龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国石油大学(华东)
申请日：2023-12-15
公开（公告）日：2024-06-28
公开（公告）号：CN118261945A
主分类号：G06T7/277
分类号：G06T7/277;G06T7/70
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明结合深度学习与计算机视觉算法，具体公开了一种适用于复杂场景下的多目标跟踪方法。算法包含以下三个创新：引入轨迹置信度对传统卡尔曼滤波进行改进，可以在存在遮挡的场景下得到正确的匹配结果；引入了除外观与运动外的弱线索，如目标的深度信息及运动方向信息，可以有效针对遮挡及外观相似场景下不同目标间区分度较低的问题，减少误匹配率；同时还设计了一种轨迹恢复策略，可以找回因短时间内严重遮挡而丢失的目标以获得完整的轨迹。本发明实现了拥挤、遮挡或目标外观相似等复杂场景下较为鲁棒的多目标跟踪。
主权项：1.1将轨迹置信度引入Kalman滤波，用于分离目标间的前景背景遮挡被遮挡关系，在匹配时将置信度代价加入到代价矩阵2将丢失轨迹和当前帧未匹配成功的观测值输入到轨迹恢复模块，使用非对称卷积对目标的运动方向进行建模，通过网络计算轨迹与观测值两两之间的相似度得到关联矩阵，相似度分数大于一定阈值本实验中设定为0.9的轨迹-观测值对即被认为是同一目标，丢失轨迹成功被找回。3引入深度信息，将目标按照深度信息划分等级，在关联匹配时遵循深度级联匹配策略，所有目标按照划分的深度等级依此进行匹配，前一层级未匹配成功的轨迹会保留下来，继续参与当前层级的匹配。4在关联匹配时引入运动方向代价。对于轨迹，通过对一定时间间隔的两个历史轨迹点进行连线来计算该目标的运动方向，对于当前帧检测到的目标，将其与轨迹最近一次观测值两两之间进行连线计算角度差值作为运动方向代价，这里角度差的计算采用目标边界框四个顶点角度差的均值作为最终运动方向代价。
全文数据：
权利要求：
百度查询： 中国石油大学(华东) 一种复杂场景下的多目标跟踪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号