一种智能的多目标检测跟踪方法技术

本发明专利技术涉及目标检测与跟踪领域，具体涉及一种智能的多目标检测跟踪方法。一种智能的多目标检测跟踪方法，该方法如下：对获取的当前帧图像进行检测获得检测目标信息；将所有检测目标信息进行数据关联、编号并进行跟踪；以编号的目标所在位置的中心点为中心，选取候选区域；利用分类器模型在候选区域中获取候选目标所对应的目标位置；判断候选目标是否为跟踪目标。本发明专利技术能够准确的判断目标是否碰到遮挡、丢失或者模糊等状况；且能够在目标丢失的情况下准确的检测到目标后继续进行跟踪，实现多个目标的检测和跟踪。

An intelligent multi-target detection and tracking method

The invention relates to the field of target detection and tracking, in particular to an intelligent multi-target detection and tracking method. An intelligent multi-target detection and tracking method is proposed, which is as follows: detecting the current frame image to obtain the detection target information; associating, numbering and tracking all the detection target information; selecting candidate regions centering on the center point of the numbered target; using classifier model The target position corresponding to the candidate target is obtained in the candidate region, and whether the candidate target is a tracking target is judged. The invention can accurately judge whether the target encounters occlusion, loss or blur, and can accurately detect the target and continue tracking after the target is lost, so as to realize the detection and tracking of multiple targets.

【技术实现步骤摘要】
一种智能的多目标检测跟踪方法
本专利技术涉及目标检测与跟踪领域，具体涉及一种智能的多目标检测跟踪方法。
技术介绍
在复杂背景下运动目标检测和跟踪是光电制导、目标探测、自动识别等领域的共同关键技术。如何自动、准确且快速地从复杂背景中检测到运动目标并进行稳定跟踪，在军事和民用领域都具有十分重要的地位和广阔的应用前景。目前，军事领域的应用环境往往比较复杂，如水面的浪花、雨雪天气和树木摇动会产生噪声，日照条件的不同也会导致图像发生不同的变化，这些因素都使运动目标的检测变得困难，但是系统要求快速检测和稳定跟踪。此外，现有大多数被动式雷达在目标侦察过程中，容易受到电子干扰，无法检测到目标位置信息并提供给跟踪设备，导致跟踪任务失败，那么需要一种主动式不受干扰的目标检测方法来提供准确的目标坐标信息。在民用领域仍然存在类似的问题，比如低空背景下的无人机检测和跟踪，容易受建筑物构件、树梢、不明飞行物等的影响，导致无法准确的检测和稳定的跟踪。针对上述状况，传统的目标检测方法存在复杂背景下目标检测难度高且准确度低的问题，导致无法进行正常跟踪；同时在目标跟踪过程中发生跟踪丢失或者遮挡时不能及时做出判断，甚至在本文档来自技高网...

【技术保护点】
1.一种智能的多目标检测跟踪方法，其特征在于，该方法如下：获取当前帧图像，并对获取的当前帧图像进行检测获得检测目标信息；将所有检测目标信息进行数据关联、编号并进行跟踪；以编号的目标所在位置的中心点为中心，选取候选区域；利用分类器模型在候选区域中获取候选目标所对应的目标位置；判断候选目标是否为跟踪目标：若为跟踪目标，则用当前帧图像中跟踪目标的坐标信息进行跟踪，并更新分类器模型，完成多目标检测跟踪；若非跟踪目标，则循环上述步骤，直至找到正确的跟踪目标并更新分类器模型。

【技术特征摘要】
1.一种智能的多目标检测跟踪方法，其特征在于，该方法如下：获取当前帧图像，并对获取的当前帧图像进行检测获得检测目标信息；将所有检测目标信息进行数据关联、编号并进行跟踪；以编号的目标所在位置的中心点为中心，选取候选区域；利用分类器模型在候选区域中获取候选目标所对应的目标位置；判断候选目标是否为跟踪目标：若为跟踪目标，则用当前帧图像中跟踪目标的坐标信息进行跟踪，并更新分类器模型，完成多目标检测跟踪；若非跟踪目标，则循环上述步骤，直至找到正确的跟踪目标并更新分类器模型。2.根据权利要求1所述智能的多目标检测跟踪方法，其特征在于，该方法如下：获取当前帧图像；利用深度学习目标检测模型对当前帧图像进行检测，并对当前帧图像检测后的每个目标预设保留数以及互联数；获得满足预设条件的检测目标信息，所述预设条件包括长宽比和占空比；将获得的所有检测目标信息进行数据关联，判断检测目标信息是否符合编号条件；若检测目标信息满足编号条件时，进行跟踪：以预设编号的目标所在位置的中心点为中心，以目标大小的2-5倍的范围选取候选区域；用分类器模型求取候选区域的响应图，获得响应图中的最大响应值，该最大响应值所在位置即为候选目标所对应的目标位置；根据跟踪失效判断条件判断候选区域内的目标是否为跟踪目标；若为跟踪目标，则用当前帧图像中跟踪目标的坐标信息进行跟踪，并更新分类器模型，完成多目标检测跟踪；若非跟踪目标，则循环上述步骤，直至找到正确的跟踪目标并更新分类器模型,完成智能多目标检测和跟踪。3.如权利要求2所述智能的多目标检测跟踪方法，其特征在于，所述对当前帧图像进行检测借助深度学习目标检测分类器模型完成，该方法如下：用深度学习目标检测模型对当前帧图像进行检测，获得多个目标和满足预设条件的检测目标的对应概率，取多个目标中概率值最大的检测目标作为当前帧的检测目标，获得检测目标的左上角坐标、宽度及高度信息。4.根据权利要求3所述智能的多目标检测跟踪方法，其特征在于，所述目标数据关联的方法如下：目标配准：通过目标的位置信息以及相似性信息，将当前帧中所有目标与前一帧图像中所有目标进行匹配，若存在匹配成功的目标，该目标的保留数不变，互联数递增，则将匹配成功的前一帧图像中目标信息替换成当前帧图像中目标信息；若无匹配成功的目标，则该目标的保留数递减，互联数保持不变，则保存匹配不成功的当前帧图像中的目标信息和前一帧图像中的目标信息；目标配准的方法如下：结合图像本身的信息，设定一个相似度判据，求解两个目标之间的归一化互相关值NCC；NCC值为两个目标之间的归一化互相关值；利用NCC值描述两个目标之间的相似程度，从而进一步确定两个目标是否匹配；NCC的计算公式如下：其中I1和I2分别表示两个目标对应的图像区域，⊙表示点乘运算；目标剔除：匹配不成功时，若该目标的保留数递减到预设值，则剔除该目标；判断目标是否满足编号要求：若该目标的互联数递增到预设值时，满足标号要求，则对该目标进行编号，编号顺序从小到大，编号0到9。5.根据权利要求4所述智能的多目标检测跟踪方法，其特征在于，进行跟踪时，以预设编号的目标所在位置的中心点为中心，在目标大小2-5倍的范围中选取3-7个候选区域，方法如下：以检测目标所在位置的中心点为中心，在当前帧图像中选取第一候选区域，第一候选区域的宽和高分别为跟踪目标在上一帧图像中宽和高的2-2.5倍；以第一候选区域范围大小为基准，以其中心点为中心，以k为尺度因子，选取1-3个候选区域，其中1＜k≤1.5；以第一候选区域范围大小为基准，以其中心点为中心，以1/k倍在当前帧图像中选取1-3个候选区域。6.根据权利要求5所述智能的多目标检测跟踪方法，其特征在于，用分类器模型求取候选区域的响应图的方法如下：在训练分类器模型之前，对初始图像中的跟踪目标进行扩展，即以初始图像中的目标区域2-2.5倍的范围进行扩展，提取扩展后目标区域所对应的Hog特征向量；根据扩展后的目标区域对应的Hog特征向量，训练分类器模型；分类器模型的训练公式如下：其中，表示对α的傅里叶变换，表示训练得到的分类器模型，y表示初始图像中训练样本对应的标签，k表示核函数，x表示扩展后区域的Hog特征向量，λ是一个正则化参数；然后在训练分类器模型过程中采用连续的标签标...

【专利技术属性】
技术研发人员：李宁鸟，王文涛，韩雪云，李权，魏璐，
申请(专利权)人：西安天和防务技术股份有限公司，
类型：发明
国别省市：陕西,61