一种基于三次匹配的多类别多目标跟踪方法技术

本发明专利技术公开了一种基于三次匹配的多类别多目标跟踪方法，包括：将视频序列输入训练好的检测器获得检测结果；根据结果中的置信度得分将检测结果分为高分框和低分框；对跟踪器中所有轨迹进行卡尔曼预测；对轨迹和检测结果进行三次参数不同且目的不同的数据关联匹配，对匹配成功的轨迹进行激活和更新；对未匹配成功的失踪轨迹进行位置修正和输出判定。本发明专利技术可以有效提升多类别多目标跟踪的稳定性和可靠性。在目标被遮挡或者检测器出现漏检时可以通过数据关联方法进行一定的补救，通过简单的方法使得跟踪器有一定的抗抖动性能，有效提升了跟踪器的鲁棒性。本发明专利技术可以与任何一种满足跟踪器输入要求的主流检测器相适配，有较广泛的实用价值。实用价值。实用价值。

【技术实现步骤摘要】
一种基于三次匹配的多类别多目标跟踪方法


[0001]本专利技术涉及计算机视觉领域中的目标检测和跟踪
，具体地，涉及一种基于三次匹配的多类别多目标跟踪数据关联方法。

技术介绍

[0002]随着人工智能技术的飞速发展，基于计算机视觉技术的智能监控系统、自动驾驶领域较以往取得了重大的突破，进一步减少了人力资源的浪费，提高了安防和交通领域的安全性。视觉多目标检测以及跟踪技术都是这些领域中的关键基础性技术。而无人机和无人艇等无人平台下的多目标跟踪不仅可以获得目标的空间位置，而且可以进行目标运动轨迹的跟踪和预测，在军工和民用领域都有着广泛的应用场景。因此，对无人平台下的多目标检测和跟踪方法的研究是十分有价值而且必要的。
[0003]基于检测的跟踪是目前较为主流的多目标跟踪方法之一，这种跟踪方法需要先从检测器中获得图像目标检测的结果，再将检测结果送入跟踪器中进行多目标跟踪。跟踪器所起到的作用是根据前后两帧的检测结果进行位置或特征的信息关联，对跟踪器中所有的轨迹信息进行动态的管理和更新。
[0004]在一些实际复杂场景中，多目标跟踪可能会本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三次匹配的多类别多目标跟踪方法，其特征在于，包括以下步骤：S1、将视频序列输入检测器得到目标检测结果，该检测结果包括图像中所有检测到的目标框的坐标、类别和置信度得分；S2、跟踪器开始跟踪，判断当前输入是否为视频序列第一帧，若是，则根据检测结果初始化所有轨迹，轨迹状态初始化为已跟踪，若不是，则进行轨迹的更新；S3、跟踪器更新开始，将输入的检测结果根据器置信度得分是否高于设定阈值分为高分框和低分框；S4、对轨迹列表中的所有轨迹进行卡尔曼滤波预测，得到预测后的轨迹位置的框坐标；S5、进行第一次匹配：将跟踪器的轨迹列表中所有轨迹与检测得到的高分框进行MIoU匹配，对匹配成功的轨迹进行激活和更新；S6、进行第二次匹配：将第一次匹配中没有匹配成功的轨迹与检测得到的低分框进行MIoU匹配，对匹配成功的轨迹进行激活和更新；S7、进行第三次匹配：将第二次匹配后仍然没有匹配成功的轨迹再与此时未匹配成功的高分框进行更松弛的MIoU匹配，对匹配成功的轨迹进行激活和更新；S8、匹配后处理：对于三次匹配后仍未成功匹配的轨迹，认为其暂时匹配失败，标记为失踪轨迹，对于三次匹配后仍未成功匹配的检测框，若其置信度得分高于设定置信度阈值，则认为可能是出现了新目标，根据该框建立新轨迹，状态暂时标记为未激活，若该目标在下一帧的匹配中匹配成功，则仍为确定是新轨迹，进行激活和更新，若没有匹配成功，则认为是检测器虚警，删除该轨迹；S9、对失踪轨迹进行位置修正，然后根据其修正后位置是否处于图片边缘来决定其是否输出；输出跟踪结果，包括匹配成功的已跟踪轨迹和判定可以输出的修正后的失踪轨迹。2.根据权利要求1所述的一种基于三次匹配的多类别多目标跟踪方法，其特征在于，所述S3包括：设定高分检测阈值和低分检测阈值det_thresh1和det_thresh2，对于每一个检测结果，若其置信度得分score大于det_thresh1，则认为是高分框，若其置信度得分score小于det_thresh1且大于det_thresh2，则认为是低分框，若置信度得分score小于det_thresh2，则认为其得分太低，是检测器的虚警，舍弃该结果，不参与后续匹配。3.根据权利要求1所述的一种基于三次匹配的多类别多目标跟踪方法，其特征在于，所述S5
‑
S7中涉及的MIoU匹配的实现步骤包括：计算待匹配的所有轨迹与所有检测框之间的MIoU值，根据MIoU计算结果得到初步的关联代价矩阵，初步关联代价Cost0与MIoU的关系为Cost0＝1
‑
MIoU；计算待匹配的所有轨迹与所有检测框之间的额外关联惩罚值AP，将AP矩阵与初步关联代价矩阵相加得到关联代价矩阵...

【专利技术属性】
技术研发人员：王俊波，徐百平，朱伟，常传文，王刚，
申请(专利权)人：东南大学，
类型：发明
国别省市：