[发明专利]一种基于多目标追踪框架的无人机视频中车速校正方法

权利要求书

1.一种基于多目标追踪框架的无人机视频中车速校正方法，其特征在于，包括以下几个步骤：

步骤1、采集无人机视频并分拣具有俯视视角的车辆图像制作视频数据集，获得第t帧图像；

步骤2、目标检测算法YOLOv3处理第t帧图像，并为每个目标i分配唯一对应的预测框从而获得预测框集P^t；

步骤3、将第t帧图像的预测框集P^t中所有预测框与第t-1帧图像的追踪集Track^t-1中每一个track^t-1记录的目标框p^t-1之间，分别计算IoU，匹配是否为新目标：如果第i个预测框所包含的目标为新目标则将该目标申请一个新的追踪器，并添加到第t帧图像的追踪集Track^t中，然后转入步骤5；否则转入步骤4判断这个旧目标的丢失目标次数是否超过阈值δ；

步骤4、如果预测框集P^t中匹配到追踪集Track^t-1中保存的目标框则该目标丢失目标次数低于阈值δ，将该目标更新到追踪集Track^t对应的中，否则认为由于丢失目标次数过多，目标消失，将该目标的追踪器从Track^t中移除，并停止追踪；

步骤5、结合卡尔曼滤波器更新当前追踪集Track^t，即可实现多目标追踪；

步骤6、结合当前视频的帧数f，获得车速计算的基本时间单位1/f，利用第t帧图像中目标i获得的预测框的中心坐标与第t-1帧图像中目标i所属保存的预测框的中心坐标计算在车辆行进方向上的位移，结合基本时间单位计算当前时刻t中目标i的车速

步骤7、利用高斯滤波器，对步骤6中提取到的车辆速度数据进行处理，去除在追踪车辆和计算车速的过程中产生的数据噪声，进行车速数据校正，转到步骤1，直到视频结束。

2.根据权利要求1所述的基于多目标追踪框架的无人机视频中车速校正方法，其特征在于，步骤2所述目标检测算法YOLOv3处理第t帧图像，并为每个目标i分配唯一对应的预测框从而获得预测框集P^t，具体如下：

在ImageNet大型数据集上预训练Darknet53模型，然后利用构建的无人机视频视角的俯视车辆数据集对目标检测网络重新训练，采用优化Loss function：

其中，λ_coord和λ_noobj分别表示目标在单元格中和不在单元格中对应的损失函数系数；S²表示将图像分为S×S个单元格，B表示每个单元格产生两个预测框；x_i,y_i,w_i,h_i分别表示在单元格i中包含的目标框左顶点的真实横坐标值、纵坐标值和目标框的真实宽度和高度；分别表示在单元格i中包含的目标框左顶点的预测横坐标值、纵坐标值和目标框的预测的宽度和高度；C_i,p_i(c),分别表示在单元格i中的第j个目标框真实类别、预测类别、真实类别的概率和预测类别的概率；classes表示所有的真实类别集合，表示目标obj出现在单元格i中的概率函数，表示在单元格i中的第j个目标预测框的误差函数。

3.根据权利要求1所述的基于多目标追踪框架的无人机视频中车速校正方法，其特征在于，步骤3所述将第t帧图像的预测框集P^t中所有预测框与第t-1帧图像的追踪集Track^t-1中每一个track^t-1记录的目标框p^t-1之间，分别计算IoU，匹配是否为新目标，具体如下：

由于相邻两帧图像时间间隔小于阈值，目标在图像中移动距离有限，通过目标预测框和的交并比即完成预测目标集与原追踪集中的对应目标的匹配：

其中，表示在预测目标集P^t中第i个目标的对应预测框，表示在原追踪集Track^t中第i个目标保存的追踪框；area表示求解预测框和追踪框面积的函数；∩,∪分别表示求交集和并集的运算符；

当IoU大于阈值δ，即认为该预测框检测的目标已存在追踪器，并更新相应追踪器的数据，否则，则认为可能是出现的新目标。