[發明專利]一種基于頭肩檢測的多目標跟蹤方法

在審

• 申請號: 202110228197.4
• 申請日: 2021-03-02
• 公開（公告）號: CN113763418A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 吳玉香;魏丙乾
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 林梅繁

本發明涉及一種基于頭肩檢測的多目標跟蹤方法，包括以下步驟：S1、構建頭肩檢測數據集，對改進的YOLOv3目標檢測網絡進行訓練；S2、建立頭肩外觀特征提取的圖像數據集；S3、輸入視頻流；S4、外觀提取模型采用全局與局部特征的策略，利用代價矩陣進行跟蹤相似度匹配；S5、借助代價矩陣和頭肩檢測數據進行相似度匹配，更新操作得出跟蹤結果；S6、若有數據幀輸入，則重復步驟S3至步驟S5的操作直至輸入數據結束。本發明通過利用頭肩外觀特征提取模型，采用全局特征和局部特征融合的策略，提升外觀提取模型對圖像細粒度信息的敏感程度，更有效地提取頭肩的外觀特征信息，從而提升頭肩跟蹤的效果。

技術領域

本發明涉及計算機視覺與模式識別相關領域，尤其涉及一種基于頭肩檢測的多目標跟蹤方法。

背景技術

隨著計算機視覺相關技術的高速發展，目標檢測與跟蹤技術被應用到實際生活中提升人們的生活水平。由于人在社會生產中占主導地位，因此，行人檢測與跟蹤一直 是計算機視覺領域的研究熱點，為車輛自動駕駛、智能監控等提供必要的技術保障， 利用計算機視覺技術實現檢測與跟蹤人體頭肩有著廣泛的商業應用與價值。

對于目標檢測領域，現有的方法中大致分為三種方法：模板匹配方法、提取特征方法(HOG+SVM)和基于深度學習的檢測方法。

對于目標跟蹤領域，多年來涌現許多優秀的算法，例如mean-shift(使用卡爾曼濾波、粒子濾波進行狀態預測)、基于在線學習的跟蹤、KFC(基于相關性濾波)、基于 光流法等眾多現有的跟蹤算法，但不足的是這些現有的方法難以處理多目標跟蹤中出 現的相關問題：處理新目標的出現和老目標的消失、跟蹤目標的相似度判別和運動預 測，即相鄰兩幀目標的匹配、跟蹤目標之間的遮擋、形變和重疊的處理和跟蹤目標丟 失。

在行人較為密集的場景中，行人之間經常存在姿態變化和相互遮擋的問題，姿態變化和遮擋影響檢測器的檢測效果，使漏檢的概率增大，因此，需要尋找一種改善姿 態變化與遮擋引起的問題的解決方案。

發明內容

為解決現有技術所存在的技術問題，本發明提供一種基于頭肩檢測的多目標跟蹤方法，通過使用改進的YOLOv3檢測網絡提升對頭肩目標的檢測能力，利用頭肩外觀 特征提取模型，采用全局特征和局部特征融合的策略，提升外觀提取模型對圖像細粒 度信息的敏感程度，更有效地提取頭肩的外觀特征信息，從而提升頭肩跟蹤的效果。

本發明采用以下技術方案來實現：一種基于頭肩檢測的多目標跟蹤方法，包括以下步驟：

S1、通過構建頭肩檢測數據集，并且對頭肩數據集進行標注，再基于頭肩數據集對改進的YOLOv3目標檢測網絡進行訓練，獲取頭肩檢測模型，通過頭肩檢測模型實 時檢測出視頻圖像中人的頭肩，輸出頭肩的位置信息；

S2、通過建立頭肩外觀特征提取的圖像數據集，并設計外觀特征提取網絡進行訓練，獲取頭肩外觀特征提取模型，通過頭肩外觀特征提取模型提取出用于目標相似度 匹配的外觀特征信息；

S3、輸入視頻流，并從輸入的視頻流中獲取一幀圖像數據，利用頭肩檢測模型獲取此視頻幀圖像數據中的頭肩信息；

S4、將頭肩檢測模型獲取的頭肩信息輸入到經過訓練的外觀特征提取模型得到固定維度的頭肩特征信息，將提取出的頭肩特征信息用作外觀信息的描述，且外觀提取 模型采用全局特征融合局部特征的策略，利用頭肩位置和外觀特征信息共同組成代價 矩陣進行跟蹤相似度匹配；

S5、若是視頻流的第一幀圖像數據則將檢測到的頭肩初始化為頭肩跟蹤數據，若不是第一幀數據則對前一幀的頭肩跟蹤數據進行預測操作，得出當前幀的頭肩跟蹤預 測數據，然后借助代價矩陣和當前幀的頭肩檢測數據進行相似度匹配，再通過更新操 作得出當前幀的跟蹤結果；

S6、若還有后續數據幀輸入，則重復步驟S3至步驟S5的操作直至輸入數據結束。