申请/专利权人：华南理工大学

申请日：2023-03-30

公开（公告）日：2023-07-14

公开（公告）号：CN116434113A

主分类号：G06V20/40

分类号：G06V20/40;G06V10/74

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.08.01#实质审查的生效;2023.07.14#公开

摘要：本发明公开了一种针对赛马选手追踪的哈希增强FairMOT方法，包括：使用赛马数据集，用原始FairMOT模型提取不同摄像机拍摄的选手的特征向量；按照摄像机的机位分组，使用BTSPLH哈希算法训练得到多组哈希函数；训练原始FairMOT模型作为基础框架；将哈希函数添加至原始FairMOT模型的结尾，并往模型内输入测试视频；使用哈希编码进行选手匹配，计算最新时刻的哈希编码权重。本发明合理地结合了哈希算法的思想，提升原始FairMOT模型在应对频繁出现摄像机切换情况时的选手匹配准确率，主要缓解了摄像机切换问题，部分缓解多目标追踪任务中目标遮挡、选手冲刺时视频模糊的问题，且额外消耗的计算成本极为低廉，在面对需要实时进行多目标追踪的场景时有较好的适应能力。

主权项：1.针对赛马选手追踪的哈希增强FairMOT方法，其特征在于，该方法是基于哈希的思想改进FairMOT模型，以实现对赛马选手更高的追踪准确率，其进行了两个部分的改进，第一部分是对FairMOT模型的特征提取模块进行改进：在原始FairMOT模型的特征提取模块后加上一层哈希函数的映射，该哈希函数经过来自不同摄像机机位拍摄的选手特征向量的训练，原始FairMOT模型在每一时刻提取的选手特征经过哈希函数的映射后得到选手每一时刻的哈希编码，该哈希编码具有对摄像机机位不敏感的性质；第二部分是对FairMOT模型的选手匹配机制的改进：将原始FairMOT模型中只使用选手最近一个时刻的特征向量进行匹配，改为使用选手一段时间内产生的所有哈希编码进行匹配，同时对每一时刻的哈希编码依照生成时特征的有效程度计算哈希编码的加权权重，最终使用一段时间内的加权哈希编码进行选手匹配；该针对赛马选手追踪的哈希增强FairMOT方法的具体实施包括以下步骤：1使用赛马数据集，由香港赛马场中不同场次的比赛录像以及选手的标记边界框组成，使用原始FairMOT模型提取不同摄像机拍摄的选手的特征向量；2将得到的特征向量按照摄像机的机位分组，使用BTSPLH哈希算法训练得到多组哈希函数；3使用整个赛马数据集，训练原始FairMOT模型作为基础框架；4将训练得到的哈希函数添加至训练后的FairMOT模型的特征提取模块后面，得到添加哈希函数的FairMOT模型，往添加哈希函数的FairMOT模型内输入测试视频，对视频的每一帧，添加哈希函数的FairMOT模型会检测并生成当前帧各个选手的哈希编码；5使用之前帧已检测到的选手的哈希编码组及相应的哈希编码权重，与当前帧检测到的选手的哈希编码进行匹配，并更新哈希编码权重以及哈希编码组，以提高FairMOT模型在应对频繁出现摄像机切换情况时的选手匹配准确率。

全文数据：

权利要求：

百度查询： 华南理工大学 针对赛马选手追踪的哈希增强FairMOT方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD