一种基于重识别技术的多目标跟踪方法技术

本发明专利技术涉及计算机图像处理领域，具体是一种基于重识别技术的多目标跟踪方法，包括如下步骤：步骤一、数据预处理；步骤二、训练分支网络，构建分支网络的损失函数；步骤三、利用分支网络的损失函数构建主干网络的损失函数；步骤四、基于分支网络使用DeepSORT算法进行多目标跟踪；解决多目标跟踪准确性与实时性不足的问题。

【技术实现步骤摘要】
一种基于重识别技术的多目标跟踪方法
本专利技术涉及计算机图像处理领域，具体是指一种基于重识别技术的多目标跟踪方法。
技术介绍
多目标检测跟踪是计算机视觉的核心也是一直以来广泛被研究的领域之一，该技术可以应用于人数统计，视频分析，动作识别，异常行为检测，人机交互等方面，目前多目标检测跟踪的很多解决方案主要在于两方面：检测与关联，前者通过检测模型检测并定位到目标，后者通过关联模型抽取目标重识别特征，然后将其关联到某一条已经存在的轨迹上，目前已经提出的检测与重识别模型已经在很大程度上提高了整体的跟踪性能，但是当有很多的目标需要被跟踪的时候，这些方法都无法达到一个令人满意的实时性，而其原因之一在于：检测模型与re-ID模型没有共享特征，因此浪费了很多的计算性能在特征计算上，针对这个问题，Voigleander等人也提出了“一步式”的方法，他们使用ROI-Align在MaskR-CNN的上层增加了重识别分支，减少了重用主干网络对重识别分支的影响，但是使用这种方式跟踪的精确度相对于“两步式”有明显降低，为了解决这种精度损失问题，本专利技术研究了该问题的原因本文档来自技高网...

【技术保护点】
1.一种基于重识别技术的多目标跟踪方法，其特征在于，包括如下步骤：/n步骤一、数据预处理；/n步骤二、训练分支网络，构建分支网络的损失函数；/n步骤三、利用分支网络的损失函数构建主干网络的损失函数；/n步骤四、基于分支网络使用DeepSORT算法进行多目标跟踪。/n

【技术特征摘要】
1.一种基于重识别技术的多目标跟踪方法，其特征在于，包括如下步骤：
步骤一、数据预处理；
步骤二、训练分支网络，构建分支网络的损失函数；
步骤三、利用分支网络的损失函数构建主干网络的损失函数；
步骤四、基于分支网络使用DeepSORT算法进行多目标跟踪。


2.根据权利要求1所述的一种基于重识别技术的多目标跟踪方法，其特征在于：所述主干网络包括ResNet34网络和DLA34网络，所述分支网络包括检测分支网络和重识别分支网络，所述检测分支网络包括确定中心点网络、确定中心点偏移网络和确定目标大小网络。


3.根据权利要求2所述的一种基于重识别技术的多目标跟踪方法，其特征在于：所述确定中心点网络的损失函数构建如下：
对于数据集中的每一个目标标定框计算目标中心点其中，目标中心点除以步长后得到heatmap网络在(x,y)处的响应为其中，N表示目标总数，σ是标准差，使用逻辑回归与focalloss构建确定中心点网络的损失函数如下：



其中，表示确定中心点网络的估计值，α、β表示预定义参数。<...

【专利技术属性】
技术研发人员：董乐，张宁，徐浩然，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51