【技术实现步骤摘要】
面向时序目标检测的优化方法和评估系统
本专利技术属于计算机视觉领域，具体涉及一种面向时序目标检测的优化方法和评估系统。
技术介绍
2012年至今，基于深度学习的计算机视觉技术快速发展，包括其基础领域目标检测，现已有大量的目标检测方法被提出。例如Ren等人提出了FasterRCNN，将目标检测分为区域建议和基于区域的分类回归两个阶段；Liu等人提出了SSD，采用多尺度特征和卷积预测方式进行一次回归和分类。由于大部分目标检测针对的是静态图像，于是便形成了基于精度的评价体系，即meanAveragePrecision(mAP)。近几年来，越来越多的目标检测方法关注视频中的信息，并有大量视频检测方法被提出。例如Han等人提出了SeqNMS来丢弃时序上不连续的预测框；Feichtenhofer等人利用基于相关滤波的跟踪方法来提升时序定位能力；Chen等人采用长短期记忆和注意力机制来在时序上传播视觉特征；Kang等人设计了一种离线检测方法来同时处理多帧视频，以提高预测的时序一致性。大部分视频检测方法均利用时序信息来提升检测性能，...
【技术保护点】
1.一种面向时序目标检测的优化方法，其特征在于，该方法包括以下步骤：/n步骤S100，获取输入视频中各帧的目标检测结果；/n步骤S200，基于所述目标检测结果，通过多目标跟踪器获取各目标在整个输入视频中对应的目标轨迹，得到初始时序目标检测结果；所述目标轨迹包括目标id及其对应的所有预测框、目标轨迹被对应目标匹配的次数S
【技术特征摘要】
1.一种面向时序目标检测的优化方法，其特征在于，该方法包括以下步骤：
步骤S100，获取输入视频中各帧的目标检测结果；
步骤S200，基于所述目标检测结果，通过多目标跟踪器获取各目标在整个输入视频中对应的目标轨迹，得到初始时序目标检测结果；所述目标轨迹包括目标id及其对应的所有预测框、目标轨迹被对应目标匹配的次数Smatch、目标跟踪丢失帧的时长Slost；
步骤S300，基于预设的第一策略和/或第二策略和/或第三策略对初始时序目标检测结果进行处理，得到优化后的时序目标检测结果；
所述第一策略为：若Smatch少于设定的匹配次数，则将各目标对应的目标轨迹删除；
所述第二策略为：若Slost小于预设的丢失时间长度阈值，则根据t-T帧至t-1帧预测框的中心点坐标，获取目标的运动速度；基于所述运动速度和t-1帧预测框的中心点坐标，获取t帧预测框的中心点坐标，作为目标丢失时刻预测框的中心点坐标；否则，将目标对应的目标轨迹终止；其中，T为预设的帧长；
所述第三策略为：根据t-T帧至t帧预测框的中心点坐标、预设的等比数列，更新t帧预测框的中心点坐标。
2.根据权利要求1所述的面向时序目标检测的优化方法，其特征在于，“根据t-T帧至t帧预测框的中心点坐标、预设的等比数列，更新t帧预测框的中心点坐标”，其方法为：
Ω＝ωl
其中，为更新后t帧预测框的中心点坐标，Ω为等比数列，l为等差数列，ω为预设的融合权重因子，为归一化的等比数列，pf-i为t-i帧预测框的中心点坐标，i为自然数，表示下标。
3.一种面向时序目标检测的优化系统，其特征在于，该系统包括检测模块、跟踪模块、优化模块；
所述检测模块，配置为获取输入视频中各帧的目标检测结果；
所述跟踪模块，配置为基于所述目标检测结果，通过多目标跟踪器获取各目标在整个输入视频中对应的目标轨迹，得到初始时序目标检测结果；所述目标轨迹包括目标id及其对应的所有预测框、目标轨迹被对应目标匹配的次数Smatch、目标跟踪丢失帧的时长Slost；
所述优化模块，配置为基于预设的第一策略和/或第二策略和/或第三策略对初始时序目标检测结果进行处理，得到优化后的时序目标检测结果；
所述第一策略为：若Smatch少于设定的匹配次数，则将各目标对应的目标轨迹删除；
所述第二策略为：若Slost小于预设的丢失时间长度阈值，则根据t-T帧至t-1帧预测框的中心点坐标，获取目标的运动速度；基于所述运动速度和t-1帧预测框的中心点坐标，获取t帧预测框的中心点坐标，作为目标丢失时刻预测框的中心点坐标；否则，将目标对应的目标轨迹删除；其中，T为预设的帧长；
所述第三策略为：根据t-T帧至t帧预测框的中心点坐标、预设的等比数列，更新t帧预测框的中心点坐标。
4.一种面向时序目标检测的评估系统，其特征在于，该系统包括检测模块、跟踪模块、评估模块、输...
【专利技术属性】
技术研发人员：喻俊志，吴正兴，鲁岳，陈星宇，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。