[发明专利]一种改进DeepSort算法的姿态跟踪方法及系统

说明书

本发明公开了一种改进DeepSort算法的姿态跟踪方法及系统，涉及计算机视觉技术领域。步骤为：获取待检测图像；利用YOLOX模型对待检测图像进行目标检测得到候选框并通过非极大值抑制算法筛选得到检测框；根据上一帧的结果，利用kalman滤波预测当前帧的目标区域；计算检测框和预测目标区域之间的马氏距离、表观余弦距离和姿态余弦距离，使用匈牙利算法和级联匹配对比前后两帧间目标的相似程度进行目标匹配，得到跟踪结果；通过目标的姿态信息对跟踪结果进行修正。本发明对DeepSORT算法进行优化，人体跟踪和姿态信息提取更精确，解决了由于目标外观相似以及目标区域不准确导致的目标跟踪效果不佳的问题。

技术领域

本发明涉及计算机视觉技术领域，更具体的说是涉及一种改进DeepSort算法的姿态跟踪方法及系统。

背景技术

消防队伍是承担灭火救援等急难险重任务的特殊队伍，承担着防范化解重大安全风险、应对处置各类灾害事故的重要职责，同时消防救援队伍的日常训练则是提升队伍战斗力的重要途径。目前，消防员姿态跟踪的方法主要包括传感器跟踪法、电磁跟踪法、声源跟踪法等，大多通过可穿戴的传感器来获取消防员的姿态信息，从而进行消防员姿态跟踪，但是由于消防救援和训练的动作强度大，可穿戴设备的损坏率较高，导致制作、维护成本增加，不能很好的满足消防救援训练的开展条件。随着视频监控技术的飞速发展，通过监控视频对消防救援和训练进行监控和分析具有便利、高效的优点，目标跟踪和人体姿态估计则是利用视频对消防救援和训练进行分析的关键技术，卷积神经网络被逐渐应用在人体姿态估计的研究中，使用卷积神经网络进行人体姿态信息提取的方法已经十分成熟。

在多目标跟踪算法方面，现有技术通过提取目标的特征，利用滤波算法和匹配算法对连续帧的目标进行关联匹配，但是对于外观相似的目标，普通的表观特征提取不能达到很好的效果，并且目标窗口的位置和大小完全取决于目标检测器，不利于跟踪后的进一步处理。DeepSORT算法在目标跟踪方面具有优秀的性能，在行人跟踪和车辆跟踪等领域取得了不错的效果，但是针对消防员姿态跟踪任务存在以下问题：

(1)利用外观特征进行目标关联在行人跟踪，车辆跟踪任务中表现优异，但直接应用于消防员跟踪领域有局限性。消防员在消防救援和训练中往往着装统一，外观特征有相似性，使得不同目标间的表观特征距离较近，导致目标关联效果不佳。

(2)算法将目标检测器得到的检测框作为目标区域，导致目标位置信息的有效性严重依赖目标检测器的质量，以往的多目标跟踪任务对目标的位置的准确度要求不高，但是这样的方法迁移到消防员姿态跟踪的任务中会存在严重问题，目标区域不准确会让后续的姿态估计任务难以进行。因此，如何克服上述缺陷更加精确的进行消防员跟踪和姿态信息提取，对本领域技术人员来说是亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种改进DeepSort算法的姿态跟踪方法及系统，以解决背景技术中提出的问题。

为了实现上述目的，本发明采用如下技术方案：一种改进DeepSort算法的消防员姿态跟踪方法，具体步骤包括如下：

获取待检测图像；

利用YOLOX模型对所述待检测图像进行目标检测得到候选框并通过非极大值抑制算法筛选得到检测框；

根据上一帧的结果，利用kalman滤波预测当前帧的目标区域；

计算所述检测框和预测目标区域之间的马氏距离、表观余弦距离和姿态余弦距离，使用匈牙利算法和级联匹配对比前后两帧间目标的相似程度进行目标匹配，得到跟踪结果；

通过目标的姿态信息对所述跟踪结果进行修正，利用修正结果对所述YOLOX模型的参数和kalman滤波进行更新。