[发明专利]一种基于深度学习和条件随机场的多目标跟踪方法

摘要

本发明公开了一种基于深度学习和条件随机场的多目标跟踪方法，主要包括下述步骤：用训练集训练深度网络；用网络提取目标的表观特征；在时间滑窗内将数据集给出的检测结果连接成可能的跟踪片段；将每个目标的跟踪片段集合作为点进行条件随机场建模；计算随机场中点与边的势能；利用联合树求解条件随机场得到滑窗内的跟踪结果；移动窗口，重复跟踪过程。主要贡献包括：(1)提出一种基于深度网络提取特征的多目标跟踪方法；(2)提出一种新的跟踪片段相似性度量方法；(3)实现一种基于跟踪片段集的半在线跟踪算法。通过利用深度网络提取表观特征，将检测结果连接为可能的跟踪片段，并利用条件随机场对片段进行关联，完成了多目标跟踪。

主权项

一种基于深度学习和条件随机场的多目标跟踪方法，其特征在于，包括步骤：S1、训练网络：利用给定的训练集，训练一个深度网络；S2、应用阶段：输入待处理视频的目标检测结果，对检测结果进行筛选，得到筛选后的检测结果；S3、提取特征：将筛选后的检测结果输入深度网络中，得到检测结果的表观特征；S4、产生跟踪片段：根据滑动窗口中检测结果和检测结果之间、目标与检测结果之间的表观特征相似度和位置关系，将可能为同一目标的检测结果连接成跟踪片段；S5、建模：将跟踪片段集合进行建模得到条件随机场模型，其中条件随机场中的点代表某一跟踪目标的可能的跟踪片段集合，集合的大小为跟踪片段的个数；点与点之间存在的边表示不同目标的跟踪片段之间共存的可能性；S6、计算：计算条件随机场中点的势能与边的势能；S7、求解：利用联合树算法求解，得到每个目标的跟踪片段索引，作为该滑动窗口内的跟踪结果；S8、滑动窗口，设定滑动步长，计算滑动窗口内的跟踪结果，依次循环，得到整个视频的跟踪结果。