System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及目标跟踪,特别是涉及一种多目标跟踪方法、多目标跟踪装置以及计算机存储介质。
技术介绍
1、跨镜头多目标跟踪,亦称跨摄像头多目标跟踪,就是在多个镜头下对于目标物体进行持续跟踪,可应用于智慧安防、智慧零售等多个领域。其主要任务是完成对多个摄像头的视频流的实时分析,实现对不同摄像头内多个目标跨时间、跨空间的连续跟踪。
2、目前,跨镜头行人多目标跟踪研究的技术路线主要为:(1)局部轨迹生成阶段:单摄像头内对检测人形目标进行多目标跟踪,并生成行人运动局部轨迹;(2)跨镜头轨迹关联阶段:对所有摄像头中的局部轨迹进行匹配关联,统一关联的轨迹id。然而,目前的研究普遍受困于单摄像头多目标跟踪的精度,以及有效跨镜头轨迹关联方法的缺乏,导致跨境头的多目标跟踪效果较差。
技术实现思路
1、为解决上述技术问题,本申请提出了一种多目标跟踪方法、多目标跟踪装置以及计算机存储介质。
2、为解决上述技术问题,本申请提出了一种多目标跟踪方法,所述多目标跟踪方法包括:
3、获取针对同一监控区域的不同镜头采集的多路视频流;
4、提取每一路视频流的局部多目标跟踪轨迹;
5、获取所述多路视频流中,两两视频流的局部多目标跟踪轨迹的轨迹相似度距离矩阵,其中,所述轨迹相似度距离矩阵包括轨迹坐标框的相似度;
6、根据所述轨迹相似度距离矩阵获取与目标轨迹具有最多相互近邻的匹配轨迹;
7、将所述目标轨迹和所述匹配轨迹统一为同一目标的跨镜头轨迹
8、其中,所述根据所述轨迹相似度距离矩阵获取与目标轨迹具有最多相互近邻的匹配轨迹,包括:
9、根据所述轨迹相似度距离矩阵获取所述目标轨迹的第一最近邻集合;
10、获取所述第一最近邻集合中每一最近邻轨迹的第二最近邻集合;
11、比较所述第一最近邻集合与所述第二最近邻集合的相互近邻轨迹数量;
12、将所述相互近邻轨迹数量最多的第二最近邻集合对应的最近邻轨迹,作为所述目标轨迹的匹配轨迹。
13、其中,所述获取所述多路视频流中,两两视频流的局部多目标跟踪轨迹的轨迹相似度距离矩阵,包括:
14、获取所述多路视频流中,每一视频流的局部多目标跟踪轨迹;
15、根据所述局部多目标跟踪轨迹中所有目标框的目标外观特征,计算两两视频流的局部多目标跟踪轨迹的轨迹相似度距离矩阵。
16、其中,所述提取每一路视频流的局部多目标跟踪轨迹,包括:
17、提取所述每一路视频流中每一视频帧的若干检测框;
18、获取所述检测框的置信度,以及获取所述检测框内目标的外观特征;
19、根据所述检测框的置信度以及所述外观特征,将所述检测框与历史轨迹进行多次匹配;
20、利用成功匹配的检测框对对应的历史轨迹进行更新,获取所述局部多目标跟踪轨迹。
21、其中,所述获取所述检测框内目标的外观特征,包括:
22、获取所述检测框内目标的图像特征图;
23、将所述图像特征图划分为若干图像特征子图;
24、根据所述图像特征子图在自身以及其他图像特征子图的特征位置提取所述图像特征子图的注意力特征;
25、将所有图像特征子图的注意力特征进行融合,得到所述检测框内目标的外观特征。
26、其中,所述根据所述检测框的置信度以及所述外观特征,将所述检测框与历史轨迹进行多次匹配,包括:
27、根据所述检测框的置信度划分为高置信度检测框和低置信度检测框;
28、对所述历史轨迹进行运动预测,获取所述历史轨迹的目标在当前视频帧的历史检测框;
29、根据所述高置信度检测框与所述历史检测框的重合关系,获取所述高置信度检测框与所述历史检测框对应的历史轨迹的运动距离代价;
30、根据所述高置信度检测框内目标的外观特征,以及所述历史轨迹的轨迹外观特征,获取所述高置信度检测框与所述历史轨迹的外观余弦距离代价;
31、基于所述运动距离代价和所述外观余弦距离代价,将所述高置信度检测框与所述历史轨迹进行匹配,确定与所述高置信度检测框匹配的历史轨迹。
32、其中,所述多目标跟踪方法,还包括:
33、获取所述历史轨迹最新匹配的检测框外观特征,以及所述历史轨迹更新前的历史外观特征;
34、将所述检测框外观特征和所述历史外观特征进行融合,得到所述历史轨迹的轨迹外观特征。
35、其中,所述获取所述高置信度检测框与所述历史轨迹的外观余弦距离代价之后,所述多目标跟踪方法还包括:
36、根据所述高置信度检测框与所述历史检测框的重合关系,对所述外观余弦距离代价进行优化。
37、其中,所述历史轨迹包括确认轨迹和待定轨迹,其中,所述待定轨迹为上一帧未匹配上的历史轨迹;
38、所述确定与所述高置信度检测框匹配的历史轨迹之后,所述多目标跟踪方法还包括:
39、将未匹配的确认轨迹与所述低置信度检测框,按照所述低置信度检测框与所述未匹配的确认轨迹的历史检测框的重合关系进行匹配,确定与所述低置信度检测框匹配的历史轨迹;
40、将未匹配的高置信度检测框与所述待定轨迹,按照所述高置信度检测框与所述待定轨迹的历史检测框的重合关系进行匹配,确定与所述高置信度检测框匹配的待定轨迹。
41、解决上述技术问题,本申请还提出一种多目标跟踪装置,所述多目标跟踪装置包括存储器以及与所述存储器耦接的处理器;其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现如上述的多目标跟踪方法。
42、为解决上述技术问题,本申请还提出一种计算机存储介质,所述计算机存储介质用于存储程序数据,所述程序数据在被计算机执行时,用以实现上述的多目标跟踪方法。
43、与现有技术相比,本申请的有益效果是:多目标跟踪装置获取针对同一监控区域的不同镜头采集的多路视频流;提取每一路视频流的局部多目标跟踪轨迹;获取所述多路视频流中,两两视频流的局部多目标跟踪轨迹的轨迹相似度距离矩阵,其中,所述轨迹相似度距离矩阵包括轨迹坐标框的相似度;根据所述轨迹相似度距离矩阵获取与目标轨迹具有最多相互近邻的匹配轨迹;将所述目标轨迹和所述匹配轨迹统一为同一目标的跨镜头轨迹。通过上述多目标跟踪方法,将不同摄像头间的轨迹关联通过采用目标框级别的k相互近邻算法,使轨迹间的关联更加鲁棒,降低轨迹中一些外观噪声外观主导整个轨迹的外观特征导致错误关联的几率,提升跨镜头跟踪方法的性能。
本文档来自技高网...【技术保护点】
1.一种多目标跟踪方法,其特征在于,所述多目标跟踪方法包括:
2.根据权利要求1所述的多目标跟踪方法,其特征在于,
3.根据权利要求1或2所述的多目标跟踪方法,其特征在于,
4.根据权利要求1所述的多目标跟踪方法,其特征在于,
5.根据权利要求4所述的多目标跟踪方法,其特征在于,
6.根据权利要求4所述的多目标跟踪方法,其特征在于,
7.根据权利要求6所述的多目标跟踪方法,其特征在于,
8.根据权利要求7所述的多目标跟踪方法,其特征在于,
9.根据权利要求6所述的多目标跟踪方法,其特征在于,
10.一种多目标跟踪装置,其特征在于,所述终端设备包括存储器以及与所述存储器耦接的处理器;
11.一种计算机存储介质,其特征在于,所述计算机存储介质用于存储程序数据,所述程序数据在被计算机执行时,用以实现如权利要求1至9任一项所述的多目标跟踪方法。
【技术特征摘要】
1.一种多目标跟踪方法,其特征在于,所述多目标跟踪方法包括:
2.根据权利要求1所述的多目标跟踪方法,其特征在于,
3.根据权利要求1或2所述的多目标跟踪方法,其特征在于,
4.根据权利要求1所述的多目标跟踪方法,其特征在于,
5.根据权利要求4所述的多目标跟踪方法,其特征在于,
6.根据权利要求4所述的多目标跟踪方法,其特征在于,
7.根据权利要求6所述的多...
【专利技术属性】
技术研发人员:郑嘉俊,张诚成,马子昂,
申请(专利权)人:杭州华橙软件技术有限公司,
类型:发明
国别省市:
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。