一种基于DeepSORT的受扰动莲蓬目标连续跟踪方法技术

本发明专利技术提供一种基于DeepSORT的受扰动莲蓬目标连续跟踪方法，该方法设立了跟踪轨迹ID管理集合（TIM），记录轨迹ID和其对应的剩余时间信息，包括以下步骤：获取视频序列当前帧图像；检测图像中的莲蓬目标；进行轨迹预测；进行DeepSORT级联匹配，随后使用由IoU匹配及欧氏距离匹配组成的复合匹配完成二次匹配；初始化与未匹配的检测框相对应的新跟踪轨迹，以最小ID原则遍历TIM为新轨迹分配ID；结合剩余时间决定轨迹ID的保留或删除；进行轨迹更新。本发明专利技术采用复合匹配改善单一IoU匹配易失效问题，提高了跟踪稳定性；通过设置剩余时间并进行轨迹ID信息管理，可减少ID跳变并为ID恢复提供了条件。本发明专利技术可为复杂环境中受扰动莲蓬的动态采摘提供稳定、准确的目标位置信息。

【技术实现步骤摘要】

本专利技术涉及智慧农业与果蔬自动采摘，特别是一种基于deepsort的受扰动莲蓬目标连续跟踪方法。

技术介绍

1、莲蓬重心高且处于开放环境，易受气流扰动而发生大幅度晃动，空间位置不确定；同时，运动中的莲蓬极易被周围运动的荷叶遮挡，且容易与相邻莲蓬形成错位。因此，在自动采摘任务中，采用深度学习目标检测算法对受扰动莲蓬目标执行识别的难度相较于静态莲蓬大增，容易造成自动采摘失效，影响莲蓬总体收获率和自动采摘的经济性。

2、近年来，基于检测的多目标跟踪方法（mot）在行人识别、自动驾驶、交通管控、视频检测、果实计数等领域获得了广泛关注，其可对视频中多个目标的运动轨迹进行实时预测与跟踪，同时锁定各目标的id，并可消除短时漏检影响。多目标跟踪方法所具有的上述特点，使其可以有效用于受扰动莲蓬的识别、定位。

3、deepsort是当前多目标跟踪方法中的主流算法，其利用深度学习目标检测算法对目标进行检测，再使用deepsort跟踪器对目标进行连续跟踪。但是，该算法面对目标被频繁遮挡、运动幅度大的情况时（如对受扰动莲蓬目标的跟踪），很容易产生跟踪失败、本文档来自技高网...

【技术保护点】

1.一种基于DeepSORT的受扰动莲蓬目标连续跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于DeepSORT的受扰动莲蓬目标连续跟踪方法，其特征在于，所述步骤1中的ID剩余时间Tr的取值为30。

3.根据权利要求1所述的一种基于DeepSORT的受扰动莲蓬目标连续跟踪方法，其特征在于，所述步骤3中的目标检测模型为深度学习模型。

4.根据权利要求1所述的一种基于DeepSORT的受扰动莲蓬目标连续跟踪方法，其特征在于，所述步骤5中的欧氏距离匹配中的欧氏距离计算公式如式（1）所示：

【技术特征摘要】

1.一种基于deepsort的受扰动莲蓬目标连续跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于deepsort的受扰动莲蓬目标连续跟踪方法，其特征在于，所述步骤1中的id剩余时间tr的取值为30。

3.根据权利要求1所述的一...

【专利技术属性】
技术研发人员：卢安舸，崔浩，马秋成，颜振坤，李佺龙，吕小龙，范志豪，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：