【技术实现步骤摘要】
本专利技术属于计算机视觉和模式识别领域，具体涉及一种基于约束级联匹配的跨摄像头多目标在线跟踪方法。
技术介绍
1、随着智慧城市的建设，越来越多的公共场所开始部署监控摄像头组成区域视频监控网络，为公众安全提供保障。跨摄像头多目标跟踪技术需要集成目标检测、行人重识别、单摄像头多目标跟踪和跨摄像头匹配对监控范围中的行人进行持续跟踪，可以广泛应用于智能安防监控、智慧城市等领域。
2、近年来，跨摄像头多目标跟踪的相关技术大多数注重于设计跟踪精度更高的离线跟踪算法。多目标离线跟踪算法首先需要获取目标在每个摄像头中的轨迹(称为局部轨迹)，然后提取局部轨迹的特征信息，利用所有时刻下的特征信息将局部轨迹进行跨摄像头匹配，得到目标的跨摄像头轨迹(称为全局轨迹)，最后为每条全局轨迹分配身份标签。离线跟踪算法的优势在于可以利用所有时刻下的轨迹信息对跨摄像头匹配进行全局优化，所以通常能获得相较于在线跟踪算法更高地跟踪精度。
3、但是离线跟踪算法只有在获取所有局部轨迹之后，才能进行跨摄像头的轨迹匹配，而且复杂的后处理过程也产生了高昂的计算成本。对此，本专利技术设计了基于约束级联匹配的跨摄像头多目标在线跟踪方法，通过基于约束级联的在线匹配将目标的边界框直接与已有的全局轨迹进行关联，在线获得目标的全局轨迹，具有现实意义和良好应用前景。
技术实现思路
1、本专利技术的目的在于提供一种基于约束级联匹配的跨摄像头多目标在线跟踪方法。
2、实现本专利技术的技术解决方案为：第一方面，本专
3、步骤1，在每个摄像头视频的当前帧中，利用目标检测模型获得图片中行人的边界框坐标信息和边界框图片；
4、步骤2，将步骤1中得到的边界框图片输入到行人重识别模型中，得到当前帧中行人的外观特征；
5、步骤3，使用单摄像头多目标跟踪器关联步骤1中得到的行人边界框和处于激活状态的轨迹，得到关联成功的轨迹、关联失败的轨迹和关联失败的行人边界框；
6、步骤4，使用约束级联匹配方法关联步骤3中关联失败的行人边界框和中断轨迹池中的轨迹，得到关联成功的轨迹和关联失败的行人边界框；
7、步骤5，使用约束级联匹配方法关联步骤4中关联失败的行人边界框和消失轨迹池中的轨迹，得到关联成功的轨迹和关联失败的行人边界框；
8、步骤6，针对步骤3中关联失败的轨迹，如果目标未离开监控范围，则将轨迹设为中断状态并存放到中断轨迹池中；如果目标离开监控范围，则将轨迹设为消失状态并存放到消失轨迹池中；
9、步骤7，将步骤3、步骤4和步骤5中关联成功的轨迹设置为激活状态，并使用行人边界框的信息更新轨迹的位置和外观特征集合；
10、步骤8，将步骤5中关联失败的行人边界框初始化为新的轨迹，设置轨迹的状态为激活状态并分配新的身份标签。
11、第二方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法的步骤。
12、第三方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的方法的步骤。
13、本专利技术与现有技术相比，其显著优点在于：
14、(1)使用轨迹池分别存储中断轨迹和消失轨迹，然后使用将行人边界框依次与同一摄像头中的中断轨迹和不同摄像头中的消失轨迹关联的级联匹配策略，减小了轨迹碎片的干扰，从而提高了跨摄像头匹配的精度。
15、(2)基于级联匹配策略和时空约束，充分利用已有的轨迹信息，将行人边界框直接与已有的轨迹关联并在线分配身份标签，无须复杂的后处理，提高了跨摄像头多目标跟踪的效率。
本文档来自技高网...【技术保护点】
1.一种基于约束级联匹配的跨摄像头多目标在线跟踪方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤4具体为：
3.根据权利要求1所述的方法，其特征在于，所述步骤5具体步骤为：
4.根据权利要求1所述的方法，其特征在于，所述步骤7具体步骤为：
5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一所述的方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的方法的步骤。
【技术特征摘要】
1.一种基于约束级联匹配的跨摄像头多目标在线跟踪方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤4具体为：
3.根据权利要求1所述的方法，其特征在于，所述步骤5具体步骤为：
4.根据权利要求1所述的方法，其特征在于，所述步骤7具体步骤为：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。