[发明专利]一种社区监控场景下行人多目标跟踪方法

权利要求书

1.一种社区监控场景下行人多目标跟踪方法，其特征在于：包括以下步骤：

步骤1：获取社区监控区域下的视频流，并对其进行去噪处理；

步骤2：获取视频中当前帧图像，采用HOG特征提取方法对当前图像进行行人多目标特征提取；

步骤3：根据提取到的特征，训练Fast-RCNN+网络，得到最优参数；

步骤4：利用训练好的Fast-RCNN+网络模型对视频图像实现行人多目标检测工作；

步骤5：将采集到的视频图像中的行人多目标数据建立关联矩阵；

步骤6：提取输入视频帧图像中包含上下文信息(行人的位置信息和背景信息)的特征；

步骤7：将提取的特征训练融合上下文信息的ReCNN网络，获得最优参数；

步骤8：利用训练好的ReCNN网络对视频上下文行人信息进行检测实现追踪的目的；

步骤9：采用GPU调度策略进行GPU调度。

2.根据权利要求1所述的社区监控场景下行人多目标跟踪方法，其特征在于：在所述步骤1中，还包括在社区环境下安装高清摄像头或者视频采集装置，选择需要监测的区域，获取该区域下所有的视频流，采用小波滤波进行去噪的预处理，利用邻帧信息进行帧间滤波来平滑噪声细纹，保证视频去噪后播放的流畅性。

3.根据权利要求1所述的社区监控场景下行人多目标跟踪方法，其特征在于：在所述步骤2中，还包括获取当前帧图像，首先对当前图像标准化Gamma空间，以减少光照因素影响，依据图像梯度值统计单元格内梯度方向直方图，并将所有单元格在块上进行归一化，滑动窗口获取所有块的HOG特征。

4.根据权利要求1所述的社区监控场景下行人多目标跟踪方法，其特征在于：在所述步骤3中，还包括训练过程：首先使用默认参数进行训练，根据训练中间结果，对初始权值、训练速率和迭代次数不断进行调整，直到所述图像增强网络以预设的效率达到预设的增强效果。

5.根据权利要求1所述的社区监控场景下行人多目标跟踪方法，其特征在于：在所述步骤7中，还包括利用环境上下文完成行人的运动预测，通过提取上下文行人信息的特征训练ReCNN网络模型，基于环境模型的建立使用上下文的跟踪方法最终实现行人多目标跟踪方法。

6.根据权利要求1所述的社区监控场景下行人多目标跟踪方法，其特征在于：在所述步骤9中，还包括实时监控GPU处理器集群中的GPU使用情况，采取适当的调度策略对GPU进行实时调度。