申请/专利权人：广西民族大学

申请日：2023-07-13

公开（公告）日：2024-06-28

公开（公告）号：CN116912882B

主分类号：G06V40/10

分类号：G06V40/10;G06V20/40;G06V10/82;G06V10/774;G06V10/74

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2023.11.07#实质审查的生效;2023.10.20#公开

摘要：本发明属于人工智能的多目标跟踪技术领域。一种基于头部和躯干检测的增强DeepSort单镜行人跟踪算法，该方法包括：S1.调用YOLOv5检测出每个视频帧中行人的头部框和整个身体框；S2.对检测出的头部框进行过滤筛选；S3.对检测出的身体框进行过滤筛选；S4.将S2中筛选后的头部框与S3中筛选后的身体框按照本地规则配对；S5.建立DeepSort目标跟踪模型，将成功配对后的头部框送入DeepSort目标跟踪模型中进行目标匹配、跟踪、预测与更新。本发明可有效提高人体头部与躯体特征提取的能力，解可有效降低ID互换、多人共享一个跟踪ID等误判状况出现的频次，大大提升了跟踪的准确度。

主权项：1.一种基于头部和躯干检测的增强DeepSort单镜行人跟踪算法，该方法处理的对象是在行人密集场所中固定使用单个摄像头拍摄的一段视频，在视频中多个行人会不断走动，其特征在于，对视频中的每一个视频帧进行提取，获取后续模型训练的图片数据集，并按照以下步骤操作：S1.调用YOLOv5检测出每个视频帧中行人的头部框和整个身体框；S2.对检测出的头部框进行过滤筛选，具体步骤为：首先，构建可对边界框有效过滤筛选的自定义BCA规则，该BCA规则为：假设有两个不同的边界框box1和box2，box1为面积较大的边界框，满足以下条件：1阈值条件：IOSA大于一定阈值，该阈值范围为[0,1]，其中IOSA的计算公式为： 2位置条件：坐标box1_x1box2_x1、box1_x2box2_x2；然后，将当前视频帧中的所有头部框head_bboxes逐个进行一对一比较，若两个头部框满足BCA中IOSA0.9规则，则将面积较小的头部框保存在head_bboxes_reduced中；S3.对检测出的身体框进行过滤筛选，具体步骤为：将person_bboxes中的身体框分别与S2中head_bboxes_reduced中的头部框对比，按照对比结果划分：按照第一设定筛选对比方式进行划分，并输出划分结果；其中，第一设定筛选对比方式为：1符合BCA中IOSA0.7规则的身体框加入到body_bboxed_reduced；2符合BCA位置条件但不符合阈值条件，即IOSA0.7的身体框加入unqualify_body_reduced；3将符合1中条件的头部框剔除，剩余的头部框加入unmatch_head；4将不符合BCA阈值条件和位置条件的身体框加入到only_body_reduced；S4.将S2中筛选后的头部框与S3中筛选后的身体框按照本地规则配对；S5.建立DeepSort目标跟踪模型，将成功配对后的头部框送入DeepSort目标跟踪模型中进行特征提取、目标跟踪、数据关联、目标更新与目标丢失和删除的操作，具体步骤为：对于检测到的每一个目标，DeepSort目标跟踪模型使用预训练的神经网络提取跟踪目标的外观特征；DeepSort目标跟踪模型维护已跟踪目标的列表，并且对于每一个新的视频帧，DeepSort算法通过比较新检测到的跟踪目标和已跟踪目标的运动信息和外观特征，以关联新的目标和已跟踪的目标；基于目标的运动信息和外观特征的相似度，DeepSort目标跟踪模型使用匈牙利算法以解决数据关联问题，即确定新检测到的目标和已跟踪的目标之间的对应关系；基于数据关联的结果，DeepSort目标跟踪模型更新已跟踪目标的状态，或者添加新的目标到跟踪列表中；若一个已跟踪的目标在连续多个视频帧中都没有被检测到，DeepSort目标跟踪模型判定该目标已经丢失，并将其从跟踪列表中删除。

全文数据：

权利要求：

百度查询： 广西民族大学 一种基于头部和躯干检测的增强DeepSort单镜行人跟踪算法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD