[发明专利]一种基于深度学习的高速跨摄像头单目标跟踪方法及系统

摘要

一种基于深度学习的高速跨摄像头单目标跟踪方法，涉及计算机视觉技术领域，解决现有技术以多摄像头多目标跟踪，需要对所有轨迹片提取特征并全局关联，而无法只对部分数据处理的问题，本发明包括建立行人检测模型；单相机内多目标跟踪，基于卡尔曼滤波算法进行多目标跟踪；轨迹片代表图片筛选；采用预先训练好的行人再识别模型提取行人外观特征；在单摄像头域内，设计搜索约束条件和关联；设计的跨摄像头轨迹方向约束以及基于轨迹方向约束的跨摄像头轨迹关联的步骤实现单目标跟踪。实验结果和分析表明本发明所述的跟踪方法取得较好的实时性和准确性。

主权项

1.基于深度学习的高速跨摄像头单目标跟踪方法，其特征是：该方法包括：/n步骤一、采用行人检测模型检测行人目标，输出每个摄像头下每个行人的检测框位置大小及检测得分；/n步骤二、采用步骤一获得的检测框的交并比为依据，基于卡尔曼滤波算法进行多目标跟踪，获得运动轨迹集合；/n步骤三、根据步骤二获得的运动轨迹集合，采用轨迹片代表图片进行筛选，获得轨迹特征中行人检测得分高的轨迹图片；/n步骤四、采用预先训练好的行人再识别模型对步骤三获得的轨迹图片提取行人外观特征；/n步骤五、在单摄像头域内，设定搜索约束条件和轨迹关联，将搜索范围内余弦距离最小的轨迹图片作为匹配轨迹，采用所述匹配轨迹进行关联，获得关联后的轨迹集合；/n步骤六、对步骤五获得的关联后的轨迹集合，设计跨摄像头轨迹局部二部图关联的方向约束条件，最终匹配建立时空约束条件；/n步骤七、根据步骤六的时空约束条件，基于轨迹方向约束的跨摄像头轨迹关联，采用匈牙利法寻找使所有匹配距离之和最小的匹配关联，如果命中目标，则关联成功；否则关联失败，终止该目标的跟踪。/n