一种多目标物体的运动追踪的方法技术

本发明专利技术涉及一种多目标物体的运动追踪的方法，其中，包括：进行运动物体图像输入，如果运动物体的图像为视频数据，则从视频数据中抽取对应的帧图像并进行保存，如果运动物体的图像为图片数据，则直接进行保存；对保存的图像进行预处理，去除图片的噪声，以及图像增强；使用YOLO V3算法进行神经网络模型的训练；获取图像的数据，通过YOLO V3神经网络模型进行物体检测，并检测图像数据中目标的坐标值，通过DeepSort算法对目标进行运动位置预估，对检测的目标以及跟踪轨迹进行匹配关联，并得到目标的追踪结果并进行储存。本发明专利技术对于现有的的卡尔曼滤波检测效果不好的情况，采用YOLO V3与DeepSORT相结合的方式，提高了物体检测的准确率，解决了物体检测效果不准确的问题。

【技术实现步骤摘要】

本专利技术涉及视觉识别技术，特别涉及一种多目标物体的运动追踪的方法。

技术介绍

1、目前进行多目标物品的识别具有较多的方式，例如rfid方法，但是利用rfid的方式，需要在物体上预设rfid标签，成本较高。

2、因此，采用视频识别的方式逐渐成为了一项重要技术，但是现有的视频识别方式，受限于技术水平，往往识别准确度不高，识别效率较低。

技术实现思路

1、本专利技术的目的在于提供一种多目标物体的运动追踪的方法，用于解决现有的视频识别方式，受限于技术水平，往往识别准确度不高，识别效率较低的问题。

2、本专利技术一种多目标物体的运动追踪的方法，其中，包括：进行运动物体图像输入，如果运动物体的图像为视频数据，则从视频数据中抽取对应的帧图像并进行保存，如果运动物体的图像为图片数据，则直接进行保存；对保存的图像进行预处理，去除图片的噪声，以及图像增强；获取图像的数据，通过yolo v3神经网络模型进行物体检测，并检测图像数据中目标的坐标值，通过deepsort算法对目标进行运动位置预估，对检测的目标本文档来自技高网...

【技术保护点】

1.一种多目标物体的运动追踪的方法，其特征在于，包括：

2.如权利要求1所述的多目标物体的运动追踪的方法，其特征在于，通过YOLO V3神经网络模型进行物体检测，包括：

3.如权利要求1所述的多目标物体的运动追踪的方法，其特征在于，通过YOLO V3神经网络模型进行物体检测，包括：

4.如权利要求1所述的多目标物体的运动追踪的方法，其特征在于，DeepSORT通过卷基层和残差为目标进行运动位置预估提供运动特征和外观特征。

5.如权利要求3所述的多目标物体的运动追踪的方法，其特征在于，如YOLO V3神经网络模型检测到目标边界框存在跟踪轨迹，...

【技术特征摘要】

1.一种多目标物体的运动追踪的方法，其特征在于，包括：

2.如权利要求1所述的多目标物体的运动追踪的方法，其特征在于，通过yolo v3神经网络模型进行物体检测，包括：

3.如权利要求1所述的多目标物体的运动追踪的方法，其特征在于，通过yolo v3神经网络模型进行物体检测，包括：

4.如权利要求1所述的多目标物体的运动追踪的方法，其特征在于，deepsort通过卷基层和残差为目标进行运动位置预估提供运动特征和外观特征。

5.如权利要求3所述的多目标物体的运动追踪的方法，其特征在于，如yolo v3神经网络模型检测到目标边界框存在跟踪轨迹，则计算出该目标边界框与跟踪轨迹的相似度。

6.如权利要求1所述的多目标物体的运动追踪的方法，其特征在于，通过deepsort算法对目标进行...

【专利技术属性】
技术研发人员：王晓敬，徐哲炜，
申请(专利权)人：佛山市航光电子科技有限公司，
类型：发明
国别省市：