[发明专利]一种基于YOLO的图像目标跟踪方法

权利要求书

1.一种基于YOLO的图像目标跟踪方法，其特征在于，包括以下步骤：

S1、输入视频；

S2、使用目标检测网络YOLO检测目标，初始化卡尔曼滤波器；

S3、使用目标检测网络YOLO检测当前帧图像，如果检测到目标转至步骤S4，否则执行步骤S5；

S4、计算当前帧图像目标的检测位置与预测位置的交并比，如果交并比大于预设阈值，用目标的检测位置作为目标在当前帧的位置，否则返回步骤S2；

S5、将目标在上一帧的位置与目标在当前帧的预测位置做关键点匹配，如果匹配对大于预设阈值，得到目标在当前帧的位置，否则返回步骤S2；包括以下子步骤：

S51、设置匹配对阈值为10；

S52、对目标在上一帧的检测位置与目标在当前帧的预测位置分别进行SIFT关键点检测，并提取对应的SIFT关键点，每个SIFT关键点对应一个SIFT特征向量；

S53、计算目标在上一帧的检测位置与目标在当前帧的预测位置中SIFT特征向量的欧氏距离，取欧式距离的最小值min和次小值secmin，如果min＜0.6*secmin，则认为目标在上一帧的检测位置中该SIFT关键点与目标在当前帧的预测位置中欧氏距离最小值min的SIFT关键点相匹配，遍历目标在上一帧的检测位置中的所有SIFT关键点，完成目标在上一帧的检测位置与目标在当前帧的预测位置的SIFT关键点匹配，得到关键点匹配对，如果关键点匹配对大于阈值10则执行步骤S54；否则返回步骤S2；

S54、采用RANSAC算法计算目标在上一帧的检测位置与目标在当前帧的预测位置的仿射变换矩阵，从S53的所有匹配的SIFT关键点对中随机选取四对，根据这四对SIFT关键点的坐标通过以下公式确定标在上一帧的检测位置与目标在当前帧的预测位置的仿射变换矩阵H：

[x′,y′,1]^T＝H*[x,y,1]^T

其中：h′₀,h′₁,h′₂和h′₃为缩放旋转因子，Δx和Δy分别为目标在上一帧的检测位置相对目标在当前帧的预测位置在X方向和Y方向上的偏移量，[x′,y′,1]^T和[x,y,1]^T分别为任一对SIFT关键点在目标在上一帧的检测位置与目标在当前帧的预测位置的齐次坐标；

S55、结合S54得到仿射变换矩阵H与目标在上一帧的位置的外接矩形的四个顶点,分别得到目标在当前帧的外接矩形的四个顶点，进而得到外接矩形的宽和高；

S56、根据S55得到目标在当前帧的外接矩形的宽和高，结合目标在当前帧的预测位置的外接矩形的中心坐标，从而确定目标在当前帧的位置；

S56、使用目标在当前帧的位置更新卡尔曼滤波器；

S6、检查视频是否检测结束，若是则结束跟踪，否则返回步骤S3。

2.根据权利要求1所述的一种基于YOLO的图像目标跟踪方法，其特征在于，所述步骤S2具体实现方法为：

S21、使用目标检测网络YOLO检测输入视频；

S22、如果检测到目标转至S23，否则转至S21；

S23、使用目标的检测位置信息初始化卡尔曼滤波器，用目标在图像中的外接矩形框表示目标的位置信息。

3.根据权利要求1所述的一种基于YOLO的图像目标跟踪方法，其特征在于，所述步骤S4包括以下子步骤：

S41、设置交并比阈值为0.6；

S42、计算当前帧图像目标的检测位置与预测位置的交并比，交并比计算如下：

其中，iou表示检测位置与预测位置的交并比，S_detection是目标检测位置的外接矩形框的面积，S_prdiction是目标预测位置的外接矩形框的面积；

S43、如果交并比iou大于预设阈值0.6，则用目标的检测位置作为目标在当前帧的位置；否则返回步骤S2。