[发明专利]一种深度学习SSD算法结合KCF算法的多目标跟踪系统

摘要

本发明公开了一种深度学习SSD算法结合KCF算法的多目标跟踪系统，包括以下步骤：步骤一：获取图像，传入用于目标识别的SSD深度学习模型；步骤二：SSD算法通过GPU加速进行目标识别，对识别结果做判断，过滤不合适的目标，再记录每个目标位置信息；步骤三：判断获取的图像是否是待跟踪图像序列中的第1帧图像；若是，则执步骤四，否则执行步骤五；步骤四：对SSD算法获取的新目标位置信息，每个目标都建立一个对象；由SSD检测确定目标跟踪的物体和位置，KCF算法进行跟踪，并记录目标移动轨迹，跟踪过程中，SSD算法同时进行优化校正，防止跟踪偏移，跟踪失败，跟踪目标错误，提升跟踪速度，直到目标消失，获取的目标轨迹，供业务层分析使用。

主权项

1.一种深度学习SSD算法结合KCF算法的多目标跟踪系统，其特征在于，包括以下步骤：步骤一：获取图像，传入用于目标识别的SSD深度学习模型；步骤二：SSD算法通过GPU加速进行目标识别，对识别结果做判断，过滤不合适的目标，再记录每个目标位置信息；步骤三：判断获取的图像是否是待跟踪图像序列中的第1帧图像；若是，则执步骤四，否则执行步骤五；步骤四：对SSD算法获取的新目标位置信息，每个目标都建立一个对象，进行初始化KCF跟踪算法运算，初始化链表，记录保存位置信息,此链表记录的位置信息，就是目标移动的轨迹信息,执行步骤八；步骤五：通过获取的图像，多线程并行进行每个跟踪对象KCF跟踪运算，根据计算结果判断，若满足继续跟踪条件，则把新的位置信息添加对应的链表，否则，跟踪失败，释放此目标跟踪对象；步骤六：将每个跟踪对象进行比对去判断，释放重复跟踪的对象；步骤七：对SSD获取的新目标位置信息和KCF跟踪的每个对象的链表最新的位置信息进行对比判断，建立新的跟踪对象或者校正已有的跟踪对象；步骤八：判断是否加载完所有的图像；若是，则执行步骤九，否则，执行步骤一；步骤九:结束跟踪。