[发明专利]一种多目标跟踪方法、装置、计算机及存储介质

权利要求书

1.一种多目标跟踪方法，其特征在于，包括以下步骤：

S110将视频输入至融合检测关联模块中，进行降采样处理获得特征图，将特征图输入至差异计算网络中，获得差异特征，获得特征图的具体方法是：

1)视频经过卷积层1进行1/4降采样，得到特征图1；

2)特征图1再经过卷积层2进行1/8降采样，得到特征图2；

3)特征图2经过卷积层3进行1/16降采样，得到特征图3；

S120计算损失函数，具体包括以下三种损失函数：

1)目标分类损失函数；

2)目标位置回归损失函数；

3)多目标交叉熵损失函数；

S120计算损失函数，具体是：

1)目标分类损失函数L_cls：

其中，y_i表示目标的真实类别标签，x_i表示模型预测值，M表示目标类别总数；表示目标类别标签表示y_i的类别特征；λ表示类别特征平衡系数，取值为0.5；

开始训练时随机初始化，之后每次迭代训练更新的值，更新公式为：

表示当前数据与类别特征的差异，M表示目标类别总数，表示目标类别标签表示y_j的类别特征，x_i表示模型预测值；表示第t次迭代时当前数据与类别特征的差异，之后将的值修正更新表示同时用α保证稳定，α值取为0.5；

2)目标位置回归损失函数：

其中，t表示模型目标预测值，t^*表示目标真实值，i可以取值x,y,w,h，x，y表示检测框中心点坐标值，w表示检测框宽，h表示检测框高，x,y,w,h可以回归得到目标检测框位置和大小，如果增加轨迹预测模块输出的目标预测位置，则目标位置回归损失函数变表示：

其中，t′_i表示轨迹预测模块输出的位置，包括x,y,w,h信息；

3)多目标交叉熵损失函数：

其中，y_i表示目标的真实类别标签，x_i表示模型预测值；

S130获得目标类别、目标位置信息和目标间的数据关联关系；并将目标位置信息输入轨迹预测模块中，利用卷积运算学习目标移动，输出预测位置信息，形成不同类别目标运动规律信息并传输至数据库和融合检测关联模块；

利用卷积运算学习目标移动，输出预测位置信息，具体是包括，第一层学习目标的特征信息；第二层学习目标在连续帧之间的位置变化信息；第三层输出预测位置信息；

S140输出多目标跟踪。

2.一种多目标跟踪装置，其特征在于，用于实现权利要求1所述一种多目标跟踪方法，包括视频输入模块、融合检测关联模块、轨迹预测模块、输出模块和存储模块；所述视频输入模块与所述融合检测关联模块和所述输出模块依次连接；视频输入模块及融合检测关联模块连接所述轨迹预测模块；所述轨迹预测模块连接所述存储模块；所述视频输入模块用于输入视频信息；所述融合检测关联模块用于获得目标类别、目标位置信息和目标间的数据关联关系，并将目标位置信息输出至轨迹预测模块中；所述轨迹预测模块用于获得不同类别目标运动规律信息；并将不同类别目标运动规律信息输出至存储模块和融合检测关联模块中；所述输出模块用于输出融合检测关联模块输出的目标跟踪结果；所述存储模块有用于存储不同类别目标运动规律信息。

3.一种计算机，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1所述的一种多目标跟踪方法的步骤。

4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1所述的一种多目标跟踪方法。