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：东南大学

摘要：本发明公开了一种自动可变跟踪模态的多目标在线跟踪方法，步骤如下：首先使用目标检测算法获取各目标检测数据；根据当前帧检测进行轨迹初始化以及基于几何关联特征图的轨迹预处理；利用卡尔曼滤波预测目标在当前帧上的预测位置，根据基于几何关联特征图训练模态选择器确定当前跟踪模态简易或复杂；最后目标根据对应的跟踪模态选择不同跟踪器进行目标关联，得到当前帧的多目标跟踪轨迹。本发明通过对多目标的检测数据进行在线的交互分析，实现了不同交互遮挡条件下的跟踪模态自动确定，将复杂的多目标跟踪问题进行解耦，使不同跟踪难度的目标自适应的选择对应的跟踪模态高效地进行数据关联，在保证跟踪精度下，提高了跟踪算法的效率。

主权项：1.一种自动可变跟踪模态的多目标在线跟踪方法，其特征在于：步骤1：应用目标检测器对当前视频帧的同类别目标进行检测，获取检测数据；步骤2：对当前帧的轨迹进行初始化以及预处理；步骤3：基于卡尔曼滤波进行当前帧的跟踪目标位置预测，根据基于多维度几何关联特征图的多层感知机网络推理该目标的跟踪模态；步骤4：根据待跟踪目标的跟踪模态选择简易或复杂多目标跟踪器进行对应的数据关联；步骤5：对已关联的轨迹进行后处理，跨帧关联上的轨迹进行帧间线性插值，恢复目标在整个时间戳上的运动轨迹；所述步骤2的具体方法为：跟踪前对待跟踪轨迹进行初始化，若当前帧为跟踪初始帧，各检测初始化为轨迹第一帧；对轨迹进行预处理，评估已跟踪轨迹的跟踪质量，基于神经网络的轨迹评估器输出的轨迹得分大于0.5的为高质量轨迹Thigh以及轨迹得分小于0.5的为低质量轨迹Tlow；其中，评估已跟踪轨迹的跟踪质量方法为：步骤2.1：基于已跟踪轨迹集合内的检测数据，建立当前跟踪目标的状态方程，由7个变量组成：其中u和v表示对象中心的水平和垂直坐标，而检测包围框的比例和纵横比分别用s和r描述；纵横比被认为是恒定的；最后应用卡尔曼滤波预测得到轨迹在当前帧的预测包围框中心点以及宽高数据：xpre,ypre,wpre,hpre；步骤2.2：根据步骤2.1得出的预测位置xT,yT,wT,hT与步骤1中的目标检测数据xD,yD,wD,hD之间的几何关联特征向量VTD以及当前轨迹关联检测之间的几何关联特征序列VTT；将VTD和VTT输入到神经网络中评估当前轨迹的跟踪质量，输出轨迹得分；其中几何关联特征由7维特征构成：g6＝IoUT,D,g7＝tD-tT；几何关联特征G如下式表示：G＝g1,g2,g3,g4,g5,g6,g7,g81轨迹得分P由下式计算，N1，N2，N3为多层感知机MLP：P＝N3N1VTD+N2VTT2步骤2.3：根据步骤2.2得出的高质量轨迹Thigh与低质量轨迹Tlow，对于连续5帧都被评估为低质量轨迹，终止当前目标的跟踪；在执行后续跟踪流程时，高质量轨迹Thigh先执行，低质量轨迹Tlow后执行；所述步骤3的具体方法为：步骤3.1：根据步骤2.1得出轨迹预测位置xT,yT,wT,hT与候选目标检测数据之间的几何关联特征向量VTD以及当前跟踪轨迹最后一帧上与该帧上其他检测之间的几何关联特征向量VTL；步骤3.2：将步骤3.1中得到的VTD进行更新得到向量与VTL拼接后输入到分类神经网络，根据轨迹的实际交互状态判断轨迹应选择的跟踪模态，实现自动跟踪模态选择功能，当类别得分小于0.5时模态为简单，当类别得分大于0.5时模态为复杂；模式类别得分PM由下式计算，N4，N5，N6为多层感知机MLP：

全文数据：

权利要求：

百度查询： 东南大学 一种自动可变跟踪模态的多目标在线跟踪方法