一种运动目标行为跟踪方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种运动目标行为跟踪方法、装置、设备及计算机可读存储介质。其中，方法包括调用预先构建的目标检测模型对采集的运动目标图像进行目标检测，从而在运动目标图像中定位运动目标所在位置。其中，目标检测模型为基于YOLOv3算法、采用正则化和二值交叉熵为损失函数训练所得；且目标检测模型根据交并比值和非极大值抑制算法筛选满足预设条件的目标边界框，并确定目标边界框的中心坐标，以定位运动目标的位置。本申请利用目标检测图像模型将运动目标在采集的运动目标图像中定位，对于连续获得的多帧连续图像，通过在每帧图像中定位运动目标，从而实现对视频中运动目标行为的跟踪检测。本申请提高了运动目标检测速度和定位准确度。

A Moving Target Behavior Tracking Method, Device, Equipment and Readable Storage Media

The embodiment of the invention discloses a method, device, device and computer readable storage medium for tracking the behavior of a moving target. Among them, the method includes calling the pre-constructed target detection model to detect the target in the collected moving target image, so as to locate the location of the moving target in the moving target image. Among them, the target detection model is based on YOLOv3 algorithm, using regularization and binary cross-entropy as loss function training; and the target detection model filters the target boundary frame satisfying the preset conditions according to the Cross-merge ratio and non-maximum suppression algorithm, and determines the central coordinates of the target boundary frame to locate the moving target. This application uses the target detection image model to locate the moving object in the captured moving object image. For the continuous multi-frame continuous image, the tracking detection of the moving object behavior in the video can be realized by locating the moving object in each frame. This application improves the speed of moving target detection and positioning accuracy.

【技术实现步骤摘要】
一种运动目标行为跟踪方法、装置、设备及可读存储介质
本专利技术实施例涉及图像处理
，特别是涉及一种运动目标行为跟踪方法、装置、设备及计算机可读存储介质。
技术介绍
随着信息技术的不断发展，网络课程也随之普及，教学质量的研究也更为方便。为了更好的研究授课的效果，对学生和教师的行为追踪显得尤为重要，追踪的效果可以用于教学改进和实时的录播控制。于是众多生产厂商和研究机构看到了其中所蕴含的巨大商机，从而开始了智能课堂视频录播系统的研制工作，并且全国很多高校开始建立各自的实验室。经过十几年的研究发展，智能课堂视频录播系统的性能不断提高，功能不断完善，许多学校尤其是基础教育阶段的中小学逐渐看到了智能录播系统所蕴含的价值。近几年，随着人工智能技术的兴起，Faster-RCNN算法广泛应用于运动目标行为的特征检测和追踪。该方法首先用卷积神经网络(CNN)的卷积层加池化层提取图片的特征区域，这些特征区域被共享用于后续的区域选取网络(RegionProposalNetworks，RPN)和全连接层。然后利用RPN网络生成候选框，该层先通过softmax全连接层判断锚(anchors)属于前景还是背本文档来自技高网...

【技术保护点】
1.一种运动目标行为跟踪方法，其特征在于，包括：获取运动目标图像；调用预先构建的目标检测模型，在所述运动目标图像中定位运动目标所在位置；其中，所述目标检测模型为基于YOLOv3算法、采用正则化和二值交叉熵为损失函数训练所得；所述目标检测模型根据交并比值和非极大值抑制算法筛选满足预设条件的目标边界框，并确定所述运动目标特征区域的中心点位置坐标，以定位所述运动目标的位置。

【技术特征摘要】
1.一种运动目标行为跟踪方法，其特征在于，包括：获取运动目标图像；调用预先构建的目标检测模型，在所述运动目标图像中定位运动目标所在位置；其中，所述目标检测模型为基于YOLOv3算法、采用正则化和二值交叉熵为损失函数训练所得；所述目标检测模型根据交并比值和非极大值抑制算法筛选满足预设条件的目标边界框，并确定所述运动目标特征区域的中心点位置坐标，以定位所述运动目标的位置。2.根据权利要求1所述的运动目标行为跟踪方法，其特征在于，所述目标检测模型的损失函数为：式中，L为二值交叉损失函数，R为正则化后的损失函数，zi为预测值，yi为期望值，ωi为各层的权重值。3.根据权利要求2所述的运动目标行为跟踪方法，其特征在于，所述目标检测模型采用53层的卷积网络，且由多个残差单元叠加而成。4.根据权利要求1至3任意一项所述的运动目标行为跟踪方法，其特征在于，所述目标检测模型采用特征金字塔网络提取所述运动目标图像的特征，输出的目标检测结果包括边界框信息和所述运动目标的类别标签。5.根据权利要求4所述的运动目标行为跟踪方法，其特征在于，所述目标检测模型采用K-means算法预测所述运动目标的特征区域的中心点位置坐标和边界框的长度值及宽度值。6....

【专利技术属性】
技术研发人员：艾雄志，王永华，万频，杜艺期，齐蕾，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44