【技术实现步骤摘要】
基于人体部件层级特征检测的肢体部件跟踪方法
[0001]本专利技术涉及计算机视觉领域，具体涉及一种基于人体部件层级特征检测的肢体部件跟踪方法。
技术介绍
[0002]近年来，随着人工智能和多媒体科技的快速发展，目标跟踪具有很大的市场潜力和学术价值，一直广受研究者们关注。随着相关技术的发展和具体的场景化应用不断切入现实，诸如行人检测、人员搜索等目标跟踪相关领域的需求进一步扩展，如何获取更为详尽的、准确的跟踪序列以获取更多信息辅助技术应用已成为目标跟踪的研究重点和挑战之一。
[0003]尽管目标检测技术与目标跟踪技术已经取得很大进步，但现有的功能仅局限于对目标整体的检测跟踪，在遇到遮挡、模糊等异常情况时，容易丢失大量有价值的局部信息。目标的各类局部信息可以提供多方面多层次的运动轨迹，辅助校正和关联完整的运动轨迹。
技术实现思路
[0004]有鉴于此，本专利技术的目的在于提供一种基于人体部件层级特征检测的肢体部件跟踪方法，能够有效地对视频图像中的人体各部件层级特征进行检测提取，实现对肢体部件的跟踪，提升跟踪...
【技术保护点】
【技术特征摘要】
1.一种基于人体部件层级特征检测的肢体部件跟踪方法，其特征在于，包括以下步骤：步骤S1：获取人体视频或者连贯图片，然后对人体各肢体部位进行目标框标注,构建数据集；步骤S2：基于YOLOv7的目标检测算法构建人体部件级目标检测器，并根据数据集训练，然后根据训练后人体部件级目标检测器对待跟踪人体视频或者连贯图片的逐帧检测，提取肢体部件层级特征，并输出信息；步骤S3：利用步骤S2的输出结果，采用基于BoT
‑
SORT改进的目标跟踪算法对人体各肢体运动轨迹进行跟踪；步骤S4：利用基于肢体衔接性的方法和基于数据关联的方法对步骤S3的初步跟踪结果进行重识别和再处理，输出最终的跟踪结果。2.根据权利要求1所述的基于人体部件层级特征检测的肢体部件跟踪方法，其特征在于，所述步骤S2具体为：步骤S21：用步骤S1中构建的数据集对基于YOLOv7的目标检测算法进行训练，获取人体部件级目标检测器；步骤S22：对于待跟踪人体视频或者连贯图片，根据帧率将其分解为视频帧序列I，对于每一个帧图像，依序用步骤S21训练好的部件级目标检测模型检测人体肢体部件位置框；步骤S23：根据步骤S22检测出的各部件位置框信息，使用3
×
3卷积提取框内肢体部件层级特征，以人体为单位进行编号，保留所有检测结果，按序将一个人的各个肢体部件层级特征信息拼接为特征向量。3.根据权利要求2所述的基于人体部件层级特征检测的肢体部件跟踪方法，其特征在于，所述步骤S3具体为：步骤S31：根据步骤S2目标检测器输出的特征向量，在时间序列上对每个肢体部件目标框的位置变化建立特征序列；步骤S32：采用基于BoT
‑
SORT改进的目标跟踪算法在步骤S31的特征序列上完成人体各肢体部件的初步跟踪。4.根据权利要求3所述得到基于人体部件层级特征检测的肢体部件跟踪方法，其特征在于，所述步骤S32具体为：使用基于YOLOv7目标检测器的检测结果的BoT
‑
SORT跟踪算法处理特征序列，选取第一帧中置信度最高...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。