[发明专利]一种视觉传感器网络多目标跟踪方法、装置及系统

说明书

本发明实施例公开了一种视觉传感器网络多目标跟踪方法、装置及系统，方法包括：边缘计算节点接收视觉传感器节点对获取图像进行行人目标检测后得到的行人目标数据；根据行人目标数据构建行人目标亲密度模型，通过行人目标亲密度模型对属于同一行人目标的检测响应进行关联后形成目标轨迹；对目标轨迹对应的行人目标进行跟踪，得到跟踪结果，并将跟踪结果发送至云计算中心。有效减少背景像素污染，同时分割出邻近目标间边界，大大降低数据传输量；通过边缘计算节点构建行人目标亲密度模型形成目标轨迹，对目标轨迹对应的行人目标进行跟踪，并将跟踪结果发送至云计算中心，可以有效减少搜索空间，提高数据关联准确性，同时保护用户的个人隐私。

技术领域

本发明实施例涉及图像处理技术领域，具体涉及一种视觉传感器网络多目标跟踪方法、装置及系统。

背景技术

智能安防已经在国际和国内学术界、产业界引起了广泛关注。2006年，美国芝加哥市推出虚拟防范计划，该系统联结了芝加哥上万台公共摄像机，实施全天候24小时广泛监控。2014年3月中共中央、国务院发布《国家新型城镇化规划(2014-2020年)》，明确“推进智慧城市建设”，正式将智慧城市纳入国家级战略规划，而智能安防是智慧城市建成的前提。视觉传感器网络(Visual Sensor Networks，VSN)综合图像传感、无线通信、分布式信息处理及嵌入式计算等技术，具有信息感知丰富、协作计算能力强、安装布置便捷等特点。视觉传感器网络除了具有传统视觉监控系统拥有的海量图像信息感知功能，更重要的是通过视觉传感节点之间协作信息处理可以完成多目标跟踪、身份识别等智能监控任务，并且减少信息分析的人力、时间成本。视觉传感器网络多目标跟踪指对网络中多个运动目标动态检测结果进行分析，实现对这些目标位置及轨迹的实时预测和修正，是智能安防中的重要研究内容。

视觉传感器网络多目标跟踪方法目前主要关注如何融合多个视觉传感器节点的测量数据，提高复杂环境下的跟踪精度。目前视觉传感器网络多目标跟踪方法多采用中心化云计算模式：所有视觉传感器节点将采集到的原始视频数据(或进行了多目标检测预处理)上传至云计算中心进行集中计算、存储。随着网络规模扩大，需要上传至云端的原始图像数据爆炸式增长，易造成长网络延迟，该中心化计算架构难以满足实时应用需求。此外，该计算架构需要直接将原始图像数据进行上传，显著提高了个人隐私泄露的风险。

发明内容

由于现有方法存在上述问题，本发明实施例提出一种视觉传感器网络多目标跟踪方法、装置及系统。

第一方面，本发明实施例提出一种视觉传感器网络多目标跟踪方法，包括：

边缘计算节点接收视觉传感器节点对获取图像进行行人目标检测后得到的行人目标数据；

根据所述行人目标数据构建行人目标亲密度模型，通过所述行人目标亲密度模型对属于同一行人目标的检测响应进行关联后形成目标轨迹；

对所述目标轨迹对应的行人目标进行跟踪，得到跟踪结果，并将所述跟踪结果发送至云计算中心；

其中，所述边缘计算节点部署在所述视觉传感器节点的预设范围内。

可选地，所述根据所述行人目标数据构建行人目标亲密度模型，通过所述行人目标亲密度模型对属于同一行人目标的检测响应进行关联后形成目标轨迹，具体包括：

根据所述行人目标数据构建行人目标亲密度模型，通过所述行人目标亲密度模型对属于同一行人目标的检测响应进行关联，并对关联后的行人目标的特征向量进行分布式压缩感知后形成目标轨迹。

可选地，所述行人目标亲密度模型包括：外观模型与运动模型；

所述外观模型采用在COCO数据集中训练好的Mask RCNN基于目标的卷积神经网络模型提取4096维深度特征，采用欧式距离表征不同目标间外观相似度测度；