[发明专利]一种餐饮税源监控目标跟踪算法及系统

说明书

本申请公开了一种餐饮税源监控目标跟踪算法及系统。该方法可包括：获取当前帧图像中包括所述目标及其周边的区域、预搜索区域，其中，对于第一帧图像，手动初始化待跟踪目标及其周边的区域框和预搜索区域；将所述目标及其周边的区域、目标预搜索区域分别输入到预训练好的卷积神经元网络中，分别提取第四层、第五层的卷积特征，然后将其输入到全连接层，并获得全链接层的输出；使用相关滤波器计算两个第四层、第五层得到的输出响应；将上述两个响应结果加权相加，得到语义分支的响应；将三个具有最高得分的响应对应的目标搜索区域分别输入到IoU预测网络，得到网络的输出结果；比较三个输出结果，最大值对应的目标区域即为当前帧的跟踪结果。

技术领域

本申请涉及CV(Computer Vision，计算机视觉)领域，更具体地，涉及一种餐饮税源监控目标跟踪算法及系统。

背景技术

视觉目标跟踪是计算机视觉中的一个重要研究方向，有着广泛的应用，如：视频监控，人机交互，无人驾驶等。过去二三十年视觉目标跟踪技术取得了长足的进步，特别是最近两年利用深度学习的目标跟踪方法取得了令人满意的效果，使目标跟踪技术获得了突破性的进展。

视觉跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪，获得运动目标的运动参数，如位置、速度、加速度和运动轨迹等，从而进行下一步的处理与分析，实现对运动目标的行为理解，以完成更高一级的检测任务。

现有技术中给出了基于区域的跟踪算法、基于特征的跟踪方法、基于轮廓的跟踪方法、基于模型的跟踪方法以及基于检测的跟踪算法。进来随着人工智能的迅猛发展，也有人提出将神经网络技术应用到跟踪算法中。

针对我国餐饮酒店税收实践工作中的迫切需要，研制一种餐饮税源监控目标跟踪算法及系统。该系统综合利用人工智能、大数据、互联网等多领域创新性技术成果，实现了视频流并发采集及存储管理、视频数据实时目标跟踪，根据视频目标行为及酒店人均消费网络化评估、为后续的酒店应缴税费统计提供依据，具有可操作性强、易于推广应用的明显优势。

发明内容

本申请提供一种餐饮税源监控目标跟踪算法及系统。通过将深度学习网络与IoU(Intersection over Union，交叠)网络相结合，获得形变目标的准确跟踪。

本申请的一个方面提供了一种餐饮税源监控目标跟踪算法，包括：

1)获取当前帧图像中包括所述目标及其周边的区域、预搜索区域，其中，对于第一帧图像，手动初始化待跟踪目标及其周边的区域框和预搜索区域；

2)将所述目标及其周边的区域输入到预训练好的卷积神经元网络中，提取第四层的卷积特征，然后将其输入到全连接层，并获得全链接层的输出；

3)将所述目标及其周边的区域输入到预训练好的卷积神经元网络中，提取第五层的卷积特征，然后将其输入到全连接层，并获得全链接层的输出；

4)将所述目标预搜索区域输入到预训练好的卷积神经元网络中，提取第四层的卷积特征，然后将其输入到全连接层，并获得全链接层的输出；

5)将所述目标预搜索区域输入到预训练好的卷积神经元网络中，提取第五层的卷积特征，然后将其输入到全连接层，并获得全链接层的输出；

6)使用相关滤波器计算步骤2)和步骤4)的全链接层输出的响应；

7)使用相关滤波器计算步骤2)和步骤4)的全链接层输出的响应；

8)将步骤6)和步骤7)的结果加权相加，得到语义分支的响应；

9)将三个具有最高得分的响应对应的目标框作为候选结果，分别输入到IoU预测网络，得到网络的输出结果；

10)比较三个输出结果，最大值对应的目标区域即为当前帧的跟踪结果；