一种目标检测跟踪一体化方法及装置制造方法及图纸

本申请公开了一种目标检测跟踪一体化方法及装置，本申请对获取的待检测图像通过目标检测网络初步检测出目标预测框及其检测分数，但是此时获取到的目标预测框不一定是正确的目标预测框，本申请进一步对所获取的目标预测框进行判断，基于目标预测框的检测分数与预设的检测分数阈值的大小关系以及目标预测框与已确定为正确的预测框的相似度，判断所述目标预测框是否为正确的目标预测框，若是正确的，则调用目标跟踪网络，对所述正确的目标预测框的跟踪信息进行输出，同时输出所述正确的目标预测框及其对应的预测分数，从而提高目标检测的准确率。的准确率。的准确率。

【技术实现步骤摘要】
一种目标检测跟踪一体化方法及装置


[0001]本申请涉及计算机视觉
，更具体的说，是涉及一种目标检测跟踪一体化方法及装置。

技术介绍

[0002]目标检测与跟踪是计算机视觉
的一个备受关注的研究方向，是视频监控、人机交互、机器人视觉导航等应用的基础。例如，基于通道闸的身份验证系统，通常通过视频监控来对行人进行检测与跟踪，进而对行人的身份进行核验。
[0003]因此，能否正确检测出经过通道闸的人头目标并对其进行跟踪对于通道闸身份验证系统的后续业务如通道尾随、检测是否有反向通行现象、对经过通道的行人进行人数统计等显得尤为重要。
[0004]随着神经网络算法在计算机视觉
的应用，出现很多基于深度学习进行目标检测的算法，但是现有的目标检测算法普遍存在漏检和误检情况，漏检或者误检均对通道闸身份验证系统的后续业务有较大的影响。

技术实现思路

[0005]鉴于上述问题，本申请提出了一种目标检测跟踪一体化方案，以提高目标检测准确率。具体方案如下：
[0006]一种目标检测跟踪一体化方法，包括：
[0007]获取待检测图像；
[0008]将所述待检测图像输入目标检测网络，得到目标预测框及其检测分数；
[0009]基于所述目标预测框的检测分数与预设的检测分数阈值的大小关系，以及，所述目标预测框与已确定为正确的预测框的相似度，判断所述目标预测框是否正确；
[0010]若正确，则调用目标跟踪网络，得到所述目标预测框的跟踪信息；
[0011]输出所述目标预测框、所述目标预测框的检测分数及所述目标预测框的跟踪信息。
[0012]可选的，基于所述目标预测框的检测分数与预设的检测分数阈值的大小关系，以及，所述目标预测框与已确定为正确的预测框的相似度，判断所述目标预测框是否正确，包括：
[0013]比较所述目标预测框的检测分数与预设的检测分数阈值的大小，得到第一比较结果；
[0014]基于所述目标预测框与已确定为正确的预测框的位置关系，计算所述目标预测框与已确定为正确的预测框的相似度；
[0015]比较所述相似度与预设的相似度阈值，得到第二比较结果；
[0016]根据所述第一比较结果与所述第二比较结果，判断所述目标预测框是否正确。
[0017]可选的，基于所述目标预测框与已确定为正确的预测框的位置关系，计算所述目
标预测框与已确定为正确的预测框的相似度，包括：
[0018]计算所述目标预测框与所述已确定为正确的预测框的交并比；
[0019]计算所述目标预测框与所述已确定为正确的预测框的距离参量；
[0020]根据所述交并比与所述距离参量，计算得到所述目标预测框与已确定为正确的预测框的相似度。
[0021]可选的，计算所述目标预测框与所述已确定为正确的预测框的距离参量，包括：
[0022]计算所述目标预测框的中心点与所述已确定为正确的预测框的中心点的距离，得到中心点距离；
[0023]计算所述目标预测框与所述已确定为正确的预测框的最小外接框的对角距离；
[0024]将所述中心点距离除以所述最小外接框的对角距离，得到所述距离参量。
[0025]可选的，根据所述交并比与所述距离参量，计算得到所述目标预测框与已确定为正确的预测框的相似度，计算公式包括：
[0026][0027]其中，l
DIOU
表示所述目标预测框与已确定为正确的预测框的相似度，表示所述目标预测框与已确定为正确的预测框的交集面积，表示所述目标预测框与已确定为正确的预测框的并集最小外接框面积，E2(o1,o2)表示所述目标预测框的中心点与所述已确定为正确的预测框的中心点的距离，δ(a,d1)表示所述目标预测框与所述已确定为正确的预测框的最小外接框的对角距离。
[0028]可选的，所述第一比较结果包括所述目标预测框的检测分数与第一检测分数阈值的大小关系，所述第二比较结果包括所述相似度与所述预设的相似度阈值的大小关系；
[0029]则，根据所述第一比较结果与所述第二比较结果，判断所述目标预测框是否正确，包括：
[0030]若第一比较结果为所述目标预测框的检测分数大于或等于预设的第一检测分数阈值，则判断所述目标预测框正确；
[0031]若第一比较结果为所述目标预测框的检测分数小于预设的第一检测分数阈值，且第二比较结果为所述目标预测框与已确定为正确的预测框的相似度大于所述预设的相似度阈值，则判断所述目标预测框正确。
[0032]可选的，所述第一比较结果包括所述目标预测框的检测分数分别与第一检测分数阈值和第二检测分数阈值间的大小关系，所述第二比较结果包括所述相似度与所述预设的相似度阈值的大小关系；
[0033]则，根据所述第一比较结果与所述第二比较结果，判断所述目标预测框是否正确，包括：
[0034]若所述目标预测框的检测分数小于第一检测分数阈值，或，所述目标预测框的检测分数大于等于第一检测分数阈值但小于第二检测分数阈值，且所述目标预测框与已确定为正确的预测框的相似度小于所述预设的相似度阈值，则判定所述目标预测框错误；
[0035]若所述目标预测框的检测分数大于等于所述第二检测分数阈值，或所述目标预测框的检测分数大于等于第一检测分数阈值但小于所述第二检测分数阈值，且所述目标预测
框与已确定为正确的预测框的相似度大于所述预设的相似度阈值，则判定所述目标预测框正确；
[0036]其中，所述第二检测分数阈值大于所述第一检测分数阈值。
[0037]可选的，所述调用目标跟踪网络，得到所述目标预测框的跟踪信息，包括：
[0038]在已确定为正确的各预测框中，确定与所述目标预测框的相似度最大的预测框；
[0039]将所述与所述目标预测框的相似度最大的预测框对应的跟踪信息与所述目标预测框关联。
[0040]可选的，所述目标检测网络与所述目标跟踪网络组成一个联合模型统一训练，训练过程包括：
[0041]将训练图像输入联合模型，得到模型输出的目标预测框、目标预测框的检测分数及目标跟踪信息，所述训练图像标注有目标位置框和跟踪信息标识；
[0042]基于所述目标预测框和所述目标位置框确定第一损失值，基于所述目标预测框的检测分数确定第二损失值，基于所述目标跟踪信息和所述跟踪信息标识确定第三损失值；
[0043]利用所述第一损失值、所述第二损失值及所述第三损失值计算总体损失值；
[0044]基于所述总体损失值对所述联合模型更新参数。
[0045]一种目标检测跟踪一体化装置，包括：
[0046]图像获取单元，用于获取待检测图像；
[0047]目标检测单元，用于将所述待检测图像输入目标检测网络，得到目标预测框及其检测分数；
[0048]判断单元，用于基于所述目标预测框的检测分数与预设的检测分数阈值的大小关系，以及，所述目标预测框与已确定为正确的预测框的相似本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标检测跟踪一体化方法，其特征在于，包括：获取待检测图像；将所述待检测图像输入目标检测网络，得到目标预测框及其检测分数；基于所述目标预测框的检测分数与预设的检测分数阈值的大小关系，以及，所述目标预测框与已确定为正确的预测框的相似度，判断所述目标预测框是否正确；若正确，则调用目标跟踪网络，得到所述目标预测框的跟踪信息；输出所述目标预测框、所述目标预测框的检测分数及所述目标预测框的跟踪信息。2.根据权利要求1所述的方法，其特征在于，基于所述目标预测框的检测分数与预设的检测分数阈值的大小关系，以及，所述目标预测框与已确定为正确的预测框的相似度，判断所述目标预测框是否正确，包括：比较所述目标预测框的检测分数与预设的检测分数阈值的大小，得到第一比较结果；基于所述目标预测框与已确定为正确的预测框的位置关系，计算所述目标预测框与已确定为正确的预测框的相似度；比较所述相似度与预设的相似度阈值，得到第二比较结果；根据所述第一比较结果与所述第二比较结果，判断所述目标预测框是否正确。3.根据权利要求2所述的方法，其特征在于，基于所述目标预测框与已确定为正确的预测框的位置关系，计算所述目标预测框与已确定为正确的预测框的相似度，包括：计算所述目标预测框与所述已确定为正确的预测框的交并比；计算所述目标预测框与所述已确定为正确的预测框的距离参量；根据所述交并比与所述距离参量，计算得到所述目标预测框与已确定为正确的预测框的相似度。4.根据权利要求3所述的方法，其特征在于，计算所述目标预测框与所述已确定为正确的预测框的距离参量，包括：计算所述目标预测框的中心点与所述已确定为正确的预测框的中心点的距离，得到中心点距离；计算所述目标预测框与所述已确定为正确的预测框的最小外接框的对角距离；将所述中心点距离除以所述最小外接框的对角距离，得到所述距离参量。5.根据权利要求4所述的方法，其特征在于，根据所述交并比与所述距离参量，计算得到所述目标预测框与已确定为正确的预测框的相似度，计算公式包括：其中，l
DIOU
表示所述目标预测框与已确定为正确的预测框的相似度，表示所述目标预测框与已确定为正确的预测框的交集面积，表示所述目标预测框与已确定为正确的预测框的并集最小外接框面积，E2(o1,o2)表示所述目标预测框的中心点与所述已确定为正确的预测框的中心点的距离，δ(a,d1)表示所述目标预测框与所述已确定为正确的预测框的最小外接框的对角距离。6.根据权利要求2所述的方法，其特征在于，所述第一比较结果包括所述目标预测框的
检测分数与第一检测分数阈值的大小关系，所述第二比较结果包括所述相似度与所述预设的相似度阈值的大小关系；则，根据所述第一比较结果与所述第二比较结果，判断所述目标预测框是否正确，...

【专利技术属性】
技术研发人员：徐志通，陈书楷，杨奇，
申请(专利权)人：厦门熵基科技有限公司，
类型：发明
国别省市：