基于Deep-sort改进的车辆与行人跟踪方法技术

本发明专利技术公开了一种基于Deep‑sort改进的车辆与行人跟踪算法推荐。涉及推荐方法领域，以改进的Deep‑Sort作为跟踪器，由于Deep‑Sort算法的跟踪对象为人，而本文的研究对象为车辆，外观模型并不适用，改进地Deep‑Sort对Deep‑Sort的特征提取网络做了三方面的改进：基于ResNet‑34重新搭建了特征提取网络，使其更适合车辆特征的提取；引入中心损失函数和三元组损失函数，与Softmax损失函数联合使用，更好地优化网络的类内和类间距离；使用余弦退火学习率衰减方法使得网络训练模型的最终收敛效果更好。改进了的特征提取网络进行训练，实验结果表明，训练获得的车辆外观模型具有良好的分类能力，与原始模型相比提高了车辆特征的识别能力。在多运动车辆跟踪实验中，使用OTB‑100数据集及日常监控道路视频对D‑MMVT算法进行测试，使用准确率MOTA和精确率MOTP及ID切换次数作为评价标准，并与其他跟踪算法进行对比实验，实验结果说明D‑MMVT算法对严重遮挡的目标及小目标有更好的跟踪效果，提升了跟踪的准确性与精度。

【技术实现步骤摘要】

本专利技术涉及推荐方法领域，尤其涉及一种基于deep-sort改进的车辆与行人跟踪方法。

技术介绍

1、在计算机视觉中，目标检测是指在图像和视频中寻找感兴趣的目标，简单来说就是在一个场景中对目标进行分类和定位。由于目标的形状、外观和姿态不尽相同，而且在成像过程中会受到光照、阴影、遮挡等干扰因素的影响，目标检测已成为计算机视觉中最具挑战性的研究方向之一；目标跟踪是指在一段连续的视频中建立起待跟踪目标的位置关系，获得目标完整的运动轨迹，通过获取视频第一帧中目标的位置信息，来预测目标在下一帧中的准确位置，在运动过程中，目标可能会出现诸如形状、姿态、尺度、光照或遮挡的变化等，对运动目标跟踪算法的研究也集中在解决这些变化和特定应用上。目标检测与跟踪广泛应用于多媒体成像、视频监控等方面。

2、目标检测与跟踪一般分为两步：第一步是进行目标检测，即识别出视频初始帧中所有的目标；第二步是进行目标跟踪，即在之后的视频帧中对识别出来的目标进行跟踪。技术上有针对单目标跟踪和针对多目标跟踪之分，后者的技术相对复杂，难度更高。多车辆的检测与跟踪作为多运动目标检测与跟踪的研本文档来自技高网...

【技术保护点】

1.基于Deep-sort改进的车辆与行人跟踪方法，其特征在于，所述方法包括以下步骤

2.根据权利要求1所述的基于Deep-sort改进的车辆与行人跟踪算法，其特征在于：所述步骤A得到改进的通道的维度，按照如下步骤骤A1至步骤A3进行，得到改进的通道维度：

3.根据权利要求1所述的基于Deep-sort改进的车辆与行人跟踪算法，其特征在于，步骤B引入三元组损失函数和中心损失函数，采用Softmax损失、中心损失和三元组损失函数联合训练，得到改进的Deep-Sort算法的损失函数，包括以下B1至B4步骤：

4.根据权利要求1所述的基于Deep-sort改...

【技术特征摘要】

1.基于deep-sort改进的车辆与行人跟踪方法，其特征在于，所述方法包括以下步骤

2.根据权利要求1所述的基于deep-sort改进的车辆与行人跟踪算法，其特征在于：所述步骤a得到改进的通道的维度，按照如下步骤骤a1至步骤a3进行，得到改进的通道维度：

3.根据权利要求1所述的基于deep-sort改进的车辆与行人跟踪算法，其特征在于，步骤b引入三元组损失函数和中心损失函数，采用softmax损失、中心损失和三元组损失函数联合训练，得到改进的deep-sort算法的损失函数，包括以下b1至b4步骤：

4.根据权利要求1所述的基于deep-sort改进的车辆与行人跟踪算法，其特征在于，步骤c状态预...

【专利技术属性】
技术研发人员：杨超，季鹏，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：