[發明專利]行人目標跟蹤方法、裝置及設備

有效

• 申請號: 201811386432.5
• 申請日: 2018-11-20
• 公開（公告）號: CN109598743B
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 車廣富;董玉新;安山
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/292
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 羅英;劉芳

1.一種行人目標跟蹤方法，其特征在于，包括：

獲取多個攝像頭所拍攝的連續視頻圖像，每路所述攝像頭預先設置最佳拍攝視野；

采用目標行人檢測的卷積神經網絡模型確定每個攝像頭所采集的連續視頻圖像中的行人目標；

對多個攝像頭所采集的連續視頻圖像中的行人目標進行匹配跟蹤；

其中，所述采用目標行人檢測的卷積神經網絡模型確定每個攝像頭所采集的連續視頻圖像中的行人目標，具體包括：

采用所述神經網絡模型確定每個所述視頻圖像中的行人頭部的位置；

根據所述行人頭部的位置以及所述視頻圖像對應的最佳拍攝視野確定所述行人目標的位置；

所述神經網絡模型包括全局神經網絡模型和局部神經網絡模型；

所述全局神經網絡模型用于在視頻圖像的全局范圍內確定行人頭部的位置；

所述局部神經網絡模型用于在上一幀所確定的位置的預設范圍內確定行人頭部的位置；

所述獲取多個攝像頭所拍攝的連續視頻圖像之前，還包括：

對所述多個攝像頭中視野存在交疊的攝像頭進行視野劃分來確定每個所述攝像頭的最佳拍攝視野，以使得同一行人目標僅位于一個攝像頭的最佳拍攝視野中，各路攝像頭的最佳拍攝視野之間不存在視野交疊。

2.根據權利要求1所述的方法，其特征在于，所述采用目標行人檢測的卷積神經網絡模型確定每個攝像頭所采集的連續視頻圖像中的行人目標之前，還包括：

獲取數個視頻圖像樣本，所述視頻圖像樣本中包括行人目標在所述視頻圖像樣本中的位置信息；

根據所述數個視頻圖像樣本對行人目標頭部檢測模型進行訓練，得到所述神經網絡模型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述數個視頻圖像樣本對行人目標頭部檢測模型進行訓練，包括：

利用遷移學習算法對所述行人目標頭部檢測模型進行訓練。

4.根據權利要求1所述的方法，其特征在于，所述采用所述神經網絡模型確定每個所述視頻圖像中的行人頭部的位置，包括：

采用所述全局神經網絡模型確定每個所述視頻圖像中的行人頭部的第一位置集合；

采用所述局部神經網絡模型確定每個所述視頻圖像中的行人頭部的第二位置集合；

所述根據所述行人頭部的位置以及所述視頻圖像對應的最佳拍攝視野確定所述行人目標的位置，包括：

根據每個所述視頻圖像的第一位置集合以及所述視頻圖像對應的最佳拍攝視野確定該視頻圖像的第一目標位置集合；

根據每個所述視頻圖像的第二位置集合以及所述視頻圖像對應的最佳拍攝視野確定該視頻圖像的第二目標位置集合。

5.根據權利要求4所述的方法，其特征在于，所述對多個攝像頭所采集的連續視頻圖像中的行人目標進行匹配跟蹤，包括：

利用匈牙利算法對每個攝像頭所采集的連續視頻圖像中的行人目標進行匹配跟蹤。

6.根據權利要求5所述的方法，其特征在于，所述利用匈牙利算法對每個攝像頭所采集的連續視頻圖像中的行人目標進行匹配跟蹤，具體包括：

利用所述匈牙利算法，根據每個攝像頭所采集的視頻圖像的第一目標位置集合和第二目標位置集合中的位置框的相似度，對行人目標進行匹配跟蹤；

其中，所述位置框的相似度根據如下公式確定：

i＝1,2,3,…N,j＝1,2,3,…M

其中，O_i表示所述第一目標位置集合中第i個位置框，N表示所述第一目標位置集合中位置框的總數，O_j表示所述第二目標位置集合中第j個位置框，M表示所述第二目標位置集合中位置框的總數。