【技术实现步骤摘要】
基于头部躯干特征进行多目标跟踪的方法
本专利技术涉及计算机视觉领域，具体涉及一种基于头部躯干特征进行多目标跟踪的方法。
技术介绍
多目标跟踪即MultipleObjectTracking(MOT)。其主要任务是给定一个图像序列，找到图像序列中运动的物体，并将不同帧中的运动物体一一对应(Identity),然后给出不同物体的运动轨迹。目前学术界在多目标跟踪(MOT)问题上采用的主流框架是TBD(Tracking-by-Detection)，也就是基于检测的跟踪，在这一主流的跟踪框架中，多目标跟踪问题被表述为一个关联匹配问题：某一帧获得的检测结果如果与上一帧获得的检测结果相匹配，从而认定为同一个目标。随着近年来单目标跟踪器不断发展，出现了大量跟踪效果好且运行速度快的跟踪器。在之前的工作中，已经有人将单目标跟踪器应用于多目标跟踪任务上，并取得了一定的效果，但是单目标跟踪器在复杂场景中(例如MOT19数据集)的表现并不理想，因为复杂场景中，检测框内包含了大量的冗余特征和干扰信息，用这些特征和信息来初始化跟踪器会对跟踪效果产生...
【技术保护点】
1.一种基于头部躯干特征进行多目标跟踪的方法，其特征在于，包括以下步骤：/n步骤S1：获取视频中行人检测的结果，并对结果进行筛选，删除错误的检测结果；/n步骤S2：对筛选后的检测结果进行预处理后，输入到人体关键点检测网络中，得到所有的人体关键点；/n步骤S3：对得到的每个行人的关键点进行筛选，选取头部以及肩膀的关键点进行组合，获得头部躯干特征；/n步骤S4：将得到的单个行人的头部躯干特征输入到跟踪器中进行初始化，进而对目标进行跟踪。/n
【技术特征摘要】
1.一种基于头部躯干特征进行多目标跟踪的方法，其特征在于，包括以下步骤：
步骤S1：获取视频中行人检测的结果，并对结果进行筛选，删除错误的检测结果；
步骤S2：对筛选后的检测结果进行预处理后，输入到人体关键点检测网络中，得到所有的人体关键点；
步骤S3：对得到的每个行人的关键点进行筛选，选取头部以及肩膀的关键点进行组合，获得头部躯干特征；
步骤S4：将得到的单个行人的头部躯干特征输入到跟踪器中进行初始化，进而对目标进行跟踪。
2.根据权利要求1所述的基于头部躯干特征进行多目标跟踪的方法，其特征在于，所述步骤S1具体为：
步骤S11:对视频每一帧图像进行预处理后，利用目标检测网络对其进行检测；
步骤S12：利用行人检测器对视频每一帧的信息进行检测，获得检测结果R，令R＝{Ki,Pj,det_x,det_y,det_w,det_h,det_c},i＝1,2,...M,j＝1,2,...N，表示一个视频序列中所有检测结果的集合，其中M表示一个视频序列中所有图像帧的数量，N表示一帧图像中所有被检测到的行人的数量，Ki表示一个视频序列中的第i帧图像，Pj表示此帧图像中的第j个行人，det_x,det_y,det_w,det_h分别表示这个行人的检测框左上角的x坐标、y坐标、以及检测框的宽和高，det_c表示这个检测框的置信度；
步骤S13：令行人检测置信度阈值为Td，行人宽高比阈值为Tr，删除满足下列条件的检测结果：
det_c＜Tdordet_w/det_h＞Tr。
3.根据权利要求1所述的基于头部躯干特征进行多目标跟踪的方法，其特征在于，所述步骤S2具体为：
步骤S21:将筛选后的检测框resize到预设的尺寸；
步骤S22：将resize后的图像进行预处理，对预处理后图像进行拷贝，将拷贝的图像水平翻转，然后把原图和翻转后的图片输入到人体关键点检测网络中；
步骤S23：获得人体关键点检测网络输出结果S，令S＝{Jz},z＝1,2,...Z，其中Z表示该图像中人体关键点的数量；Jz＝{joint_x,joint_y,joint_c}表示第z个关键点，其中joint_x表示人体关键点的x坐标，joint_y表示人体关键点的y坐标，joint_c表示这个人体关键点的置信度；
步骤S24：令原图像的人体关键点检测结果为Ssrc，令翻转图像的人体关键点检测结果为Sflip，将两个检测结果进行融合。
4.根据权利要求3所述的基于头部躯干特征进行多目标跟踪的方法，其特征在于，所述预处理具体为：首先使用高斯滤波去除图像尖锐噪声，接着使用USM锐化增强算法去除细小的干扰细节，计算方法如下：
其中output表示输出的图像，orign_image表示原始图像，gaus_image表示高斯滤波处...
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。