CN112634327A - 基于YOLOv4模型的跟踪方法 - Google Patents

Abstract

本发明公开了一种基于YOLOv4模型的多目标跟踪方法，利用YOLOv4模型在视频中检测并跟踪目标物，具有较好的跟踪和去重效果，适应复杂场景视频中的多目标跟踪需求。

Description

基于YOLOv4模型的跟踪方法

技术领域

本发明涉及一种基于YOLOv4模型的跟踪方法。

背景技术

在单张图片中，通过深度学习模型YOLOv4模型可以很好地对其进行目标识别与定位。

但是，在视频处理中，目标从出现到消失的这段时间里，会有很多帧图片，因此检测出来的目标就会出现很多重复的。针对这种情况，使用跟踪算法Deep SORT可以在一定程度上解决重复问题。

在智能交通等领域中，视频数据的场景较为复杂，且目标较多，还存在大面积的遮挡，按照常规方法使用Deep SORT时仍然会有目标跟踪失败、目标丢失的情况，导致出现大量的重复目标，并且严重影响检测效率。

因此，急需要提供一种更好的方法来解决上述技术难题。

发明内容

本发明的目的是提供一种基于YOLOv4模型的跟踪方法，利用YOLOv4模型在视频中检测并跟踪目标物，具有较好的跟踪和去重效果，适应复杂场景视频中的多目标跟踪需求。

为了实现上述目的，本发明提供了一种基于YOLOv4模型的跟踪方法，包括：

步骤1、将原始图片输入到YOLOv4后，YOLOv4输出检测出来的目标图片，将目标图片分别进行编号形成ID号；其中，如果是第一帧，则直接赋予ID并保存图片和对应的坐标信息和宽高；

步骤2、如果不是第一帧，则计算IOU交并比，如果计算值大于阈值，则赋予新的ID，保存信息，保存图片到newfile中；如果计算值小于阈值，则计算相似度，如果计算值达到阈值，则认定上一帧的图片和当前帧的检测图片是同一个目标，此时删除上一帧的图片并保存当前目标的图片到newfile中；然后，遍历当前帧的下一个目标，并运用相同的方法进行计算；如果计算相似度值超过阈值，则定义当前目标为新目标，赋予新的ID，然后单独保存图和对应的ID以及信息；

步骤3、当当前帧的目标检测完了，发现上一帧仍然存在没检查的目标，则确定该目标丢失，则单独保存图、对应的ID以及信息至lossfile中；

步骤4、遍历newfile中新增的图片和lossfile中丢失的图片，将二者进行相似度计算以判断是否是同一个目标；此时，通过ID或者帧数设定一个阈值，比较当前的ID是否大于设定的ID，如果大于直接删除，反之则保留；

步骤5、按照步骤1至步骤4进行不停的循环检测。

根据上述技术方案，本发明并不是在YOLOv4+DeepSORT的基础上进行去重，而是直接在YOLOv4的基础上进行去重，在YOLOv4检测出目标物时直接输出到该方法中，因此该方法能够取代DeepSORT，并具有更好的跟踪和去重效果。

本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1是本发明中基于YOLOv4模型的跟踪方法的流程示意图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

在本发明中，在未作相反说明的情况下，包含在术语中的方位词仅代表该术语在常规使用状态下的方位，或为本领域技术人员理解的俗称，而不应视为对该术语的限制。

参见图1，本发明提供一种基于YOLOv4模型的跟踪方法，包括：

步骤1、将原始图片输入到YOLOv4后，YOLOv4输出检测出来的目标图片，将目标图片分别进行编号形成ID号；其中，如果是第一帧，则直接赋予ID并保存图片和对应的坐标信息和宽高；

步骤2、如果不是第一帧，则计算IOU交并比，如果计算值大于阈值，则赋予新的ID，保存信息，保存图片到newfile中；如果计算值小于阈值，则计算相似度，如果计算值达到阈值，则认定上一帧的图片和当前帧的检测图片是同一个目标，此时删除上一帧的图片并保存当前目标的图片到newfile中；然后，遍历当前帧的下一个目标，并运用相同的方法进行计算；如果计算相似度值超过阈值，则定义当前目标为新目标，赋予新的ID，然后单独保存图和对应的ID以及信息；

步骤3、当当前帧的目标检测完了，发现上一帧仍然存在没检查的目标，则确定该目标丢失，则单独保存图、对应的ID以及信息至lossfile中；

步骤4、遍历newfile中新增的图片和lossfile中丢失的图片，将二者进行相似度计算以判断是否是同一个目标；此时，通过ID或者帧数设定一个阈值，比较当前的ID是否大于设定的ID，如果大于直接删除，反之则保留；

步骤5、按照步骤1至步骤4进行不停的循环检测。

具体的，首先，原始图片输入到YOLOv4后，YOLOv4输出的是一个个检测出来的目标图片，拿到目标图片后分别进行编号即ID号(第一帧全部编号并保存目标图片同时保存目标图片的中心坐标(相对于大图来说)和宽高)，新来一帧图片时并通过YOLO检测后输出对应小的检测目标物，然后分别获取对应的中心点坐标和宽高，此时遍历当前一帧的目标图片，通过IOU(交并比)方法获取本张的检测框和上一帧的所以目标检测框的值，通过IOU的值确定是否是候选目标，然后，再通过相似性算法计算，如果相似度达到一定的阈值，说明当前帧的当前检测目标在上一帧出现过，此时把当前帧的图片保存替换上一帧图片，ID保持不变，然后遍历当前帧的下一个目标，相同的方面进行计算。

如果当前帧的目标，通过IOU寻找上一帧没有找到目标，或者通过相似性计算超过阈值，则定义当前目标为新目标，赋予新的ID，然后单独保存图和对应的ID以及信息。

当当前帧的目标检测完了，发现上一帧仍然存在没检查的目标，则确定该目标丢失，同样单独保存图、ID和对应的信息。

此时，在丢失的目标中可能是因为遮挡造成也可能是目标脱离视频的视野，在新增的目标中可能是遮挡结束，目标又出现，也可能是新目标进入视频的视野。因此，此时只需要把新增的图片和丢失的进行相似度计算即可判断是否是同一个目标，但是这里需要通过ID(或者帧数)设定一个阈值，即当距离当前帧多远进行保存，其他的进行舍弃，这样可以控制丢失的图片的数量的个数和新增图片的个数。

然后进行不停的循环检测即可。

通过上述技术方案，可见本发明并不是在YOLOv4+DeepSORT的基础上进行去重，而是直接在YOLOv4的基础上进行去重，在YOLOv4检测出目标物时直接输出到该方法中，因此该方法能够取代DeepSORT，并具有更好的跟踪和去重效果。

以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (1)

1.一种基于YOLOv4模型的跟踪方法，其特征在于，包括：

步骤1、将原始图片输入到YOLOv4后，YOLOv4输出检测出来的目标图片，将目标图片分别进行编号形成ID号；其中，如果是第一帧，则直接赋予ID并保存图片和对应的坐标信息和宽高；

步骤2、如果不是第一帧，则计算IOU交并比，如果计算值大于阈值，则赋予新的ID，保存信息，保存图片到newfile中；如果计算值小于阈值，则计算相似度，如果计算值达到阈值，则认定上一帧的图片和当前帧的检测图片是同一个目标，此时删除上一帧的图片并保存当前目标的图片到newfile中；然后，遍历当前帧的下一个目标，并运用相同的方法进行计算；如果计算相似度值超过阈值，则定义当前目标为新目标，赋予新的ID，然后单独保存图和对应的ID以及信息；

步骤3、当当前帧的目标检测完了，发现上一帧仍然存在没检查的目标，则确定该目标丢失，则单独保存图、对应的ID以及信息至lossfile中；

步骤4、遍历newfile中新增的图片和lossfile中丢失的图片，将二者进行相似度计算以判断是否是同一个目标；此时，通过ID或者帧数设定一个阈值，比较当前的ID是否大于设定的ID，如果大于直接删除，反之则保留；

步骤5、按照步骤1至步骤4进行不停的循环检测。

Images