[发明专利]一种面向智慧社区的多摄像机联动多目标追踪方法及系统

摘要

本发明涉及社区安防领域，具体是一种面向智慧社区的多摄像机联动多目标追踪方法及系统。本发明利用卷积神经网络提取人体特征及人脸特征，并与卡尔曼滤波估计结合。利用马氏距离计算距离，使用余弦距离度量特征的相似度，再对两种度量进行加权计算，人脸识别结果辅助判断最终结果。本发明能够适应社区环境复杂的场景，具备多摄像机联动目标追踪且一定程度上降低了目标追踪轨迹标识因为遮挡等变化的概率，对于社区管理及公安刑侦等具有重要意义。

主权项

1.一种面向智慧社区的多摄像机联动多目标追踪方法，其特征在于，包括如下步骤：/n步骤(1)：获取当前监控摄像机图像；/n步骤(2)：将图像输入到人体检测模型；/n步骤(3)：当获取到人体检测框及人体特征，则跳转到步骤(4)；当获取到人脸特征，则将人体检测图像中检测到的人脸输入到人脸识别模型，并跳转步骤(5)；/n步骤(4)：对于已确认状态的目标追踪轨迹，计算当前视频帧每个人体的特征与所有目标追踪轨迹中保存的特征的相似度，并计算卡尔曼滤波估计的位置与当前视频帧中检测到的人体位置的马氏距离；/n步骤(5)：获取人脸识别特征与人脸库特征对比的相似度；若与人脸库匹配成功则获取人脸标识；/n步骤(6)：将人体检测相似度、马氏距离结合，人脸标识辅助判断，再利用匈牙利算法对目标追踪轨迹和当前视频帧检测框进行匹配；/n步骤(7)：45帧为一个匹配周期，若连续45帧没有匹配成功则认为该目标追踪轨迹已经失效，得到初步的结果，得到匹配、目标追踪轨迹未匹配和当前人体检测未匹配三种状态；/n步骤(8)：对于未确认状态及未成功匹配的目标追踪轨迹保存的检测框与当前视频帧中未匹配的人体检测框计算重叠率；再利用匈牙利算法对目标追踪轨迹和当前视频帧中检测到的人体进行匹配；/n步骤(9)：得到最终的匹配、目标追踪轨迹未匹配和当前视频帧中人体检测未匹配三种状态，并对数据进行更新，终止一直未匹配的目标追踪轨迹；/n步骤(10)：对于因未匹配判断未离开当前摄像机的目标追踪轨迹，根据目标最后一次出现的位置判断即将出现在其他摄像机的ID，并预测该目标在其他摄像机第一次出现的位置区域，在对相关摄像机视频帧处理时将获取该信息，继承目标追踪轨迹标识，重复步骤(2)～(9)。/n