[發(fā)明專利]一種融合單目標(biāo)跟蹤結(jié)果的在線多目標(biāo)跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910580114.0
• 申請(qǐng)日: 2019-06-28
• 公開（公告）號(hào): CN110363791B
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計(jì)）人: 張姍姍;祝嬌
• 申請(qǐng)（專利權(quán)）人: 南京理工大學(xué)
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06T7/277;G06V10/762
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 陳鵬

1.一種融合單目標(biāo)跟蹤結(jié)果的在線多目標(biāo)跟蹤方法，其特征在于，包括如下步驟：

步驟1、利用單目標(biāo)跟蹤算法預(yù)測(cè)目標(biāo)當(dāng)前的位置；

步驟2、利用ReID網(wǎng)絡(luò)模型對(duì)預(yù)測(cè)框和檢測(cè)框區(qū)域分別提取特征向量，計(jì)算特征向量的相似度；

步驟3、結(jié)合目標(biāo)、預(yù)測(cè)框以及檢測(cè)框構(gòu)建一個(gè)有權(quán)重的無(wú)向圖；

步驟4、利用馬爾可夫聚類算法對(duì)無(wú)向圖進(jìn)行聚類操作，得到集群；

步驟5、根據(jù)集群中的預(yù)測(cè)框和檢測(cè)框更新目標(biāo)的當(dāng)前位置；具體為：融合同一個(gè)集群中的預(yù)測(cè)節(jié)點(diǎn)和檢測(cè)節(jié)點(diǎn)的坐標(biāo)，對(duì)該集群的目標(biāo)節(jié)點(diǎn)更新位置，作為當(dāng)前幀的目標(biāo)位置；對(duì)于含有目標(biāo)節(jié)點(diǎn)的集群，可對(duì)應(yīng)4種類型：

(1)集群包含一個(gè)目標(biāo)節(jié)點(diǎn)、一個(gè)預(yù)測(cè)節(jié)點(diǎn)、一個(gè)以上的檢測(cè)節(jié)點(diǎn)，結(jié)合預(yù)測(cè)節(jié)點(diǎn)和檢測(cè)節(jié)點(diǎn)的位置更新目標(biāo)的當(dāng)前幀位置；

(2)集群包含一個(gè)目標(biāo)節(jié)點(diǎn)、一個(gè)以上的檢測(cè)節(jié)點(diǎn)，先用Kalman濾波器預(yù)測(cè)目標(biāo)的位置，再用檢測(cè)的坐標(biāo)更新目標(biāo)的當(dāng)前幀位置；

(3)集群包含一個(gè)目標(biāo)節(jié)點(diǎn)、一個(gè)預(yù)測(cè)節(jié)點(diǎn)，用預(yù)測(cè)節(jié)點(diǎn)的坐標(biāo)位置作為目標(biāo)的當(dāng)前幀位置；

(4)集群只包含一個(gè)目標(biāo)節(jié)點(diǎn)，該目標(biāo)被視為丟失，不再跟蹤該目標(biāo)。

2.根據(jù)權(quán)利要求1所述的融合單目標(biāo)跟蹤結(jié)果的在線多目標(biāo)跟蹤方法，其特征在于，步驟1中利用單目標(biāo)跟蹤算法CSRT預(yù)測(cè)目標(biāo)O當(dāng)前的位置P_t的過(guò)程具體為：根據(jù)前一幀目標(biāo)位置n為目標(biāo)個(gè)數(shù)，單目標(biāo)跟蹤器CSRT預(yù)測(cè)每個(gè)目標(biāo)的坐標(biāo)位置其中p＝[x,y,w,h]，(x,y)為預(yù)測(cè)框的左上角坐標(biāo)，(w,h)為預(yù)測(cè)框的寬高。

3.根據(jù)權(quán)利要求1所述的融合單目標(biāo)跟蹤結(jié)果的在線多目標(biāo)跟蹤方法，其特征在于，步驟2中根據(jù)當(dāng)前幀的物體檢測(cè)框D_t和目標(biāo)的預(yù)測(cè)框P_t，裁剪出圖片區(qū)域，利用ReID網(wǎng)絡(luò)模型對(duì)圖片區(qū)域分別提取特征向量f，其中特征向量f為128維向量，特征向量的相似度s用余弦距離計(jì)算，并且歸一化至(0,1)之間。

4.根據(jù)權(quán)利要求1所述的融合單目標(biāo)跟蹤結(jié)果的在線多目標(biāo)跟蹤方法，其特征在于，步驟3中構(gòu)建一個(gè)有權(quán)重的無(wú)向圖G＝(V,E)，且目標(biāo)、預(yù)測(cè)框、檢測(cè)框作為節(jié)點(diǎn)，節(jié)點(diǎn)之間的相似度s作為邊的權(quán)重，V表示節(jié)點(diǎn)，E表示邊。

5.根據(jù)權(quán)利要求4所述的融合單目標(biāo)跟蹤結(jié)果的在線多目標(biāo)跟蹤方法，其特征在于，構(gòu)建無(wú)向圖時(shí)，有兩點(diǎn)約束：一是同類型節(jié)點(diǎn)之間不計(jì)算相似度及不連接該邊，二是如果兩節(jié)點(diǎn)之間的坐標(biāo)距離超過(guò)設(shè)定閾值，則不連接該邊。

6.根據(jù)權(quán)利要求1所述的融合單目標(biāo)跟蹤結(jié)果的在線多目標(biāo)跟蹤方法，其特征在于，步驟4中利用馬爾可夫聚類算法對(duì)無(wú)向圖G進(jìn)行聚類操作，得到集群C，不同集合表示不同目標(biāo)，每個(gè)集合都是目標(biāo)、預(yù)測(cè)框和檢測(cè)框的組合。

7.根據(jù)權(quán)利要求6所述的融合單目標(biāo)跟蹤結(jié)果的在線多目標(biāo)跟蹤方法，其特征在于，馬爾可夫聚類算法具體方法為：

首先計(jì)算每個(gè)集合中目標(biāo)、預(yù)測(cè)框節(jié)點(diǎn)和檢測(cè)框節(jié)點(diǎn)的個(gè)數(shù)，如果目標(biāo)個(gè)數(shù)大于1，則將依據(jù)該集合在加權(quán)無(wú)向圖G上創(chuàng)建子圖，然后循環(huán)調(diào)用馬爾可夫聚類方法，直到將多個(gè)目標(biāo)分離開，最后得到的集群C中，每個(gè)集合中目標(biāo)個(gè)數(shù)等于0或等于1，集群被劃分為多個(gè)集合，且每個(gè)集合包含屬于該集合中目標(biāo)的預(yù)測(cè)或檢測(cè)結(jié)果。