[發明專利]一種基于YOLOv4的多目標車輛檢測跟蹤方法

在審

• 申請號: 202011206816.1
• 申請日: 2020-11-02
• 公開（公告）號: CN113205108A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 柳長源;張林林;何先平;張薈
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于YOLOv4的多目標車輛檢測跟蹤方法，其特征在于，包括以下步驟：

S1:通過k-means聚類算法產生anchor box，anchor box在單層目標檢測算法中被廣泛用于設置bounding box初始尺寸，因為anchor box優于其他非監督學習算法；

S2:改進了YOLOv4的目標檢測網絡，在原有的YOLOv4三個尺度特征融合的基礎上繼續增加尺度，增加為四種不同尺度的特征圖；

S3:通過改進的YOLOv4目標檢測網絡對視頻幀進行車輛檢測，獲得所有檢測到的目標車輛框Detection boxes；

S4:通過卡爾曼濾波器對目標車輛檢測框中的車輛進行狀態預測，獲得對應的目標跟蹤框track boxes；

S5:利用所有Detection boxes和Track boxes之間的運動相似度以及表觀相似度,構建Detection boxes和Track boxes之間的代價矩陣；

S6:根據匈牙利算法對關聯成本代價矩陣中的關聯代價進行關聯匹配，計算前后兩幀之間的匹配程度，進而確定跟蹤結果，為每個對象分配目標的ID，實現多目標車輛檢測。

2.根據權利要求1所述的一種基于YOLOv4的多目標車輛檢測跟蹤方法，其特征在于，所述步驟S1通過k-means聚類算法產生anchor box具體包括以下步驟：

S1.1:獲得數據集上的目標真實的邊界框；

S1.2:k-means算法隨機選取k個邊界框作為聚類頭來初始化歸一化過程，然后圍繞最近的質心重新分配聚類，并根據一定的閾值進行更新，直到收斂產生k個anchor box。

3.根據權利要求1所述的一種基于YOLOv4的多目標車輛檢測跟蹤方法，其特征在于，所述步驟S2改進了YOLOv4的目標檢測網絡，具體包括以下步驟：

S2.1:修改YOLOv4的主干網絡CSPDarknet-53，再增加一個特征層，使CSPDarknet-53有四個特征層；

S2.2:將最后一層特征層輸入到SPP結構中進行四次最大池化操作，最大池化的池化核大小分別為13x13、9x9、5x5、1x1；

S2.3:將四個特征層的輸入到PANet結構中實現從上到下的特征提取和從下到上的特征提取；

S2.4:最后利用YOLOHead對獲得的特征進行預測。

4.根據權利要求1所述的一種基于YOLOv4的多目標車輛檢測跟蹤方法，其特征在于，所述步驟S5利用所有Detection boxes和Track boxes之間的運動相似度以及表觀相似度,構建Detection boxes和Track boxes之間的代價矩陣具體包括以下步驟：

S5.1:使用平方馬氏距離度量Track boxes和Detection boxes之間的距離，來計算兩者之間的相似度，其具體公式為：

代表第j個Track boxes，代表第i個Track boxes，代表d和y的協方差；

公式（2）是一個指示器，比較的是馬氏距離和卡方分布的閾值，，通過閾值衡量Detection boxes與Track boxes的匹配程度；

S5.2:使用consine距離來度量表觀特征之間的距離，其計算公式如下：

計算的是余弦相似度，余弦距離=1-余弦相似度，通過cosine距離來度量Trackboxes的表觀特征和Detection boxes對應的表觀特征，公式（4）也是一個指示器；

S5.3:利用運動目標相似度和表觀相似度加權得到關聯代價矩陣，公式如下：

其中是一個超參數，默認為0。