【技术实现步骤摘要】
本专利技术属于图像检测，具体涉及一种基于目标检测的多目标快速跟踪算法。
技术介绍
1、目标跟踪是计算机视觉领域研究的一个热点问题，其利用视频或图像序列的上下文信息，对目标的外观和运动信息进行建模，从而对目标运动状态进行预测并标定目标位置，在实际生活中用着广泛的应用，例如安防领域、自动驾驶领域以及医疗领域等。
2、在现有技术中，基于目标检测的多目标追踪算法因为其优异的性能得到光大开发者的青睐。该算法一般是通过目标检测模型提取视频帧中的目标检测框，之后通过卷积神经网络搭建的特征提取模型，提取视频帧中目标检测框标定出来的目标特征向量，最后通过计算前后帧每个目标之间的相似度进行匹配，除此之外还会利用运动估计算法完成对目标的追踪。
3、目前目标特征提取通常采用深度学习的方法，建立神经网络模型来对各个目标特征进行提取，具体流程如图1所示。
4、在研究中发现，目前追踪的算法在提取目标检测框标定的目标特征时，由于是对每个目标进行单独提取特征，特征提取的耗时和现实场景中的目标数量正相关，当目标数量很多，特征提取将花费大量的时间这严重制约了算法的落地和实际应用。
5、因此，上述如何提高算法运行效率和可靠性成为了一个亟需解决的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于目标检测的多目标快速跟踪算法，解决了在多目标跟踪算法实际中，由于在复杂场景下，追踪的目标数量过多导致对目标检测模型检测出来的目标进行特征提取过程耗时多的问题。
2、
3、一种基于目标检测的多目标快速跟踪算法，该算法包括以下步骤：
4、步骤一、将待检测帧缩放至固定尺寸，然后将缩放后的待检测帧输入到训练好的目标检测模型中，对待检测帧进行目标检测，输出各个目标对应的目标框位置及其对应的类别信息；
5、步骤二、将输入步骤一的待检测帧同步输入到训练好的特征提取卷积神经网络，输出特征图；
6、步骤三、根据目标检测模型检测出的目标框位置，通过原始图像尺寸和输出的特征图的尺寸计算出图像尺度变化的比例系数，通过该系数将目标在原始图像的位置对应到特征图上的位置；
7、步骤四、通过目标在原始图像的位置对应到特征图上的位置，每个目标在特征图上截取相同大小的特征图子图，将每个目标对应的特征图子图转化成一维的特征向量；
8、步骤五、对前一帧各个目标应以卡尔曼滤波算法做运动估计，预测各个目标在下一帧中出现的位置，在运动估计结果中提取确认态的追踪目标和上述检测目标做级联匹配。
9、进一步，步骤一中所述目标检测模型的训练方法包括以下步骤：
10、步骤1、预先自定义的图像信息区域；
11、步骤2、根据预先自定义的图像显著信息区域，对训练集中的图像进行信息区域标注；所述训练集，包含各种类别的追踪目标的图片；
12、步骤3、采集所标注的各信息区域构建区域标注数据集；
13、步骤4、创建基于深度学习的yolov5网络模型；
14、步骤5、采用构建的区域标注数据集，训练所创建的yolov5网络模型，得到初步训练后的目标检测模型；
15、步骤6、采用预先设定好的测试集，对初步训练好的目标检测模型进行测试调整，得到训练好的yolov5目标检测模型。
16、进一步，步骤二中所述特征提取卷积神经网络中待检测帧经过推理后进入最后一个卷积层后不再向下流转，输出该层的结果，即得到特征图；
17、特征图的表达式为：
18、
19、进一步，所述特征提取卷积神经网络的训练方法包括：
20、步骤1、构建用于特征提取的重识别神经网络模型，即上述特征提取卷积神经网络；
21、步骤2、获取用于训练特征提取模型的数据集market-1501数据集，包括训练集和测试集；
22、步骤3、利用训练集训练特征提取模型，并用测试集测试模型的性能并进行调整，最终得到特征提取卷积神经网络模型。
23、进一步，将步骤五中提取的所述特征与上述目标检测结果提取的特征向量计算余弦相似度，将每个目标进行前后帧的关联；
24、用feature0，feature1分别表示当前帧目标检测结果提取的各个目标特征和前一帧运动估计结果提取的每个目标特征特征，feature0，feature1的表达式为：
25、
26、
27、其中，n表示的是目标的个数，m表示特征向量元素个数；
28、计算余弦相似度的表达式为：
29、
30、similarity表示每个目标之间的相似度，n表示目标个数，将目标相似度最大的两个目标认为是同一个目标。
31、本专利技术与现有技术相比较，具有以下有益效果：
32、本专利技术所述一种基于目标检测的多目标快速跟踪算法，通过提取整张图像的特征再和目标框进行位置关联，可以一次性提取出所有目标的特征，无论图像中存在的目标有多少个，提取特征的时间都是稳定的，不会因为目标数量过多导致目标特征的提取耗时增加，从而影响算法性能，增加算法的运行效率和可靠性。
本文档来自技高网...【技术保护点】
1.一种基于目标检测的多目标快速跟踪算法，其特征在于：该算法包括以下步骤：
2.根据权利要求1所述的一种基于目标检测的多目标快速跟踪算法，其特征在于：步骤一中所述目标检测模型的训练方法包括以下步骤：
3.根据权利要求1所述的一种基于目标检测的多目标快速跟踪算法，其特征在于：步骤二中所述特征提取卷积神经网络中待检测帧经过推理后进入最后一个卷积层后不再向下流转，输出该层的结果，即得到特征图；
4.根据权利要求3所述的一种基于目标检测的多目标快速跟踪算法，其特征在于：所述特征提取卷积神经网络的训练方法包括：
5.根据权利要求1所述的一种基于目标检测的多目标快速跟踪算法，其特征在于：将步骤五中提取的所述特征与上述目标检测结果提取的特征向量计算余弦相似度，将每个目标进行前后帧的关联；
【技术特征摘要】
1.一种基于目标检测的多目标快速跟踪算法，其特征在于：该算法包括以下步骤：
2.根据权利要求1所述的一种基于目标检测的多目标快速跟踪算法，其特征在于：步骤一中所述目标检测模型的训练方法包括以下步骤：
3.根据权利要求1所述的一种基于目标检测的多目标快速跟踪算法，其特征在于：步骤二中所述特征提取卷积神经网络中待检测帧经过推理后进入最后一个卷积...
【专利技术属性】
技术研发人员：韩鹏承，
申请(专利权)人：上海图海光电有限公司，
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。