[發明專利]一種社區監控場景下行人多目標跟蹤方法

在審

• 申請號: 202010966065.7
• 申請日: 2020-09-15
• 公開（公告）號: CN112258552A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 徐亮;張衛山;孫浩云;尹廣楹;張大千;管洪清
• 申請（專利權）人: 青島邃智信息科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06F9/50
• 代理公司: 北京聯瑞聯豐知識產權代理事務所(普通合伙) 11411
• 代理人: 郭堃

本發明涉及視頻處理、機器學習、深度學習技術領域，具體公開了一種社區監控場景下行人多目標跟蹤方法，該方法將多目標檢測技術與多目標跟蹤技術相結合，通過改進的Fast?RCNN網絡Fast?RCNN+網絡完成對行人多目標的檢測，采用HOG統計和計算圖像局部區域的梯度方向直方圖來描述圖像特征的方法完成對圖像特征的提取工作，依據提取到的特征再利用Fast?RCNN使用神經網絡對圖像進行分類檢測；將多目標行人檢測的數據通過關聯矩陣的方法來建立數據關聯；根據檢測得到的具有關聯性的目標數據并結合ReCNN網絡模型實現基于上下文信息的行人多目標跟蹤。本發明大大地提高了行人檢測與跟蹤的準確度和效率。

技術領域

本發明涉及視頻處理、機器學習、深度學習技術領域，特別涉及一種社區監控場景下行人多目標跟蹤方法。

背景技術

隨著科學技術、信息技術的快速發展，智能視頻監控技術在民用、商業、國防等領域的廣闊應用前景引起了許多國內外專家的重視，紛紛投入大量研發人員、資源條件以促進其應用發展。近幾年來深度學習的發展也進一步帶動了視頻監控技術的革新。此外，科學技術的發展帶動了社會的進步，智慧社區、智慧城市已不再是概念上的話題，同時也為視頻監控技術的研究提供了強有力的研究試點平臺。因此，行人多目標檢測與跟蹤技術已成為現在視覺領域研究的熱點，在交通、區域監控等眾多領域都具有研究意義和應用價值。

行人多目標檢測是指把采集到的視頻圖像序列中的運動目標從背景中分割出來，這一技術是對行人多目標進一步識別和跟蹤定位的前提，也是智能行為分析的基礎。到目前為止，運動場景下的多目標檢測與跟蹤技術尚不成熟，背景差分法是最早的運動目標檢測方法之一，利用待測圖像的背景來實時更新背景模型，但是該方法對背景的依賴性較大，當檢測區域變化較大時，識別準確率會相對較低。時域幀差法，利用時域序列得到運動目標的位置信息，但是目標的速度對結果影響較大，檢測結果中含有大量的噪聲。行人多目標檢測與跟蹤的發展任重而道遠。

行人作為社區監控場景下的重要目標之一，行人多目標檢測與跟蹤應用在智慧社區領域有著重要的研究意義與應用發展。但是，社區監控場景下，由于場景較復雜，行人屬性難以辨識不定性較強，再加上天氣變化大，諸多場景因素為多目標檢測與跟蹤帶來巨大困難。精準的檢測與跟蹤能夠解決社區內眾多問題，例如：社區內有陌生人口進入，物業通過描述的人體屬性與視頻監控中人物進行識別定位跟蹤，保障了社區安全與穩定。行人多目標檢測與跟蹤對智慧社區的發展有重要的應用價值。

有鑒于此，在社區監控場景下需要提出一種可以提高對行人多目標檢測與跟蹤準確率的方法，來解決上述問題。

發明內容

為了解決復雜場景中行人多目標檢測與跟蹤準確率和效率較低的問題，本發明的目的是提供一種社區監控場景下行人多目標檢測與跟蹤方法。提出改進的Fast-RCNN網絡模型實現對行人多目標的檢測，在社區監控場景下建立上下文行人信息，利用ReCNN網絡對上下文信息進行跟蹤，該方法大大地提高了行人檢測與跟蹤的準確度和效率。

為了解決上述技術問題，本發明的技術方案是：

一種社區監控場景下行人多目標跟蹤方法，包括以下步驟：步驟1：獲取社區監控區域下的視頻流，并對其進行去噪處理；

步驟2：獲取視頻中當前幀圖像，采用HOG特征提取方法對當前圖像進行行人多目標特征提??；

步驟3：根據提取到的特征，訓練Fast-RCNN+網絡，得到最優參數；

步驟4：利用訓練好的Fast-RCNN+網絡模型對視頻圖像實現行人多目標檢測工作；

步驟5：將采集到的視頻圖像中的行人多目標數據建立關聯矩陣；

步驟6：提取輸入視頻幀圖像中包含上下文信息(行人的位置信息和背景信息)的特征；

步驟7：將提取的特征訓練融合上下文信息的ReCNN網絡，獲得最優參數；