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】
本专利技术涉及计算机视觉,尤其涉及一种多目标跟踪方法、装置、设备及存储介质。
技术介绍
1、多目标跟踪是计算机视觉领域中重要的研究方向之一,可广泛应用于交通管理、安防监控、自动驾驶、机器人以及体育赛事等诸多领域。其目标是从动态视频中同时跟踪多个感兴趣的目标,包括行人、车辆、动物等。
2、在多目标跟踪的过程中,需要首先在视频帧中检测感兴趣的目标,并对其进行标记。然后,通过目标的运动模式、外观特征等信息,利用跟踪算法进行目标的轨迹预测和更新。
3、目前,常用的多目标跟踪算法为deepsort算法,然而,当该算法应用在车载摄像头上时,因为道路颠簸常使得易造成目标跟踪失败。
技术实现思路
1、本专利技术实施例提供了一种多目标跟踪方法、装置、设备及存储介质,以解决目前的多目标跟踪算法应用在车载摄像头上时无法准确地跟踪的问题。
2、第一方面,本专利技术实施例提供了一种多目标跟踪方法,包括:
3、对待跟踪视频序列中的当前帧进行目标检测,生成检测对象在当前帧的检测对象序列,其中,检测对象序列包括检测对象的检测边界框和检测类别;
4、基于检测对象在上一帧的跟踪对象序列预测检测对象在当前帧的跟踪对象序列,并基于摄像头的俯仰程度,对当前帧的跟踪对象序列中的原始的跟踪边界框进行修正,得到当前帧修正的跟踪对象序列;其中,跟踪对象序列包括检测对象的跟踪边界框和跟踪类别;上一帧为当前帧相邻的前一帧;
5、对当前帧的检测对象序列和当前帧修正的
6、基于匹配算法对相似度矩阵进行计算,确定匹配关系,基于匹配关系更新当前帧修正的跟踪对象序列,并基于当前帧更新后的跟踪对象序列重复执行以上跟踪过程,直至完成对待跟踪视频序列的跟踪。
7、在一种可能的实现方式中,基于摄像头的俯仰程度对当前帧的跟踪对象序列中的原始的跟踪边界框进行修正,包括:
8、基于道路消失点在像素坐标系下的纵坐标的变化量和预设测量误差,对当前帧的跟踪对象序列中的原始的跟踪边界框的坐标进行修正。
9、在一种可能的实现方式中,原始的跟踪边界框包括原始的跟踪边界框的中心点纵坐标;
10、基于道路消失点在像素坐标系下的纵坐标的变化量和预设测量误差,对当前帧的跟踪对象序列中的原始的跟踪边界框的坐标进行修正,包括:
11、基于车道线检测模型分别对上一帧和当前帧进行车道线检测的检测结果,确定道路消失点在像素坐标系下的纵坐标的变化量;
12、基于道路消失点在像素坐标系下的纵坐标的变化量和预设测量误差,对当前帧的跟踪对象序列中的原始的跟踪边界框的中心点纵坐标进行修正。
13、在一种可能的实现方式中,相似度包括类别相似度、外观特征相似度和重叠度;
14、对当前帧的检测对象序列和当前帧修正的跟踪对象序列进行相似度计算,确定相似度矩阵,包括:
15、基于目标检测对象的检测类别和目标跟踪对象的跟踪类别,确定目标检测对象和目标跟踪对象的类别相似度;其中,目标检测对象为当前帧的检测对象序列中的任意一个对象,目标跟踪对象为当前帧的更新的跟踪对象序列中的任意一个对象;
16、基于目标检测对象的外观特征向量和目标跟踪对象的外观特征向量,确定目标检测对象和目标跟踪对象的外观特征相似度;
17、基于目标检测对象的检测边界框和目标跟踪对象的跟踪边界框,确定目标检测对象和目标跟踪对象的重叠度;
18、基于目标检测对象和目标跟踪对象的类别相似度、外观特征相似度和重叠度,确定目标检测对象和目标跟踪对象的相似度;
19、基于所有目标检测对象和目标跟踪对象的相似度,确定相似度矩阵。
20、在一种可能的实现方式中,基于目标检测对象的外观特征向量和目标跟踪对象的外观特征向量,确定目标检测对象和目标跟踪对象的外观特征相似度,包括:
21、将目标检测对象的检测边界框内的图像和目标跟踪对象的跟踪边界框内的图像缩放为相同尺寸的第一目标检测对象和第一目标跟踪对象;
22、分别对第一目标检测对象和第一目标跟踪对象进行特征提取,得到第一目标检测对象的外观特征向量和第一目标跟踪对象的外观特征向量;
23、若目标检测对象的检测类别和目标跟踪对象的跟踪类别一致或相似,则基于第一目标检测对象的外观特征向量和第一目标跟踪对象的外观特征向量的余弦相似度,确定目标检测对象和目标跟踪对象的外观特征相似度;否则,确定目标检测对象和目标跟踪对象的外观特征相似度为预设相似度值。
24、在一种可能的实现方式中,检测边界框包括检测边界框的中心点横坐标、中心点纵坐标、检测边界框的像素宽度以及检测边界框的像素高度;跟踪边界框包括跟踪边界框的中心点横坐标、中心点纵坐标、跟踪边界框的像素宽度以及跟踪边界框的像素高度;
25、目标检测对象和目标跟踪对象的重叠度的计算公式为:
26、;
27、其中,;
28、xi为第 i个目标检测对象的检测边界框的中心点横坐标,yi为第 i个目标检测对象的检测边界框的中心点纵坐标,wi为第 i个目标检测对象的检测边界框的像素宽度,hi为第 i个目标检测对象的检测边界框的像素高度,为第 j个目标跟踪对象修正的跟踪边界框的中心点横坐标,为第 j个目标跟踪对象修正的跟踪边界框的中心点纵坐标,为第 j个目标跟踪对象修正的跟踪边界框的像素宽度,为第 j个目标跟踪对象修正的跟踪边界框的像素高度,为预设测量误差。
29、在一种可能的实现方式中,目标检测对象和目标跟踪对象的相似度的计算公式为:
30、;
31、 d1(i,j)为第i个目标检测对象与第j个目标跟踪对象的类别相似度, d2(i,j)为第i个目标检测对象与第j个目标跟踪对象的外观特征相似度, d3(i,j)为第i个目标检测对象与第j个目标跟踪对象的重叠度,λ为权重系数。
32、第二方面,本专利技术实施例提供了一种多目标跟踪装置,包括:
33、目标检测模块,用于对待跟踪视频序列中的当前帧进行目标检测,生成检测对象在当前帧的检测对象序列,其中,检测对象序列包括检测对象的检测边界框和检测类别;
34、跟踪检测模块,用于基于检测对象在上一帧的跟踪对象序列预测检测对象在当前帧的跟踪对象序列,并基于摄像头的俯仰程度,对当前帧的跟踪对象序列中的原始的跟踪边界框进行修正,得到当前帧修正的跟踪对象序列;其中,跟踪对象序列包括检测对象的跟踪边界框和本文档来自技高网...
【技术保护点】
1.一种多目标跟踪方法,其特征在于,包括:
2.如权利要求1所述的多目标跟踪方法,其特征在于,所述基于摄像头的俯仰程度对所述当前帧的跟踪对象序列中的原始的跟踪边界框进行修正,包括:
3.如权利要求2所述的多目标跟踪方法,其特征在于,所述原始的跟踪边界框包括原始的跟踪边界框的中心点纵坐标;
4.如权利要求1所述的多目标跟踪方法,其特征在于,所述相似度包括类别相似度、外观特征相似度和重叠度;
5.如权利要求4所述的多目标跟踪方法,其特征在于,所述基于目标检测对象的外观特征向量和目标跟踪对象的外观特征向量,确定所述目标检测对象和所述目标跟踪对象的外观特征相似度,包括:
6.如权利要求4所述的多目标跟踪方法,其特征在于,所述检测边界框包括检测边界框的中心点横坐标、中心点纵坐标、检测边界框的像素宽度以及检测边界框的像素高度;所述跟踪边界框包括跟踪边界框的中心点横坐标、中心点纵坐标、跟踪边界框的像素宽度以及跟踪边界框的像素高度;
7.如权利要求4所述的多目标跟踪方法,其特征在于,所述目标检测对象和所述目标跟踪对象的相似度
8.一种多目标跟踪装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种多目标跟踪方法,其特征在于,包括:
2.如权利要求1所述的多目标跟踪方法,其特征在于,所述基于摄像头的俯仰程度对所述当前帧的跟踪对象序列中的原始的跟踪边界框进行修正,包括:
3.如权利要求2所述的多目标跟踪方法,其特征在于,所述原始的跟踪边界框包括原始的跟踪边界框的中心点纵坐标;
4.如权利要求1所述的多目标跟踪方法,其特征在于,所述相似度包括类别相似度、外观特征相似度和重叠度;
5.如权利要求4所述的多目标跟踪方法,其特征在于,所述基于目标检测对象的外观特征向量和目标跟踪对象的外观特征向量,确定所述目标检测对象和所述目标跟踪对象的外观特征相似度,包括:
6.如权利要求4所述的多目标跟踪方法,其特征在于,所述检测边界框包括检测边界框...
【专利技术属性】
技术研发人员:徐显杰,陈国茗,荆茂盛,李晓东,孟令航,马维博,于彬,薛英,
申请(专利权)人:天津所托瑞安汽车科技有限公司,
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。