基于Soft-NMS的多尺度人体跟踪方法及装置制造方法及图纸

基于Soft

【技术实现步骤摘要】
基于Soft-NMS的多尺度人体跟踪方法及装置


[0001]本专利技术涉及医学图像处理的
，尤其涉及一种基于Soft-NMS的多尺度人体跟踪方法，以及基于Soft-NMS的多尺度人体跟踪装置。

技术介绍

[0002]目标跟踪方法主要用于解决视频序列中的特定目标轨迹定位问题，通过对目标的轨迹检测，能够获取物体的全方位运动信息，有利于进行运动状态分析及轨迹预判，在智能监控领域有重大应用价值。
[0003]目前目标跟踪方法按照原理可分为生成式模型和鉴别式模型。生成式模型主要通过目标在后续帧中进行特征搜索，典型方法如光流法，卡尔曼滤波及Meanshift等方法，由于方法进行特征搜索时并不进行背景建模，故在目标被遮挡时，方法跟踪效果较差。鉴别式模型则融合了目标与背景信息进行特征建模，深度学习，相关滤波等方法都属于该模型，典型方法包括KCF，SMAF及SORT方法等。针对室内应用场景，这些方法仍存在较多问题，如室内遮挡情况较多以及运动目标往往伴随着明显的尺度变换，跟踪效果仍需进一步提升。
[0004]Sort方法使用目标框和预测框之间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Soft-NMS的多尺度人体跟踪方法，其特征在于：其包括以下步骤：(1)通过Yolov3网络提取人体目标，然后基于目标框的DIoU进行非极大值抑制，再通过一个基于常量速度和线性观测模型的标准卡尔曼滤波器，对目标运动状态进行预测，利用马氏距离表示预测框与下一帧目标框之间的关联度，代表距离特征；(2)使用Mars数据集上离线训练的深度学习模型，提取人体外观特征；(3)将距离特征与外观特征进行尺度融合，作为下一帧目标确定的匹配度量标准，通过级联匹配的原则进行目标确认，不断对输入的帧进行处理更新，最终完成跟踪任务。2.根据权利要求1所述的基于Soft-NMS的多尺度人体跟踪方法，其特征在于：所述步骤(1)的Yolov3提取人体运动状态，其网络基于darknet53进行构建，并在此之上进行三次采样输出，实现了多尺度预测，其采用多个logistic分类器代替传统的Softmax进行多标签分类，分类的损失函数使用binary Cross-entropy函数。3.根据权利要求2所述的基于Soft-NMS的多尺度人体跟踪方法，其特征在于：所述步骤(1)中，使用基于DIoU的Soft-NMS进行目标框抑制，以增强方法的抗遮挡性，DIoU是指基于距离的IoU，考虑了目标框与参考框之间的距离及尺度；根据公式(6)，其中b和b
gt
分别代表了预测框和真实框的中心点，且ρ代表的是计算两个中心点间的欧式距离，c代表的是能够同时包含预测框和真实框的最小闭包区域的对角线距离公式(7)、(8)分别展示了NMS及Soft-NMS的具体定义，在NMS方法中，如果目标框间的重叠区域大于阈值，则对应目标框的置信度会置为零，当图像中有多个目标时，这一方法很容易导致目标漏检；易导致目标漏检；公式(9)为连续的高斯加权的Soft-NMS定义方式4.根据权利要求3所述的基于Soft-NMS的多尺度人体跟踪方法，其特征在于：所述步骤(1)中，使用当前目标框和卡尔曼滤波的预测框之间的马氏距离描述运动信息的关联程度，具体定义参考公式(1)，其中d
j
表示第j个目标框的位置，y
i
表示第i个跟踪器对目标的卡尔曼滤波预测位置，S
i
代表检测位置和平均跟踪位置之间的协方差矩阵。另外方法引入了逆χ2分布计算得来的置信度对马氏距离进行了阈...

【专利技术属性】
技术研发人员：江雪双，刘杨鸿，
申请(专利权)人：慧视江山科技北京有限公司，
类型：发明
国别省市：