目标检测、属性识别与跟踪方法及系统技术方案

本发明专利技术公开了一种目标检测、属性识别与跟踪方法及系统，本发明专利技术方法包括S1、获取目标原始图像；S2、通过对获取的目标原始图像进行特征分析获取目标特征图；S3、通过对获取的目标特征图进行目标检测获取目标检测结果；S4、通过对获取的目标特征图与目标检测结果进行属性识别获取目标属性识别结果；S5、通过对获取的目标特征图、目标检测结果以及上帧目标跟踪信息进行目标跟踪分析获取目标跟踪结果。本发明专利技术先通过特征提取网络对获取的原始图像进行特征提取后，并根据提取的特征图进行后续的目标检测、属性识别和目标跟踪，对目标属性处理更加合理，使得目标检测、属性识别与跟踪的效果更加准确，避免出现目标丢失的情况发生。

【技术实现步骤摘要】
目标检测、属性识别与跟踪方法及系统
本专利技术涉及，具体地说是一种目标检测、属性识别与跟踪方法及系统。
技术介绍
随着社会的发展，人们对公共安防的关注越来越多，公共场所的摄像头数量也越来越多，安防的死角越来越少，随着这些海量数据的提供，除了基本的目标的检测，如果在此基础上能对目标的属性，例如性别、年龄、衣服样式、服装颜色、发型等进行识别得出属性特征，并且将不同时刻的图像进行对比得出目标的轨迹信息，将对个别人员的追踪识别提供极大的方便。专利CN110188596A《基于深度学习的监控视频行人实时检测、属性识别与跟踪方法及系统》，涉及一种基于深度学习的监控视频行人实时检测、属性识别与跟踪方法及系统。主要提出高效的行人检测、属性识别以及跟踪方法，并设计一种高效的调度方法，将模块之间进行串并联调度，使其在有限计算资源上尽可能多地进行多路视频行人实时检测，属性识别以及跟踪。但该专利在属性识别上首先采用深度学习模型提取特征，然后训练了11个分类器，对这11个属性进行分类，又叠加了深度学习提取特征的模型。增加了整体框架的参数量。在跟踪算法上使用了卡尔本文档来自技高网...

【技术保护点】
1.一种目标检测、属性识别与跟踪方法，其特征在于：包括如下步骤：/nS1、获取目标原始图像；/nS2、通过对获取的目标原始图像进行特征分析获取目标特征图；/nS3、通过对获取的目标特征图进行目标检测获取目标检测结果；/nS4、通过对获取的目标特征图与目标检测结果进行属性识别获取目标属性识别结果；/nS5、通过对获取的目标特征图、目标检测结果以及上帧目标跟踪信息进行目标跟踪分析获取目标跟踪结果；/nS6、对目标赋予ID后，并将获取的目标检测结果、目标属性识别结果和目标跟踪结果进行汇总输出。/n

【技术特征摘要】
1.一种目标检测、属性识别与跟踪方法，其特征在于：包括如下步骤：
S1、获取目标原始图像；
S2、通过对获取的目标原始图像进行特征分析获取目标特征图；
S3、通过对获取的目标特征图进行目标检测获取目标检测结果；
S4、通过对获取的目标特征图与目标检测结果进行属性识别获取目标属性识别结果；
S5、通过对获取的目标特征图、目标检测结果以及上帧目标跟踪信息进行目标跟踪分析获取目标跟踪结果；
S6、对目标赋予ID后，并将获取的目标检测结果、目标属性识别结果和目标跟踪结果进行汇总输出。


2.根据权利要求1所述的方法，其特征在于：所述获取目标原始图像的方式通过高清摄像机或数码照相机。


3.根据权利要求1所述的方法，其特征在于：步骤S2中，通过训练好的特征提取网络对获取的原始图像进行特征分析，所述的目标特征图中包含目标类别信息、目标位置信息和目标属性信息。


4.根据权利要求3所述的方法，其特征在于：步骤S3中，通过目标检测网络对目标特征图进行目标检测，所述目标检测结果包括目标类型信息和目标位置信息，且所述目标位置信息用于属性识别和目标跟踪；
所述目标检测网络采用深度学习网络。


5.根据权利要求4所述的方法，其特征在于：步骤S4中，将目标特征图和目标检测结果输入到属性识别网络中进行目标属性识别，且所述目标属性为目标的共有属性的不同表现形式。


6.根据权利要求5所述的方法，其特征在于：步骤S5中，将目标特征图、目标检测结果以及上帧目标跟踪信息输入到目标跟踪网络中进行目标跟踪分析，所述上帧目标跟踪信息为上一帧的目标检测、属性识别与跟踪结果，包括目标位置信息、特征图信息和赋予该目标的ID，该帧的目标特征图与上帧目标跟踪信息存储的所有目标特征图进行匹配，该帧的目标位置信息与上帧所有目标的位置信息进行匹配，并通过匹配值判断当前目标是否为上帧中的某一目标，当判断当前目标与上帧某一目标为同一目标时，将上帧该目标的ID赋予到该帧对应目...

【专利技术属性】
技术研发人员：于鹏，高朋，刘辰飞，陈英鹏，许野平，刘明顺，
申请(专利权)人：神思电子技术股份有限公司，
类型：发明
国别省市：山东;37