一种监控场景下限定区域内目标跟踪方法及系统技术方案

本公开提供了一种监控场景下限定区域内目标跟踪方法及系统，所述方案针对常规算法无法实现对场景下限定区域内的人员进行跟踪的问题，创造性地采用了场地区域坐标筛选过程，解决限定区域下的人员跟踪问题；针对人员在严重遮挡时按常规匹配方法容易出现身份交换问题，创造性地利用到人员的遮挡信息，添加了使用人员更可信的身份特征对匹配结果进行校验的步骤；本公开所述方案在监控场景的限定区域内人员跟踪任务中可以降低错误匹配的情况，显著提升跟踪效果。著提升跟踪效果。著提升跟踪效果。

【技术实现步骤摘要】
一种监控场景下限定区域内目标跟踪方法及系统


[0001]本公开属于计算机视觉
，尤其涉及一种监控场景下限定区域内目标跟踪方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]基于视觉的行人多目标跟踪是一个重要且具有挑战性的计算机视觉任务，在安防监控、智能视频分析、自动驾驶等领域均具有广泛的应用前景。目前涌现出各类方法尝试从公开的数据集层面较好地解决该任务，但是在具体场景的应用中，例如，在球场监控场景下的限定区域人员跟踪问题中，存在诸多问题。专利技术人发现，一方面，现有方法默认处理视频中的所有人员，缺少了对部分区域内人员的跟踪情况的处理，在匹配过程中，现有算法对检测结果的利用不够充分，忽略了部分可利用的信息(例如人员的遮挡情况)；另一方面，现有方法缺少对跟踪错误时进行判别和改正的设定，影响了算法的精度。

技术实现思路

[0004]本公开为了解决上述问题，提供一种监控场景下限定区域内目标跟踪方法及系统，有效解决了现有方法无法实现对场景限定区域内的人员进行跟踪的问题，并利用人员的遮挡信息对匹配结果进行校验，有效提高了目标跟踪精度。
[0005]根据本公开实施例的第一个方面，提供了一种监控场景下限定区域内目标跟踪方法，包括：
[0006]获取视频每帧中限定区域内所有人员的位置及特征信息,计算帧内限定区域人员间的交并比，筛选出非遮挡状态人员；
[0007]计算每帧中检测人员与前一帧限定区域内跟踪上的人员间的距离矩阵，利用匈牙利算法对两帧间的人员进行预匹配；
[0008]对于未匹配成功的检测人员和前一帧限定区域内跟踪上的人员，计算相应的交并比代价矩阵，利用匈牙利算法进行再匹配；
[0009]基于非遮挡状态人员信息对已匹配人员进行过滤，并对过滤出的人员进行匹配；
[0010]重复执行上述步骤，完成视频限定区域内人员的跟踪。
[0011]根据本公开实施例的第二个方面，提供了一种监控场景下限定区域内目标跟踪系统，包括：
[0012]特征提取单元，其用于获取视频每帧限定区域内所有人员的位置和特征信息，计算帧内限定区域人员的交并比，筛选出非遮挡状态人员；
[0013]预匹配单元，其用于计算每帧中检测人员与前一帧限定区域内跟踪上的人员间的距离矩阵，利用匈牙利算法对两帧间的人员进行预匹配；
[0014]再匹配单元，其用于对于未匹配的检测人员和前一帧限定区域内跟踪上的人员，
计算相应的交并比代价矩阵，利用匈牙利算法进行再匹配；
[0015]校验单元，其用于基于非遮挡状态人员信息对已匹配人员进行过滤，并对过滤出的人员进行匹配；
[0016]跟踪路径输出单元，其用于重复执行上述步骤，完成视频限定区域内人员的跟踪。
[0017]根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种监控场景下限定区域内目标跟踪方法。
[0018]根据本公开实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种监控场景下限定区域内目标跟踪方法。
[0019]与现有技术相比，本公开的有益效果是：
[0020](1)本公开针对利用常规多目标跟踪算法，无法处理监控场景下指定区域人员跟踪任务的问题，率先提出了区域坐标筛选步骤，利用区域坐标对检测结果进行筛选后进行匹配的方法解决了该问题；此外针对常规多目标跟踪算法在处理指定区域的人员跟踪任务中遇到的准确性较差的问题，率先提出了更精细的人员身份匹配过程，缓解了由于遮挡等因素导致的人员身份编号交替的情况，获取了更精确的匹配结果。
[0021](2)本公开所述方案针对常规方法在人员在严重遮挡时容易出现身份交换问题的情况，所述方案创造性地利用到人员的遮挡情况，收集了人员非遮挡状态的特征，利用该特征对匹配结果进行校验，提升了跟踪效果的准确性。
[0022]本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
[0023]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0024]图1为本公开实施例一中所述的监控场景下限定区域内目标跟踪方法流程图。
具体实施方式
[0025]下面结合附图与实施例对本公开作进一步说明。
[0026]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0027]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0028]实施例一：
[0029]本实施例的目的是提供一种监控场景下限定区域内目标跟踪方法。
[0030]本实施例主要针对与球场场馆中球员所在区域内的人员进行目标跟踪，一种监控
场景下限定区域内目标跟踪方法，包括：
[0031]获取视频每帧中限定区域内所有人员的位置及特征信息,计算帧内限定区域人员间的交并比，筛选出非遮挡状态人员；
[0032]计算每帧中检测人员与前一帧限定区域内跟踪上的人员间的距离矩阵，利用匈牙利算法对两帧间的人员进行预匹配；
[0033]对于未匹配成功的检测人员和前一帧限定区域内跟踪上的人员，计算相应的交并比代价矩阵，利用匈牙利算法进行再匹配；
[0034]基于非遮挡状态人员信息对已匹配人员进行过滤，并对过滤出的人员进行匹配；
[0035]重复执行上述步骤，完成视频限定区域内人员的跟踪。
[0036]具体的，图1展示了本公开所述方案中人员跟踪任务的精细化匹配方法的算法流程图，为了便于理解，结合图1，对所述方案详细流程进行详细说明：
[0037]步骤S0，对不同的球场场馆进行编号，利用若干代表性标注工具，从对应的场地图像中获取限定区域的坐标，从而建立场馆和限定区域坐标对；通过所述坐标对能够有效获得限定区域在视频帧中的位置。
[0038]步骤S1，在方法中输入指定某场馆下的视频序列，在首帧时，利用相关深度学习算法输出该帧中包括球员在内的所有个人员的位置信息和表观特征其中，所述位置信息由深度学习算法利用卷积神经网络对输入图像进行处理并估计出每个人员的中心点和对应包络框的尺寸完成，位置信息包括每个人员的包络框在视频帧中的坐标；所述表观特征由深度学习算法利用卷积神经网络对输入图像进行处理并估计出每个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种监控场景下限定区域内目标跟踪方法，其特征在于，包括：获取视频每帧中限定区域内所有人员的位置及特征信息,计算帧内限定区域人员间的交并比，筛选出非遮挡状态人员；计算每帧中检测人员与前一帧限定区域内跟踪上的人员间的距离矩阵，利用匈牙利算法对两帧间的人员进行预匹配；对于未匹配成功的检测人员和前一帧限定区域内跟踪上的人员，计算相应的交并比代价矩阵，利用匈牙利算法进行再匹配；基于非遮挡状态人员信息对已匹配人员进行过滤，并对过滤出的人员进行匹配；重复执行上述步骤，完成视频限定区域内人员的跟踪。2.如权利要求1所述的一种监控场景下限定区域内目标跟踪方法，其特征在于，所述限定区域是通过标注工具，从场景图像中获取限定区域的坐标，来建立场景与限定区域内的坐标关系。3.如权利要求1所述的一种监控场景下限定区域内目标跟踪方法，其特征在于，所述计算帧内限定区域人员的交并比的目的是筛选出视频帧内未遮挡的人员，此类人员特征信息相对完整，通过未遮挡的人员来进行匹配结果的校验。4.如权利要求1所述的一种监控场景下限定区域内目标跟踪方法，其特征在于，所述基于非遮挡状态人员信息对已匹配人员进行过滤，具体步骤包括：计算已匹配人员与当前帧非遮挡状态人员之间的距离，从已匹配人员中过滤出大于预设阈值的人员；对于过滤出的待检测人员和既有球员，计算相应的交并比代价矩阵，利用匈牙利算法进行匹配，得到最终的匹配结果。5.如权利要求1所述的一种监控场景下限定区域内目标跟踪方法，其特征在于，所述人员的特征信息包括人员的位置信息和表观特征，其中所述位置信息包括每个人员的包络框在视频帧中的坐标，所述表观特征包括利用深度学习算法采集的视频帧中人员对应的特征向量。6.一种监控场景下限定区域内目标...

【专利技术属性】
技术研发人员：王亮，黄岩，张昆，范超，王海滨，纪文峰，
申请(专利权)人：中科人工智能创新技术研究院青岛有限公司，
类型：发明
国别省市：