【技术实现步骤摘要】
一种基于检测和跟踪的互补优化方法、系统、设备及存储介质
[0001]本专利技术涉及基于检测和跟踪的互补优化
,尤其是涉及人工智能技术和智能安防技术,具体地说,涉及一种基于检测和跟踪的互补优化方法、系统、设备及存储介质。
技术介绍
[0002]在一些智能安防监控设备落地的过程中,往往因数据集不足或环境复杂等因素导致检测算法不够准确,出现大量的误检漏检等情况;同时带有深度特征提取匹配的跟踪算法对算力要求太高,不适合部署到端侧设备中。
[0003]传统的应用于智能安防监控设备中的检测算法,有基于传统算法的边缘检测、动态物体检测等算法,有基于深度学习的神经网络检测算法,但是不论哪种算法,在室外环境下都难以达到95%以上的准确率,有些算法在起初上线的时候甚至只有70%的准确率。
[0004]因此,尤其是在复杂场景下,检测算法和跟踪算法单独来看均有缺陷,在实际应用中效果不好。
[0005]有鉴于此特提出本专利技术。
技术实现思路
[0006]本专利技术要解决的技术问题在于克服现有技术的不足, ...
【技术保护点】
【技术特征摘要】
1.一种基于检测和跟踪的互补优化方法,其特征在于,所述方法包括以下步骤:获取待检测目标;根据所述待检测目标,确定检测框,并为每个检测框分配标识号;根据所述标识号,获取对应的所述待检测目标的轨迹图像,并为每个待检测目标设立轨迹缓存器;将获取的待检测目标的轨迹图像进行噪声抑制。2.根据权利要求1所述的基于检测和跟踪的互补优化方法,其特征在于,所述根据所述待检测目标,确定检测框,并为每个检测框分配标识号,包括:根据所述待检测目标,通过检测算法检出待检测目标的检测框;根据所述检测框,以检测框的下边沿中心点作为待检测目标的当前位置点;根据所述当前位置点,使用跟踪算法为每个检测框分配标识号。3.根据权利要求2所述的基于检测和跟踪的互补优化方法,其特征在于,所述检测算法为:边缘检测算法,或动态物体检测算法,或基于深度学习的神经网络检测算法。4.根据权利要求3所述的基于检测和跟踪的互补优化方法,其特征在于,所述跟踪算法为匈牙利算法和卡尔曼滤波算法。5.根据权利要求4所述的基于检测和跟踪的互补优化方法,其特征在于,所述根据所述标识号,获取对应的所述待检测目标的轨迹图像,并为每个待检测目标设立轨迹缓存器,包括:若当前标识号对应的轨迹缓存器中的轨迹图像为空,则添加位置点;若当前标识号对应的轨迹缓存器中的轨迹图像不为空,则求该位置点与轨迹缓存器中的最后一个位置点的欧氏距离;若该位置点与轨迹缓存器中的最后一个位置点的欧氏距离大于设置的阈值,则抛弃该位置点,并创建一个抛弃次数记录器,记录该标识号被抛弃位置数累加;若被抛弃次数大于设置的阈值,则清空该轨迹缓存器中的轨迹图像;若该位置点与轨迹缓存器中的轨迹图像的最后一个位置点的欧氏距离小于设置的阈值,则添加该位置点,同时...
【专利技术属性】
技术研发人员:陈斌,邱敏,金岩,刘继超,
申请(专利权)人:青岛海纳云智能系统有限公司青岛海纳云数字科技有限公司,
类型:发明
国别省市:
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。