申请/专利权人：的卢技术有限公司

申请日：2020-08-31

公开（公告）日：2024-04-26

公开（公告）号：CN112084914B

主分类号：G06V20/40

分类号：G06V20/40;G06V10/75;G06V10/80;G06V10/82;G06N3/0464;G06T7/246;G06T7/277

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.02.09#著录事项变更;2021.01.01#实质审查的生效;2020.12.15#公开

摘要：本发明公开了一种融合空间运动和表观特征学习的多目标跟踪方法，该方法具体为：利用yolo5方法实现图像中目标的检测；建立匀速状态模型和线性观测模型，采用kalman滤波对检测的目标进行预测；利用CNN方法实现检测出目标的特征描述向量；采用融合空间运动信息和表观特征信息的目标相似性度量方法度量当前帧检测目标与历史帧检测目标；根据最小相似度进行当前帧目标与历史帧目标的匹配；对匹配结果的跟踪器进行管理，提高了跟踪器的置信度。本发明通过学习物体的空间运动信息和表观特征信息进行历史帧和当前帧目标的匹配，可以有效解决长期遮挡时目标丢失的情况；通过对跟踪器进行管理，可以有效的控制身份ID的无限增长。

主权项：1.一种融合空间运动和表观特征学习的多目标跟踪方法，其特征在于，包括如下步骤：步骤1，利用yolov5方法对当前帧上的目标物体进行检测，获取各目标物体在当前帧中的位置；步骤2，采用卡尔曼滤波方法预测当前帧上各目标物体的位置，得到各目标物体的预测位置，对于每个目标物体，利用预测位置校正步骤1获取的位置，得到最终位置；步骤3，利用卷积神经网络方法通过最终位置获取各目标物体的特征描述向量；步骤4，对于当前帧上的第j个目标物体，采用融合空间运动信息和表观特征信息的目标相似性度量方法，计算其与当前帧的历史帧中已匹配跟踪器的各目标物体的相似度；当前帧上的第j个目标物体与当前帧的历史帧中已匹配跟踪器的第i个目标物体的相似度d为：d＝w1*d1+w2*1-d2其中，w1、w2均为权重参数，d1表示当前帧上的第j个目标物体的特征描述向量与当前帧的历史帧中已存在的标识为i的跟踪器所对应的目标物体的特征描述向量之间的最小相似距离，d2表示交集与并集的比值，其中，交集为当前帧上的第j个目标物体的目标框与当前已存在的标识为i的跟踪器所在的最近历史帧中目标框的交集，并集为当前帧上的第j个目标物体的目标框与当前已存在的标识为i的跟踪器所在的最近历史帧中目标框的并集；步骤5，将相似度作为二维数组的元素，二维数组的行代表已存在的跟踪器，列代表当前帧的目标物体，设置阈值t，判断二维数组中的各元素与阈值的大小，并据此为当前帧上的各目标物体匹配跟踪器；步骤6，对于当前帧上未匹配到跟踪器的目标物体，为其创建新的跟踪器，并将新的跟踪器的状态记为临时状态；若该新的跟踪器在当前帧接下来的3帧中均能匹配到目标物体，则将该新的跟踪器的状态记为保留状态，即保留该新的跟踪器，否则将该新的跟踪器的状态记为删除状态，即删除该新的跟踪器。

全文数据：

权利要求：

百度查询： 的卢技术有限公司 一种融合空间运动和表观特征学习的多目标跟踪方法

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