申请/专利权人：沈阳二一三电子科技有限公司

申请日：2024-03-27

公开（公告）日：2024-04-30

公开（公告）号：CN117953546A

主分类号：G06V40/10

分类号：G06V40/10;G06V10/82;G06N3/0464;G06V10/75;G06T7/62;G06T7/73

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：一种基于多目标跟踪的行人逆行判断方法，属于行为检测技术领域，包括如下步骤：步骤1、构建目标检测数据集；步骤2、构建改进的YOLOv7目标检测模型；步骤3、训练改进的YOLOv7目标检测模型、步骤4、从监控视频流中获取图像帧Ft（t=1,2,3...），将获取的图像帧送入步骤3训练后的目标检测模型中，对输入图像帧进行目标检测，得到行人目标检测结果；步骤5、行人目标跟踪；步骤6、逆行行为判定。本发明在YOLOv7目标检测模型中增加注意力机制，提高模型对目标物体的区分能力和定位精度。

主权项：1.一种基于多目标跟踪的行人逆行判断方法，其特征在于，包括如下步骤：步骤1、构建目标检测数据集收集网络人物开源数据集，及监控场景中的行人图像数据，使用LabelImg对人头连同肩膀部分的目标进行矩形框标注，将已完成标注并符合标准的图像分为训练集和验证集；步骤2、构建改进的YOLOv7目标检测模型所述改进的YOLOv7目标检测模型是以YOLOv7网络结构为基础，在第50-51层之间，增加一层注意力机制模块CBAM的卷积层，该层由1×1的标准卷积层和CBAM构成，在YOLOv7网络结构第51层的SPPCSPC层中加入CBAM；步骤3、训练改进的YOLOv7目标检测模型将步骤1得到的训练集对步骤2构建目标检测模型进行训练，得到训练后的目标检测模型；步骤4、从监控视频流中获取图像帧Ft（t=1,2,3...），将获取的图像帧送入步骤3训练后的目标检测模型中，对输入图像帧进行目标检测，得到行人目标检测结果，包括采用目标检测框标记的行人所在位置信息、目标检测类别，所述目标检测类别包括行人正面、背面；步骤5、行人目标跟踪对步骤4中得到的行人目标检测结果，采用OC-SORT算法进行多目标跟踪；所述步骤5具体包括如下步骤：步骤5.1获取跟踪器的预测对行人目标检测得到的目标检测框的中心点轨迹集合使用卡尔曼滤波器根据每个轨迹前一帧的观测位置，计算每个轨迹在图像帧的预测框；步骤5.2提取轨迹集合的速度向量，对目标检测框与预测框进行关联；设最新的连续两帧位置的中心点坐标为，，则：；关联成本为：，为计算预测框和目标检测框之间的IoU值和高度交并比值，，其中为预测框的面积、为目标检测框的面积、为预测框的高度、为目标检测框的高度、为预测框、目标检测框的高度，保留的结果，为计算轨迹的速度向量，由轨迹的前一帧观测位置与新的检测位置形成的速度向量的角度差异，是权重因子，根据关联成本，采用匈牙利算法进行线性分配，获得预测框与目标检测框的最佳匹配，并返回三类结果：匹配的轨迹、未匹配的轨迹、未匹配的目标检测框；步骤5.3如果有未匹配的目标检测框和未匹配轨迹，进行第二轮的关联，对未匹配的轨迹，计算剩余目标检测框与未匹配轨迹的最后一次观测位置，关联成本，保留的结果，采用匈牙利算法进行线性分配，获得预测框与目标检测框的最佳匹配，并更新、、；步骤5.4轨迹更新对于匹配成功的检测结果和轨迹，使用检测结果更新轨迹的速度向量和观测位置以及跟踪器的状态信息，未匹配的轨迹的未匹配计数加1；步骤5.5创建新的轨迹对于未匹配的检测结果，创建新的轨迹和跟踪器并初始化为新轨迹中第一帧观测位置；步骤6、逆行行为判定遍历所有轨迹，筛选观测位置记录长度大于3的轨迹，提取中每一个轨迹的初始观测位置box0和t时刻观测位置boxt，针对一个轨迹提取出的观测位置，计算目标在轨迹中的位移变化量，结合目标检测类别，速度向量的结果，判断轨迹是否存在逆行行为。

全文数据：

权利要求：

百度查询： 沈阳二一三电子科技有限公司 一种基于多目标跟踪的行人逆行判断方法

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