一种基于运动模型和单目标线索的在线多目标跟踪方法技术

本发明专利技术公开了一种基于运动模型和单目标线索的在线多目标跟踪方法，属于多目标跟踪领域。本发明专利技术以双流结构融合运动模型与单目标线索，在避免相互干扰的基础上，综合利用运动信息和表观信息来解决多目标跟踪问题。其中，运动模型部分，建立行人非刚性运动模型来预测行人位置，建立相机刚性运动模型来模拟相机外参变化，通过行人运动预测、相机运动矫正、行人预测更新三步将相机运动嵌入到行人运动模型中，有效地缓解了相机运动所造成的干扰，能够更精确地预测行人位置；单目标线索部分，通过单目标跟踪器来搜索每一帧的跟踪目标，引入背景信息来帮助解决遮挡问题，提高了单目标跟踪器在多目标场景下的鲁棒性。

【技术实现步骤摘要】
一种基于运动模型和单目标线索的在线多目标跟踪方法
本专利技术属于视频场景理解与分析中的多目标跟踪领域，更具体地，涉及一种基于运动模型和单目标线索的在线多目标跟踪方法。
技术介绍
近年来，视频监控系统的普及和相机、手机等硬件成本的降低使得每天都会产生大量视频数据，单靠人工来处理难免耗时耗力，如何借助计算机来高效地分析处理这些数据成为了亟待解决的问题。计算机视觉技术研究的正是如何利用计算机来进行目标的检测、定位、跟踪、识别和行为分析等问题，其中多目标跟踪(Multi-ObjectTracking，MOT)负责处理跟踪和识别任务，借助目标检测、定位类任务来帮助解决行为分析等任务。因此，多目标跟踪任务一直是计算机视觉的热门领域，备受广大研究人员的关注。多目标跟踪任务的目的是得到视频中每个目标的行动轨迹，除了要定位每个目标在每一帧的具体位置，还要保证每个目标的身份维持不变。多目标跟踪任务所得到的每个目标的行动轨迹，能够提供很多有价值的信息。比如，每个目标的位置、速度、加速度、何时出现、何时消失等信息，这些信息可以用来处理行为识别、行为预测等计算机视觉任务本文档来自技高网...

【技术保护点】
1.一种基于运动模型和单目标线索的在线多目标跟踪方法，其特征在于，包括：/nS1.检测视频每一帧中各个目标的位置，得到目标检测框，以视频第一帧中各个目标所在位置，对跟踪轨迹进行初始化；/nS2.将视频第二帧作为当前帧；/nS3.将相机运动模型嵌入目标运动模型中，根据视频上一帧中各个目标的运动信息对视频当前帧中各个目标的位置进行预测，得到预测目标框；/nS4.对于视频当前帧中的每个目标，将步骤S1得到的目标检测框与步骤S3得到的预测目标框输入至区域回归网络进行校正，得到校正后的检测目标框；/nS5.利用单目标跟踪器对上一帧中的所有目标在当前帧进行搜索，获得各个目标的跟踪轨迹；/nS6.通过数据关...

【技术特征摘要】
1.一种基于运动模型和单目标线索的在线多目标跟踪方法，其特征在于，包括：
S1.检测视频每一帧中各个目标的位置，得到目标检测框，以视频第一帧中各个目标所在位置，对跟踪轨迹进行初始化；
S2.将视频第二帧作为当前帧；
S3.将相机运动模型嵌入目标运动模型中，根据视频上一帧中各个目标的运动信息对视频当前帧中各个目标的位置进行预测，得到预测目标框；
S4.对于视频当前帧中的每个目标，将步骤S1得到的目标检测框与步骤S3得到的预测目标框输入至区域回归网络进行校正，得到校正后的检测目标框；
S5.利用单目标跟踪器对上一帧中的所有目标在当前帧进行搜索，获得各个目标的跟踪轨迹；
S6.通过数据关联匹配校正后的检测目标框与各个目标的跟踪轨迹，并根据匹配结果对跟踪轨迹进行更新、增加和删除；
S7.将视频下一帧作为当前帧，重复执行步骤S3-S6直至视频结束。


2.根据权利要求1所述的一种基于运动模型和单目标线索的在线多目标跟踪方法，其特征在于，目标运动模型采用自适应线性Kalman滤波器。


3.根据权利要求1或2所述的一种基于运动模型和单目标线索的在线多目标跟踪方法，其特征在于，相机运动模型采用增强相关系数最大化模型ECC。


4.根据权利要求1-3任一项所述的一种基于运动模型和单目标线索的在线多目标跟踪方法，其特征在于，单目标跟踪器采用DiMP单目标跟踪器。


5.根据权利要求2-4任一项所述的一种基于运动模型和单目标线索的在线多目标跟踪方法，其特征在于...

【专利技术属性】
技术研发人员：韩守东，王宏伟，黄飘，于恩，刘东海生，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42