一种基于对称联合检测与Re-ID的多目标跟踪方法及装置制造方法及图纸

本发明专利技术涉及目标跟踪技术领域，特别是指一种基于对称联合检测与Re

【技术实现步骤摘要】
一种基于对称联合检测与Re
‑
ID的多目标跟踪方法及装置


[0001]本专利技术涉及目标跟踪
，特别是指一种基于对称联合检测与Re
‑
ID的多目标跟踪方法及装置。

技术介绍

[0002]目标跟踪是计算机视觉中的一个重要问题，是指对视频序列中的目标状态进行持续推断的过程，其任务在于通过在视频的每一帧中定位目标,以生成目标的运动轨迹,并在每一时刻提供完整的目标区域。视频跟踪技术在军事和民用方面都有着十分广泛的应用,军事方面包括无人飞行器、精确制导、空中预警、战场监视等；民用方面包括移动机器人、智能视频监控、智能交通系统、人机交互、虚拟现实等。
[0003]随着多任务学习技术的发展，多目标跟踪已经被联合检测与Re
‑
ID(Joint Detection and Re
‑
Identification，JDR)模型所主导。Re
‑
ID任务的目的是学习目标外观特征，用于帧与帧之间目标的匹配。FairMOT就是在这样一种范式下的一部里程碑式的工作。其认为A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于对称联合检测与Re
‑
ID的多目标跟踪方法，其特征在于，所述方法包括：采集原始数据，对所述原始数据进行预处理，获得训练数据；建立待训练多目标跟踪模型；使用所述训练数据对所述待训练多目标跟踪模型进行训练，获得多目标跟踪模型；将待跟踪数据输入所述多目标跟踪模型，获得多目标跟踪结果。2.根据权利要求1所述的一种基于对称联合检测与Re
‑
ID的多目标跟踪方法，其特征在于，所述建立待训练多目标跟踪模型，包括：基于Anchor
‑
based检测器，采用YOLOv7探测器的主干结构进行网络构建，获得骨干网络；基于Anchor
‑
based检测器，采用YOLOv7探测器检测分支进行网络构建，获得检测分支；根据所述检测分支的网络结构进行对称操作，获得Re
‑
ID分支；基于所述骨干网络、所述检测分支和所述Re
‑
ID分支，获得待训练多目标跟踪模型。3.根据权利要求2所述的一种基于对称联合检测与Re
‑
ID的多目标跟踪方法，其特征在于，所述基于Anchor
‑
based检测器，采用YOLOv7探测器检测分支进行网络构建，获得检测分支，包括：基于Anchor
‑
based检测器，采用YOLOv7探测器检测分支构建检测分支Neck；所述检测分支Neck用于特征变换和特征融合；建立检测分支输出端；所述检测分支输出端包括3个检测输出头；所述3个检测输出头的每个检测输出头包括预测框中心位置头、预测框大小头、置信头和分类头；所述每个检测输出头输出的通道数根据检测任务中类别的数量计算得到；基于所述检测分支Neck和所述检测分支输出端，获得检测分支。4.根据权利要求2所述的一种基于对称联合检测与Re
‑
ID的多目标跟踪方法，其特征在于，所述根据所述检测分支的网络结构进行对称操作，获得Re
‑
ID分支，包括：基于所述检测分支的网络结构，获得检测分支Neck；将所述检测分支Neck的网络结构对称至Re
‑
ID分支，获得Re
‑
ID分支Neck；所述Re
‑
ID分支Neck的网络结构与检测分支Neck的网络结构一致；建立Re
‑
ID分支输出端；所述Re
‑
ID分支输出端包括3个Re
‑
ID分支输出头；所述Re
‑
ID分支输出头输出的通道数为128；基于所述Re
‑
ID分支Neck和所述Re
‑
ID分支输出端，获得Re
‑
ID分支。5.根据权利要求1所述的一种基于对称联合检测与Re
‑
ID的多目标跟踪方法，其特征在于，所述使用所述训练数据对所述待训练多目标跟踪模型进行训练，获得多目标跟踪模型，包括：将Re
‑
ID分支的网络损失设置为0，使用所述训练数据对骨干网络和检测分支进行训练，获得训练好的骨干网络和训练好的检测分支，固化检测分支和骨干网络的网络参数；基于所述训练好的骨干网络和所述训练好的检测分支，使用所述训练数据对Re
‑
ID分支进行训练，获得...

【专利技术属性】
技术研发人员：李茜，俞先国，丛一睿，朱瑞祥，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：