[发明专利]一种面向行人多目标跟踪的分级关联匹配方法

说明书

本发明公开了一种面向行人多目标跟踪的分级关联匹配方法，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，本发明，采用的分级匹配方法引入了低分检测与跟踪目标匹配策略，以恢复低分检测框中的被遮挡的行人目标，减少检测与轨迹匹配之间的漏检，具有可减少检测与轨迹匹配之间漏检的特点。

技术领域

本发明涉及行人多目标跟踪技术领域，具体为一种面向行人多目标跟踪的分级关联匹配方法。

背景技术

在监控视频场景下，很多时刻存在行人拥挤的情况，此时目标处于局部遮挡或者完全遮挡等不同的状态，导致不能及时地更新跟踪目标的轨迹信息。

为了解决目标交互遮挡问题，进一步提升多目标跟踪算法的准确性和实时性，研究方向被聚焦在建立更可靠的数据关联度量上。大多数方法仅仅保留检测分数高于阈值的检测框与轨迹进行数据关联来获得该轨迹在当前帧的身份信息。如果检测分数低于阈值的目标（例如目标被遮挡）被丢弃，就带来了不可忽视的真实目标丢失和目标身份ID切换。但是如果考虑每帧中所有的高低分检测框，则又会引入更多的误检。因此，设计可减少检测与轨迹匹配之间漏检的一种面向行人多目标跟踪的分级关联匹配方法是很有必要的。

发明内容

本发明的目的在于提供一种面向行人多目标跟踪的分级关联匹配方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种面向行人多目标跟踪的分级关联匹配方法，包括

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。

根据上述技术方案，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。

根据上述技术方案，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。

根据上述技术方案，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。

根据上述技术方案，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。

根据上述技术方案，使用DIoU距离度量运动特征距离的方法进一步包括：