一种面向机器人导航的移动目标检测及跟踪方法技术

本发明专利技术公开了一种面向机器人导航的移动目标检测及跟踪方法。方法包括：采集遮挡情形下行人的图像并添加标签后按预设比例划分为训练集和验证集；建立改进YOLOv5目标检测网络，将训练集和验证集输入进行训练后获得训练完成的改进YOLOv5检测器；将待检测的遮挡情形下行人的视频流输入改进YOLOv5检测器中，输出带有行人目标检测框结果的视频流，实现移动目标的检测；建立改进Deep SORT跟踪器，将带有行人目标检测框结果的视频流输入，输出带有行人检测框跟踪标签的视频流，实现移动目标的跟踪。本发明专利技术方法有利于提高移动机器人导航中对移动遮挡目标的识别准确率和跟踪能力，改善移动遮挡情形下行人目标漏检误检、跟踪丢失和鲁棒性差的问题。

【技术实现步骤摘要】

本专利技术涉及了一种移动目标检测及跟踪方法，涉及计算机视觉领域，具体涉及一种面向机器人导航的移动目标检测及跟踪方法。

技术介绍

1、遮挡情形下的行人检测和跟踪是指在复杂的场景中准确地检测和跟踪被其他行人、车辆或物体遮挡的行人目标，广泛应用于如智能监控、自动驾驶和人机交互等领域，具有重要价值。传统的遮挡情形下行人检测和跟踪方法往往依赖于手工设计的特征和规则，受限于特征的表达能力和规则的泛化能力。深度学习在计算机视觉领域中的广泛应用为被遮挡行人检测和跟踪技术的发展提供了新的解决方案。

2、现有成熟的深度学习模型能够自动学习和提取图像中的高级语义特征，通过多层神经网络实现对行人目标的准确检测。常用的方法是使用卷积神经网络(cnn)进行图像特征提取，并结合目标检测算法(如faster r-cnn、ssd、yolo等)进行目标的定位和识别。但在面临复杂场景如遮挡情形下行人的检测时，仍然存在许多难点：遮挡程度的不确定会导致不同情况下的特征缺失，增加了被遮挡行人检测的难度；被遮挡的行人目标的外观变化如姿态变化、形状变化、尺度变化等，会使得被遮挡行人的特征表达本文档来自技高网...

【技术保护点】

1.一种面向机器人导航的移动目标检测及跟踪方法，其特征在于，包括：

2.根据权利要求1所述的面向机器人导航的移动目标检测及跟踪方法，其特征在于：所述的步骤1中，遮挡情形下行人的图像上添加标签具体为将图像中的各个行人均添加最小外接矩形框及其信息，包括最小外接矩形框的中心点坐标及其长宽。

3.根据权利要求1所述的面向机器人导航的移动目标检测及跟踪方法，其特征在于：所述的步骤2中，改进YOLOv5目标检测网络具体为在YOLOv5目标检测网络的主干网络Backbone和特征融合部分Neck之间嵌入尺度感知感受野增强Scale-Aware RFE模块。</p>

4.根据...

【技术特征摘要】

1.一种面向机器人导航的移动目标检测及跟踪方法，其特征在于，包括：

2.根据权利要求1所述的面向机器人导航的移动目标检测及跟踪方法，其特征在于：所述的步骤1中，遮挡情形下行人的图像上添加标签具体为将图像中的各个行人均添加最小外接矩形框及其信息，包括最小外接矩形框的中心点坐标及其长宽。

3.根据权利要求1所述的面向机器人导航的移动目标检测及跟踪方法，其特征在于：所述的步骤2中，改进yolov5目标检测网络具体为在yolov5目标检测网络的主干网络backbone和特征融合部分neck之间嵌入尺度感知感受野增强scale-aware rfe模块。

4.根据权利要求1所述的面向机器人导航的移动目标检测及跟踪方法，其特征在于：所述的改进deep sort跟踪器具体包括扩展卡尔曼滤波器ekf、重识别模型、级联匹配和匈牙利算法，将带有行人目标检测框结果的视频流同时输入改进deep sort跟踪器的扩展卡尔曼滤波器ekf和重识别模型中，处理后分别输出视频流中行人的运动特征和外观特征，使用级联匹配法对运动特征和外观特征进行关联匹配后获得匹配结果，将匹配结果使用匈牙利算法数据关联并使用匹配结果更新改进deep sort跟踪器，最终输出带有行人检测框跟踪标签的视频流。

5.根据权利要求4所述的面向...

【专利技术属性】
技术研发人员：刘振宇，张一飞，刘达新，谭建荣，
申请(专利权)人：浙江大学，
类型：发明
国别省市：