[发明专利]一种用于视频结构化的目标排重方法和装置

权利要求书

1.一种用于视频结构化的目标排重方法，其特征在于，包括以下步骤：

S1：通过目标检测算法检测视频中当前帧所具有的目标的第一位置信息；

S2：将所述第一位置信息输入deepsort网络并与所述deepsort网络中的卡尔曼跟踪器进行第一次匹配，获得第一次匹配结果；

S3：根据所述第一次匹配结果对所述卡尔曼跟踪器或所述第一位置信息进行处理，其中对于第一次未被匹配上的所述卡尔曼跟踪器所对应的目标通过KCF跟踪器预测得到所述对应的目标的第二位置信息；

S4：将所述第二位置信息与所述第一次未被匹配上的所述卡尔曼跟踪器进行第二次匹配，获得第二次匹配结果；以及

S5：根据所述第二次匹配结果对所述第一次未被匹配上的所述卡尔曼跟踪器和所述第二位置信息进行处理，得到所述目标排重后的位置信息；

所述步骤S5具体包括：

S51：根据所述第二次匹配结果对所述第一次未被匹配上的所述卡尔曼跟踪器和所述第二位置信息进行处理，对匹配成功的所述第二位置信息进行保存，对第二次未被匹配上的所述卡尔曼跟踪器设置丢失标记，其中第二次未被匹配上的所述卡尔曼跟踪器为所述第二次匹配结果中未被匹配上的所述第一次未被匹配上的所述卡尔曼跟踪器；

S52：判断所述deepsort网络中的所述卡尔曼跟踪器是否有所述丢失标记以输出所述目标排重后的位置信息。

2.根据权利要求1所述的用于视频结构化的目标排重方法，其特征在于，所述步骤S2中若所述第一位置信息是从所述视频中的第一帧中获取的，则直接生成所述目标对应的所述卡尔曼跟踪器，并保存所述第一位置信息。

3.根据权利要求1所述的用于视频结构化的目标排重方法，其特征在于，所述步骤S3具体包括：

S31：对所述第一次匹配结果中成功匹配的所述第一位置信息，将与其匹配的所述卡尔曼跟踪器和所述第一位置信息进行更新；

S32：对所述第一次匹配结果中未被匹配上的所述第一位置信息，初始化一个所述卡尔曼跟踪器，并保存所述卡尔曼跟踪器；

S33：对所述第一次匹配结果中所述第一次未被匹配上的所述卡尔曼跟踪器，先判断所述对应的目标是否存在所述KCF跟踪器，若不存在所述KCF跟踪器，则利用所述当前帧的前一帧的所述第一位置信息初始化一个所述KCF跟踪器，并通过所述KCF跟踪器预测所述当前帧的所述目标的所述第二位置信息，若存在所述KCF跟踪器，则直接利用所述KCF跟踪器预测所述当前帧的所述目标的所述第二位置信息。

4.根据权利要求1所述的用于视频结构化的目标排重方法，其特征在于，所述步骤S51包括具体包括：

S511：对所述第二次匹配结果中成功匹配的所述第二位置信息，所述deepsort网络将与其匹配的所述卡尔曼跟踪器进行更新并保存所述第二位置信息；

S512：对所述第二次匹配结果中所述第二次未被匹配上的所述卡尔曼跟踪器设置所述丢失标记；

S513：对所述第二次匹配结果中未被匹配上的所述第二位置信息不进行任何处理。

5.根据权利要求1所述的用于视频结构化的目标排重方法，其特征在于，所述步骤S52具体包括：

S521：对所述deepsort网络中的所述卡尔曼跟踪器进行判断，若所述卡尔曼跟踪器带有所述丢失标记且连续丢失帧数大于设定阈值，则删除所述卡尔曼跟踪器和所述KCF跟踪器并输出所述卡尔曼跟踪器对应保存的位置信息，若所述卡尔曼跟踪器未带有所述丢失标记则不进行任何操作；

S522：判断所述当前帧是否是所述视频的最后一帧，若是则结束，否则循环所述步骤S1-S5。

6.根据权利要求5所述的用于视频结构化的目标排重方法，其特征在于，所述目标排重后的位置信息包括所述步骤S521中输出的所述卡尔曼跟踪器对应保存的位置信息。

7.根据权利要求1-5中任一项所述的用于视频结构化的目标排重方法，其特征在于，所述目标检测算法包括yolo目标检测算法。