[发明专利]一种目标跟踪定位方法及装置

说明书

本发明公开了一种目标跟踪定位方法及装置，该方法包括：基于YOLO网络模型的目标检测算法对视频中的目标进行分类和定位，确定视频中的目标对应的检测结果；获取特定跟踪目标对应的检测结果，将特定跟踪目标的检测结果作为输入，构建多阶段学习滤波器跟踪模型；采用多阶段学习滤波器跟踪模型在连续的视频帧中通过预设跟踪决策模型对特定跟踪目标进行跟踪定位。本发明可以对视频监控中的多个目标进行实时跟踪，对视频中出现的某些危险的目标做出预警，还可根据关注程度对特定跟踪目标在一段视频内的运动轨迹和状态进行实时跟踪，从而使得目标跟踪定位具有更好的实际应用价值，满足客户需求的精准性、实时性、自适应性等极为强大的智能监控系统。

技术领域

本发明涉及目标检测及目标跟踪技术领域，特别是涉及一种目标跟踪定位方法及装置。

背景技术

人类与外部世界的联系主要是通过视觉、听觉以及触觉三种基本方式，其中人类的视觉系统是人类感知外部世界和获取外界信息最重要的渠道。据统计，人类获取的外界信息中有80％是通过视觉系统接受。人类通过视觉系统进行观察，可以感知周围环境中物体的形状、颜色以及变化；甚至通过观察不同的照片，人类可以感受到照片中人物的喜怒哀乐。但是，由于人类活动范围和精力是有限的，从而限制了人类视觉系统在一些场景下的应用。例如，在一些危险或极端恶劣的工作环境下，如核电站监控、海底探索等，人们通常使用自动化程度高的计算机视觉替代人类视觉从事相关工作。此外，在流水线工业生产过程中，对产品质量进行检测时，人类由于疲劳等因素无法连续长时间维持高效率和高精度工作，而使用计算机视觉进行检测工作已经被人们广泛接受。

随着电子技术、数字通信计算机处理能力的不断提高，人们日常生活中会产生大量的图像、视频等多种视觉信息。如何让计算机像人类一样能够接收、分析和理解这些图像数据，使机器具有视觉功能已成为计算机科学、应用数学、神经生理学以及心理学等多学科交叉领域中一个最热门的研究问题之一。

目前，在部分的的应用场景中，只需要目标检测算法检测出图像中的各种目标物体的类别和位置即可满足需求，然而在一些情况下，还需要关注特定的某一个特定对象在一段视频中的运动轨迹和状态。例如，在监控系统中，不仅需要采用目标检测算法对视频中出现的某些目标物体做出预警，同时需要考虑对某些特定人员，在某一段视频中所在的位置和状态做调查取证，因此，在物体识别系统中只采用目标检测技术，无法对特定跟踪目标的运动轨迹和状态进行检测跟踪，即，已无法满足客户需求的精准性、实时性、自适应性等极为强大的智能监控系统。

发明内容

本发明的目的在于提出一种目标跟踪定位方法及装置，以解决现有技术的物体识别技术中仅利用目标检测算法，无法对特定跟踪目标的运动轨迹和状态进行检测跟踪，即，已无法满足客户需求的精准性、实时性、自适应性等极为强大的智能监控系统的问题。

为达到上述目的，本发明提供了以下技术方案：

一种目标跟踪定位方法，包括：

基于YOLO网络模型的目标检测算法对视频中的目标进行分类和定位，确定所述视频中的目标对应的检测结果；

获取特定跟踪目标对应的检测结果，将所述特定跟踪目标的检测结果作为输入，构建多阶段学习滤波器跟踪模型，所述多阶段学习滤波器跟踪模型包括：全局阶段滤波器模型、一致性阶段滤波器模型以及初始阶段滤波器模型；

采用所述多阶段学习滤波器跟踪模型在连续的视频帧中通过预设跟踪决策模型对所述特定跟踪目标进行跟踪定位。

进一步地，所述获取特定跟踪目标对应的检测结果，将所述特定跟踪目标的检测结果作为输入，构建多阶段学习滤波器跟踪模型，所述多阶段学习滤波器跟踪模型包括：全局阶段滤波器模型、一致性阶段滤波器模型以及初始阶段滤波器模型的步骤，包括：

获取特定跟踪目标对应的检测结果；