[发明专利]一种面向行人多目标跟踪的分级关联匹配方法

权利要求书

1.一种面向行人多目标跟踪的分级关联匹配方法，其特征在于：具体包括以下步骤：

步骤一：获取目标检测框和检测分数；

步骤二：预测轨迹在当前帧的位置；

步骤三：根据阈值划分高低检测框；

步骤四：使用余弦距离度量外观特征距离；

步骤五：使用DIoU距离度量运动特征距离；

步骤六：采用DIoU距离度量低分检测和未匹配跟踪目标；

步骤七：获得目标轨迹的边界框和身份ID。

2.根据权利要求1所述的一种面向行人多目标跟踪的分级关联匹配方法，其特征在于：获取目标检测框和检测分数的方法进一步包括：

首先，输入视频帧经过MOT-CN网络的全局上下文信息增强网络，提取视频帧特征；

其次，提取的共享特征将被进一步用于多任务的特征解耦；

然后，特征解耦单元输出的特定特征输入到检测分支、输入到特征嵌入单元；

最后，根据中心点分数、中心点偏移量、目标边界框来获得目标检测框和检测分数。

3.根据权利要求1所述的一种面向行人多目标跟踪的分级关联匹配方法，其特征在于：预测轨迹在当前帧的位置的方法进一步包括：

在分离出低分检测框和高分检测框前，使用卡尔曼滤波器来预测中每个轨迹在当前帧中的新位置，计算公式如下：

=KF_predict()

其中，为丢失的轨迹。

4.根据权利要求1所述的一种面向行人多目标跟踪的分级关联匹配方法，其特征在于：根据阈值划分高低检测框的具体步骤包括：

根据设置的检测分数阈值和，将所有检测框分为和两部分集合，即对于分数高于的检测框，放入高分检测框集合；对于检测分数范围从到的人，则放入低分检测框集合。

5.根据权利要求1所述的一种面向行人多目标跟踪的分级关联匹配方法，其特征在于：使用余弦距离度量外观特征距离的方法具体包括：

首先，在当前帧的高分检测框和上一帧所有已跟踪的目标轨迹以及丢失的轨迹之间进行数据关联计算，即利用余弦距离计算高分检测框和目标轨迹的预测框的外观相似度；

然后，基于外观相似度使用匈牙利算法完成目标之间的匹配。

6.根据权利要求1所述的一种面向行人多目标跟踪的分级关联匹配方法，其特征在于：使用DIoU距离度量运动特征距离的方法进一步包括：

首先，采用DIoU度量来计算高分检测框和剩余的目标轨迹的预测框之间的运动特征相似度；

然后，使用匈牙利算法完成目标间的匹配。

7.根据权利要求1所述的一种面向行人多目标跟踪的分级关联匹配方法，其特征在于：采用DIoU距离度量低分检测和未匹配跟踪目标的方法进一步包括：

首先采用DIoU度量来计算低分检测框和剩余的目标轨迹的预测框之间的运动特征相似度；

然后将不匹配的目标轨迹保留在未匹配跟踪中，并删除所有不匹配的低分检测框。

8.根据权利要求1所述的一种面向行人多目标跟踪的分级关联匹配方法，其特征在于：获得目标轨迹的边界框和身份ID的方法为：对于中的每个检测框，当其检测分数高于阈值并且连续超过两帧存在，则获得新的目标轨迹，输出当前帧中目标轨迹的边界框和目标的身份ID。

9.一种使用前述权利要求1-8中任一项所述的分级关联匹配方法的分级关联匹配系统，其特征在于：该系统包括：

MOT-CN网络架构，用于获得目标检测框和检测分数；

轨迹预测模块，用于预测轨迹在当前帧的位置；

划分模块，用于根据阈值划分高低检测框；

分析模块，用于分析度量检测目标特征；

匹配获取模块，用于匹配检测分数后获取目标轨迹的边界框和身份ID。