[发明专利]一种用于视频结构化的目标排重方法和装置

说明书

本发明公开了一种用于视频结构化的目标排重方法和装置，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；将第一位置信息输入deepsort网络并与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；根据第一次匹配结果对卡尔曼跟踪器或第一位置信息进行处理，其中对于第一次未被匹配上的卡尔曼跟踪器所对应的目标通过KCF跟踪器预测得到对应的目标的第二位置信息；将第二位置信息与第一次未被匹配上的卡尔曼跟踪器进行第二次匹配，获得第二次匹配结果；以及根据第二次匹配结果对第一次未被匹配上的卡尔曼跟踪器和第二位置信息进行处理，得到目标排重后的位置信息。通过本发明可以对目标进行跟踪，有效提高算法的性能，提高计算速度。

技术领域

本发明涉及视频结构化领域，具体涉及一种用于视频结构化的目标排重方法和装置。

背景技术

视频结构化是一种视频内容信息提取的技术，它对视频内容按照语义关系，采用时空分割、特征提取、对象识别等处理手段，组织成可供计算机和人理解的文本信息的技术。从数据处理的流程看，视频结构化描述技术能够将监控视频转化为人和机器可理解的信息，并进一步转化为有用的情报，实现视频数据向信息、情报的转化。

视频结构化技术是计算机视觉研究领域的热点之一。视频结构化主要可以分为以下两个目的：1、对视频中的行人和车辆进行相关属性检测，包括目标识别、特征识别或行为描述等；2、运动目标的轨迹分析，可以将同一视频中每一个行人和每一辆车只保留一张图片，即行人、车辆排重。

针对目标排重，现在主流的算法是通过对比前后两帧图片中行人和车辆的相似度来进行排重。而由于目标的外观基本一样，所以现有的相似度算法很难区分，这就可能造成目标在同一段视频中结构化多次，因此导致视频结构化处理重复性高，计算量大，影响算法的性能。

针对现有的视频结构化算法存在同一目标输出多次的情况，本申请提出一种改进的用于视频结构化的目标排重方法和装置是具有重要意义的。

发明内容

针对上述提到的现有视频结构化算法存在同一目标输出多次，造成算法性能低、计算速度慢等问题。本申请的实施例的目的在于提出了一种用于视频结构化的目标排重方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请的实施例提供了一种用于视频结构化的目标排重方法，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：将第一位置信息输入deepsort网络并与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：根据第一次匹配结果对卡尔曼跟踪器或第一位置信息进行处理，其中对于第一次未被匹配上的卡尔曼跟踪器所对应的目标通过KCF跟踪器预测得到对应的目标的第二位置信息；

S4：将第二位置信息与第一次未被匹配上的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：根据第二次匹配结果对第一次未被匹配上的卡尔曼跟踪器和第二位置信息进行处理，得到目标排重后的位置信息。

以上首先对目标进行跟踪，用没有跟踪到的卡尔曼滤波器所对应的先前位置信息再来预测新的目标的位置信息，通过两次匹配对目标的位置信息进行处理，可以有效减少处理量，提高算法的计算速度。

在一些实施例中，步骤S2中若第一位置信息是从视频中的第一帧中获取的，则直接生成目标对应的卡尔曼跟踪器，并保存第一位置信息。视频中的第一帧不用进行匹配，直接生成目标对应的卡尔曼跟踪器并保存对应的位置信息。

在一些实施例中，步骤S3具体包括：

S31：对第一次匹配结果中成功匹配的第一位置信息，将与其匹配的卡尔曼跟踪器和第一位置信息进行更新；