[发明专利]一种抗遮挡目标跟踪方法

权利要求书

1.一种抗遮挡目标跟踪方法，其特征在于，包括如下步骤：

S1：将视频或图像序列按帧输入到目标检测器中得到目标检测结果，所述目标检测结果是基于检测的候选项，包括每帧图像中所有目标的边界框及检测置信度；

S2：根据所述目标检测结果利用联合检测跟踪框架对每帧图像生成基于跟踪的候选项，所述联合检测跟踪框架通过卡尔曼滤波器及相机运动补偿，对所述目标检测结果进行跟踪运动估计，得到基于跟踪的候选项；

S3：根据所述基于检测的候选项和所述基于跟踪的候选项的置信度大小，运用非极大值抑制算法对所述基于检测的候选项和所述基于跟踪的候选项进行筛选得到筛选后的所述基于检测的候选项和筛选后的所述基于跟踪的候选项；

S4：利用预训练好的深度神经网络提取当前帧所有筛选后的所述基于检测的候选项和筛选后的所述基于跟踪的候选项的表观特征；

S5：利用级联匹配算法计算相邻帧的目标匹配度，包括：筛选后的所述基于检测的候选项对相邻帧的现有轨迹进行表观特征相似度匹配；筛选后的所述基于跟踪的候选项与相邻帧的现有轨迹的目标边界框进行边界框交并比重合度匹配；

S6：根据所述相邻帧的目标匹配度，确定目标在当前帧的位置，从而输出目标运动轨迹。

2.如权利要求1所述的抗遮挡目标跟踪方法，其特征在于，所述目标检测器是SDP目标检测器。

3.如权利要求1所述的抗遮挡目标跟踪方法，其特征在于，所述置信度由以下置信度评分公式得到：

其中，为第t-1帧的检测置信度,为第t帧的跟踪置信度，N_det为待关联轨迹中所述基于检测的候选项的个数，N_trk为上一次待关联轨迹中所述基于跟踪的候选项的个数，(·)为二值函数，当函数内为真时，值为1，否则为0，参数α是常数。

4.如权利要求1所述的抗遮挡目标跟踪方法，其特征在于，运用非极大值抑制算法对所述基于检测的候选项和所述基于跟踪的候选项进行筛选得到筛选后的所述基于检测的候选项和筛选后的所述基于跟踪的候选项包括如下步骤：

S21：根据所有所述基于检测的候选项和所述基于跟踪的候选项的置信度得分大小进行排序得到候选项列表；

S22：选择置信度最高的所述基于检测的候选项和所述基于跟踪的候选项添加到最终输出列表中并从所述候选项列表中删除；

S23：计算置信度最高的所述基于检测的候选项和所述基于跟踪的候选项与其它候选项的边界框交并比并删除边界框交并比大于预设阈值的所述基于检测的候选项和所述基于跟踪的候选项；

S24：重复步骤S21至S23直至所述候选项列表为空，所述最终输出列表为筛选后的所述基于检测的候选项和所述基于跟踪的候选项。

5.如权利要求4所述的抗遮挡目标跟踪方法，其特征在于，所述预设阈值是0.3-0.5。

6.如权利要求1所述的抗遮挡目标跟踪方法，其特征在于，所述深度神经网络是以GoogLeNet为基础的网络，包括从输入层到inception_4e层，之后通过1×1的卷积层进行连接。

7.如权利要求6所述的抗遮挡目标跟踪方法，其特征在于，所述神经网络的训练的损失函数为：

l_triplet(I_i，I_j，I_k)＝m+d(I_i，I_j)-d(I_i，I_k)

其中，I_i，I_j为来自同一身份的图片，I_i，I_k为来自不同身份的图片，d表示欧式距离，m为常数。