[发明专利]基于OpenPose姿态检测的人体分段式跟踪方法

说明书

本发明公开了一种基于OpenPose姿态检测的人体分段式跟踪方法，该方法以OpenPose实时多人2D姿态检测器检测人体的25个骨骼关节点为基础，通过OpenPose获得的PAFs将关节点分类组合为每个个体的关节点，利用每个个体不同部位关节点获得不同部位检测框，最后对同一个体不同部位检测框分别进行跟踪达到分段跟踪的目的；多框跟踪是根据每个人的头部、上身躯干、下身躯干骨骼关节点分析画出三个检测框，使用跟踪算法对三个部位分别跟踪，同时保证三个部位的跟踪ID一致。本发明克服了人体多目标跟踪场景中目标由于遮挡严重导致跟踪错误的情况。

技术领域

本发明涉及多目标跟踪领域，具体涉及一种基于OpenPose姿态检测的人体分段式跟踪方法。

背景技术

目前基于深度学习的应用呈现爆炸式增长，特别是在图像处理领域，已经成为人们日常使用的工具。智能化时代，依靠高成本人力，重复机械的工作，势必会被人工智能取代，例如在安防领域，视频分析需要耗费巨大工作量，以往只能通过人工查看处理的问题，现在可以通过智能算法去解决，其中核心就是人的检测与跟踪分析，可以用在行人计数、行为分析、异常检测等领域。

在行人计数、行为分析等领域使用的大多都是多目标跟踪技术，多目标跟踪不仅需要预测目标的下一次出现位置，还需要关联算法确定每个目标的移动轨迹。常见的多目标跟踪算法有粒子滤波，卡尔曼滤波，CamShift算法等，大部分跟踪算法更多的是优化多目标跟踪的预测部分，在稀疏场景下跟踪多个行人，每个目标特征明显，变化小，对关联算法的要求比较低，预测越准，最后的跟踪效果就越好；但在人群密集场景下，行人经常会出现严重的遮挡情况，在连续帧视频中，上一帧与下一帧同一个人可视部分会出现非常大的变化，这时会给关联算法带来严峻的考验，关联算法效果差，会直接带来错误跟踪或者跟踪失败。

发明内容

本发明的目的在于提供一种基于OpenPose姿态检测的人体分段式跟踪方法，解决人群密集场景下，行人存在严重遮挡情况下跟踪困难的问题。

实现本发明目的的技术方案为:一种基于OpenPose姿态检测的人体分段式跟踪方法，包括：

通过OpenCV获取输入的包含人体姿态信息的视频流，并获取单帧图像，所述单帧图像为3通道的BGR格式的图像；

利用OpenPose检测出视频帧中所有人体的关节点并定位；

利用部分亲和力矢量场对关节点进行关联分析，按照属于不同人体进行分组，得到每个人的关节点信息；

根据每个人的头部、上身躯干、下身躯干关节点信息得到三个检测框；

利用跟踪算法对不同部位分别进行跟踪，保证跟踪ID一致，若三个部位有两个以上部位跟踪成功，则整体跟踪成功。

进一步的，人体关节点的坐标以及检测置信度构成人体实时动作骨架序列，每个人体关节点设有唯一的编号。

进一步的，设置关节点置信度阈值，关节点置信度超过阈值，则保留该关节点。

进一步的，关节点置信度阈值为0.5。

进一步的，利用关节点的编号信息确定头部、上身躯干、下身躯干关节点，当不同部位关节点实际保留个数达到要求后，利用关节点坐标信息画出头部、上身躯干、下身躯干检测框。

进一步的，若部位关节点实际保留个数超过3个，检测框获取成功。

进一步的，对不同检测框分别进行跟踪，但属于同一个人的不同部位设置一样的跟踪ID，同一人体存在两个以上部位跟踪成功，判定该目标跟踪成功。

进一步的，人体关节点总共有25个，头部选用6个，包括左右眼，鼻子，左右耳、脖子；上身躯干选用8个，包括左右肩、左右肘、左右手腕、左右胯，下身躯干选用11个，包括胯中心、左右膝、左右脚外测、左右脚跟、左右脚内测、左右脚踝