[發明專利]物體識別追蹤方法

在審

• 申請號: 201710260693.1
• 申請日: 2017-04-20
• 公開（公告）號: CN107092883A
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 張飛云
• 申請（專利權）人: 上海極鏈網絡科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 上海海貝律師事務所31301
• 代理人: 范海燕

1.一種物體識別追蹤方法，其特征在于：

1)對輸入視頻預處理；

處理步驟為視頻解碼，視頻圖像化，圖像歸一化；

2)利用神經網絡對視頻圖片進行檢測識別；

步驟一：輸入圖像；

由1)中采集的圖像送入步驟二；

步驟二：檢測目標區域；

步驟一中的圖像會經過提取候選框，即目標區域的網絡，提取感興趣的區域；

步驟三：識別物體類別；

本步驟對步驟二中的候選框的內容進行識別分類；采用改進的ZF網絡，使用適合網絡大小的圖片作為輸入，網絡的每一層是一個大小為w×h×d的三維矩陣，其中h和w代表圖像的高度和寬度，d是濾波器的個數或者信道維數，利用上述三維矩陣得出網絡每一層的神經單元個數；網絡的輸入為w×h×d維；網絡每一層的輸出計算公式為：

ho=hi+2*pad-kernel_sizestride+1]]>

其中：

ho為輸出圖像高度，hi為輸入圖像高度；

pad為填充大小，指定在每次輸入的圖像的每一邊加上多少個像素；

kernel_size為卷積核大小；

stride為步長，指濾波器濾波時候的滑動步長，即指定每次間隔幾個像素值進行濾波；

輸出寬度wo采用同樣的方法計算；

wo=wi+2*pad-kernel_sizestride+1]]>

步驟四：計算神經網絡特征，經過softmax分類器進行分類從而生成C個物體類別的概率；又由于每個候選框的位置在步驟一中就會給出，至此，識別以及定位結束；

3)通過物體跟蹤模塊跟蹤；

識別出物體的圖片幀輸入到檢測識別模塊中，同時輸入識別出的物體位置及類別信息，在這一幀就初始化跟蹤器，并且在接下來的視頻序列中對這個檢測到的物體進行跟蹤，直到發生跟蹤丟失的情況或者發生了鏡頭切換，至此一個跟蹤序列結束；

4)進行投票操作；

2)與3)中既有檢測結果又有跟蹤結果，那么就牽扯到融合，在融合之后，便得到了一個個物體識別序列，為了得到最終的識別結果，需要一個投票操作；經過了這個投票操作后，對于每一個序列均會得到一個統一的標注、一個統一的分數；至此經過對整個視頻的掃描后，對這個視頻內的物體信息分析完畢。

2.如權利要求1所述的物體識別追蹤方法，其特征在于：

對輸入視頻預處理方法中，采用從輸入視頻中截取幀的方法獲取圖片，其中幀率為25FPS,然后對截圖的圖片進行歸一化處理，實驗中采用224×224像素大小。

3.如權利要求2所述的物體識別追蹤方法，其特征在于：

通過物體跟蹤模塊跟蹤過程中，同一幀的畫面中同時跟蹤多個目標，每檢測識別一次需要150ms，并采用了加速方法，每隔十幀檢測識別一次。