【技术实现步骤摘要】
无搜索框的目标检测和跟踪方法及系统
本专利技术属于目标检测
,具体涉及一种无搜索框的目标检测和跟踪方法及系统。
技术介绍
感知系统是无人驾驶系统中非常重要的一个子系统，用于对道路上的其他车辆进行识别跟踪并且可以作为规划系统的预测输入。视觉目标识别系统为感知系统里不可或缺的一部分，视觉识别系统用于识别出道路上的目标，例如：小汽车、卡车、摩托车、行人、自行车等；视觉目标跟踪系统则用于将目标物体的前后帧进行串联，从而使物体在前后帧图像中的物体id(Identitydocument)序号一致。一般而言，视觉目标识别和跟踪方法包括以下步骤：首先，对图像进行目标识别；然后，对每个识别出的目标进行跟踪处理。现有技术中常用的目标识别方法有YOLO(YouOnlyLookOnce)方法等，视觉目标跟踪方法一般采用识别框关联(Association)方法来提供视觉目标跟踪轨迹。目前，视觉目标识别与跟踪方法多采用DetecttoTrackandTracktoDetect(检测和跟踪)框架，参见图1，该框架是一种基于搜...
【技术保护点】
1.一种无搜索框的目标检测和跟踪方法，该方法包括以下步骤：/n采集步骤：采集包含目标的帧图像；/n检测步骤：提取所述帧图像的特征以获得帧图像所对应的特征图并输出帧图像的检测结果；其中，所述检测结果包括目标中心点的位置、目标的类别和目标的尺寸；/n融合步骤：融合所述帧图像的特征图和所述帧图像的前置帧图像的特征图，以获得所述帧图像和前置帧图像之间的关系特征；/n堆叠步骤：对帧图像的特征图、所述前置帧图像的特征图及关系特征对应的特征图进行堆叠处理，以获得跟踪特征；/n获取步骤：根据所述跟踪特征获取前置帧图像中的目标在帧图像中存在的概率、目标中心点的位移值以及目标的尺寸变化数值；/...
【技术特征摘要】
1.一种无搜索框的目标检测和跟踪方法，该方法包括以下步骤：
采集步骤：采集包含目标的帧图像；
检测步骤：提取所述帧图像的特征以获得帧图像所对应的特征图并输出帧图像的检测结果；其中，所述检测结果包括目标中心点的位置、目标的类别和目标的尺寸；
融合步骤：融合所述帧图像的特征图和所述帧图像的前置帧图像的特征图，以获得所述帧图像和前置帧图像之间的关系特征；
堆叠步骤：对帧图像的特征图、所述前置帧图像的特征图及关系特征对应的特征图进行堆叠处理，以获得跟踪特征；
获取步骤：根据所述跟踪特征获取前置帧图像中的目标在帧图像中存在的概率、目标中心点的位移值以及目标的尺寸变化数值；
跟踪步骤：根据所述前置帧图像中的目标在帧图像中存在的概率、目标的中心点的位移值以及目标的尺寸变化数值跟踪目标在帧图像中的位置。
2.根据权利要求1所述的方法，其特征在于，所述检测步骤还包括：
根据目标中心点的位置、目标的类别和目标的尺寸获得目标在前置帧图像中的检测框。
3.根据权利要求2所述的方法，其特征在于，所述跟踪步骤包括以下子步骤：
以目标在前置帧图像中的检测框为基准，获得目标在帧图像中的预测框；
计算所述预测框与前置帧图像中的各个检测框重叠的交并比，选取获得最大的交并比所对应的检测框，若所述交并比大于预设的阈值时，则确定所述预测框与所述检测框中的目标相同；
基于前置帧图像中的目标在帧图像中存在的概率、目标中心点的位移值以及目标的尺寸变化数值，在帧图像对目标进行跟踪。
4.根据权利要求3所述的方法，其特征在于，利用卷积层并基于所述跟踪特征获取前置帧图像中的目标在帧图像中存在的概率、目标中心点的位移值以及目标的尺寸变化数值。
5.根据权利要求1所述的方法，其特征在于，所述检测步骤和堆叠步骤是利用深度神经网络实现的。
6.根据权利要求1所述的方法，其特征在于，所述检测结果是利用CenterNet框架获得的。
7.根据权利要求6所述的方法，其特征在于，还包括：
将第N帧图像的特征图Xt+τ(i+p,j+q)和第N-1帧图像的特征图Xt(i,j...
【专利技术属性】
技术研发人员：张笑枫，江頔，赵琛，韩坪良，王维，
申请(专利权)人：苏州智加科技有限公司，
类型：发明
国别省市：江苏;32
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。