[发明专利]一种双进程多目标跟踪方法

说明书

本发明公开了一种双进程多目标跟踪方法，包括在主进程中运行的主线跟踪器和在子进程中运行的辅线修正器两条分支，所述主线跟踪器分支使用高速低精度模型进行多目标跟踪，所述辅线修正器分支使用低速高精度模型对所述主线跟踪器进行修正。所述两条分支的结果通过融合器融合后得到最终的多目标跟踪结果。本发明能够在不降低所述主线跟踪器跟踪速度的同时，提升其跟踪精度。

技术领域

本发明涉及计算机视觉多目标跟踪领域，尤其涉及一种双进程多目标跟踪方法。

背景技术

多目标跟踪技术是计算机视觉领域内的关键技术，具有很高的应用价值，在很多场景都有广泛的应用。随着近几年人工智能相关领域的飞速发展，多目标跟踪技术也凸显出其重要地位。如在视频监控领域，利用多目标跟踪技术，可实现对人流量的统计分析、对嫌疑犯的跟踪定位等；在智能机器人领域，利用多目标跟踪技术，可实现对行人、车辆等的实时避障；在军事领域，利用多目标跟踪技术，可实现对不同目标的精准打击。

现有技术中至少存在如下问题：

现有的多目标跟踪技术难以平衡速度和精度之间的关系，速度快的多目标跟踪技术，精度普遍较差；精度高的多目标跟踪技术，速度普遍较慢。有次可见，设计速度快且精度高的多目标跟踪技术是亟待解决的问题。

发明内容

本发明要克服现有技术的上述缺点，提供一种双进程多目标跟踪方法，以解决相关技术中存在的速度和精度难以平衡的技术问题。

本发明提供的一种双进程多目标跟踪方法，包括：

S1.在主进程中获取当前帧图像及其目标检测结果；

S2.在主进程中将所述图像及其目标检测结果输入给主线跟踪器，获取主线跟踪器结果；

S3.在主进程中将所述图像及所述主线跟踪器结果输入给子进程的辅线修正器；

S4.在子进程中，所述辅线修正器对所述主线跟踪器结果的正确与否进行判断，得到修正结果并存入共享内存器中；

S5.在主进程中，融合器将所述主线跟踪器结果和所述修正结果融合后作为最终的多目标跟踪结果。

进一步地，步骤S2所述主线跟踪器使用的是高速低精度的多目标跟踪模型，所述辅线修正器使用的是低速高精度的身份特征提取模型。

进一步地，步骤S4具体包括：

S41.使用所述身份特征提取模型提取主线跟踪器结果的特征组成跟踪特征集；

S42.将所述跟踪特征集与历史缓存特征集进行匹配，得到修正结果并存入所述共享内存器中；

S43.使用修正后的跟踪特征集更新所述历史缓存特征集。

进一步地，将步骤S42所述跟踪特征集与历史缓存特征集进行匹配，得到修正结果的公式为：

m＝f(T,H) (1)

其中，f(·,·)表示两个特征集的匹配函数，T表示所述跟踪特征集，H表示所述历史缓存特征集，m表示修正结果，可记为m＝[i,j,...]，表示所述主线跟踪器结果中ID为i的目标其ID应修正为j。

进一步地，步骤S5具体包括：

检测所述共享内存器中是否存在所述修正结果，若不存在，则直接将所述主线跟踪器结果作为最终的多目标跟踪结果；若存在，则从所述共享内存器中获取所述修正结果，并与所述主线跟踪器结果融合后作为最终的多目标跟踪结果。

进一步地，从所述共享内存器中获取所述修正结果，并与所述主线跟踪器结果融合后作为最终的多目标跟踪结果，其公式为：