一种基于分阶段的自适应多目标跟踪方法技术

本发明专利技术涉及一种基于分阶段的自适应多目标跟踪方法，提出了分阶段关联的思路与自适应权重策略，当视频序列中待跟踪目标出现长时间遮挡、形变和光照变化等复杂情况，通过目标被遮挡程度对目标轨迹进行分类，结合实际情况设置合理的轨迹检测框关联顺序，同时针对每次关联设计不同的关联策略，进一步提升了跟踪准确率；将置信度差值与速度方向信息作为弱线索辅助强线索进行目标轨迹与检测框之间的匹配，进一步提升关联成功率；外观特征更新模块针对不同遮挡程度的目标设计不同外观特征更新策略，以提高外观特征的判别性。本发明专利技术的跟踪方法在复杂场景下仍能保持轨迹连续性与跟踪稳定性。

【技术实现步骤摘要】

本专利技术涉及视频目标跟踪领域，具体涉及一种基于分阶段的自适应多目标跟踪方法。

技术介绍

1、视觉目标跟踪是计算机视觉领域中的一个重要问题，它的主要任务是在视频序列中自动定位并跟踪一个事先给定的目标。视频目标跟踪技术广泛应用于视频监控、遥感卫星、无人驾驶等领域。尽管视觉目标跟踪在过去几年得到了快速的发展，但是在实际的应用中仍然存在着诸多的挑战因素有待解决，例如遮挡、快速移动、目标形变、光照、尺度变换和背景杂乱；

2、在多目标跟踪中，遮挡是指目标在观测过程中被其他物体或者环境遮挡而导致目标部分或完全隐藏起来的情况。遮挡可以根据时间长度的不同分为长遮挡和短遮挡。当目标完全无法被观测到，直到遮挡物移开或者目标改变位置重新显露，我们称之为长遮挡。而当目标的某一部分被遮挡，则称之为短遮挡。在多目标跟踪任务中，长遮挡和短遮挡都是具有挑战性的情况，因为它们可能导致目标丢失或轨迹中断。

3、基于检测的目标跟踪任务通过检测每一帧目标的位置信息与外观信息，并利用卡尔曼滤波对目标在下一帧中的位置进行预测，将预测的位置信息与提取的外观信息进行目标之间的关联本文档来自技高网...

【技术保护点】

1.一种基于分阶段的自适应多目标跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于分阶段的自适应多目标跟踪方法，其特征在于，步骤S1中所述的目标检测网络为YOLOX网络，采用Darknet-53进行特征提取，并添加FPN特征金字塔结构用来进行特征融合，使用独立的ReID模型来提取目标外观特征向量。

3.根据权利要求1所述的一种基于分阶段的自适应多目标跟踪方法，其特征在于，步骤S2的具体实施步骤为：

4.根据权利要求3所述的一种基于分阶段的自适应多目标跟踪方法，其特征在于，步骤S3中，对轨迹集合T(1)与检测框集合Dall进行关联，具...

【技术特征摘要】

1.一种基于分阶段的自适应多目标跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于分阶段的自适应多目标跟踪方法，其特征在于，步骤s1中所述的目标检测网络为yolox网络，采用darknet-53进行特征提取，并添加fpn特征金字塔结构用来进行特征融合，使用独立的reid模型来提取目标外观特征向量。

3.根据权利要求1所述的一种基于分阶段的自适应多目标跟踪方法，其特征在于，步骤s2的具体实施步骤为：

4.根据权利要求3所述的一种基于分阶段的自适应多目标跟踪方法，其特征在于，步骤s3中，对轨迹集合t(1)与检测框集合dall进行关联，具体步骤为：

5.根据权利要求4所述的一种基于分阶段的自适应多目标跟踪方法，其特征在于，步骤s4中，对轨迹集合t(2)与检测框集合dremain(1)进行关...

【专利技术属性】
技术研发人员：孙力帆，李炳宇，弓保成，孙硕，张智豪，张冬凯，张高远，张松灿，刘剑锋，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：