[發明專利]一種基于SIFT的多攝像頭場景下的目標跟蹤方法在審
| 申請號： | 202110308801.4 | 申請日： | 2021-03-23 |
| 公開（公告）號： | CN113160283A | 公開（公告）日： | 2021-07-23 |
| 發明（設計）人： | 盧新彪;劉雅童;毛克春;施宇豪;唐紫婷;杭帆 | 申請（專利權）人： | 河海大學 |
| 主分類號： | G06T7/292 | 分類號： | G06T7/292;G06T7/246;G06T3/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京縱橫知識產權代理有限公司 32224 | 代理人： | 董建林 |
| 地址： | 211100 江蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 sift 攝像頭 場景 目標 跟蹤 方法 | ||
1.一種基于SIFT的多攝像頭場景下的目標跟蹤方法，其特征在于，包括：
獲取目標檢測總數據集，所述目標檢測總數據集通過拍攝包含不同類型的檢測目標的照片制作形成；使用目標檢測總數據集對目標檢測器YOLO-V5s模型進行訓練；
獲取目標追蹤重識別數據集，所述目標追蹤重識別數據集通過拍攝包含不同類型的追蹤目標的照片，提取出每張照片中包含追蹤目標的部分制作形成；
使用目標追蹤重識別數據集訓練DeepSort算法中的目標外觀特征提取網絡；
獲取運用SIFT算法拼接多攝像頭拍攝的視頻，使用訓練過的YOLO-V5s模型結合訓練過的DeepSort算法對視頻中的追蹤目標進行追蹤。
2.根據權利要求1所述的一種基于SIFT的多攝像頭場景下的目標跟蹤方法，其特征在于，將DeepSort算法中的目標外觀特征提取網絡中的Relu激活函數換為Mish激活函數。
3.根據權利要求2所述的一種基于SIFT的多攝像頭場景下的目標跟蹤方法，其特征在于，所述Mish激活函數的表達式如下：
Mish＝x*tanh(ln(1+ex))
式中：x表示神經網絡某層輸入的加權和。
4.根據權利要求1所述的一種基于SIFT的多攝像頭場景下的目標跟蹤方法，其特征在于，使用目標追蹤重識別數據集訓練改進后的DeepSort算法中的目標外觀特征提取網絡，在訓練過程中將SGD優化器換為集成了SGD的一階動量和RMSProp的二階動量的Adam優化器。
5.根據權利要求1至4任一項所述的一種基于SIFT的多攝像頭場景下的目標跟蹤方法，其特征在于，所述檢測目標、追蹤目標均選用智能車。
6.根據權利要求5所述的一種基于SIFT的多攝像頭場景下的目標跟蹤方法，其特征在于，制作目標檢測數據集，具體過程為：
拍攝包含不同類型的智能車的照片；
用數據集標注軟件，給每張照片生成對應的標簽文件，得到自制智能車數據集；
將VOC2012數據集與自制智能車數據集混合構成目標檢測總數據集。
7.根據權利要求5或6所述的一種基于SIFT的多攝像頭場景下的目標跟蹤方法，其特征在于，制作目標追蹤重識別數據集，具體過程為：
拍攝包含不同類型的智能車的照片，并將每張照片中包含智能車的部分提取出來，構成自制智能車重識別數據集；
將收集到的包含不同類型車輛照片的車輛重識別數據集與自制智能車重識別數據集混合，構成智能車重識別數據集。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于河海大學，未經河海大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110308801.4/1.html，轉載請聲明來源鉆瓜專利網。
