[发明专利]一种基于行人重识别的多目标跟踪方法

权利要求书

1.一种基于行人重识别的多目标跟踪方法，其特征在于，包括如下步骤：

S1、建立行人重识别模型，并离线训练行人重识别模型；

S2、假设相邻的两帧图像分别为A和B，且A图像中的目标个数为M个，B图像中的目标个数为N个，则利用行人重识别模型，从相邻的两帧图像中，分别提取目标特征向量M和N；

S3、将目标特征向量M和N之间的余弦距离作为特征相似度，并根据其余弦距离计算出目标特征向量M和N之间的相似度矩阵SM和距离矩阵DM；

S4、利用距离矩阵DM对相似度矩阵SM进行加权，得到目标特征向量M和N之间的最终相似度矩阵；

S5、将最终相似度矩阵作为目标特征向量M和N之间相似度权重，将目标特征向量M和N之间的多目标的跟踪问题抽象为带权二分图的最优匹配问题，然后利用Kuhn-Munkres算法求解最优匹配路径，得到目标特征向量M和N之间的最优匹配；

S6、在线更新行人重识别模型参数。

2.如权利要求1所述的一种基于行人重识别的多目标跟踪方法，其特征在于，所述行人重识别模型的建立和离线训练方法包括如下步骤：

S11、选择caffe训练框架；

S12、为满足实时性要求，采用inception模型，在inceptionV2基础上，去除了inception4和inception5的所有层，只保留inception3a，inception3b和inception3c层，并将通道数均减为原来的一半，在imageNet数据集分类网络上进行调整；

S13、搜集公开数据集和私有数据集，采集视频数据并利用基于ART人工神经网络的检测跟踪算法得到每个目标的图像序列；

S14、在所述检测跟踪算法的结果上人工干预，进行错误剔除，得到最终的目标图像序列；

S15、在公开数据集训练好的模型基础上，再次调整，得到最终的行人重识别模型。

3.如权利要求2所述的一种基于行人重识别的多目标跟踪方法，其特征在于，所述每个目标的图像序列的具体获得方法如下：利用Faster RCNN来检测行人，并初始化跟踪目标，然后利用KCF算法持续跟踪，进而得到同一目标的图像序列。

4.如权利要求1所述的一种基于行人重识别的多目标跟踪方法，其特征在于，所述在线更新行人重识别模型参数包括如下步骤：

S61、选择一个跟踪稳定的目标；

S62、确定跟踪稳定的目标后，将其作为anchor，然后遍历当前帧中其他稳定跟踪目标，并根据两个特征向量的余弦相似度，找出与所述跟踪稳定的目标的特征相似度最高的一个作为negative；遍历过去N帧中和anchor的ID号一致且特征相似度最低的一个作为positive；

S63、当anchor、negative和positive三个特征确定以后，采用人脸识别中的三元组损失函数，对模型进行梯度反传，并只对模型的最后一层特征提取层的权重进行更新。

5.如权利要求4所述的一种基于行人重识别的多目标跟踪方法，其特征在于，所述跟踪稳定的目标在被选择时需满足以下两点要求：

a、采用openpose系统检测人体关键点时，必须有超过85％以上的关键点被检测到；

b、和其他目标的重叠部分必须低于0.3。