[發(fā)明專利]一種改進(jìn)DeepSort算法的姿態(tài)跟蹤方法及系統(tǒng)在審
| 申請?zhí)枺?/td> | 202310002020.1 | 申請日: | 2023-01-03 |
| 公開(公告)號: | CN115937987A | 公開(公告)日: | 2023-04-07 |
| 發(fā)明(設(shè)計)人: | 胡永志;孫紅霞;劉友根 | 申請(專利權(quán))人: | 成都全景星科科技有限公司 |
| 主分類號: | G06V40/20 | 分類號: | G06V40/20;G06V10/62;G06V10/82 |
| 代理公司: | 北京睿智保誠專利代理事務(wù)所(普通合伙) 11732 | 代理人: | 龍濤 |
| 地址: | 610031 四川省成都市*** | 國省代碼: | 四川;51 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 改進(jìn) deepsort 算法 姿態(tài) 跟蹤 方法 系統(tǒng) | ||
1.一種改進(jìn)DeepSort算法的消防員姿態(tài)跟蹤方法,其特征在于,具體步驟包括如下:
獲取待檢測圖像;
利用YOLOX模型對所述待檢測圖像進(jìn)行目標(biāo)檢測得到候選框并通過非極大值抑制算法篩選得到檢測框;
根據(jù)上一幀的結(jié)果,利用kalman濾波預(yù)測當(dāng)前幀的目標(biāo)區(qū)域;
計算所述檢測框和預(yù)測目標(biāo)區(qū)域之間的馬氏距離、表觀余弦距離和姿態(tài)余弦距離,使用匈牙利算法和級聯(lián)匹配對比前后兩幀間目標(biāo)的相似程度進(jìn)行目標(biāo)匹配,得到跟蹤結(jié)果;
通過目標(biāo)的姿態(tài)信息對所述跟蹤結(jié)果進(jìn)行修正,利用修正結(jié)果對所述YOLOX模型的參數(shù)和kalman濾波進(jìn)行更新。
2.根據(jù)權(quán)利要求1所述的一種改進(jìn)DeepSort算法的消防員姿態(tài)跟蹤方法,其特征在于,通過BlazePose姿態(tài)估計器提取目標(biāo)的姿態(tài)信息,并利用所述姿態(tài)信息對目標(biāo)進(jìn)行姿態(tài)特征關(guān)聯(lián),具體是通過BlazePose得到人體的關(guān)鍵點數(shù)據(jù),對所述關(guān)鍵點數(shù)據(jù)進(jìn)行預(yù)處理得到目標(biāo)的姿態(tài)特征向量,通過計算所述姿態(tài)特征向量間的余弦距離來確定目標(biāo)關(guān)聯(lián)度;最后結(jié)合馬氏距離和表觀特征余弦距離,設(shè)置權(quán)重系數(shù),對三種度量方式進(jìn)行線性加權(quán),然后構(gòu)建距離矩陣,進(jìn)行目標(biāo)匹配。
3.根據(jù)權(quán)利要求2所述的一種改進(jìn)DeepSort算法的消防員姿態(tài)跟蹤方法,其特征在于,通過目標(biāo)的姿態(tài)信息對所述跟蹤結(jié)果進(jìn)行修正的具體步驟為:
利用人體的所述關(guān)鍵點數(shù)據(jù)得到人體的最小區(qū)域;
將所述最小區(qū)域作為目標(biāo)區(qū)域的修正閾值,根據(jù)所述修正閾值對目標(biāo)框進(jìn)行修正,公式為:
pose(x,y,w,h)=ε(xmin,ymin,xmax-xmin,ymax-ymin);
T(x,y,w,h)=f(box(x,y,w,h),pose(x,y,w,h));
其中,xmax,ymax,xmin,ymin分別是人體關(guān)鍵點的x坐標(biāo)最大值,y坐標(biāo)最大值,x坐標(biāo)最小值,y坐標(biāo)最小值;pose(x,y,w,h)是根據(jù)姿態(tài)信息得到的目標(biāo)區(qū)域,box(x,y,w,h)是YOLOX模型得到的目標(biāo)區(qū)域。
4.根據(jù)權(quán)利要求1所述的一種改進(jìn)DeepSort算法的消防員姿態(tài)跟蹤方法,其特征在于,所述YOLOX模型的主干網(wǎng)絡(luò)使用CSPDarknet53,輸出由大到小三種尺度的特征圖,并在所述YOLOX模型中加入解耦頭將分類、回歸兩個任務(wù)分開預(yù)測。
5.根據(jù)權(quán)利要求1所述的一種改進(jìn)DeepSort算法的消防員姿態(tài)跟蹤方法,其特征在于,通過計算所述姿態(tài)特征向量間的余弦距離來確定目標(biāo)關(guān)聯(lián)度:
p=(x1,y1,x2,y2,…,xj,yj);
其中,Pj為第j個目標(biāo)的姿態(tài)特征向量,P(i)為第i個跟蹤器儲存的姿態(tài)特征向量,xi,yi為人體關(guān)鍵點坐標(biāo)。
6.一種改進(jìn)DeepSort算法的消防員姿態(tài)跟蹤系統(tǒng),其特征在于,利用權(quán)利要求1-5任一所述的一種改進(jìn)DeepSort算法的消防員姿態(tài)跟蹤方法進(jìn)行姿態(tài)跟蹤,包括圖像獲取模塊、目標(biāo)檢測模塊、預(yù)測模塊、匹配模塊、修正模塊;其中,
所述圖像獲取模塊,用于獲取待檢測圖像;
所述目標(biāo)檢測模塊,用于利用YOLOX模型對所述待檢測圖像進(jìn)行目標(biāo)檢測得到候選框并通過非極大值抑制算法篩選得到檢測框;
所述預(yù)測模塊,用于根據(jù)上一幀的結(jié)果,利用kalman濾波預(yù)測當(dāng)前幀的目標(biāo)區(qū)域;
所述匹配模塊,用于計算所述檢測框和預(yù)測目標(biāo)區(qū)域之間的馬氏距離、表觀余弦距離和姿態(tài)余弦距離,使用匈牙利算法和級聯(lián)匹配對比前后兩幀間目標(biāo)的相似程度進(jìn)行目標(biāo)匹配,得到跟蹤結(jié)果;
所述修正模塊,用于通過目標(biāo)的姿態(tài)信息對所述跟蹤結(jié)果進(jìn)行修正,利用修正結(jié)果對所述YOLOX模型的參數(shù)和kalman濾波進(jìn)行更新。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于成都全景星科科技有限公司,未經(jīng)成都全景星科科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202310002020.1/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種多目標(biāo)跟蹤算法、電子裝置及計算機可讀存儲介質(zhì)
- 一種基于YOLO V4和DeepSORT的分車道車輛自動計數(shù)方法
- 一種基于深度學(xué)習(xí)的多目標(biāo)跟蹤視頻巡店方法
- 基于YOLOv4模型和DeepSORT模型的跟蹤方法
- 一種基于YoloV5和DeepSort的地面互動投影系統(tǒng)中人體檢測跟蹤方法
- 一種基于雙階段卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤方法及系統(tǒng)
- 一種基于多算法融合的多目標(biāo)實時檢測、識別及跟蹤方法
- 一種基于SIFT的多攝像頭場景下的目標(biāo)跟蹤方法
- 一種基于YOLO V5算法的船舶多目標(biāo)追蹤方法
- 一種多目標(biāo)跟蹤檢測方法、系統(tǒng)、設(shè)備及存儲介質(zhì)
- 一種敏捷衛(wèi)星姿態(tài)機動確定系統(tǒng)
- 座椅自動調(diào)節(jié)方法、裝置及終端
- 調(diào)整智能交互機器人姿態(tài)的方法及智能交互機器人
- 一種用于同步軌道SAR衛(wèi)星的姿態(tài)機動軌跡計算方法
- 面部姿態(tài)調(diào)整方法、裝置和終端
- 孕婦姿態(tài)實時監(jiān)測系統(tǒng)
- 具有電磁位置跟蹤的混合姿態(tài)跟蹤系統(tǒng)
- 一種姿態(tài)估計方法、裝置、電子設(shè)備及存儲介質(zhì)
- 一種基于姿態(tài)質(zhì)量評估的自適應(yīng)人體姿態(tài)優(yōu)化方法
- 一種機器人姿態(tài)調(diào)整控制系統(tǒng)





