【技术实现步骤摘要】
一种融合空间运动和表观特征学习的多目标跟踪方法
[0001]本专利技术涉及目标跟踪
，更具体的说是涉及一种融合空间运动和表观特征学习的多目标跟踪方法。
技术介绍
[0002]多目标跟踪是利用计算机视觉技术对视频中的目标进行持续跟踪，通过对输入的视频图像进行处理，得到多个目标，并对目标的外观特征、位置、运动状态等信息进行计算分析，最终得到连续的运动轨迹。在深度学习技术成熟之前，传统的多目标跟踪方法，建立高斯混合模型或隐马尔可夫随机场模型以构建生成外观模型，然后使用基于贝叶斯理论的模型或基于局部/全局数据关联的模型进行持续的目标跟踪。
[0003]现有方法通过先检测出目标；再预测出目标；计算检测目标与预测目标的交并集；匹配检测目标与预测目标。虽然现有方法整体来说能产生很好的跟踪效果，但是没有考虑长期遮挡使目标丢失的情况，也没有考虑身份标识管理的策略，导致产生过多的身份ID的情况，因此现有的多目标追踪方法存在识别效果差，追踪效果差的问题，
[0004]因此，如何提高多目标追踪的识别效果和追踪效果是本领域技术人...
【技术保护点】
【技术特征摘要】
1.一种融合空间运动和表观特征学习的多目标跟踪方法，其特征在于，包括以下步骤：S1：获取待处理的视频，并将视频转换成帧序列，得到若干连续的帧图像；S2：使用卷积神经网络对全部帧图像进行特征提取，得到每一帧图像的运动目标特征，将全部运动目标特征进行相似对比，对相同的运动目标特征赋一个相同的身份ID，得到所有携带身份ID的运动目标；S3：使用目标检测器对每一个身份ID的运动目标对应的所有帧图像进行检测得到目标检测边框，利用运动目标的身份ID与目标检测边框进行目标边框的关联与追踪，得到每一个运动目标在其对应的连续帧图像中的目标检测轨迹，获得全部运动目标的目标检测轨迹；S4：遍历每一个运动目标对应的所有帧图像，对全部运动目标的目标检测轨迹进行校验和调整，获得每个运动目标的最终检测轨迹。2.根据权利要求1所述的一种融合空间运动和表观特征学习的多目标跟踪方法，其特征在于，S2中，卷积神经网络包括若干多层神经网络，每层神经网络包括若干二维平面，每个平面由若干独立神经元构成；进行特征提取的过程为：S21：输入每一帧图像，通过三个滤波器和可加偏置进行卷积，卷积后在第一卷积层产生三个特征映射图；S22：将特征映射图中每组的四个像素依次进行求和、加权值和加偏置，通过一个S型生长曲线函数得到三个第一采样层的特征映射图；S23：三个第一采样层的特征映射图通过滤波到第二卷积层，经过卷积产生三个特征映射图；S24：第二卷积层的特征映射图中每组的四个像素依次进行求和、加权值和加偏置，通过一个S型生长曲线函数得到三个第二采样层的特征映射图；S25：光栅化S24中第二采样层的特征映射图的像素值，并连接成一个向量输入到神经网络，输出运动目标特征。3.根据权利要求2所述的一种融合空间运动和表观特征学习的多目标跟踪方法，其特征在于，卷积层为特征提取层，每个神经元的输入与前一层的局部感受野相连，并提取该局部的特征，该局部特征被提取后，同时获得局部特征与其他特征间的位置关系；采样层是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映...
【专利技术属性】
技术研发人员：汪路元，禹霁阳，黄丹，
申请(专利权)人：北京空间飞行器总体设计部，
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。