一种基于深度学习的多目标跟踪方法技术

本发明专利技术公开了一种基于深度学习的多目标跟踪方法，包括以下步骤，首先获取目标视频，通过监控，获取多目标运行轨迹及目标跟踪视频样本，样本数量为多个，样本视频根据监控拍摄内容实时更新，多个视频样本获取后将获取的目标视频输送至总控系统进行保存，然后目标定位，找寻目标时，通过总控系统；本发明专利技术通过对存在目标的视频进行定格编号，通过编号提取人像，并和总控系统中保存的带有目标的视频进行对比和分析，快速的提取到目标存在的所有视频，并且配合自动将目标存在的视频进行剪辑，只保留目标存在的视频，实现了快速对目标视频保存后的视频进行后续跟踪的目的，从而缩短了找寻时间，提高了效率。提高了效率。

【技术实现步骤摘要】
一种基于深度学习的多目标跟踪方法


[0001]本专利技术涉及多目标跟踪
，具体为一种基于深度学习的多目标跟踪方法。

技术介绍

[0002]深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标，人工智能。
[0003]深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
[0004]目前在多目标跟踪时，通常都会采用拍摄设备对单个目标或多个目标进行跟踪，在对目标进行跟踪后会对跟踪的视频进行保存，虽然实现了对目标的实现跟踪，但在日后需要对目标所存在的视频进行找寻时，却会因为不同目标的保存视频过多，无法快速的实现对目标视频保存后的视频进行后续跟踪，并且每个目标跟踪所保留的视频内存及数量都是不同，想要快速的找到需要目标出现的具体时间，会耗费很长的时间。
[0005]为此提出一种基于深度学习的多目标跟踪方法，来解决此问题。

技术实现思路

[0006]本专利技术的目的在于提供一种基于深度学习的多目标跟踪方法，解决了目前基于深度学习的多目标追踪方法无法快速实现对目标视频保存后的视频进行后续跟踪的问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：一种基于深度学习的多目标跟踪方法，包括以下步骤：
[0008]步骤1：获取目标视频：通过监控，获取多目标运行轨迹及目标跟踪视频样本，样本数量为多个，样本视频根据监控拍摄内容实时更新，多个视频样本获取后将获取的目标视频输送至总控系统进行保存；
[0009]步骤2：目标定位：找寻目标时，通过总控系统，调取单个带有目标的视频样本，并从视频样本中找到多目标中的其中一个目标或多个目标，通过暂停视频实现对视频中多目标的定格，通过系统对视频中多个被定格的目标进行自动编号；
[0010]步骤3：编号图像提取：通过系统确定多个目标中的单个目标编号或多个目标编号，编号确定后提取确定编号目标的人像图形；
[0011]步骤4：目标视频提取：通过总控系统将确定的编号目标人像图形和总控系统中保存的视频样本进行分析和对比，总控系统中视频样本和人像图形经对比和分析后，系统自动提取与目标人像符合的视频样本，并自动对视频样本进行剪辑；
[0012]步骤5：目标视频跟踪调取：视频样本经剪辑后，去除目标不存在的相关视频数据，保留目标存在的相关视频数据，并自动将剪辑后的视频调出进行展示。
[0013]优选的，所述在步骤1中，监控摄像头，采用高清摄像头，可清晰捕捉目标人脸图
像。
[0014]优选的，所述在步骤1中，视频样本保存过程中，对视频样本具体的拍摄时间进行记录，视频保存时间具体到年、月、日、时、分和秒。
[0015]优选的，所述在步骤1中，视频样本实时更新保存也要对具体拍摄时间进行保存。
[0016]优选的，所述在步骤2中，找寻目标时，输入具体需要的视频样本保存时间，以此对需要的视频样本进行提取，而在定格多目标时，多目标若是不存在同一定格画面内，则可以进行二次定格，直至获取所有目标。
[0017]优选的，所述在步骤2中，定格画面目标自动编号时，包含所有画面中的目标，第一个目标编号为1，第二个目标编号为2，之后以此类推。
[0018]优选的，所述在步骤3中，提取编号目标时，通过显示器选中数字或通过键盘输入目标编号数字进行提取，未被选中的目标则自动筛除。
[0019]优选的，所述在步骤4中，编号目标图形和视频样本进行对比时，通过显示器选择视频样本的数量及时间。
[0020]优选的，所述在步骤4中，视频样本进行剪辑后所保留的视频时间为目标进入视频中的前15分钟至目标消失的15分钟。
[0021]优选的，所述在步骤5中，视频调出后，由显示器进行展示。
[0022]与现有技术相比，本专利技术的有益效果是：
[0023]本专利技术通过对存在目标的视频进行定格编号，通过编号提取人像，并和总控系统中保存的带有目标的视频进行对比和分析，快速的提取到目标存在的所有视频，并且配合自动将目标存在的视频进行剪辑，只保留目标存在的视频，实现了快速对目标视频保存后的视频进行后续跟踪的目的，从而缩短了找寻时间，提高了效率。
具体实施方式
[0024]下面将通过实施例的方式对本专利技术作更详细的描述，这些实施例仅是举例说明性的而没有任何对本专利技术范围的限制。
[0025]本专利技术提供一种技术方案：一种基于深度学习的多目标跟踪方法，包括以下步骤：
[0026]步骤1：获取目标视频：通过监控，获取多目标运行轨迹及目标跟踪视频样本，样本数量为多个，样本视频根据监控拍摄内容实时更新，多个视频样本获取后将获取的目标视频输送至总控系统进行保存；
[0027]步骤2：目标定位：找寻目标时，通过总控系统，调取单个带有目标的视频样本，并从视频样本中找到多目标中的其中一个目标或多个目标，通过暂停视频实现对视频中多目标的定格，通过系统对视频中多个被定格的目标进行自动编号；
[0028]步骤3：编号图像提取：通过系统确定多个目标中的单个目标编号或多个目标编号，编号确定后提取确定编号目标的人像图形；
[0029]步骤4：目标视频提取：通过总控系统将确定的编号目标人像图形和总控系统中保存的视频样本进行分析和对比，总控系统中视频样本和人像图形经对比和分析后，系统自动提取与目标人像符合的视频样本，并自动对视频样本进行剪辑；
[0030]步骤5：目标视频跟踪调取：视频样本经剪辑后，去除目标不存在的相关视频数据，保留目标存在的相关视频数据，并自动将剪辑后的视频调出进行展示。
[0031]实施例一：
[0032]首先获取目标视频，通过监控，获取多目标运行轨迹及目标跟踪视频样本，样本数量为多个，样本视频根据监控拍摄内容实时更新，多个视频样本获取后将获取的目标视频输送至总控系统进行保存，然后目标定位，找寻目标时，通过总控系统，调取单个带有目标的视频样本，并从视频样本中找到多目标中的其中一个目标或多个目标，通过暂停视频实现对视频中多目标的定格，通过系统对视频中多个被定格的目标进行自动编号，随后编号图像提取，通过系统确定多个目标中的单个目标编号或多个目标编号，编号确定后提取确定编号目标的人像图形，之后对目标视频进行提取，通过总控系统将确定的编号目标人像图形和总控系统中保存的视频样本进行分析和对比，总控系统中视频样本和人像图形经对比和分析后，系统自动提取与目标人像符合的视频样本，并自动对视频样本进行剪辑，最后目标视频跟踪调取，视频样本经剪辑后，去除目标不存在的相关视频数据，保留目标存在的相关视频数据，并自动将剪辑后的视频调出进行展示。
[0033]实施例二：
[0034]在实施例一中，再加上下述工序：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的多目标跟踪方法，其特征在于：包括以下步骤：步骤1：获取目标视频：通过监控，获取多目标运行轨迹及目标跟踪视频样本，样本数量为多个，样本视频根据监控拍摄内容实时更新，多个视频样本获取后将获取的目标视频输送至总控系统进行保存；步骤2：目标定位：找寻目标时，通过总控系统，调取单个带有目标的视频样本，并从视频样本中找到多目标中的其中一个目标或多个目标，通过暂停视频实现对视频中多目标的定格，通过系统对视频中多个被定格的目标进行自动编号；步骤3：编号图像提取：通过系统确定多个目标中的单个目标编号或多个目标编号，编号确定后提取确定编号目标的人像图形；步骤4：目标视频提取：通过总控系统将确定的编号目标人像图形和总控系统中保存的视频样本进行分析和对比，总控系统中视频样本和人像图形经对比和分析后，系统自动提取与目标人像符合的视频样本，并自动对视频样本进行剪辑；步骤5：目标视频跟踪调取：视频样本经剪辑后，去除目标不存在的相关视频数据，保留目标存在的相关视频数据，并自动将剪辑后的视频调出进行展示。2.根据权利要求1所述的一种基于深度学习的多目标跟踪方法，其特征在于：所述在步骤1中，监控摄像头，采用高清摄像头，可清晰捕捉目标人脸图像。3.根据权利要求1所述的一种基于深度学习的多目标跟踪方法，其特征在于：所述在步骤1中，视频样本保存过程中，对视频样本具体的拍摄时间进行记录，视频保存时间具体到年、月、日、时...

【专利技术属性】
技术研发人员：卜言彬，段永良，
申请(专利权)人：南京传媒学院，
类型：发明
国别省市：