一种融合空间运动和表观特征学习的多目标跟踪方法技术

本发明专利技术公开了一种融合空间运动和表观特征学习的多目标跟踪方法，该方法具体为：利用yolo5方法实现图像中目标的检测；建立匀速状态模型和线性观测模型，采用kalman滤波对检测的目标进行预测；利用CNN方法实现检测出目标的特征描述向量；采用融合空间运动信息和表观特征信息的目标相似性度量方法度量当前帧检测目标与历史帧检测目标；根据最小相似度进行当前帧目标与历史帧目标的匹配；对匹配结果的跟踪器进行管理，提高了跟踪器的置信度。本发明专利技术通过学习物体的空间运动信息和表观特征信息进行历史帧和当前帧目标的匹配，可以有效解决长期遮挡时目标丢失的情况；通过对跟踪器进行管理，可以有效的控制身份ID的无限增长。

【技术实现步骤摘要】
一种融合空间运动和表观特征学习的多目标跟踪方法
本专利技术涉及一种融合空间运动和表观特征学习的多目标跟踪方法，属于目标跟踪

技术介绍
近年来，基于检测的多目标跟踪方法渐渐成为主流，因其更加的实时高效。比较经典的是AlexBewley提出的基于交并集的多目标跟踪方法以及简单实时的多目标跟踪方法(SimpleOnlineandRealtimeTracking，SORT)。一般SORT方法的具体步骤如下：1、通过kalman滤波方法用上一帧目标的位置预测当前帧目标的位置；2、通过快速区域卷积神经网络(TowardsReal-TimeObjectDetectionwithRegionProposalNetworks，FasterR-CNN)网络训练模型，检测当前帧的目标位置；3、计算当前帧中目标的预测位置与检测位置的交并比；4、通过匈牙利算法，关联匹配目标的预测位置和检测位置以期获得最大的交并比；并给每个目标分配身份标识。现有方法通过先检测出目标；再预测出目标；计算检测目标与预测目标的交并集；匹配检测目标与预测目标。虽然现有方本文档来自技高网...

【技术保护点】
1.一种融合空间运动和表观特征学习的多目标跟踪方法，其特征在于，包括如下步骤：/n步骤1，利用yolo5方法对当前帧上的目标物体进行检测，获取各目标物体在当前帧中的位置；/n步骤2，采用卡尔曼滤波方法预测当前帧上各目标物体的位置，得到各目标物体的预测位置，对于每个目标物体，利用预测位置校正步骤1获取的位置，得到最终位置；/n步骤3，利用卷积神经网络方法通过最终位置获取各目标物体的特征描述向量；/n步骤4，对于当前帧上的第j个目标物体，采用融合空间运动信息和表观特征信息的目标相似性度量方法，计算其与当前帧的历史帧中已匹配跟踪器的各目标物体的相似度；/n当前帧上的第j个目标物体与当前帧的历史帧中已...

【技术特征摘要】
1.一种融合空间运动和表观特征学习的多目标跟踪方法，其特征在于，包括如下步骤：
步骤1，利用yolo5方法对当前帧上的目标物体进行检测，获取各目标物体在当前帧中的位置；
步骤2，采用卡尔曼滤波方法预测当前帧上各目标物体的位置，得到各目标物体的预测位置，对于每个目标物体，利用预测位置校正步骤1获取的位置，得到最终位置；
步骤3，利用卷积神经网络方法通过最终位置获取各目标物体的特征描述向量；
步骤4，对于当前帧上的第j个目标物体，采用融合空间运动信息和表观特征信息的目标相似性度量方法，计算其与当前帧的历史帧中已匹配跟踪器的各目标物体的相似度；
当前帧上的第j个目标物体与当前帧的历史帧中已匹配跟踪器的第i个目标物体的相似度d为：
d＝w1*d1+w2*(1-d2)
其中，w1、w2均为权重参数，d1表示当前帧上的第j个目标物体的特征描述向量与当前帧的历史帧中已存在的标识为i的跟踪器所对应的目标物体的特征描述向量之间的最小相似距离，d2表示交集与并集的比值，其中，交集为当前帧上的第j个目标物体的目标框与当前已存在的标识为i的跟踪器所在的最近历史帧中目标框的交集，并集为当前帧上的第j个目标物体的目标框与当前已存在的标识为i的跟踪器所在的最近历史帧中目标框的并集；
步骤5，将相似度作为二维数组的元素，二维数组的行代表已存在的跟踪器，列代表当前帧的目标物体，设置阈值t，判断二维数组中的各元素与阈值的大小，并据此为当前帧上的各目标物体匹配跟踪器；
步骤6，对于当前帧上未匹配到跟踪器的目标物体，为其创建新的跟踪器，并将新的跟踪器的状态记为临时状态；若该新的跟踪器在当前帧接下来的3帧中均能匹配到目标物体，则将该新的跟踪器的状态记为保留状态，即保留该新的跟踪器，否则将该新的跟踪器的状态记为删除状态，即删除该新的跟踪器。


2.根据权利要求1所述融合空间运动和表观特征学习的多目标跟踪方法，其特征在于，步骤2所述采用卡尔曼滤波方法预测当前帧上各目标物体的位置，得到各目标物体的预测位置，具体为：
对于某个目标物体，从当前帧的历史帧中选择跟踪到该目标物体的那些帧，并从中选取离当前帧最近的那一帧，根据该目标物体在离当前帧最近的那一帧的位置预测该目标物体在当前帧的位置，得到该目标物体的预测位置。


3.根据权利要求1所述融合空间运动和表观特征学习的多目标跟踪方法，其特征在于，步骤4所述当前帧上的第j个目标物体的特征描述向量...

【专利技术属性】
技术研发人员：赵杰，
申请(专利权)人：的卢技术有限公司，
类型：发明
国别省市：江苏;32