[发明专利]基于深度学习的多目标行人检测与跟踪方法

摘要

本发明公开了一种基于深度学习的多目标行人检测与跟踪方法，包含如下步骤步骤一针对输入的视频进行多目标行人检测和关节点提取，并保存获得的位置信息及关节点信息作为下一阶段的输入；步骤二间隔一定帧数选择一个关键帧，并针对关键帧内的行人进行表观特征提取，即根据步骤一所得的位置信息与关节点信息，分别提取上半身姿态特征和颜色直方图特征，用于关键帧之间的行人关联；步骤三针对关键帧内的行人进行连续跟踪，过程中使用本发明所提出的阈值慢起步策略、分块匹配率模型检测算法、保存历史状态投票算法与遮挡检测方法来提高跟踪效果，跟踪结束后返回步骤一，重新检测关键帧来保证方法稳定性。

主权项

一种基于深度学习的多目标行人检测与跟踪方法，其特征在于：该方法包括多目标行人检测、关键帧特征提取与关键帧间行人跟踪三个步骤，多目标行人检测步骤为：(d1)对输入的视频每间隔一定帧数选择一个关键帧，进行多目标行人检测；(d2)在检测的基础上进行关节点提取，并保存获得的位置信息及关节点信息作为下一阶段的输入；关键帧特征提取步骤为：(f1)根据(d2)所得的位置信息针对关键帧内的行人进行颜色直方图特征提取；(f2)根据(d2)所得的位置信息与关节点信息，提取关键帧内的行人的上半身姿态特征；(f3)将颜色直方图特征与上半身姿态特征拼接得到该行人的总特征，与上一个关键帧检测到的行人匹配，关联跟踪轨迹；关键帧之间行人跟踪步骤为：(t1)使用分块匹配率模型检测算法计算关键帧之间行人匹配率；(t2)使用阈值慢起步策略跟踪行人匹配率；(t3)对匹配行人进行保存历史状态投票；(t4)在(t1)至(t3)步骤中使用遮挡检测方法；(t5)对暂时跟丢的行人使用跟丢搜索范围变化算法；(t6)跟踪结束后返回步骤(d1)重新检测。