[发明专利]一种基于视频监控的行人多目标跟踪方法

说明书

本申请涉及一种基于视频监控的行人多目标跟踪方法，所述方法以监控视频中的行人目标作为应用场景，采用Faster RCNN网络获得场景内目标检测结果，以无迹卡尔曼滤波模块替换DEEPSORT网络中的卡尔曼滤波模块，对目标检测结果提取行人运动特征和行人表观特征，并进行目标之间的相似度比较，得到最终目标检测结果在各帧之间的正确关联。本发明采用改进的DEEPSORT网络根据行人真实场景中的运动状态，重新建立视频监控下的行人目标非线性运动模型，采用适用性更广的无迹卡尔曼滤波模块方法代替卡尔曼滤波模块进行运动特征的提取，以及行人目标实时状态的更新，提高监控场景下行人目标跟踪的准确性。

技术领域

本申请涉及多目标跟踪技术领域，特别是涉及一种基于视频监控的行人多目标跟踪方法。

背景技术

视觉多目标跟踪技术利用数字信号处理技术，检测视频场景中感兴趣的多个目标并进行正确、稳定的跟踪，是当前热门的智能安防、自动驾驶系统的基础性技术之一。视觉多目标跟踪可以视为在目标检测基础上的数据关联问题，因此，视觉多目标跟踪涉及到目标检测、特征提取、相似度计算、数据关联等多项子任务。多目标跟踪除了面临到单目标跟踪存在的目标形变、环境变化等挑战之外，视觉多目标跟踪任务还面临着由于目标增加所带来的新的挑战：

（1）场景中感兴趣的目标数量不确定

（2）目标与背景存在遮挡或者感兴趣目标之间的互相遮挡

（3）同类目标之间的相似度高，可区分特征不明显

随着智能图像处理技术的发展，为了克服上述难点，当前视觉多目标跟踪技术取得了一定的进展，但是传统的基于深度学习的视觉多目标跟踪方法对于感兴趣的多目标运动建模的精细度不够，通常简单的将目标运动建模为简单的匀速直线运动，在对运动特征依赖性较高的场景下跟踪错误较多。

发明内容

基于此，有必要针对上述技术问题，提供一种既能提高跟踪准确度，又能改进行人目标运动预测跟踪的基于视频监控的行人多目标跟踪方法。

一种基于视频监控的行人多目标跟踪方法，所述方法包括：

获取监控视频数据，并进行预处理得到检测训练样本。

构建行人多目标跟踪网络；所述行人多目标跟踪网络包括：Faster RCNN网络和改进的DEEPSORT网络，所述Faster RCNN网络用于行人目标检测得到行人目标；所述改进的DEEPSORT网络用于提取所述行人目标中的行人表观特征和行人运动特征，并采用巴氏距离进行相似度计算和匹配，得到行人目标ID分配结果；所述改进的DEEPSORT网络是对DEEPSORT网络中用于行人运动预测与更新的模块进行了改进后的网络，改进点包括：对行人目标重新进行非线性运动建模，并构建无迹卡尔曼滤波模块，用所述无迹卡尔曼滤波模块替换DEEPSORT网络中的卡尔曼滤波模块；

利用所述检测训练样本对所述Faster RCNN网络进行训练，得到训练好的目标检测网络。

利用所述重识别训练样本对所述行人重识别网络进行训练，得到训练好的行人重识别网络。

获取待测监控视频数据，并进行预处理得到待测样本。

将所述待测样本输入到训练好的所述行人多目标跟踪网络中进行行人目标跟踪，得到各行人运动轨迹。

在其中一个实施例中，构建行人多目标跟踪网络，步骤中：对行人目标重新进行非线性运动建模，并构建无迹卡尔曼滤波模块，用所述无迹卡尔曼滤波模块替换DEEPSORT网络中的卡尔曼滤波模块，包括：

将初始的行人匀速运动改为小弧度转弯CA运动模型，用一个9维空间表示轨迹某时刻的状态，运动模型表达式如下式所示：