买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东大学

摘要：本发明涉及一种高质量轨迹生成的多行人跟踪方法及系统，包括：步骤1：对当前帧图片进行行人检测并提取ReID特征；步骤2：通过伪深度稀疏匹配方式将当前帧上最新检测到的行人边界框与已有的行人轨迹进行关联匹配；步骤3：通过局部加权插值恢复行人在某些帧上缺失的轨迹，最终获取行人轨迹。本发明遵循基于检测的跟踪范式，结合伪深度稀疏匹配算法实现数据关联，同时对于成功匹配上的畸变框的卡尔曼滤波器参数采用不更新策略，实现了数据关联匹配性能的有效提升。此外，通过引入局部加权插值方法减少了丢失检测，形成了高质量轨迹，明显提高了整体跟踪性能，对于视频监控、智能交通等领域具有重要的研究与应用价值。

主权项：1.一种高质量轨迹生成的多行人跟踪方法，其特征在于，包括：步骤1：对当前帧图片进行行人检测并提取相应的ReID特征；步骤2：通过伪深度稀疏匹配方式将当前帧上最新检测到的行人边界框与已有的行人轨迹进行关联匹配；步骤3：当所有视频帧序列处理完成后，通过局部加权插值恢复行人在某些帧上缺失的轨迹，最终获取行人轨迹；步骤2中，通过伪深度稀疏匹配方式将当前帧上最新检测到的行人边界框与已有的行人轨迹进行关联匹配；包括：将行人边界框底边到图像底边的距离定义为伪深度；行人边界框是指在图像中标记出的用于表示行人位置的矩形框；首先，计算出当前帧上最上方检测框与最下方检测框底边所在直线的距离；然后，按照伪深度从小到大的方向间隔均匀的划分为K个区间，分别对应K个伪深度级别，将当前帧上的所有行人检测框按照自身的伪深度以及其所落在的区间划分为K个子检测集，第一个子检测集包括最下方检测框，最后一个子检测集包括最上方检测框；将当前帧上的所有已有轨迹的预测框按照自身的伪深度以及其所落在的区间分为K个子预测集，第一个子预测集包括最下方检测框，最后一个子预测集包括最上方检测框；最后，得到当前帧上K个子检测集与K个子预测集之后，将同一伪深度级别的子检测集与子预测集进行匹配，在上一伪深度级别未成功匹配的检测或预测将参与下一个伪深度级别的关联匹配过程；将同一伪深度级别的子检测集与子预测集进行匹配，包括：首先，将当前伪深度级别下的M个检测分为G个高分检测和M-G个低分检测；然后，计算G个高分检测和N个已有轨迹之间的相似度矩阵，形成维度为G，N的相似度矩阵Ch，如下式所示： 其中，是相似度矩阵Ch的第i,j个元素，是第i个行人检测框和第j个已有轨迹预测框之间的IOU距离，是第i个行人检测框和第j个已有轨迹预测框的ReID特征之间的余弦距离，是新得到的ReID特征相似度矩阵，θiou是IOU阈值，θemb是ReID特征阈值,θh为对于高分检测允许的最大匹配距离；最后，计算M-G个低分检测和N个已有轨迹之间的IOU相似度矩阵，形成维度为M-G,N的IOU相似度矩阵C'，如下式所示： 其中，是相似度矩阵C'的第i,j个元素，A为低分检测框，B为已有轨迹在当前帧上的预测框,θl为对于低分检测允许的最大匹配距离；得到相似度矩阵Ch和Cl之后，将两者进行拼接，得到维度为M,N的相似度矩阵，如下式所示：C＝Ch,αCl其中，C是拼接后的相似度矩阵，α是缩放因子；得到相似度矩阵C之后，通过匈牙利算法实现行人检测与已有轨迹之间的两两匹配。

全文数据：

权利要求：

百度查询： 山东大学 一种高质量轨迹生成的多行人跟踪方法及系统