[发明专利]多目标跟踪系统及方法

权利要求书

1.一种多目标跟踪系统，其特征在于，所述多目标跟踪系统包括处理器模块、神经网络模块、HOG模块和FFT模块：所述处理器模块分别与所述神经网络模块、所述HOG模块和所述FFT模块相连；

所述神经网络模块，用于获取待检测视频，从所述待检测视频中间隔获取多帧待检测图像；

所述神经网络模块，还用于采用特征提取算法，对当前检测图像中的当前检测框进行特征提取，获取当前检测框对应的目标特征，并获取当前检测框对应的跟踪标识，将所述跟踪标识和所述目标特征存储到跟踪上下文记录；

所述处理器模块，用于基于所述跟踪上下文记录，对当前检测框和前序检测图像对应的前序检测框进行特征匹配，确定所述当前检测图像对应的目标跟踪框；

所述HOG模块，用于获取所述目标跟踪框对应的目标预测框，并获取后序检测图像对应的后序预测框，采用HOG算法对所述目标预测框和所述后序预测框进行特征提取，获取所述目标预测框对应的目标特征和所述后序预测框对应的目标特征；

所述FFT模块，用于采用FFT算法对所述目标预测框对应的目标特征和所述后序预测框对应的目标特征进行频域转换，获取所述目标预测框对应的频域特征和所述后序预测框对应的频域特征；

所述处理器模块，还用于采用匈牙利算法所述目标预测框对应的频域特征和所述后序预测框对应的频域特征进行频域特征匹配，获取目标跟踪结果。

2.如权利要求1所述的多目标跟踪系统，其特征在于，所述神经网络模块，还用于基于间隔取帧规则，从所述待检测视频中间隔获取多帧待检测图像。

3.如权利要求1所述的多目标跟踪系统，其特征在于，所述神经网络模块，还用于采用目标检测算法对所述待检测图像进行检测，获取至少一个跟踪目标对应的当前检测框；

所述神经网络模块，还用于采用特征提取算法对每一所述当前检测框进行特征提取，获取所述当前检测框对应的目标特征；

所述神经网络模块，还用于依据预设标识规则，生成所述当前检测框对应的跟踪标识，将所述跟踪标识和所述目标特征，作为跟踪特征信息存储到跟踪上下文记录。

4.如权利要求1所述的多目标跟踪系统，其特征在于，所述处理器模块，还用于基于所述跟踪上下文记录，对当前检测框对应的目标特征和前序检测图像对应的前序检测框对应的目标特征进行特征匹配，获取第一特征匹配值；

所述处理器模块，还用于若所述第一特征匹配值大于第一匹配阈值，则将所述当前检测框，确定为所述当前检测图像对应的目标跟踪框；

所述处理器模块，还用于若所述第一特征匹配值不大于所述第一匹配阈值，则将跟踪上下文记录中，与所述当前检测框相对应的跟踪特征信息删除。

5.如权利要求4所述的多目标跟踪系统，其特征在于，所述跟踪上下文记录包括跟踪标识；

所述处理器模块，还用于若所述第一特征匹配值大于第一匹配阈值，则将所述当前检测框对应的跟踪标识的当前状态确定为匹配状态，并将所述当前检测框确定为所述当前检测图像对应的目标跟踪框；

所述处理器模块，还用于若所述第一特征匹配值不大于第一匹配阈值，则将所述当前检测框对应的跟踪标识的当前状态确定为待匹配状态，更新所述当前检测框对应的跟踪标识的当前状态为待匹配状态的当前次数，若所述当前次数大于预设次数，则将跟踪上下文记录中，与所述当前检测框相对应的跟踪特征信息删除。

6.如权利要求1所述的多目标跟踪系统，其特征在于，所述跟踪上下文记录包括跟踪框位置、跟踪框大小和目标类别；

所述HOG模块，还用于根据前序检测框对应的跟踪框位置和所述目标跟踪框对应的跟踪框位置，获取所述目标跟踪框对应的初始移动速度；

所述HOG模块，还用于根据前序检测框对应的跟踪框大小和所述目标跟踪框对应的跟踪框大小，获取所述目标跟踪框对应的初始变化速度；

所述HOG模块，还用于基于预设预测时间，对所述初始移动速度和所述初始变化速度进行计算，获取所述目标跟踪框对应的目标预测框。