[發(fā)明專利]一種快速多目標行人追蹤和分析方法及其智能裝置

在審

• 申請?zhí)枺?/td>: 201710822109.7
• 申請日: 2017-09-12
• 公開（公告）號: CN107993250A
• 公開（公告）日: 2018-05-04
• 發(fā)明（設計）人: 何智群;董遠;白洪亮
• 申請（專利權）人: 北京飛搜科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06N3/04;G06T3/40;G06T7/11;G06T7/262
• 代理公司: 北京卓唐知識產權代理有限公司11541
• 代理人: 唐海力,韓來兵

1.一種快速多目標行人追蹤和分析方法，其特征在于，該方法包括：

將視頻幀序列縮放到同一尺度；

在第一幀中，對物體框區(qū)域進行截圖得到目標數據圖片；

將目標數據圖片通過卷積神經網絡提取目標數據圖片的特征；

根據所述目標數據圖片的特征通過濾波器計算出目標數據濾波參數，根據所述目標數據濾波參數得到預測框；

在下一幀中，通過所述預測框對圖片進行截圖得到搜索區(qū)域圖片；

將搜索區(qū)域圖片通過卷積神經網絡提取搜索區(qū)域圖片的特征；

根據所述搜索區(qū)域圖片的特征通過濾波器計算出搜索區(qū)域濾波參數；

根據所述搜索區(qū)域濾波參數獲取相應最大區(qū)域作為最終位置框。

2.根據權利要求1所述的快速多目標行人追蹤和分析方法，根據所述搜索區(qū)域圖片的特征通過濾波器計算出搜索區(qū)域濾波參數，根據所述搜索區(qū)域濾波參數獲取相應最大區(qū)域作為最終位置框，其特征在于，該方法還包括：

根據所述搜索區(qū)域圖片的特征得到及在目標中心處程高斯狀的響應標簽y∈R^M×N，其中，M代表空間維度的寬，N代表空間維度的高，D代表特征通道；

根據公式獲得濾波參數，其中，w^l是通道l的濾波器參數，★代表循環(huán)相關操作，參數λ≥0是正則化參數，代表y的離散傅里葉變換，y^*代表復數y的共軛，⊙代表矩陣對應位置相乘；

根據公式獲取響應最大區(qū)域作為最終位置框。

3.根據權利要求1所述的快速多目標行人追蹤和分析方法，其特征在于，該方法還包括：

所述卷積神經網絡為三層無補零的共享參數孿生卷積神經網絡。

4.根據權利要求1所述的快速多目標行人追蹤和分析方法，其特征在于，該方法還包括：

所述物體框區(qū)域進行截圖前將該幀圖片放大2.5倍；

所述預測框對圖片進行截圖前將該幀圖片放大2.5倍。

5.一種智能裝置，其特征在于，它包括：

縮放單元，用于將視頻幀序列縮放到同一尺度；

截圖單元，用于在第一幀中，對物體框區(qū)域進行截圖得到目標數據圖片；

提取單元，用于將目標數據圖片通過卷積神經網絡提取目標數據圖片的特征；

計算單元，用于根據所述目標數據圖片的特征通過濾波器計算出目標數據濾波參數，根據所述目標數據濾波參數得到預測框；

所述截圖單元，還用于在下一幀中，通過所述預測框對圖片進行截圖得到搜索區(qū)域圖片；

所述提取單元，還用于將搜索區(qū)域圖片通過卷積神經網絡提取搜索區(qū)域圖片的特征；

所述計算單元，還用于根據所述搜索區(qū)域圖片的特征通過濾波器計算出搜索區(qū)域濾波參數；

獲取單元，用于根據所述搜索區(qū)域濾波參數獲取響應最大區(qū)域作為最終位置框。

6.根據權利要求5所述的智能裝置，其特征在于，它還包括：

所述提取單元，還用于所述搜索區(qū)域圖片的特征得到及在目標中心處程高斯狀的響應標簽y∈R^M×N，其中，M代表空間維度的寬，N代表空間維度的高，D代表特征通道；

所述計算單元，還用于根據公式獲得濾波參數，其中，w^l是通道l的濾波器參數，★代表循環(huán)相關操作，參數λ≥0是正則化參數，代表y的離散傅里葉變換，y^*代表復數y的共軛，⊙代表矩陣對應位置相乘；

所述獲取單元，還用于根據公式獲取響應最大區(qū)域作為最終位置框。

7.根據權利要求5所述的智能裝置，其特征在于，它還包括：

所述提取單元，用于提取特征的所述卷積神經網絡為三層無補零的共享參數孿生卷積神經網絡。

8.根據權利要求5所述的智能裝置，其特征在于，它包括：

所述縮放單元，還用于所述物體框區(qū)域進行截圖前將第一幀圖片放大2.5倍，所述預測框對圖片進行截圖前將第二幀圖片放大2.5倍。