一种多目标跟踪及行为分析检测方法技术

本发明专利技术提供了一种多目标跟踪及行为分析检测方法，应用于目标自动跟踪技术领域，包括：基于待跟踪人物图像进行分解，获得多个目标人物头像；将目标人物头像和待分析图像输入至网络跟踪模型，获取置信度值和坐标框，其中，网络跟踪模型为基于CNN和RPN组成的跟踪模型；根据置信度值和坐标框，选取第一目标数量个坐标框作为第一坐标框；根据历史跟踪值和第一坐标框，获取跟踪结果；根据跟踪结果，输出检测到的候选人头目标信息，人头目标信息包括每个目标的尺度及候选人头目标的总个数。应用本发明专利技术实施例，解决现有技术中基于人脸检测、头肩检测或全身检测的人员检测、跟踪方法，因容易被遮挡、目标分类困难等原因易造成误报、漏报、跟踪困难等结果。

A multi-target tracking and behavior analysis detection method

【技术实现步骤摘要】
一种多目标跟踪及行为分析检测方法
本专利技术涉及目标跟踪
，尤其涉及一种多目标跟踪及行为分析检测方法。
技术介绍
随着社会经济的迅速发展，视频监控系统在各个行业的应用正逐渐成熟，建设并投入使用的摄像机数量正快速增加。由于监控系统汇集了大量的视频，对这些视频的实时监看逐渐成为大问题，采用用户一直盯着屏幕也很难一直保持警戒状态，且对于后续数据丢失就无法造成分析。因此，需要采用智能分析系统，在采集到视频的同时进行分析。现有技术中，目前智能分析技术是基于人脸检测、头肩检测和全身检测的人员检测、跟踪方法，分析准确率受环境影响大，运动目标被遮挡会造成目标信息缺失，相机架设位置、角度多样性使目标分类困难，上述因素易造成误报、漏报、跟踪困难等结果。
技术实现思路
本专利技术的目的在于克服现有技术之缺陷，提供了一种多目标跟踪及行为分析检测方法，旨在解决现有技术中基于人脸检测、头肩检测或全身检测的人员检测、跟踪方法，因容易被遮挡、目标分类困难等原因易造成误报、漏报、跟踪困难等结果。本专利技术是这样实现的：本专利技术提供一种多目标跟踪及行为分析检测方法，所述方法包括：基于待跟踪人物图像进行分解，获得多个目标人物头像；将所述目标人物头像和待分析图像输入至网络跟踪模型，获取置信度值和坐标框，其中，所述网络跟踪模型为基于CNN和RPN组成的跟踪模型，所述待分析图像为待处理视频中所对应的任意一张视频帧图像；根据所述置信度值和所述坐标框，选取第一目标数量个坐标框作为第一坐标框；根据历史跟踪值和所述第一坐标框，获取跟踪结果；根据跟踪结果，输出检测到的候选人头目标信息，所述人头目标信息包括每个目标的尺度、位置、置信度以及候选人头目标的总个数。一种实现方式中，所述方法还包括：获取所述待跟踪人物图像与待分析图像所对应的视频帧的间隔数；在所述间隔数大于预设值时，根据所述待分析图像对当待分析图像进行图像裁剪。一种实现方式中，所述根据所述置信度值和所述坐标框，选取第一目标数量个坐标框作为第一坐标框的步骤，包括：对所述置信度值按照从大到小的顺序进行排序；依次选取第一目标数量个置信度，将所述第一数量个置信度值所对应的坐标框作为跟踪目标候选框。一种实现方式中，所述根据跟踪结果，输出检测到的候选人头目标信息的步骤，包括：合并各个候选人头目标；获取位置重叠的候选人头目标，并合并位置重叠的候选人头目标；获取置信度值低于预设值的候选人头目标，并删除置信度低的候选人头目标；根据人体生态学，获取尺寸不符合的人头目标，并删除。一种实现方式中，所述将所述目标人物头像和待分析图像输入至网络跟踪模型，获取置信度值和坐标框的步骤，包括：将跟踪模型分为：正面头部跟踪器、背面头部跟踪器、左侧头部跟踪器和右侧头部跟踪器对所述跟踪模型中的每一个跟踪器执行步骤：提取输入图像各层的积分通道特征，所述通道特征包括颜色特征、幅度值和角度特征以及梯度直方图特征；将某一层的所述积分通道特征、当前层通道特征的宽高和通道特征维数分别输入到训练好的四个分类器中，同时输入检测窗口尺度、窗口滑动步长和检测阈值；获取置信度值和坐标框。应用本专利技术的多目标跟踪及行为分析检测方法，通过基于待跟踪人物图像进行分解，获得多个目标人物头像；并将所述目标人物头像和待分析图像输入至网络跟踪模型，获取置信度值和坐标框；然后根据所述置信度值和所述坐标框，选取第一目标数量个坐标框作为第一坐标框；通过历史跟踪值和所述第一坐标框，获取跟踪结果，然后输出检测到的候选人头目标信息。因此，本专利技术实施例的应用过程，解决现有技术中基于人脸检测、头肩检测或全身检测的人员检测、跟踪方法，因容易被遮挡、目标分类困难等原因易造成误报、漏报、跟踪困难等结果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术实施例提供的多目标跟踪及行为分析检测方法的流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。参见图1，本专利技术实施例提供一种多目标跟踪及行为分析检测方法，包括步骤如下：S101，基于待跟踪人物图像进行分解，获得多个目标人物头像。在视频目标跟踪过程中，待跟踪的视频格式的可以为AVI、MP4、MKV等。待跟踪人物图像是需要进行分析的视频帧图像，可以是待处理视频中的任意一个视频帧图像。在前一帧视频处理结束后会得到跟踪结果，那么针对后续的视频帧可以依据前一帧的跟踪结果，在当前帧图像中扩大一定范围后裁剪得到目标人物头像，具体的当前帧图像的扩大寻找目标人物头像为现有过程，本专利技术实施例在此不做赘述。需要说明的是，由于视频中目标运行会有前后连续性，所以前后帧图像之间的目标位置不会偏移太大，可以依据前一帧图像的跟踪结果预估目标在当前帧的位置，但不是准确位置。再基于这个预估位置放大一定范围，在当前帧中裁剪图像得到目标人物头像，再通过网络处理匹配目标模板和目标人物头像，得到目标在当前帧中的准确位置。S102，将所述目标人物头像和待分析图像输入至网络跟踪模型，获取置信度值和坐标框，其中，所述网络跟踪模型为基于CNN和RPN组成的跟踪模型，所述待分析图像为待处理视频中所对应的任意一张视频帧图像。实际应用中，依据预先提供的需要跟踪的目标，在视频第一帧图像中扩大范围后裁剪得到模板图像，从而得到初始的待分析图像。以第二个视频帧图像为待跟踪人物图像为例，从第二个视频帧图像中得到目标人物头像以后，将待分析图像和目标人物头像分别输入到神经网络CNN中，然后将CNN的结果输入到RPN中，经由RPN输出置信度值和坐标框。一种实现方式中，根据待分析图像对当前帧图像进行图像裁剪的步骤，包括：获取待跟踪人物图像与待分析图像所对应的视频帧的间隔数；在间隔数大于预设值时，根据待分析图像对当待分析图像进行图像裁剪。将裁剪后的图像输入至跟踪模型中。需要说明的是，CNN网络由多层卷积层构成，在图像输入网络后，经过每层卷积层计算都会得到多通道的特征图，而得到的特征图会再输入下一卷积层计算得到新的特征图。CNN网络有多种经典网络结构，比如AlexNet、VGG、Inception、ResNet等。以AlexNet为例，共有5层卷积层，其中穿插激活函数(ReLU)、池化层(MaxPooling)、全连接层等。在省略网络中全连接层的情况下，网络输出为256通道6x6大小特征图。<本文档来自技高网...

【技术保护点】
1.一种多目标跟踪及行为分析检测方法，其特征在于，所述方法包括：/n基于待跟踪人物图像进行分解，获得多个目标人物头像；/n将所述目标人物头像和待分析图像输入至网络跟踪模型，获取置信度值和坐标框，其中，所述网络跟踪模型为基于CNN和RPN组成的跟踪模型，所述待分析图像为待处理视频中所对应的任意一张视频帧图像；/n根据所述置信度值和所述坐标框，选取第一目标数量个坐标框作为第一坐标框；/n根据历史跟踪值和所述第一坐标框，获取跟踪结果；/n根据跟踪结果，输出检测到的候选人头目标信息，所述人头目标信息包括每个目标的尺度、位置、置信度以及候选人头目标的总个数。/n

【技术特征摘要】
1.一种多目标跟踪及行为分析检测方法，其特征在于，所述方法包括：
基于待跟踪人物图像进行分解，获得多个目标人物头像；
将所述目标人物头像和待分析图像输入至网络跟踪模型，获取置信度值和坐标框，其中，所述网络跟踪模型为基于CNN和RPN组成的跟踪模型，所述待分析图像为待处理视频中所对应的任意一张视频帧图像；
根据所述置信度值和所述坐标框，选取第一目标数量个坐标框作为第一坐标框；
根据历史跟踪值和所述第一坐标框，获取跟踪结果；
根据跟踪结果，输出检测到的候选人头目标信息，所述人头目标信息包括每个目标的尺度、位置、置信度以及候选人头目标的总个数。


2.根据权利要求1所述的多目标跟踪及行为分析检测方法，其特征在于，所述方法还包括：
获取所述待跟踪人物图像与待分析图像所对应的视频帧的间隔数；
在所述间隔数大于预设值时，根据所述待分析图像对当待分析图像进行图像裁剪；
所述将所述目标人物头像和待分析图像输入至网络跟踪模型的步骤，包括：
将裁剪后的待分析图像和所述目标人物头像输入至网络跟踪模型。


3.根据权利要求2所述的多目标跟踪及行为分析检测方法，其特征在于，所述根据所述置信度值和所述坐标框，选取第一目标数量个坐标框作为第一坐标...

【专利技术属性】
技术研发人员：张中，赵冲，
申请(专利权)人：合肥湛达智能科技有限公司，
类型：发明
国别省市：安徽;34