一种基于修正DeepSORT的多传感目标群智跟踪方法技术

本发明专利技术公开了一种基于修正DeepSORT的多传感目标群智跟踪方法，所述方法通过多个摄像头对任务区域进行目标跟踪：利用各摄像头实时获取任务区域的监控视频；采用基于匈牙利算法的匹配方法，获得摄像头之间当前视频帧的匹配目标并赋予身份ID；针对每个摄像头，分别利用DeepSORT方法对当前视频帧中分配身份ID的目标进行跟踪，直至目标跟踪任务结束。本发明专利技术利用一种基于目标空间位置的自适应融合特征计算马氏距离衡量目标相似度，最后利用匈牙利算法实现目标匹配，提高了目标的匹配的准确率；利用最小二乘法拟合预测加速度，进而修正卡尔曼滤波的输入速度参量，提高了DeepSORT算法的卡尔曼滤波预测的准确性，从而提高目标跟踪的准确率。准确率。准确率。

【技术实现步骤摘要】
一种基于修正DeepSORT的多传感目标群智跟踪方法


[0001]本专利技术属于目标跟踪和计算机视觉领域，具体涉及一种基于修正DeepSORT的多传感目标群智跟踪方法。

技术介绍

[0002]多视觉行人追踪算法是利用多个摄像头实时获取场景中的视频流，并对行人进行自动检测、跟踪和识别，从而实现对行人的智能安全监控。这种算法可以提高城市安全管理效率，减少安全隐患和事故发生率，增强城市安全防范能力。在当代生活中，多视觉行人追踪算法已经广泛应用于公共场所的安全监控、智能交通系统、社区安保等领域。例如，商场、地铁站、机场等公共场所利用多视觉行人追踪算法进行行人监控，可以及时发现人员聚集、拥堵等安全隐患。此外，多视觉行人追踪算法还可以应用于交通领域，帮助交通管理部门实现交通流量监测、拥堵疏导、交通事故预警等功能，提高城市交通运输的效率和安全性。
[0003]多视觉行人追踪算法可以同时利用多个摄像头进行监控，从而提高监控效率。它可以将多个摄像头拍摄的视频流进行集成，并自动分析和跟踪行人的运动轨迹，减少人工干预的需求，降低监控成本，也可以使用深度学习等技术来提高行人检测和跟踪的精度，从而有效地避免漏报和误报。
[0004]传统的DeepSORT算法采用的是恒速线性卡尔曼滤波，对于匀速运动或者速度变化不大的目标状态预测是比较准确的，当目标突然加速或者突然停顿时，恒速线性卡尔曼滤波的预测效果会有影响，出现目标追踪失败的现象。

技术实现思路

[0005]专利技术目的：为了解决上述现有技术存在的问题，本专利技术提供了一种基于修正DeepSORT的多传感目标群智跟踪方法。
[0006]技术方案：本专利技术提供了一种基于修正DeepSORT的多传感目标群智跟踪方法，该方法通过多个摄像头对任务区域进行目标跟踪，具体包括如下步骤：
[0007]步骤1：利用各摄像头实时获取任务区域的监控视频；
[0008]步骤2，采用基于匈牙利算法的匹配方法，获得摄像头之间当前视频帧的匹配目标并赋予身份ID；
[0009]步骤3，针对每个摄像头，分别利用DeepSORT方法对当前视频帧中分配身份ID的目标进行跟踪，直至目标跟踪任务结束。
[0010]进一步地，所述步骤2具体为：
[0011]步骤2.1：使用YOLOv5对各摄像头获取的当前图像帧分别进行目标检测，获取各图像帧中的目标信息；
[0012]步骤2.2：将步骤2.1获取的目标信息分别输入到ResNet残差网络，提取目标的外观特征；
[0013]步骤2.3：根据摄像头的帧率和步骤2.1获取的目标信息，获取目标的空间运动特
征；
[0014]步骤2.4：将步骤2.2中目标的外观特征和步骤2.3中目标的空间运动特征进行拼接，形成目标的自适应融合特征；
[0015]步骤2.5：利用步骤2.4中目标的自适应融合特征，计算马氏距离和代价矩阵；
[0016]步骤2.6：利用匈牙利算法进行摄像头之间同时刻的目标匹配，获得摄像头之间当前视频帧的匹配目标并赋予身份ID。
[0017]进一步地，所述步骤2.4中目标的自适应融合特征定义如下：
[0018][0019]其中，ψ表示设定权重，表示向量的维度拼接运算符，MT
l
为目标l的空间运动特征，R
l
为目标l的外观特征。
[0020]进一步地，所述设定权重ψ的表达式如下：
[0021][0022]其中，表示目标l距离摄像头视野中心点的距离。
[0023]进一步地，所述步骤2.5中马氏距离的表达式如下：
[0024][0025]其中，为t时刻摄像头p下第l个目标p
l
的自适应融合特征和摄像头q下第f个目标q
f
的自适应融合特征的马氏距离；为与之间的协方差矩阵；
[0026]进一步地，所述步骤2.5中代价矩阵的表达式如下：
[0027][0028]其中，H(p,q)为t时刻摄像头p和摄像头q的代价矩阵，l∈{1,
…
,H
p
}，f∈{1,
…
,H
q
}，H
p
是t时刻摄像头p下目标数，H
q
为t时刻摄像头q下目标数。
[0029]进一步地，所述步骤3的DeepSORT方法中利用最小二乘法拟合加速度预测曲线，进而修正卡尔曼滤波的输入状态检测值，具体包括：
[0030]C1：获取摄像头在时刻t
k
所获取图像帧的卡尔曼滤波输入状态的检测值：
[0031]MT
k
＝(x
k
,y
k
,w
k
,h
k
,v
xk
,v
yk
,v
wk
,v
hk
)
T
[0032]其中，x
k
，y
k
分别表示图像帧中目标检测框的中心点横坐标与纵坐标，w
k
，h
k
分别表示图像帧中目标检测框的宽和高，v
xk
，v
yk
，v
wk
，v
hk
y
k
分别表示x
k
，y
k
，w
k
，h
k
的变化速度；
[0033]C2：基于C1中目标检测框在前k
‑
1个时刻t1,...,t
k
‑1所获取图像帧的加速度数据序列利用最小二乘法拟合加速度预测曲线
[0034][0035]其中，i∈{x,y,w,h}，x,y,w,h为卡尔曼滤波输入状态的四个参数，x,y分别表示目标检测框的中心点横坐标与纵坐标，w,h分别表示目标检测框的宽和高；a
i1
,
…
,a
i(k
‑
1)
分别为时刻t1,...,t
k
‑1卡尔曼滤波输入状态的四个参数对应的加速度数据，表示卡尔曼滤波输入状态的四个参数的加速度拟合预测曲线，和为加速度拟合预测曲线的拟合系数；
[0036]C3：利用加速度预测曲线，对时刻t
k
所获取图像帧的卡尔曼滤波的输入状态检测值进行修正，获得修正之后的卡尔曼滤波的输入状态检测值：
[0037]MT
′
k
＝(x
k
,y
k
,w
k
,h
k
,v
′
xk
,v
′
yk
,v
′
wk
,v
′
hk
)
T
[0038]其中，v
′
ik
为修正之后时刻t
k
卡尔本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于修正DeepSORT的多传感目标群智跟踪方法，其特征在于，该方法通过多个摄像头对任务区域进行目标跟踪，具体包括如下步骤：步骤1：利用各摄像头实时获取任务区域的监控视频；步骤2，采用基于匈牙利算法的匹配方法，获得摄像头之间当前视频帧的匹配目标并赋予身份ID；步骤3，针对每个摄像头，分别利用DeepSORT方法对当前视频帧中分配身份ID的目标进行跟踪，直至目标跟踪任务结束。2.根据权利要求1所述的一种基于修正DeepSORT的多传感目标群智跟踪方法，其特征在于，所述步骤2具体为：步骤2.1：使用YOLOv5对各摄像头获取的当前图像帧分别进行目标检测，获取各图像帧中的目标信息；步骤2.2：将步骤2.1获取的目标信息分别输入到ResNet残差网络，提取目标的外观特征；步骤2.3：根据摄像头的帧率和步骤2.1获取的目标信息，获取目标的空间运动特征；步骤2.4：将步骤2.2中目标的外观特征和步骤2.3中目标的空间运动特征进行拼接，形成目标的自适应融合特征；步骤2.5：利用步骤2.4中目标的自适应融合特征，计算马氏距离和代价矩阵；步骤2.6：利用匈牙利算法进行摄像头之间同时刻的目标匹配，获得摄像头之间当前视频帧的匹配目标并赋予身份ID。3.根据权利要求2所述的一种基于修正DeepSORT的多传感目标群智跟踪方法，其特征在于，所述步骤2.4中目标的自适应融合特征定义如下：其中，ψ表示设定权重，表示向量的维度拼接运算符，MT
l
为目标l的空间运动特征，R
l
为目标l的外观特征。4.根据权利要求2所述的一种基于修正DeepSORT的多传感目标群智跟踪方法，其特征在于，所述设定权重ψ的表达式如下：其中，表示目标l距离摄像头视野中心点的距离。5.根据权利要求2所述的一种基于修正DeepSORT的多传感目标群智跟踪方法，其特征在于，所述步骤2.5中马氏距离的表达式如下：其中，为t时刻摄像头p下第l个目标p
l
的自适应融合特征和摄像头q下第f个目标q
f
的自适应融合特征的马氏距离；为与之间的协方差矩阵。6.根据权利要求5所述的一种基于修正DeepSORT的多传感目标群智跟踪方法，其特征
在于，所述步骤2.5中代价矩阵的表达式如下：其中，H(p,q)为t时刻摄像头p和摄像头q的代价矩阵，l∈{1,
…
,H
p
}，f∈{1,
…
,H
q
}，H
p
是t时刻摄像头p下目标数，H
q
为t时刻摄像头q下目标数。7.根据权利要求1所述的一种基于修正DeepSORT的多传感目标群智跟踪方法，其特征在于，所述步骤3的DeepSORT方法中利用最小二乘法拟合加速度预测曲线，进而修正卡尔曼滤波的输入状态检测值，具体包括：C1：获取摄像头在时刻t
k
所获取图像帧的卡尔曼滤波输入状态的检测值：MT
k
＝(x
k
,y
k
,w
k
,h
k
,v
xk
,v
yk
,v
wk
,v
hk
)
T
其中，x
k
，y
k
分别表示图像帧中目标检测框的中心点横坐标与纵坐标，w
k
，h
k
...

【专利技术属性】
技术研发人员：张晖，王呈呈，赵海涛，朱洪波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：