一种基于度量学习的多摄像头目标关联跟踪方法技术

本发明专利技术属于计算机视频图像处理技术领域，尤其涉及一种基于度量学习的多摄像头目标关联跟踪方法。该种基于度量学习的多摄像头目标关联跟踪方法其目的在于克服多摄像头之间信息不能共享、信息混淆，以及解决单一一个摄像头遮挡造成跟踪丢失等技术缺陷，同时可进一步将跟踪算法嵌入到硬件设备中，以提高算法的稳定性与实用性。该多摄像头目标关联跟踪方法包括有如下步骤：通过n个摄像头同时采集目标场所内目标物体的视频集；对目标物体进行检测跟踪，得到跟踪结果；从跟踪结果中提取出检测框；将提取出的检测框送入深度卷积网络，提取出特征向量；进行余弦距离的计算；通过阈值比较判断同一帧的物体是否相似；关联成功实现跟踪。

A multi camera target association tracking method based on metric learning

【技术实现步骤摘要】
一种基于度量学习的多摄像头目标关联跟踪方法
该专利技术属于计算机视频图像处理
，尤其涉及一种基于度量学习的多摄像头目标关联跟踪方法。
技术介绍
随着计算机视频图像处理技术的发展，多目标跟踪在智能监控、动作与行为分析、自动驾驶等领域都有了重要应用。多目标跟踪通过给定一个图像序列，找到图像序列中运动的物体，并将不同帧的运动物体进行识别，确定一个准确的目标标识，这些运动物体可以是任意的，如行人、车辆、动物等。随着近年来目标检测领域的发展，用检测来跟踪(Tracking-by-detection)的算法在多目标跟踪中成为主流，之前出现了用于检测的流网络公式和概率图形模型，但它们处理的是整个过程的全局优化问题，不适用于在线场景。检测后使用的跟踪算法常见的有SORT算法和DeepSort算法。SORT算法使用简单的卡尔曼滤波处理逐帧数据的关联性以及使用匈牙利算法进行关联度量，这种简单的算法在高帧速率下获得了良好的性能，但由于忽略了被检测物体的表面特征，导致只有在物体状态估计不确定性较低时SORT算法才会准确。而DeepSort算法使用更加可靠的度量来本文档来自技高网...

【技术保护点】
1.一种基于度量学习的多摄像头目标关联跟踪方法，其特征在于，包括有如下步骤：/n步骤1，通过n个摄像头同时采集目标场所内目标物体的视频集V＝{V

【技术特征摘要】
1.一种基于度量学习的多摄像头目标关联跟踪方法，其特征在于，包括有如下步骤：
步骤1，通过n个摄像头同时采集目标场所内目标物体的视频集V＝{V1,V2,…,Vn}；其中，Vi代表标号为i的摄像头所采集的视频，且Vi＝{img1,img2,…,imgn}，imgi代表Vi视频中的第i帧图片；
步骤2，使用Yolo算法对Vi中的目标物体进行检测，并使用DeepSort算法进行跟踪，得到Vi中物体的检测框DF＝{df1,df2,…,dfn}以及具体标识集ID＝{id1,id2,…,idn}；其中，idi表示Vi中被命名为i的物体；而后将每一帧的跟踪结果E＝{(df1,id1),(df2,id2),…,(dfn,idn)}保存到本地；
步骤3，从跟踪结果E中抽取p个摄像头的跟踪结果；假设p＝2，且摄像头的编号分别为j和k；抽取出摄像头j以及k采集视频的同一帧，即Vj以及Vk中相同的帧imgi；分别提取出imgi中的q个对象的检测框DF1＝{d1,d2,…,dq}以及DF2＝{f1,f2,…,fq}；其中，di代表Vj的im...

【专利技术属性】
技术研发人员：靖伟，刘文天，邹京伦，李东进，刘庆宝，聂万庆，王景泉，
申请(专利权)人：山东广域科技有限责任公司，
类型：发明
国别省市：山东;37