用于视频监控的行人追踪方法及系统、计算机可读介质技术方案

本发明专利技术涉及图像处理技术领域，尤其涉及用于视频监控的行人追踪方法及系统、计算机可读介质，包括对包含行人目标的视频流进行逐帧处理，产生视频帧对应图像，并对图像进行预处理；将连续帧图像数据输入改进YOLOv5网络模型，进行特征提取与目标检测，获取到目标行人的边界框信息；建立轻量化DeepSort跟踪模型，将DeepSort原有的特征提取模块替换为MobileNetV2特征提取模块；通过计算检测的行人的位置与卡尔曼滤波器预测位置之间的马氏距离，对行人运动信息框进行关联。本发明专利技术解决传统监控容易出现监控结果不稳定、容易漏掉重要信息问题；以及边缘设备上有限的计算资源的约束问题。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及用于视频监控的行人追踪方法及系统、计算机可读介质。

技术介绍

1、伴随着计算机视觉技术的发展，摄像机已经被广泛应用到视频监控领域，尤其是随着人们对公共和个人安全需求的日益增长，大大小小、多种多样的摄像机目前大量分布在边防、公共建筑、公共交通、商场、办公楼、停车场甚至家庭中。

2、需要引入智能监控技术，减轻传统监控系统中监控员的负担并提高监控效果；yolov5是一种基于深度学习的目标检测算法，然而，仅仅进行目标检测是不够的，因为在实际监控场景中，行人会经常出现遮挡现象，导致传统的目标跟踪算法难以准确追踪行人的轨迹。

3、另外，嵌入式和边缘设备上运行复杂的模型通常会受到计算资源和内存限制的制约，因此采用一种更轻量级的特征提取模块来减少模型参数和适应边缘设备的资源限制。

技术实现思路

1、针对现有方法的不足，本专利技术解决传统监控容易出现监控结果不稳定、容易漏掉重要信息问题；以及边缘设备上有限的计算资源的约束问题。

2、本专利技术所采用的技术方案是本文档来自技高网...

【技术保护点】

1.用于视频监控的行人追踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的用于视频监控的行人追踪方法，其特征在于，预处理操作包括：对图像进行调整亮度和对比度、降噪和尺寸调整。

3.根据权利要求1所述的用于视频监控的行人追踪方法，其特征在于，改进YOLOv5网络模型是将YOLOv5网络backbone的第2层、第4层、第6层和第8层的C3模块替换为DAMC3模块；DAMC3是在C3模块的输出层依次连接空间注意力模块、通道注意力模块和卷积模块。

4.根据权利要求1所述的用于视频监控的行人追踪方法，其特征在于，MobileNetV2特征提取模块包括...

【技术特征摘要】

1.用于视频监控的行人追踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的用于视频监控的行人追踪方法，其特征在于，预处理操作包括：对图像进行调整亮度和对比度、降噪和尺寸调整。

3.根据权利要求1所述的用于视频监控的行人追踪方法，其特征在于，改进yolov5网络模型是将yolov5网络backbone的第2层、第4层、第6层和第8层的c3模块替换为damc3模块；damc3是在c3模块的输出层依次连接空间注意力模块、通道注意力模块和卷积模块。

4.根据权利要求1所述的用于视频监控的行人追踪方法，其特征在于，mobi...

【专利技术属性】
技术研发人员：陈从平，吴伟鹏，陆洋，陈奔，刘雅玄，
申请(专利权)人：常州大学，
类型：发明
国别省市：