申请/专利权人：河北阿米时创科技有限公司

申请日：2023-05-04

公开（公告）日：2024-04-12

公开（公告）号：CN117877062A

主分类号：G06V40/10

分类号：G06V40/10;G06V10/62;G06V10/82;G06N3/0455;G06N3/08;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于深度学习的行人跟踪方法，所述方法包括如下步骤：准备行人跟踪数据集，使用用于行人跟踪的基准数据集，基准数据集除行人身份信息，边界框信息外还包括行人人体关键点信息；将所述数据集作为基于深度学习的跟踪方法的输入，数据集加载器加载所述数据集并进行数据增强，模拟出跟踪场景的真实情况；将增强后的数据集输入CenterTrack结构中，迭代训练跟踪网络；网络结构的输出为行人的身份、位置信息和预测的行人偏移量信息；将所述行人的身份、位置信息和预测的行人偏移量信息，根据距离度量方式综合计算行人各个方面的相似度，为每个行人分配身份ID，完成前后两帧的关联匹配。所述方法能够提高模型的实时性以及跟踪的准确性。

主权项：1.一种基于深度学习的行人跟踪方法，其特征在于包括如下步骤：S1：准备行人跟踪数据集，使用用于行人跟踪的基准数据集，基准数据集除行人身份信息，边界框信息外，还包括行人的人体关键点信息；S2：将所述数据集作为基于深度学习的跟踪方法的输入，数据集加载器加载所述数据集，经过针对视频流的数据增强方法，模拟出跟踪场景的真实情况；S3：模型训练：将所述增强后的数据集用于改进后的CenterTrack模型训练，迭代训练跟踪网络，网络结构的输出为行人的身份、位置信息和预测的行人偏移量信息；S4：模型推理：将模型运算得到的行人的身份、位置信息和预测的行人偏移量信息，根据距离度量方式综合计算行人各个方面的相似度，为每个行人分配身份ID，完成前后两帧的关联匹配，实现行人跟踪。

全文数据：

权利要求：

百度查询： 河北阿米时创科技有限公司 基于深度学习的行人跟踪方法

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