[发明专利]一种基于多目标跟踪的高空抛物检测方法及相关组件

权利要求书

1.一种基于多目标跟踪的高空抛物检测方法，其特征在于，包括：

获取监控视频流的视频图像并进行预处理，得到样本图像；

将所述样本图像输入FairMOT模型进行特征提取训练、目标检测训练和目标重识别训练，输出训练后的高空抛物识别模型；

获取监控视频流的当前图像并进行预处理，得到待测图像；

将所述待测图像输入所述高空抛物识别模型进行图像识别处理，输出所述待测图像的高空抛物识别结果；

当高空抛物识别结果为存在高空抛物时，触发告警并记录高空抛物运动轨迹。

2.根据权利要求1所述的基于多目标跟踪的高空抛物检测方法，其特征在于，所述将所述样本图像输入FairMOT模型进行特征提取训练、目标检测训练和目标重识别训练，输出训练后的高空抛物识别模型，包括：

将所述样本图像输入所述FairMOT模型的ResNET34网络进行特征提取，输出样本特征图；

将所述样本特征图输入所述FairMOT模型的多平行头模块进行多次目标估计，分别输出所述样本特征图中每一检测对象的中心位置、识别框大小和中心偏移；

将所述样本特征图输入所述FairMOT模型的Re-ID分支模块进行对象Re-ID特征提取，输出标签特征图，其中所述标签特征图中包含每一检测对象的标签类别；

判断所述标签特征图中是否有与目标对象对应的标签类别，若有则判定存在高空抛物情况。

3.根据权利要求2所述的基于多目标跟踪的高空抛物检测方法，其特征在于，所述将所述样本特征图输入所述FairMOT模型的多平行头模块进行多次目标估计，分别输出所述样本特征图中每一检测对象的中心位置、识别框大小和中心偏移，包括：

预先获取所述样本图像中的对象识别框的坐标点位集合，其中和分别表示第i个对象识别框的左上点位和右下点位；

根据所述坐标点位集合计算每一所述对象识别框在所述样本图像上的中心点位置；

根据所述样本图像与样本特征图的尺寸比，通过所述多平行头模块的第一个平行头分支计算每一所述对象识别框在所述样本特征图的中心点位置坐标；

按公式计算所述对象识别框在所述样本特征图上的中心点位置的热图响应，得到含有每一所述对象识别框的中心位置的热头图M，其中N表示图像中的检测对象的数量，表示标准差。

4.根据权利要求3所述的基于多目标跟踪的高空抛物检测方法，其特征在于，所述将所述样本特征图输入所述FairMOT模型的多平行头模块进行多次目标估计，分别输出所述样本特征图中每一检测对象的中心位置、识别框大小和中心偏移，还包括：

将所述样本特征图输入所述多平行头模块的第二个平行头分支，利用所述对象识别框的坐标点位集合进行识别框大小计算，输出所述检测对象的对象识别框大小。

5.根据权利要求4所述的基于多目标跟踪的高空抛物检测方法，其特征在于，所述将所述样本特征图输入所述FairMOT模型的多平行头模块进行多次目标估计，分别输出所述样本特征图中每一检测对象的中心位置、识别框大小和中心偏移，还包括：

将所述样本特征图输入所述多平行头模块的第三个平行头分支，利用所述对象识别框的坐标点位集合进行识别框偏移量计算，输出所述检测对象的对象识别框偏移量，其中表示所述样本特征图中实际的中心点位置坐标，表示所述样本特征图经所述多平行头模块计算预估的中心点位置坐标。

6.根据权利要求3所述的基于多目标跟踪的高空抛物检测方法，其特征在于，所述将所述样本特征图输入所述FairMOT模型的Re-ID分支模块进行对象Re-ID特征提取，输出标签特征图，其中所述标签特征图中包含每一检测对象的标签类别，包括：

对所述热头图中的每一所述对象识别框的中心位置进行Re-ID特征提取，得到对应的特征向量；

对所述特征向量进行全连接处理和softmax激活处理，并映射至类分布向量，其中k表示对象标签类别，K表示类别数量。