[发明专利]一种基于深度学习的多目标跟踪视频巡店方法

权利要求书

1.一种基于深度学习的多目标跟踪视频巡店方法，其特征在于，包括如下步骤：

P1、用工业相机采集高清视频；

P2、将采集完成的视频上传至库存盘点系统；

P3、将巡店视频输入训练好的YOLO V3+DeepSort模型中；

P4、根据预测结果进行货物盘点和后续操作。

2.如权利要求1所述的一种基于深度学习的多目标跟踪视频巡店方法，其特征在于，所述步骤P3中YOLO V3+DeepSort模型包括Detection跟踪步骤以及track跟踪步骤；

所述Detection跟踪步骤，包括如下步骤：

S1、分配Track indices和Detection indices；

S2、计算Cost matrix此处只有cosine distance；

S3、计算Kalman预测的每个track平均轨道的位置和实际detect的BBox间的平方马氏距离cost matrix；

S4、将cisine cost matrix中track和detection间平方马氏距离大于阈值，即不满足b的对应值置为无穷大，方便后续计算

S5、将cosine cost matrix中track和detecion间cosine距离大于阈值，即不满足b的对应值置为较大，方便后续删除；

S6、使用Hungarian算法对track和detect进行匹配，并返回匹配结果；

S7、对匹配对结果进行筛选,删去appearance较大对匹配，即cosion disance过大；并返回值步骤S02并循环检测帧数；

S8、得到初步的matches，unmatched tracks和unmatched detections；

所述track跟踪步骤，包括如下步骤：

T1、将只有一帧为匹配的track看做IOU的candidate，超过的视为unmatched track；

T2、计算track candidate和unmatched detection之间的IOU disatance；

T3、将IOU distance大于阈值0.7对置大便于后续剔除；

T4、使用Hungarian算法对track和detect进行匹配，并返回匹配结果；

T5、对匹配对结果进行筛选，删去IOU较小对区域；

T6、得到再次处理的matches，unmatched tracks和unmatched detections。