[发明专利]一种跨场景目标自动识别与追踪方法及应用

说明书

本发明公开了一种跨场景目标自动识别与追踪方法及应用，该方法包括下述步骤：在监控场景中对跟踪目标进行跟踪；当所跟踪的目标丢失时，提取模型检测所跟踪的行为人；计算行为人序列特征与跟踪目标特征之间的欧式距离，进行行为人重识别；对多路场景进行行为人检测与行为人重识别，进行跨场景行为人识别与追踪；应用FACENET卷积网络人脸识别技术识别行为人，进行跟踪目标的身份识别；采用CSRnet对人群密度进行估计,根据人群密度阈值分配计算资源，对超出设定的阈值的监控区域进行预警；根据检索条件在视频监控所有场景中查找及匹配关键目标，并框选出所有符合条件的目标。本发明提高了行为人重识别模型在不同场景下的泛化能力。

技术领域

本发明涉及智能识别追踪技术领域，具体涉及一种跨场景目标自动识别与追踪方法及应用。

背景技术

随着计算机技术、网络技术及图像处理技术的发展，不少视频监控场所已由传统的人工监控方式升级为自动监控方式。根据调研，目前的视频自动监控方式往往只是定性的检测出异常事件，及实现对异常事件进行简单判定与分类，但却缺乏对异常事件发生过程、或事后的定量分析。特别是对异常事件(及紧急情况)中的跨摄像头关键人物(及事物)的自动搜寻与识别，及公共场所人群密集区域的安全预警自动检测等。而且，市面上常用的自动监控往往只能对异常行为进行简单判定与分类，事件发生后，通常由人工对后续目标的追踪，缺少对事件后续的分析与关键目标查找，工作量十分巨大、繁琐。因此，寻求一种能对关键目标进行自动化识别与跟踪的监控方法，迫在眉睫。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种跨场景目标自动识别与追踪方法，利用Siammask神经网络进行目标跟踪，当行为人由于遮挡或其他原因导致的目标丢失问题，则使用yolov3对当前所有视频下进行行为人检测，随后将行为人序列与所跟踪的行为人目标使用strong baseline ReID与IBN-Net相结合模型，实现在不同场景下的行为人再识别任务，同时IBN-Net通过学习不变性特征大大提高了行为人重识别模型在不同场景下的泛化能力，使得即便没有相关场景的预训练集下极大的降低了误判率。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种跨场景目标自动识别与追踪方法，包括下述步骤：

在视频中给出跟踪目标感兴趣区域，利用Siammask神经网络在监控场景中对该跟踪目标进行跟踪；

当所跟踪的目标丢失时，通过yolov3神经网络特征提取模型检测所跟踪的行为人；

将监控场景行为人序列与跟踪目标输入到strong baseline ReID神经网络进行特征提取，计算行为人序列特征与跟踪目标特征之间的欧式距离，若小于设定的欧式距离阈值，则判定该行为人为跟踪目标，实现行为人重识别；

对多路场景进行行为人检测与行为人重识别，找出行为人，完成跨场景行为人识别与追踪；

应用FACENET卷积网络人脸识别技术识别行为人，进行跟踪目标的身份识别；

采用CSRnet对人群密度进行估计,根据人群密度阈值分配系统计算资源，对超出设定的阈值的监控区域进行预警；

设定检索条件，利用yolov5特征提取模型根据检索条件在视频监控所有场景中查找及匹配关键目标，并框选出所有符合条件的目标。

作为优选的技术方案，所述利用Siammask神经网络在多个监控场景中对该跟踪目标进行跟踪，具体步骤包括：

由目标位置得到目标区域以及下一帧中的搜索区域；

提取目标区域特征与搜索区域特征，并进行两者的深度互相关，得到响应图；