[发明专利]多目标跟踪系统及方法

说明书

本发明公开了一种多目标跟踪系统及方法，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：处理器模块分别与神经网络模块、HOG模块和FFT模块相连。神经网络模块用于获取多帧待检测图像，还用于获取当前检测框对应的跟踪标识，将跟踪标识和目标特征存储到跟踪上下文记录；处理器模块用于确定当前检测图像对应的目标跟踪框；HOG模块用于获取目标预测框对应的目标特征和后序预测框对应的目标特征；FFT模块用于获取目标预测框对应的频域特征和后序预测框对应的频域特征；处理器模块还用于获取目标跟踪结果。本发明在减少计算量的同时，能提高多目标跟踪的跟踪速度，以保证多目标跟踪的实时性。

技术领域

本发明涉及视频跟踪技术领域，尤其涉及一种多目标跟踪系统及方法。

背景技术

目前通常采用光流、KCF(Kernel Correlation Filter，核相关滤波算法，简称KCF)、SORT(Simple Online and Realtime Tracking，简单目标体识别算法，简称SORT)、DeepSORT等多种算法进行多目标跟踪，但是，这些算法都存在跟踪实时性差的问题。

发明内容

本发明实施例提供一种多目标跟踪系统及方法，以解决现有多目标跟踪过程中存在的跟踪实时性差的问题。

一种多目标跟踪系统，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。

进一步地，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。

进一步地，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。

进一步地，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；