[发明专利]目标跟踪方法、装置、存储介质及智能视频系统

权利要求书

1.一种目标跟踪方法，其特征在于，所述方法包括以下步骤：

获取视频帧图像；

利用训练获得的行人-人头检测模型对所述视频帧图像进行目标检测，获得目标行人的行人检测框和人头检测框；

根据所述目标行人的行人检测框和人头检测框，判断所述行人检测框的高度是否小于预设倍数的所述人头检测框的高度；

若所述行人检测框的高度大于或等于预设倍数的所述人头检测框的高度，则根据所述行人检测框，对所述目标行人进行跟踪，以获取所述目标行人的坐标信息；

若所述行人检测框的高度小于预设倍数的所述人头检测框的高度，则根据所述人头检测框，对所述目标行人的人头进行跟踪，以获取所述目标行人的坐标信息。

2.如权利要求1所述的目标跟踪方法，其特征在于，在利用训练获得的行人-人头检测模型对所述视频帧图像进行目标检测，获得目标行人的行人检测框和人头检测框的步骤之前，所述方法还包括：

以开源网络结构为基础，基于滤波器数目、网络深度和网络层的核大小，按照预设规则对所述开源网络结构进行裁剪，以获得初始网络结构；

利用训练样本对所述初始网络结构进行训练，获得行人-人头检测模型，其中，所述训练样本包括数据增强后的图像。

3.如权利要求1所述的目标跟踪方法，其特征在于，所述根据所述行人检测框，对所述目标行人进行跟踪，以获取所述目标行人的坐标信息的步骤，具体包括：

根据所述行人检测框，对所述视频帧图像中的目标行人进行图像抠取，获得目标行人区域图像；

利用训练获得的行人重识别模型对所述目标行人区域图像进行特征提取，以获得所述目标行人的特征信息；

根据所述特征信息，利用改进的Deep SORT跟踪算法对所述目标行人进行跟踪，以获取所述目标行人的坐标信息，其中，所述改进的Deep SORT跟踪算法基于Deep SORT网络框架和Kalman跟踪算法获得。

4.如权利要求3所述的目标跟踪方法，其特征在于，在利用训练获得的行人重识别模型对所述目标行人区域图像进行特征提取，以获得所述目标行人的特征信息的步骤之前，所述方法还包括：

以ReID-Strong-Baseline为基础网络，用最大值池化替代所述基础网络中的生成均值池化，并去掉所述基础网络中的IBN结构，获得初始基础网络；

根据所述初始基础网络，利用神经网络模型和圆损失函数建立待训练模型；

利用训练数据集，对所述待训练模型进行训练，获得行人重识别模型，其中，所述行人重识别模型的特征维度基于矩阵运算库确定，所述训练数据集包括行人图像。

5.如权利要求4所述的目标跟踪方法，其特征在于，在利用训练数据集，对所述待训练模型进行训练，获得行人重识别模型的步骤之前，所述方法还包括：

获取DukeMTMC-ReID数据集、Market-1501数据集和MSMT17数据集；

将所述DukeMTMC-ReID数据集、所述Market-1501数据集和所述MSMT17数据集合并，获得初始数据集；

对所述初始数据集中的行人图像进行裁剪，获得第一数据集，所述第一数据集中行人图像的行人与所述行人图像的边界的距离小于预设距离；

对所述第一数据集中的行人图像的行人进行部分裁剪或遮挡，获得训练数据集。

6.如权利要求3所述的目标跟踪方法，其特征在于，所述根据所述特征信息，利用改进的Deep SORT跟踪算法对所述目标行人进行跟踪，以获取所述目标行人的坐标信息的步骤，具体包括：

利用Kalman跟踪算法对所述行人检测框进行跟踪预测，获得行人跟踪框；

将所述行人跟踪框中目标行人的特征信息在特征池内进行级联匹配和IoU匹配，获得目标行人的ID匹配结果；

根据所述目标行人的ID匹配结果，获取所述目标行人的坐标信息。