CN115861884A - 复杂场景下视频多目标跟踪方法、***、设备及介质 - Google Patents
复杂场景下视频多目标跟踪方法、***、设备及介质 Download PDFInfo
- Publication number
- CN115861884A CN115861884A CN202211557549.1A CN202211557549A CN115861884A CN 115861884 A CN115861884 A CN 115861884A CN 202211557549 A CN202211557549 A CN 202211557549A CN 115861884 A CN115861884 A CN 115861884A
- Authority
- CN
- China
- Prior art keywords
- target
- tracking
- network
- target tracking
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本公开实施例中提供了一种复杂场景下视频多目标跟踪方法、***、设备及介质,属于计算机视觉技术领域,具体包括:步骤1,构建基于YOLOX检测模型的多目标跟踪模型;步骤2,在跟踪网络中加入带有关键点检测和对齐操作的重识别网络;步骤3,在数据关联阶段,重新设计跟踪网络中卡尔曼滤波的预测值与观测值之间的取舍方式,使得卡尔曼滤波以观测为中心;步骤4,设计含时序的IOU度量方式TIOU度量并添加至多目标跟踪模型;步骤5,将各个类别的数据集输入重新设计后的多目标跟踪模型,得到多目标跟踪结果。通过本公开的方案,有效的提高了跟踪精准度MOTA和HOTA,以及可以大幅减少ID切换,提高了识别效率和跟踪速度。
Description
技术领域
本公开实施例涉及计算机视觉技术领域,尤其涉及一种复杂场景下视频多目标跟踪方法、***、设备及介质。
背景技术
目前,在智能机器人领域、无人自动驾驶、智能安防和智能交通的不断更新迭代下,对计算机视觉技术的依赖日益增加,视频多目标跟踪技术成为这些领域的关键技术之一。深度学习作为当下最流行的机器学习分支,其最具代表的卷积神经网络和递归神经网络的快速发展,使得计算机视觉和自然语言处理两个应用领域取得了惊人的进步。在计算机视觉领域,目标检测是其基础任务也是人们最为关注的焦点。由于深度卷积网络的迭代更新,再加上强大的主干网、先进的检测模式和大规模的数据集共同将目标检测推向了极致。但当将基于静止图像的目标检测用于逐帧的视频序列检测时,由于遮挡、运动模糊、目标形变等造成外观特征恶化,检测性能往往不令人满意。目标检测是通过训练大量的各类物体的图片得到优异检测模型后对不同类型物体进行检测识别和分类。作为多任务学习问题,目标检测需要联合优化对目标的分类和定位。分类任务聚焦于学习能够区分不同类别之间的显著特征,而定位任务则致力于精确定位整个对象及其边界。这两个独立的任务往往需要不同的空间特征,最初使用的方法是两级检测器,它们设计两个独立的并行分支来预测定位和分类,由于这两个任务之间缺乏交互性,会使得预测不一致且要通过计算大量的潜在边界框后采用IOU筛选出真正的边界框,使得计算非常复杂难以实现端到端的训练并且现有IOU的方式迁移到多目标跟踪领域内缺少时序信息。
可见,亟需一种高效简便,识别精度高的复杂场景下视频多目标跟踪方法。
发明内容
有鉴于此,本公开实施例提供一种复杂场景下视频多目标跟踪方法、***、设备及介质,至少部分解决现有技术中存在识别效率和精准度较差的问题。
第一方面,本公开实施例提供了一种复杂场景下视频多目标跟踪方法,包括:
步骤1,构建基于YOLOX检测模型的多目标跟踪模型,其中,所述多目标跟踪模型包括特征提取网络、目标分类网络和跟踪网络;
步骤2,在跟踪网络中加入带有关键点检测和对齐操作的重识别网络;
步骤3,在数据关联阶段,重新设计跟踪网络中卡尔曼滤波的预测值与观测值之间的取舍方式,使得卡尔曼滤波以观测为中心;
步骤4,设计含时序的IOU度量方式TIOU度量并添加至多目标跟踪模型;
步骤5,将各个类别的数据集输入重新设计后的多目标跟踪模型,得到多目标跟踪结果。
根据本公开实施例的一种具体实现方式,所述特征提取网络包括所述Transformer模型和卷积神经网络;
所述分类网络包括特征解码器和分类器。
根据本公开实施例的一种具体实现方式,所述步骤4的步骤具体包括:
在CIOU的基础上引入跟踪目标的速度,即目标在单位连续帧中位移的大小和方向,得到TIOU度量,其中,目标的表示形式包括中心点横坐标,中心点纵坐标,目标框高度,目标框宽度,与上一帧目标的速度,与下一帧的目标速度。
根据本公开实施例的一种具体实现方式,所述卡尔曼滤波的表达式为
Pt|t=(I-KtHt)Pt|t-1
其中,为t-1时刻的融合后的跟踪结果,/>为卡尔曼滤波根据t-1时刻的跟踪结果对t时刻的预测值,Ft为转态转移系数,Ht为t时刻的目标检测器检测到的观测值,Qt、Rt为过程噪声和观测噪声,P为协方差矩阵,由于/>的预测值含有对时间的误差累积,采取随机丢失/>的方式来减少误差在时间上的积累,或者在观测值的置信度较高的时候直接抛弃/>
根据本公开实施例的一种具体实现方式,所述步骤5具体包括:
根据每个类别的数据集确定目标的边界框的ReID特征和TIOU计算成本矩阵,然后采用卡尔曼滤波和匈牙利算法进行目标根据,同时,针对低得分的检测框采用二次数据关联,得到多目标跟踪结果。
根据本公开实施例的一种具体实现方式,所述取舍方式包括随机丢失或根据较大置信度的目标框来直接选取当前帧目标定位框。
第二方面,本公开实施例提供了一种复杂场景下视频多目标跟踪***,包括:
构建模块,用于构建基于YOLOX检测模型的多目标跟踪模型,其中,所述多目标跟踪模型包括特征提取网络、目标分类网络和跟踪网络;
第一设计模块,用于在跟踪网络中加入带有关键点检测和对齐操作的重识别网络;
第二设计模块,用于在数据关联阶段,重新设计跟踪网络中卡尔曼滤波的预测值与观测值之间的取舍方式,使得卡尔曼滤波以观测为中心;
第三设计模块,用于设计含时序的IOU度量方式TIOU度量并添加至多目标跟踪模型;
目标跟踪模块,用于将各个类别的数据集输入重新设计后的多目标跟踪模型,得到多目标跟踪结果。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及,与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的复杂场景下视频多目标跟踪方法。
第四方面,本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的复杂场景下视频多目标跟踪方法。
第五方面,本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述第一方面或第一方面的任一实现方式中的复杂场景下视频多目标跟踪方法。
本公开实施例中的复杂场景下视频多目标跟踪方案,包括:步骤1,构建基于YOLOX检测模型的多目标跟踪模型,其中,所述多目标跟踪模型包括特征提取网络、目标分类网络和跟踪网络;步骤2,在跟踪网络中加入带有关键点检测和对齐操作的重识别网络;步骤3,在数据关联阶段,重新设计跟踪网络中卡尔曼滤波的预测值与观测值之间的取舍方式,使得卡尔曼滤波以观测为中心;步骤4,设计含时序的IOU度量方式TIOU度量并添加至多目标跟踪模型;步骤5,将各个类别的数据集输入重新设计后的多目标跟踪模型,得到多目标跟踪结果。
本公开实施例的有益效果为:通过本公开的方案,从运动学的角度设计全新的IOU计算公式TIOU,以实现具有时序信息的能够表征邻里关系的度量方式,更好的利用了视频的时序上下文信息来进行多目标跟踪;通过加入关键点检测和特征对齐操作,改善了共享特征中ReID特征辨识不明显的情况,使得加入ReID特征对最后的跟踪结果有较大的提高;同时采取随机丢失卡尔曼滤波预测值或在较高检测置信度的目标框下忽略卡尔曼滤波的预测值来实现以观测为中心的卡尔曼滤波,可以有效的避免卡尔曼滤波预测误差随着时间累积所带来的跟踪漂移等问题。通过本实例的方案,最终在多目标跟踪中可以有效的提高跟踪精度MOTA和HOTA,以及可以减少ID切换,提高了跟踪速度和跟踪精准度。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种复杂场景下视频多目标跟踪方法的流程示意图;
图2为本公开实施例提供的一种通过IOU位置关系得到CIOU的结果示意图;
图3为本公开实施例提供的一种TIOU的示意图;
图4为本公开实施例提供的一种复杂场景下视频多目标跟踪***的结构示意图;
图5为本公开实施例提供的电子设备示意图;
图6为本公开实施例提供的一种多目标跟踪***的数据处理流程示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种复杂场景下视频多目标跟踪方法,所述方法可以应用于无人驾驶、智能安防、移动机器人、智能养老、人机交互和体育视频解析等场景的多目标识别跟踪过程中。
参见图1,为本公开实施例提供的一种复杂场景下视频多目标跟踪方法的流程示意图。如图1所示,所述方法主要包括以下步骤:
步骤1,构建基于YOLOX检测模型的多目标跟踪模型,其中,所述多目标跟踪模型包括特征提取网络、目标分类网络和跟踪网络;
进一步的,所述特征提取网络包括所述Transformer模型和卷积神经网络;
所述分类网络包括特征解码器和分类器。
具体实施时,多目标跟踪模型的检测网络可以选取无锚框YOLOX和CenterNet的检测方法,所述特征提取网络包括所述Transformer模型和卷积神经网络,所述跟踪分类网络包括特征解码器和分类器,将目标分为行人、自行车、摩托车、三轮车、卡车、小轿车、汽车等类别,所述跟踪网络主要由卡尔曼滤波器和匈牙利算法来完成。
并与一阶段的检测算法YOLOv5进行对比。基于锚框的目标检测算法根据场景和数据集的特点预定义先验锚框,然后通过分类和回归等方法由预定义的锚框生成物体边界框。优点是技术较成熟,缺点是泛化能力差,计算冗余等。无锚框的目标检测算法直接预测图像中各像素属于待检测物体的概率及物体的边界框信息,然后根据这些信息生成边界框。优点是泛化能力强、框架更简洁、异常尺度目标检测精度高,适用多尺度目标检测、小目标检测等,缺点是精度低于基于锚框的算法。
例如,骨干网可以采用ResNet-34,深度层聚合(DLA)的增强版本应用于主干,以融合多层特征。它在低级和高级特征之间有更多的跳过连接操作,这种功能类似于特征金字塔网络(FPN)。上采样中的卷积层采取可变形卷积替代,使得可以根据目标的尺度和姿态可以动态调整感受野,也利用目标关键点的对齐操作。
同时,数据处理上选择官方MOT16、MOT17、MOT20作为行人跟踪数据集,在训练集上选取了多种其他的数据作为预训练,如Caltech、CUHK-SYSU、PRW、DETRAC、ETHZ、Crowdhuman、Cityscapes、visDrone2019、dancetrack等。
步骤2,在跟踪网络中加入带有关键点检测和对齐操作的重识别网络;
具体实施时,可以在跟踪网络中加入带有关键点检测和对齐操作的重识别网络来提取目标的唯一不变的特征来区分相似目标和与自己前一帧相比更高的相似度来关联。由于目标检测网络就是采取的无锚框的检测网络来检测目标,其实质就是关键点检测网络。CenterNet用于检测任务外,将其在原来的分支上额外添加2个分支就能将其扩展到关键点检测。
对于COCO数据集,每个人有17个关键点,可以直接通过中心点预测出17个关键点的offset,然后再预测一个heatmap来做匹配,因为直接回归关键点没有采用heatmap准确。
对齐操作主要将行人的手、脚、眼睛、嘴巴、头部等检测出来并用特征点标记,用层次对齐从粗到细的变形来逐步更新相邻的帧,使其在特征级上与当前帧的目标对齐。
步骤3,在数据关联阶段,重新设计跟踪网络中卡尔曼滤波的预测值与观测值之间的取舍方式,使得卡尔曼滤波以观测为中心;
进一步的,所述卡尔曼滤波的表达式为
Pt|t=(I-KtHt)Pt|t-1
其中,为t-1时刻的融合后的跟踪结果,/>为卡尔曼滤波根据t-1时刻的跟踪结果对t时刻的预测值,Ft为转态转移系数,Ht为t时刻的目标检测器检测到的观测值,Qt、Rt为过程噪声和观测噪声,P为协方差矩阵,由于/>的预测值含有对时间的误差累积,采取随机丢失/>的方式来减少误差在时间上的积累,或者在观测值的置信度较高的时候直接抛弃/>
进一步的,所述取舍方式包括随机丢失或根据较大置信度的目标框来直接选取当前帧目标定位框。
具体实施时,考虑到卡尔曼滤波带来的误差累积的实质是以预测为中心,由于现在目标检测算法的先进,其检测结果的可靠性能够超过卡尔曼滤波预测模型的预测结果的可靠性,故设计以观测为中心的卡尔曼滤波器。
在实施例中,多目标跟踪在数据关联阶段采取的是卡尔曼滤波,其公式为:
Pt|t=(I-KtHt)Pt|t-1
式中为t-1时刻的融合后的跟踪结果,/>为卡尔曼滤波根据t-1时刻的跟踪结果对t时刻的预测值,Ft为转态转移系数,Ht为t时刻的目标检测器检测到的观测值,Qt、Rt为过程噪声和观测噪声,P为协方差矩阵。由于/>的预测值含有对时间的误差累积,采取随机丢失/>的方式来减少误差在时间上的积累,或者在观测值的置信度较高的时候直接抛弃/> (u,v)表示目标中心点横纵坐标,s表示目标框的面积,r是边界框纵横比,/>是相关时间导数,z=[u,v,w,h,c,p,q],w,h,c分别表示目标框宽、高和目标框置信度,p为上一帧目标的斜率,q为当前帧的目标斜率。
在实施例中,行人的运动可以视为匀速直线运动,故p,q的值可以近似相等。这就为辨别目标与周围环境目标提供了判据;其目标的p,q是大致相等的,当目标的周围目标与其相邻时,其运动轨迹若与该目标不同,其周围目标的p,q值则完全不会和该目标的p,q值相同,若其周围目标运动轨迹与其相同,则由其目标中心位置不同,也能够轻易辨别。
在检测分支上,我们设计五个检测头,分别是:热图、目标中心点坐标、边界框大小、上帧目标中心点斜率和当前帧目标中心点斜率。通过对DLA-34的输出特征应用3×3卷积来实现每个检测头,后生成最终目标的1×1卷积层。热图的损失函数为具有逐像素的逻辑回归:
式中M是估计的热图,α,β是角点损失的预定参数,N表示当前帧目标的数量。
不同目标之间的相关性应该小于相同目标之间的相关性,ReID重识别特征的损失定义为:
式中K为类别数量。
Ldetection=Lheat+Lbox+Lratio
式中Oi,Si为相应位置的估计尺寸和偏移量,
pi,qi为上帧目标斜率和当前帧目标斜率;w1,w2为平衡两个任务的可学习的参数,Lratio采用的L1范数。
步骤4,设计含时序的IOU度量方式TIOU度量并添加至多目标跟踪模型;
在上述实施例的基础上,所述步骤4的步骤具体包括:
在CIOU的基础上引入跟踪目标的速度,即目标在单位连续帧中位移的大小和方向,得到TIOU度量,其中,目标的表示形式包括中心点横坐标,中心点纵坐标,目标框高度,目标框宽度,与上一帧目标的速度,与下一帧的目标速度。
具体实施时,如图2和图3所示,考虑到在上下连续两帧中同一个目标的位移十分微小,采用IOU度量时其当前帧与上一帧的自己的IOU比和与上一帧自己相邻目标的IOU比很很可能相同,甚至出现与上一帧自己相邻目标的IOU比大于与上帧自身的IOU比,这样就会使得上一帧自己的身份ID根据IOU比传递到下一帧时出现把ID传给了自己相邻的目标,造成目标身份ID的切换,从而导致跟踪失败。则度量模块可以根据IOU的思想,在其基础上添加当前目标中心点与上一帧该目标中心点的斜率和大小,即该目标前一帧的目标速度;并且计算当前帧与下一帧目标之间的斜率和大小,即当前帧的目标速度。其公式为:
CIOU=DIOU-αv
采用CIOU的目的是其加入了长宽比的惩罚项,使得评估更加准确。
步骤5,将各个类别的数据集输入重新设计后的多目标跟踪模型,得到多目标跟踪结果。
在上述实施例的基础上,所述步骤5具体包括:
根据每个类别的数据集确定目标的边界框的ReID特征和TIOU计算成本矩阵,然后采用卡尔曼滤波和匈牙利算法进行目标跟踪,同时,针对低得分的检测框采用二次数据关联,得到多目标跟踪结果。
具体实施时,在设计好多目标跟踪模型后,可以将将各个类别的数据集输入重新设计后的多目标跟踪模型进行识别,其中,数据关联是根据边界框的ReID特征和TIOU计算成本矩阵,然后采用卡尔曼滤波和匈牙利算法来完成的。同时,在数据关联中,针对低得分的检测框并没有直接抛弃而是采用了二次数据关联。即在第一次高得分的检测框与物体轨迹匹配完后,剩下的低得分的检测框与高得分检测框的物体轨迹进行匹配。
本实施例提供的复杂场景下视频多目标跟踪方法,通过从运动学的角度设计全新的IOU计算公式TIOU,以实现具有时序信息的能够表征邻里关系的度量方式,更好的利用了视频的时序上下文信息来进行多目标跟踪;通过加入关键点检测和特征对齐操作,改善了共享特征中,ReID特征辨识不明显的情况,使得加入ReID特征对最后的跟踪结果有较大的提高;同时采取随机丢失卡尔曼滤波预测值或在较高检测置信度的目标框下忽略卡尔曼滤波的预测值来实现以观测为中心的卡尔曼滤波,可以有效的避免误差随着时间累积所带来的跟踪漂移等问题,整个多目标跟踪***如图6。通过本实例的方案,最终在多目标跟踪中可以有效的提高跟踪精度MOTA和HOTA,以及可以减少ID切换,提高了识别效率和精准度。
与上面的方法实施例相对应,参见图4,本公开实施例还提供了一种复杂场景下视频多目标跟踪***40,包括:
构建模块401,用于构建基于YOLOX检测模型的多目标跟踪模型,其中,所述多目标跟踪模型包括特征提取网络、目标分类网络和跟踪网络;
第一设计模块402,用于在跟踪网络中加入带有关键点检测和对齐操作的重识别网络;
第二设计模块403,用于在数据关联阶段,重新设计跟踪网络中卡尔曼滤波的预测值与观测值之间的取舍方式,使得卡尔曼滤波以观测为中心;
第三设计模块404,用于设计含时序的IOU度量方式TIOU度量并添加至多目标跟踪模型;
目标跟踪模块405,用于将各个类别的数据集输入重新设计后的多目标跟踪模型,得到多目标跟踪结果。
图4所示***可以对应的执行上述方法实施例中的内容,本实施例未详细描述的部分,参照上述方法实施例中记载的内容,在此不再赘述。
参见图5,本公开实施例还提供了一种电子设备50,该电子设备包括:至少一个处理器以及与该至少一个处理器通信连接的存储器。其中,该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行前述方法实施例中的复杂场景下视频多目标跟踪方法。
本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述方法实施例中的复杂场景下视频多目标跟踪方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述方法实施例中的复杂场景下视频多目标跟踪方法。
下面参考图5,其示出了适于用来实现本公开实施例的电子设备50的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备50可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备50操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备50与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备50,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备可以执行上述方法实施例的相关步骤。
或者,上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备可以执行上述方法实施例的相关步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种复杂场景下视频多目标跟踪方法,其特征在于,包括:
步骤1,构建基于YOLOX检测模型的多目标跟踪模型,其中,所述多目标跟踪模型包括特征提取网络、目标分类网络和跟踪网络;
步骤2,在跟踪网络中加入带有关键点检测和对齐操作的重识别网络;
步骤3,在数据关联阶段,重新设计跟踪网络中卡尔曼滤波的预测值与观测值之间的取舍方式,使得卡尔曼滤波以观测为中心;
步骤4,设计含时序的IOU度量方式TIOU度量并添加至多目标跟踪模型;
步骤5,将各个类别的数据集输入重新设计后的多目标跟踪模型,得到多目标跟踪结果。
2.根据权利要求1所述的方法,其特征在于,所述特征提取网络包括所述Transformer模型和卷积神经网络;
所述分类网络包括特征解码器和分类器。
3.根据权利要求1所述的方法,其特征在于,所述步骤4的步骤具体包括:
在CIOU的基础上引入跟踪目标的速度,即目标在单位连续帧中位移的大小和方向,得到TIOU度量,其中,目标的表示形式包括中心点横坐标,中心点纵坐标,目标框高度,目标框宽度,与上一帧目标的速度,与下一帧的目标速度。
5.根据权利要求1所述的方法,其特征在于,所述步骤5具体包括:
根据每个类别的数据集确定目标的边界框的ReID特征和TIOU计算成本矩阵,然后采用卡尔曼滤波和匈牙利算法进行目标跟踪,同时,针对低得分的检测框采用二次数据关联,得到多目标跟踪结果。
6.根据权利要求1所述的方法,其特征在于,所述取舍方式包括随机丢失或根据较大置信度的目标框来直接选取当前帧目标定位框。
7.一种复杂场景下视频多目标跟踪***,其特征在于,包括:
构建模块,用于构建基于YOLOX检测模型的多目标跟踪模型,其中,所述多目标跟踪模型包括特征提取网络、目标分类网络和跟踪网络;
第一设计模块,用于在跟踪网络中加入带有关键点检测和对齐操作的重识别网络;
第二设计模块,用于在数据关联阶段,重新设计跟踪网络中卡尔曼滤波的预测值与观测值之间的取舍方式,使得卡尔曼滤波以观测为中心;
第三设计模块,用于设计含时序的IOU度量方式TIOU度量并添加至多目标跟踪模型;
目标跟踪模块,用于将各个类别的数据集输入重新设计后的多目标跟踪模型,得到多目标跟踪结果。
8.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述权利要求1-6中任一项所述的复杂场景下视频多目标跟踪方法。
9.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述权利要求1-6中任一项所述的复杂场景下视频多目标跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211557549.1A CN115861884A (zh) | 2022-12-06 | 2022-12-06 | 复杂场景下视频多目标跟踪方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211557549.1A CN115861884A (zh) | 2022-12-06 | 2022-12-06 | 复杂场景下视频多目标跟踪方法、***、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115861884A true CN115861884A (zh) | 2023-03-28 |
Family
ID=85670365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211557549.1A Pending CN115861884A (zh) | 2022-12-06 | 2022-12-06 | 复杂场景下视频多目标跟踪方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861884A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116403180A (zh) * | 2023-06-02 | 2023-07-07 | 上海几何伙伴智能驾驶有限公司 | 基于深度学习的4d毫米波雷达目标检测、追踪和测速方法 |
CN116977367A (zh) * | 2023-07-14 | 2023-10-31 | 陕西师范大学 | 基于Transformer与卡尔曼滤波的校园多目标跟踪方法 |
CN117670938A (zh) * | 2024-01-30 | 2024-03-08 | 江西方兴科技股份有限公司 | 一种基于治超机器人的多目标时空跟踪方法 |
-
2022
- 2022-12-06 CN CN202211557549.1A patent/CN115861884A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116403180A (zh) * | 2023-06-02 | 2023-07-07 | 上海几何伙伴智能驾驶有限公司 | 基于深度学习的4d毫米波雷达目标检测、追踪和测速方法 |
CN116403180B (zh) * | 2023-06-02 | 2023-08-15 | 上海几何伙伴智能驾驶有限公司 | 基于深度学习的4d毫米波雷达目标检测、追踪和测速方法 |
CN116977367A (zh) * | 2023-07-14 | 2023-10-31 | 陕西师范大学 | 基于Transformer与卡尔曼滤波的校园多目标跟踪方法 |
CN117670938A (zh) * | 2024-01-30 | 2024-03-08 | 江西方兴科技股份有限公司 | 一种基于治超机器人的多目标时空跟踪方法 |
CN117670938B (zh) * | 2024-01-30 | 2024-05-10 | 江西方兴科技股份有限公司 | 一种基于治超机器人的多目标时空跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626208B (zh) | 用于检测小目标的方法和装置 | |
US9349066B2 (en) | Object tracking and processing | |
CN115861884A (zh) | 复杂场景下视频多目标跟踪方法、***、设备及介质 | |
CN111666898B (zh) | 用于识别车辆所属类别的方法和装置 | |
CN110674349B (zh) | 视频poi识别方法、装置及电子设备 | |
CN112949751B (zh) | 车辆图像聚类及轨迹还原方法 | |
CN112232311B (zh) | 人脸跟踪方法、装置及电子设备 | |
CN113052159A (zh) | 一种图像识别方法、装置、设备及计算机存储介质 | |
CN112712036A (zh) | 交通标志识别方法、装置、电子设备及计算机存储介质 | |
CN115346145A (zh) | 重复视频的识别方法、设备、储存介质及计算机程序产品 | |
CN113177432A (zh) | 基于多尺度轻量化网络的头部姿态估计方法、***、设备及介质 | |
CN115905622A (zh) | 视频标注方法、装置、设备、介质及产品 | |
Zhou et al. | Efficient traffic accident warning based on unsupervised prediction framework | |
CN110287817B (zh) | 目标识别及目标识别模型的训练方法、装置和电子设备 | |
CN111310595B (zh) | 用于生成信息的方法和装置 | |
CN113269038A (zh) | 一种基于多尺度的行人检测方法 | |
CN111401229A (zh) | 视觉小目标自动标注方法、装置及电子设备 | |
WO2023051398A1 (zh) | 安全补偿方法、装置、存储介质及电子设备 | |
CN110555425A (zh) | 一种视频流实时行人检测方法 | |
CN113837977B (zh) | 对象跟踪方法、多目标跟踪模型训练方法及相关设备 | |
CN115393755A (zh) | 视觉目标跟踪方法、装置、设备以及存储介质 | |
CN111681267B (zh) | 基于图像识别的轨道防侵入方法 | |
CN110781797B (zh) | 一种标注方法、装置及电子设备 | |
CN112560700A (zh) | 一种基于动作分析的信息关联方法、装置及电子设备 | |
CN111797655A (zh) | 用户活动识别方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |