[發明專利]一種改進DeepSort算法的姿態跟蹤方法及系統

在審

• 申請號: 202310002020.1
• 申請日: 2023-01-03
• 公開（公告）號: CN115937987A
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 胡永志;孫紅霞;劉友根
• 申請（專利權）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所(普通合伙) 11732
• 代理人: 龍濤

本發明公開了一種改進DeepSort算法的姿態跟蹤方法及系統，涉及計算機視覺技術領域。步驟為：獲取待檢測圖像；利用YOLOX模型對待檢測圖像進行目標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；根據上一幀的結果，利用kalman濾波預測當前幀的目標區域；計算檢測框和預測目標區域之間的馬氏距離、表觀余弦距離和姿態余弦距離，使用匈牙利算法和級聯匹配對比前后兩幀間目標的相似程度進行目標匹配，得到跟蹤結果；通過目標的姿態信息對跟蹤結果進行修正。本發明對DeepSORT算法進行優化，人體跟蹤和姿態信息提取更精確，解決了由于目標外觀相似以及目標區域不準確導致的目標跟蹤效果不佳的問題。

技術領域

本發明涉及計算機視覺技術領域，更具體的說是涉及一種改進DeepSort算法的姿態跟蹤方法及系統。

背景技術

消防隊伍是承擔滅火救援等急難險重任務的特殊隊伍，承擔著防范化解重大安全風險、應對處置各類災害事故的重要職責，同時消防救援隊伍的日常訓練則是提升隊伍戰斗力的重要途徑。目前，消防員姿態跟蹤的方法主要包括傳感器跟蹤法、電磁跟蹤法、聲源跟蹤法等，大多通過可穿戴的傳感器來獲取消防員的姿態信息，從而進行消防員姿態跟蹤，但是由于消防救援和訓練的動作強度大，可穿戴設備的損壞率較高，導致制作、維護成本增加，不能很好的滿足消防救援訓練的開展條件。隨著視頻監控技術的飛速發展，通過監控視頻對消防救援和訓練進行監控和分析具有便利、高效的優點，目標跟蹤和人體姿態估計則是利用視頻對消防救援和訓練進行分析的關鍵技術，卷積神經網絡被逐漸應用在人體姿態估計的研究中，使用卷積神經網絡進行人體姿態信息提取的方法已經十分成熟。

在多目標跟蹤算法方面，現有技術通過提取目標的特征，利用濾波算法和匹配算法對連續幀的目標進行關聯匹配，但是對于外觀相似的目標，普通的表觀特征提取不能達到很好的效果，并且目標窗口的位置和大小完全取決于目標檢測器，不利于跟蹤后的進一步處理。DeepSORT算法在目標跟蹤方面具有優秀的性能，在行人跟蹤和車輛跟蹤等領域取得了不錯的效果，但是針對消防員姿態跟蹤任務存在以下問題：

(1)利用外觀特征進行目標關聯在行人跟蹤，車輛跟蹤任務中表現優異，但直接應用于消防員跟蹤領域有局限性。消防員在消防救援和訓練中往往著裝統一，外觀特征有相似性，使得不同目標間的表觀特征距離較近，導致目標關聯效果不佳。

(2)算法將目標檢測器得到的檢測框作為目標區域，導致目標位置信息的有效性嚴重依賴目標檢測器的質量，以往的多目標跟蹤任務對目標的位置的準確度要求不高，但是這樣的方法遷移到消防員姿態跟蹤的任務中會存在嚴重問題，目標區域不準確會讓后續的姿態估計任務難以進行。因此，如何克服上述缺陷更加精確的進行消防員跟蹤和姿態信息提取，對本領域技術人員來說是亟待解決的問題。

發明內容

有鑒于此，本發明提供了一種改進DeepSort算法的姿態跟蹤方法及系統，以解決背景技術中提出的問題。

為了實現上述目的，本發明采用如下技術方案：一種改進DeepSort算法的消防員姿態跟蹤方法，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行目標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；

根據上一幀的結果，利用kalman濾波預測當前幀的目標區域；

計算所述檢測框和預測目標區域之間的馬氏距離、表觀余弦距離和姿態余弦距離，使用匈牙利算法和級聯匹配對比前后兩幀間目標的相似程度進行目標匹配，得到跟蹤結果；

通過目標的姿態信息對所述跟蹤結果進行修正，利用修正結果對所述YOLOX模型的參數和kalman濾波進行更新。