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】
本专利技术涉及目标跟踪,尤其涉及一种多头肩跟踪方法。
技术介绍
1、近年来,随着计算机视觉领域的迅速发展,目标跟踪技术在许多实际应用中展现出巨大的潜力。尤其是在自动驾驶、智能监控、人机交互等领域,目标跟踪的准确性和实时性直接影响着系统的性能和用户体验。而头和部作为人体重要的部位,在很多场景下扮演着关键的角色,如区域入侵、在岗分析等。然而,实现对多个头肩的同时跟踪仍然面临着挑战。
2、目前的多目标跟踪算法中,目标之间的相互遮挡、运动干扰以及形状多样性等问题导致了跟踪算法的准确性和鲁棒性下降。并且类似deepsort基于特征的多目标跟踪算法,虽然有着不错的跟踪准确性,但是由于其算法新增了人体reid特征模型,对硬件设备的算力要求较高,在边缘设备上部署对头肩跟踪难以达到实时,并且训练一个头肩的reid模型难度较高,跟踪算法难以复制到其他物体的跟踪领域。因此,目前亟需一种能充分考虑目标跟踪精度和速度的多头肩实时检测跟踪方法,使得跟踪算法能够在rk3588平台等边缘设备上对1080p分辨率下的头肩进行实时的检测和跟踪。
技术实现思路
1、本专利技术的目的是针对
技术介绍
存在的技术问题,提出一种多头肩跟踪方法。
2、具体地,本专利技术的一种多头肩跟踪方法,包括如下步骤:
3、获取监控视频流数据;
4、针对当前帧的各头肩目标,使用卡尔曼滤波算法,以预测出其在下一帧中的对应轨迹tracks;
5、通过yolov5s对第下一帧进行检测,以获得
6、针对detections,将其划分为高分目标集合d higt以及低分目标集合d low;
7、针对上述高分目标集合d higt,结合“iou和ssim结构相似度”与tracks进行第一次级联匹配,以得到匹配上的目标集合轨迹match tracks1、未匹配上的目标集合d remain以及未匹配上的轨迹t remain;
8、将d remain以及低分目标集合d low,与t remain,进行第二次iou匹配,以得到匹配上的目标集合轨迹match tracks2、未匹配上的目标集合d re-remain以及未匹配上的轨迹t re-remain;
9、依据上述匹配结果,更新各头肩目标的跟踪轨迹,以实现多头肩目标的跟踪。
10、进一步地,步骤“获取监控视频流数据”,还包括:
11、通过监控相机采集抽取视频帧数据;
12、通过yolov5s对抽帧图片进行头肩目标的矩形框标注;
13、训练yolov5s的头肩检测模型。
14、进一步地,步骤“针对detections,将其划分为高分目标集合d higt以及低分目标集合d low”包括:
15、设定头肩目标置信度阈值τ;
16、将头肩目标集合detections中置信度不小于阈值τ的,设定为高分目标集合dhigt;
17、将头肩目标集合detections中置信度小于阈值τ的,设定为低分目标集合d low。
18、进一步地,步骤“将d remain以及低分目标集合d low,与t remain,进行第二次iou匹配,以得到匹配上的目标集合轨迹match tracks2、未匹配上的目标集合d re-remain以及未匹配上的轨迹t re-remain”还包括:
19、将t re-remain放入t lost,若t lost中的轨迹存在超过设定的生命周期,则从当前帧的轨迹中删除;
20、针对d re-remain,若当中的头肩目标分数不低于设定的阈值∈,且该头肩目标存活时间不小于两帧,则针对该帧,为其创建新的轨迹,并将其更新至头肩目标的跟踪轨迹中,若当中的头肩目标分数低于设定的阈值∈,则将其删除。
21、进一步地,步骤“依据上述匹配结果,更新各头肩目标的跟踪轨迹,以实现多头肩目标的跟踪”还包括:
22、将match tracks1、match tracks2更新至头肩目标的跟踪轨迹;
23、对后续帧的头肩目标跟踪轨迹重复进行上述预测、匹配、更新操作,直至遍历完所有的帧,以完成各头肩目标跟踪轨迹的更新。
24、进一步地,阈值τ=0.5。
25、进一步地,生命周期为30帧。
26、进一步地,第一次级联匹配的iou=0.8,第二次级联匹配的iou=0.5
27、与现有技术相比,本专利技术具有如下有益的技术效果:本专利技术为了防止由于头肩被遮挡、噪声、图像画质等原因,误将低分头肩目标丢弃掉,对现有的跟踪方法作了优化与改进,具体地,是通过只设置一个头肩阈值τ,大于阈值τ的检测框为d high,低于阈值τ的检测框为d low,使得所有的头肩框都参与到匹配流程。并且本专利技术在第一次匹配的过程中融合iou和ssim结构相似度的匹配,用以提高匹配的精度,进一步地,因为在bytetrack下的iou表现出了高效的匹配速度,且相邻的两帧之间,同一个目标的姿势、衣服纹理等等的结构相似度是极高的。所以,在结合“iou和ssim结构相似度”与tracks进行第一次级联匹配时,在增加了匹配准确率之外,只额外增加一点点的匹配时间,有效的权衡了速度和精度,并且不依赖任何reid的特征模型,能够快速的部署到多个应用平台。
本文档来自技高网...【技术保护点】
1.一种多头肩跟踪方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种多头肩跟踪方法,其特征在于,所述步骤“获取监控视频流数据”,还包括:
3.根据权利要求1所述的一种多头肩跟踪方法,其特征在于,所述步骤“针对Detections,将其划分为高分目标集合D higt以及低分目标集合D low”包括:
4.根据权利要求1所述的一种多头肩跟踪方法,其特征在于,所述步骤“将D remain以及低分目标集合D low,与T remain,进行第二次IOU匹配,以得到匹配上的目标集合轨迹Match Tracks2、未匹配上的目标集合D re-remain以及未匹配上的轨迹T re-remain”还包括:
5.根据权利要求4所述的一种多头肩跟踪方法,其特征在于,所述步骤“依据上述匹配结果,更新各头肩目标的跟踪轨迹,以实现多头肩目标的跟踪”还包括:
6.根据权利要求3所述的一种多头肩跟踪方法,其特征在于,所述阈值τ=0.5。
7.根据权利要求4所述的一种多头肩跟踪方法,其特征在于,所述生命周期为30帧。
< ...【技术特征摘要】
1.一种多头肩跟踪方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种多头肩跟踪方法,其特征在于,所述步骤“获取监控视频流数据”,还包括:
3.根据权利要求1所述的一种多头肩跟踪方法,其特征在于,所述步骤“针对detections,将其划分为高分目标集合d higt以及低分目标集合d low”包括:
4.根据权利要求1所述的一种多头肩跟踪方法,其特征在于,所述步骤“将d remain以及低分目标集合d low,与t remain,进行第二次iou匹配,以得到匹配上的目标集合轨迹match tracks2、未匹配上...
【专利技术属性】
技术研发人员:胡胤,王涛,汪云,柴涛涛,
申请(专利权)人:深圳市瑞驰信息技术有限公司,
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。