【技术实现步骤摘要】
本专利技术涉及目标跟踪领域，尤其涉及一种适用于低功耗cpu的目标跟踪方法。
技术介绍
1、随着人工智能的不断发展，计算机视觉取得了长远的进步，其中目标跟踪也是不断的发展。相较于传统的基于目标图像特征的跟踪算法，基于深度学习的跟踪算法性能有大幅度提升，尤其在解决目标遮挡问题上。虽然基于深度学习的边识别边跟踪类型的算法性能优异，但是对需要计算平台有限制，只有高算力的设备才能发挥其优势，不适合低功耗处理器。
2、针对基于深度学习的边识别边跟踪类型的算法在低功耗处理器上计算速度慢的缺点，亟需提供一种可行的跟踪算法，该算法需要将目标检测器和跟踪器分离，利用目标检测器的检测结果对跟踪器进行修正，保证跟踪的跟踪精度和跟踪速度。
技术实现思路
1、本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种适用于低功耗cpu的目标跟踪方法。
2、本专利技术解决其技术问题所采用的技术方案是：
3、本专利技术提供一种适用于低功耗cpu的目标跟踪方法，该方法包括：
4、步骤1、判断检测器是否更新；若更新，则执行步骤2，若没有更新，则执行步骤11；
5、步骤2、通过检测器获取检测框和对应的置信度，对检测框进行分类，分为高置信度组d_high和低置信度组d_low；
6、步骤3、通过跟踪器预测得到轨迹集合trackers；将高置信度组中的检测框和轨迹集合trackers中lost状态和tracked状态的轨迹预测框进行匹配，根据匹配结果
7、步骤4、对于matches_a的轨迹，根据轨迹的状态，添加到activated_starcks列表中；
8、步骤5、将低置信度组中的检测框和unmatched_tracks_a中未匹配到的检测框进行匹配，根据匹配结果分为：已匹配上的轨迹的集合matches_b，unmatched_tracks_a中未匹配上的轨迹的集合unmatched_tracks_b，d_low中未匹配上的轨迹的集合unmatched_d_low；
9、步骤6、对于matches_b的轨迹，更新轨迹状态，添加到activated_starcks列表中；
10、步骤7、将unmatched_d_high中的检测框和轨迹集合trackers中un_tracked状态的轨迹预测框进行匹配，根据匹配结果分为：已匹配上的轨迹的集合matches_c，trackers中un_tracked状态的未匹配上的轨迹的集合unmatched_tracks_c，仍未匹配上的高置信度检测框的集合unmatched_d_high_c；
11、步骤8、对matches_c进行状态更新，添加到activated_tarcks列表中；
12、步骤9、对matches_c和unmatched_tracks_c进行状态更新；
13、步骤10、输出activated_tarcks中轨迹；
14、步骤11、通过卡尔曼滤波更新activated_tarcks滤波中的目标轨迹，并且输出轨迹。
15、进一步地，本专利技术的所述步骤2的方法包括：
16、对检测框进行分类，如果置信度高于t_high，将检测框分类为高置信度组d_high，置信度低于t_high，高于t_low时，将检测框分类为低置信度组d_low，小于t_low则丢弃；t_high和t_low表示置信度的阈值，且t_high大于t_low。
17、进一步地，本专利技术的所述步骤3中轨迹集合trackers中轨迹的状态包括：丢失状态，即lost状态；激活状态，即tracked状态；待激活状态，即un_tracked状态。
18、进一步地，本专利技术的所述步骤4中的方法包括：如果轨迹的状态为tracked和un_tracked，更新轨迹状态和轨迹的平均每帧移动速度，将这个轨迹添加到activated_starcks列表中；如果轨迹的状态为lost，重新激活这个轨迹，添加到activated_starcks列表中。
19、进一步地，本专利技术的所述步骤5中匹配时的方法包括：
20、采用iou作为检测框和轨迹相似度计算方法，计算过程为：
21、x1＝max(xi1，xj1)
22、x2＝min(xi2，xj2)
23、y1＝max(yi1，yj1)
24、y2＝min(yi2，yj2)
25、sintersection＝max(x1-x2+1.0，0)*max(y1-y2+1.0，0)
26、si＝(xi1-xi2+1.0)*(yi1-yi2+1.0)
27、sj＝(xj1-xj2+1.0)*(yj1-yj2+1.0)
28、
29、其中，iou(i，j)表示检测框i和轨迹j的交并比，检测框i的坐标为(xi1，xi2，yi1，yi1)，轨迹的预测坐标为(xj1，xj2，yj1，yj1)。
30、进一步地，本专利技术的所述步骤6的方法包括：
31、对unmatched_tracks_b更新轨迹状态，判断其是否需要从跟踪轨迹中删除，如果是待激活状态的检测框且等待更新的帧数大于3帧，将其状态设置为删除状态，如果是已经证实激活状态的检测框且等待更新的帧数大于阈值max_age，设置为30帧，即连续30帧都没匹配上，将其状态设置为删除状态，进行删除；删除未匹配上的低置信度组unmatched_d_low中目标。
32、进一步地，本专利技术的所述步骤8的方法包括：
33、删除unmatched_tracks_c中的轨迹；unmatched_d_high_c中未匹配上的高置信度检测框如果其置信度大于阈值0.6，认为是一个新轨迹的第一帧，将其转换为一个新轨迹，状态为un_tracked，并将这条新轨迹添加到activated_tarcks列表中。
34、进一步地，本专利技术的所述步骤9的方法包括：
35、对于unmatched_d_high_c中未匹配上的高置信度检测框作为一个新的轨迹，将其进行初始化；从跟踪队列里剔除删除状态的跟踪框，得到该帧最新的跟踪结果。
36、进一步地，本专利技术的步骤11中的方法包括：
37、使用卡尔曼滤波预测下一次框的位置，其过程如下：
38、xk+1＝fxk+wk
39、zk+1＝hxk+vk
40、其中，x为8维状态矢量，其形式为[x,y,w,h,vx,vy,vw，vh]，x、y、w、h是目标位置信息，vx、vy、vw、vh是x、y、w、h对应的速度，z为4维观测矢量，形式为[x,y,w本文档来自技高网...
【技术保护点】
1.一种适用于低功耗CPU的目标跟踪方法，其特征在于，该方法包括：
2.根据权利要求1所述的适用于低功耗CPU的目标跟踪方法，其特征在于，所述步骤2的方法包括：
3.根据权利要求1所述的适用于低功耗CPU的目标跟踪方法，其特征在于，所述步骤3中轨迹集合trackers中轨迹的状态包括：丢失状态，即lost状态；激活状态，即tracked状态；待激活状态，即un_tracked状态。
4.根据权利要求1所述的适用于低功耗CPU的目标跟踪方法，其特征在于，所述步骤4中的方法包括：如果轨迹的状态为tracked和un_tracked，更新轨迹状态和轨迹的平均每帧移动速度，将这个轨迹添加到activated_starcks列表中；如果轨迹的状态为lost，重新激活这个轨迹，添加到activated_starcks列表中。
5.根据权利要求1所述的适用于低功耗CPU的目标跟踪方法，其特征在于，所述步骤5中匹配时的方法包括：
6.根据权利要求1所述的适用于低功耗CPU的目标跟踪方法，其特征在于，所述步骤6的方法包括：
7
8.根据权利要求7所述的适用于低功耗CPU的目标跟踪方法，其特征在于，所述步骤9的方法包括：
9.根据权利要求7所述的适用于低功耗CPU的目标跟踪方法，其特征在于，步骤11中的方法包括：
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，用于被处理器执行时，实现权利要求1至9中任意一项所述的适用于低功耗CPU的目标跟踪方法。
...【技术特征摘要】
1.一种适用于低功耗cpu的目标跟踪方法，其特征在于，该方法包括：
2.根据权利要求1所述的适用于低功耗cpu的目标跟踪方法，其特征在于，所述步骤2的方法包括：
3.根据权利要求1所述的适用于低功耗cpu的目标跟踪方法，其特征在于，所述步骤3中轨迹集合trackers中轨迹的状态包括：丢失状态，即lost状态；激活状态，即tracked状态；待激活状态，即un_tracked状态。
4.根据权利要求1所述的适用于低功耗cpu的目标跟踪方法，其特征在于，所述步骤4中的方法包括：如果轨迹的状态为tracked和un_tracked，更新轨迹状态和轨迹的平均每帧移动速度，将这个轨迹添加到activated_starcks列表中；如果轨迹的状态为lost，重新激活这个轨迹，添加到activat...
【专利技术属性】
技术研发人员：帅正义，刘兴超，汪波，阮建斌，崔逊航，赵山，李超，
申请(专利权)人：湖北久之洋红外系统股份有限公司，
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。