一种基于DeepSORT的多目标连续跟踪方法技术

本发明专利技术提供一种基于DeepSORT的多目标连续跟踪方法，包括以下步骤：获取视频流的当前帧图像；使用多目标检测模型对当前帧图像进行目标检测，输出检测到的每一个目标的检测目标框的特征信息；根据跟踪轨迹的状态、寿命是否为静止间隔数的整数倍，选择进行轨迹预测、轨迹状态判断和轨迹更新。本发明专利技术通过判断跟踪目标是否处于静止状态，从而针对静止状态的目标采取隔多帧跟踪的策略，不再进行位置预测和轨迹更新，节省了系统资源，提高了多目标跟踪的跟踪效率。当跟踪目标状态改变时，该方法能够通过各参数的变化进行判断，即使跟踪目标从静止状态转换为运动状态，也能快速识别，从而保持持续的跟踪的状态。持持续的跟踪的状态。持持续的跟踪的状态。

【技术实现步骤摘要】
一种基于DeepSORT的多目标连续跟踪方法


[0001]本专利技术属于多目标连续跟踪
，具体涉及一种基于DeepSORT的多目标连续跟踪方法。

技术介绍

[0002]视频跟踪领域，目前多采用基于检测的跟踪方法进行多目标跟踪，其中以各种不同的目标检测算法配合DeepSORT跟踪算法为主流。基于检测的多目标跟踪方法为：首先需要使用目标检测算法对视频中的每一帧图像进行目标检测，再使用DeepSORT跟踪算法对检测出的目标进行持续的跟踪。此种方法具有以下问题：(一)此种方法需要分析处理每一帧图像中的所有目标，跟踪效率较低。对于存在静止目标的场景，如停车场或路边有车辆停放的马路，对每一帧图片检测到的所有目标都进行检测和跟踪，会使得跟踪速度过慢，造成系统资源的浪费。(二)如果采用只跟踪运动目标、完全忽略静止目标的跟踪方法，则对于红绿灯路口场景，从运动进入静止状态再进入运动状态的目标都不能实现连续的跟踪，造成ID切换。
[0003]因此，如何提高目标跟踪效率，同时保持跟踪轨迹连续不中断是本领域亟待解决的问题。

技术实现思路

[0004]针对现有技术存在的缺陷，本专利技术提供一种基于DeepSORT的多目标连续跟踪方法，可有效解决上述问题。
[0005]本专利技术采用的技术方案如下：
[0006]本专利技术提供一种基于DeepSORT的多目标连续跟踪方法，包括以下步骤：
[0007]步骤1，预设置初始参数，包括：静止间隔数I_num；
[0008]预设置跟踪轨迹集合TR；每当发现一条跟踪轨迹时，将所述跟踪轨迹的跟踪轨迹ID加入到所述跟踪轨迹集合TR；
[0009]步骤2，获取视频流的当前帧图像；
[0010]步骤3，使用多目标检测模型对当前帧图像进行目标检测，输出检测到的每一个目标的检测目标框的特征信息；其中，所述检测目标框的特征信息包括：检测目标框的中心位置坐标、短边长度和长边长度；假设对于当前帧图像，共检测到n个目标的检测目标框，因此，n个目标形成检测目标集合Q；n个检测目标框形成检测目标框集合P；
[0011]步骤4，读取所述跟踪轨迹集合TR，得到当前所有跟踪轨迹；跟踪轨迹集合TR中的每条跟踪轨迹，均具有以下属性：运动状态标识、寿命、连续匹配失败次数、跟踪目标框序列和卡尔曼滤波器；
[0012]对于每条跟踪轨迹，表示为tr
i
，均执行以下操作：
[0013]步骤4.1，将跟踪轨迹tr
i
的寿命Age
i
加1，即：令Age
i
＝Age
i
+1；
[0014]步骤4.2，读取跟踪轨迹tr
i
的运动状态标识，如果跟踪轨迹tr
i
为静止状态，则执行
步骤4.3；如果跟踪轨迹tr
i
为运动状态，则执行步骤4.5；
[0015]步骤4.3，判断跟踪轨迹tr
i
的寿命Age
i
是否为静止间隔数I_num的整数倍，如果是，则执行步骤4.4；如果否，则执行步骤5；
[0016]步骤4.4，判断跟踪轨迹tr
i
的连续匹配失败次数F_num_i是否大于2，如果否，则执行步骤4.5；如果是，则执行步骤4.6；
[0017]步骤4.5，轨迹预测：
[0018]对跟踪轨迹tr
i
进行位置预测，具体方法为：
[0019]读取跟踪轨迹tr
i
的属性，获取最新的跟踪目标框，将最新的跟踪目标框输入绑定的卡尔曼滤波器，卡尔曼滤波器通过跟踪目标框和变化速度，预测得到跟踪轨迹tr
i
的跟踪目标target
i
在当前帧图像中的预测目标框pro
i
；然后执行步骤4.6；
[0020]步骤4.6，将跟踪轨迹tr
i
的连续匹配失败次数F_num_i加1，即：令F_num_i＝F_num_i+1；然后执行步骤5；
[0021]通过本步骤，输出每个跟踪轨迹tr
i
在当前帧图像中的预测目标框pro
i
，由此得到所有跟踪轨迹对应的预测目标框集合；
[0022]步骤5，轨迹匹配：
[0023]使用DeepSORT算法中的匹配方法，对预测目标框集合中的每个预测目标框
i
和步骤3得到的检测目标框集合P中的各个检测目标框进行匹配，输出匹配结果；
[0024]步骤6，对于跟踪轨迹tr
i
，判断跟踪轨迹tr
i
的预测目标框pro
i
是否与检测目标框集合P中的某个检测目标框匹配成功，如果匹配成功，则执行步骤7；否则，执行步骤8；其中，将当前帧图像中，匹配成功的检测目标框表示为检测目标框p_i；
[0025]步骤7：
[0026]步骤7.1，判断跟踪轨迹tr
i
的寿命Age
i
是否为静止间隔数I_num的整数倍，如果是，则执行步骤7.2；如果否，则执行步骤7.3；
[0027]步骤7.2，轨迹状态判断：
[0028]采用以下方法，判断跟踪轨迹tr
i
的运动状态，然后执行步骤7.3；
[0029]读取到跟踪轨迹tr
i
绑定的静止间隔帧数前的跟踪目标框c_i；
[0030]计算跟踪目标框c_i与步骤6得到的检测目标框p_i的移动比例；
[0031]若移动比例小于设定值，则跟踪轨迹tr
i
为静止状态，否则，跟踪轨迹tr
i
为运动状态；
[0032]步骤7.3，判断是否满足以下条件：
[0033]跟踪轨迹tr
i
为静止状态，并且，跟踪轨迹tr
i
的寿命Age
i
不是静止间隔数I_num的整数倍；
[0034]如果满足，则执行步骤9；
[0035]如果不满足，则执行步骤7.4；
[0036]步骤7.4，轨迹更新：
[0037]对跟踪轨迹tr
i
进行轨迹更新，然后执行步骤9；
[0038]其中：对跟踪轨迹tr
i
进行轨迹更新的具体方法为：
[0039]更新跟踪轨迹tr
i
的运动状态标识；更新跟踪轨迹tr
i
的跟踪目标框序列，向跟踪目标框序列中加入最新的跟踪目标框；将跟踪轨迹tr
i
属性中的连续匹配失败次数置0；更新
轨迹绑定的卡尔曼滤波器的卡尔曼滤波器参数，更新为：使用最新的跟踪目标框对卡尔曼滤波器参数进行更新；
[0040]步骤8：
[0041]步骤8.1，对于匹配失败，区分两种情况：对于匹配失败的跟踪轨迹tr
i
，执行步骤8.2；对于匹配失败的检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DeepSORT的多目标连续跟踪方法，其特征在于，包括以下步骤：步骤1，预设置初始参数，包括：静止间隔数I_num；预设置跟踪轨迹集合TR；每当发现一条跟踪轨迹时，将所述跟踪轨迹的跟踪轨迹ID加入到所述跟踪轨迹集合TR；步骤2，获取视频流的当前帧图像；步骤3，使用多目标检测模型对当前帧图像进行目标检测，输出检测到的每一个目标的检测目标框的特征信息；其中，所述检测目标框的特征信息包括：检测目标框的中心位置坐标、短边长度和长边长度；假设对于当前帧图像，共检测到n个目标的检测目标框，因此，n个目标形成检测目标集合Q；n个检测目标框形成检测目标框集合P；步骤4，读取所述跟踪轨迹集合TR，得到当前所有跟踪轨迹；跟踪轨迹集合TR中的每条跟踪轨迹，均具有以下属性：运动状态标识、寿命、连续匹配失败次数、跟踪目标框序列和卡尔曼滤波器；对于每条跟踪轨迹，表示为tr
i
，均执行以下操作：步骤4.1，将跟踪轨迹tr
i
的寿命Age
i
加1，即：令Age
i
＝Age
i
+1；步骤4.2，读取跟踪轨迹tr
i
的运动状态标识，如果跟踪轨迹tr
i
为静止状态，则执行步骤4.3；如果跟踪轨迹tr
i
为运动状态，则执行步骤4.5；步骤4.3，判断跟踪轨迹tr
i
的寿命Age
i
是否为静止间隔数I_num的整数倍，如果是，则执行步骤4.4；如果否，则执行步骤5；步骤4.4，判断跟踪轨迹tr
i
的连续匹配失败次数F_num_i是否大于2，如果否，则执行步骤4.5；如果是，则执行步骤4.6；步骤4.5，轨迹预测：对跟踪轨迹tr
i
进行位置预测，具体方法为：读取跟踪轨迹tr
i
的属性，获取最新的跟踪目标框，将最新的跟踪目标框输入绑定的卡尔曼滤波器，卡尔曼滤波器通过跟踪目标框和变化速度，预测得到跟踪轨迹tr
i
的跟踪目标target
i
在当前帧图像中的预测目标框pro
i
；然后执行步骤4.6；步骤4.6，将跟踪轨迹tr
i
的连续匹配失败次数F_num_i加1，即：令F_num_i＝F_num_i+1；然后执行步骤5；通过本步骤，输出每个跟踪轨迹tr
i
在当前帧图像中的预测目标框pro
i
，由此得到所有跟踪轨迹对应的预测目标框集合；步骤5，轨迹匹配：使用DeepSORT算法中的匹配方法，对预测目标框集合中的每个预测目标框
i
和步骤3得到的检测目标框集合P中的各个检测目标框进行匹配，输出匹配结果；步骤6，对于跟踪轨迹tr
i
，判断跟踪轨迹tr
i
的预测目标框pro
i
是否与检测目标框集合P中的某个检测目标框匹配成功，如果匹配成功，则执行步骤7；否则，执行步骤8；其中，将当前帧图像中，匹配成功的检测目标框表示为检测目标框p_i；步骤7：步骤7.1，判断跟踪轨迹tr
i
的寿命Age
i
是否为静止间隔数I_num的整数倍，如果是，则执行步骤7.2；如果否，则执行步骤7.3；步骤7.2，轨迹状态判断：
采用以下方法，判断跟踪轨迹tr
i
的运动状态，然后执行步骤7.3；读取到跟踪轨迹tr
i
绑定的静止...

【专利技术属性】
技术研发人员：高珊珊，瞿洪桂，朱海明，高云丽，
申请(专利权)人：北京中电兴发科技有限公司，
类型：发明
国别省市：