线及一第二界线，再根据所述第一界线及所述第二界线将所述道路监测装置的一道路范围影像划分为一第一区域、一第二区域及一第三区域，之后便于不同区域以不同类型的数据追踪后续出现的交通物件。

由于本发明所提供的道路监测技术是根据各所述第一交通物件的所述多个第一物件影像与所述多个第一雷达投影座标间的所述多个匹配程度以及所述多个第一雷达投影座标决定多个第一参考座标，再根据所述多个第一参考座标决定出所述第一界线，因此可将所述第一界线视为能以雷达数据准确地追踪交通物件的边界。另外，由于本发明所提供的道路监测技术是根据各所述第一交通物件的一最小物件影像决定多个第二参考座标，再根据所述多个第二参考座标决定出所述第二界线，因此可将所述第二界线视为能以影像数据准确地追踪交通物件的边界。由于所述第一界线及所述第二界线各自具有前述特性，因此基于所述第一界线及所述第二界线所决定出来的第一区域、第二区域及第三区域便各自有较为适合用来追踪交通物件的数据类型(亦即，影像数据或/及雷达数据)。之后，本发明所提供的道路监测技术便于不同区域以不同数据类型追踪后续出现的交通物件，因而能提升追踪交通物件的准确率。

另外，云端服务器可存储各道路监测装置所曾检测到的移动物件的相关信息，因此当一道路监测装置追踪到一交通物件时，可判断是否要将所述交通物件重新识别。道路监测系统在重新识别的过程中考虑了交通路况数据，因此即使道路监测装置之间有其他异常因素(例如：交通事故)，本发明所提供的道路监测技术仍能准确地达成跨道路监测装置的交通物件追踪。

上述各实施方式是用以例示性地说明本发明的部分实施态样，以及阐释本发明的技术特征，而非用来限制本发明的保护范畴及范围。任何本领域技术人员可轻易完成的改变或均等性的安排均属于本发明所主张的范围，本发明的权利保护范围以权利要求书为准。