【技术实现步骤摘要】
本专利技术涉及计算机视觉，特别是一种基于外观特征质量筛选的多目标跟踪方法及其应用该方法的装置及计算机可读存储介质。
技术介绍
1、多目标跟踪算法(multi-object tracking, mot)是计算视觉领域的重要研究方向，旨在对场景中的多个目标同时进行准确的跟踪和识别。随着计算机视觉和深度学习技术的不断发展，多目标跟踪算法在各个领域的应用前景越来越广阔。在自动驾驶领域，mot算法可以实现对行人、车辆等道路使用者的准确跟踪，为安全驾驶和交通管理提供有力支持。在视频监控领域，mot算法可以实现对监控场景中的多个目标进行持续跟踪和轨迹分析，为安全防范和事件调查提供重要依据。此外，mot算法还可以应用于人机交互、行为分析、体育视频分析等多个领域，具有广泛的应用前景和重要的研究价值。
2、多目标跟踪算法主要是通过结合目标检测、特征提取和数据关联技术，对视频序列中的多个目标进行持续跟踪与轨迹重建。它首先利用目标检测算法识别出每一帧中的目标，然后提取目标的特征信息，并通过数据关联算法将不同帧中的目标进行匹配，以构建出每个目标的完整
<本文档来自技高网...【技术保护点】
1.一种基于外观特征质量筛选的多目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于外观特征质量筛选的多目标跟踪方法，其特征在于，所述外观特征网络包括5个阶段，第1阶段包括1个卷积网络模块，第2阶段至第5阶段分别包括重复堆叠的2个卷积网络模块，形成9层的卷积网络结构；所述第5阶段的输出层后方还设有用于对所述外观特征进行质量评估的质量评估模块，所述质量评估模块依次包括一个输出长度128维的第一全连接层、一个输出长度为1的第二全连接层和一个sigmoid激活函数。
3.根据权利要求2所述的一种基于外观特征质量筛选的多目标跟踪方...
【技术特征摘要】
1.一种基于外观特征质量筛选的多目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于外观特征质量筛选的多目标跟踪方法，其特征在于，所述外观特征网络包括5个阶段，第1阶段包括1个卷积网络模块，第2阶段至第5阶段分别包括重复堆叠的2个卷积网络模块，形成9层的卷积网络结构；所述第5阶段的输出层后方还设有用于对所述外观特征进行质量评估的质量评估模块，所述质量评估模块依次包括一个输出长度128维的第一全连接层、一个输出长度为1的第二全连接层和一个sigmoid激活函数。
3.根据权利要求2所述的一种基于外观特征质量筛选的多目标跟踪方法，其特征在于，所述质量分数的计算公式为：
4.根据权利要求2所述的一种基于外观特征质量筛选的多目标跟踪方法，其特征在于，所述质量评估模块的损失函数为：
5.根据权利要求1所述的一种基于外观特征质量筛选的多目标跟踪方法，其特征在于，所述目标检测器，是采用yolox检测器对输入视频序列的逐帧图像进行目标检测，获取每帧中检测目标的位置信息，得到目标位置集合；基于所述位置信息，截取该帧图像中对应的目标图像；针对任意视频的第帧图像,获取目标图像集合,其中表示视频的第帧图像，表示该帧图像中的第个目标；使用外观特征网络对所述目标图像集合进行特征提取，获取目标图像的外观特征向量集合；对外观特征进行质量评估，获取目标图像的质量分数集合。
6.根据权利要求...
【专利技术属性】
技术研发人员：吴翔，苏晓生，詹东晖，
申请(专利权)人：厦门瑞为信息技术有限公司，
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。