【技术实现步骤摘要】
多目标行人跟踪方法及系统
[0001]本专利技术涉及多目标跟踪
,特别是涉及多目标行人跟踪方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
,并不必然构成现有技术。
[0003]目标跟踪一直是机器视觉领域比较富有挑战性的研究方向,近年来多目标跟踪变成了许多研究者的重点研究对象,多目标跟踪是为视频中不同物体赋予相应ID,并在后面所有帧中跟踪物体,不同物体具有不同ID,相同物体ID理论上一直不会变。与目标检测不同的是,目标跟踪可以在后续帧中精准查找同一物体,还可以实现物体的轨迹预测,这些特性使得多目标跟踪在自动驾驶、智能监控等方面有着大量应用空间。
[0004]近年来随着GPU设备不断更新换代,深度学习变成了研究热门,基于深度学习的目标跟踪有着与传统方法相比更高的准确率和实时性。其中经典的DeepSort多目标跟踪算法已经应用于许多方面,它对多目标跟踪中ID SWITCH,实时性差等问题提出了一系列解决方案。
[0005]传统DeepSort中检测器和特征提取器采用大规模神经网络,有着精度高,实时性强,漏检率、ID SWITCH少等优点。但同时使用成本较高,对于一些硬件条件差的小设备、移动端等没有足够的存储空间、GPU、散热来支撑算法运行。
技术实现思路
[0006]为了解决现有技术的不足,本专利技术提供了多目标行人跟踪方法及系统;目标检测部分使用最新的yolov5,目标跟踪使用deepsort,在跟踪器中修改传统deepsort的特征提取 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.多目标行人跟踪方法,其特征是,包括:获取待处理视频;对待处理视频第一帧的多个目标行人进行标注;对待处理视频的非首帧进行目标检测,得到目标检测框;对目标检测框内的图像进行特征提取;对目标检测框进行状态预测和轨迹生成;基于特征提取结果、状态预测结果和轨迹生成结果,确定关联成本;将关联成本大于设定阈值的轨迹和目标检测框,进行匹配得到初步匹配结果;将未匹配的轨迹和未匹配的目标检测框,再次进行匹配;最后确定跟踪结果,完成多目标行人的跟踪任务。2.如权利要求1所述的多目标行人跟踪方法,其特征是,对待处理视频的非首帧进行目标检测,得到目标检测框;是采用训练后的Yolov5s目标检测网络来进行目标检测;Yolov5s目标检测网络,包括:依次连接的用于特征提取的CSPNet网络和用于特征融合的PANET网络。3.如权利要求1所述的多目标行人跟踪方法,其特征是,对目标检测框内的图像进行特征提取;具体包括:采用训练后的特征提取网络ShuffleNet V2,对目标检测框内的图像进行特征提取;所述ShuffleNetV2网络是由Stage1
‑
Stage7依次连接组成;Stage1由卷积核大小为3*3步距为2的卷积层和步距为2的最大池化层组成;Stage2由一层下采样和三层Block层组成;Stage3由一层下采样和七层Block层组成;Stage4由一层下采样和三层Block层组成;Stage5由卷积核大小为1*1的卷积层组成;Stage6由全局池化层组成;Stage7由全连接层组成;Block层引入Channel Split运算,在Block层接收到来自上一层的输出后,c个通道的输入被划分成两个分支,分别有c
′
和c
‑
c
′
个通道;其中一个分支为恒等函数,另一个分支由三个卷积组成:两个1*1卷积和一个逐通道卷积;两分支最后经Concat拼接,从而保证通道数量保持不变,最后进行Channel Shuffle操作保证两分支间能进行信息交流;下采样层是对Block层进行了修改,删除了Channel Split运算,由一条经逐通道卷积层、1*1卷积层的分支与另一条经1*1卷积层、逐通道卷积层、1*1卷积层的分支Concat拼接后进行Channel Shuffle组成的。4.如权利要求1所述的多目标行人跟踪方法,其特征是,对目标检测框进行状态预测和轨迹生成;具体包括:采用卡尔曼滤波算法,对目标检测框进行状态预测;结合卡尔曼滤波算法的结果,对目标检测框进行轨迹生成;采用卡尔曼滤波算法,对目标检测框进行状态预测;具体包括:定义八维的状态空间其中(u,v)为BoundingBox的中心坐标,γ为纵横比,h为BoundingBox的高,为图像坐标中相应的速度;把BoundingBox坐标作为物体状态的直接测量,使用卡尔曼滤波器完成目标的状态估计;卡尔曼滤波器的输入值:每个轨迹的均值和方差;卡尔曼滤波器的输出值:返回给定状态估计的投影平均值和协方差矩阵;
结合卡尔曼滤波算法的结果,对目标检测框进行轨迹生成;具体包括:统计每个轨迹距离上次匹配成功的帧数a
k
技术研发人员:刘海英,郑太恒,邓立霞,孙凤乾,王超平,
申请(专利权)人:齐鲁工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。