[发明专利]一种面向智慧社区的多摄像机联动多目标追踪方法及系统

说明书

本发明涉及社区安防领域，具体是一种面向智慧社区的多摄像机联动多目标追踪方法及系统。本发明利用卷积神经网络提取人体特征及人脸特征，并与卡尔曼滤波估计结合。利用马氏距离计算距离，使用余弦距离度量特征的相似度，再对两种度量进行加权计算，人脸识别结果辅助判断最终结果。本发明能够适应社区环境复杂的场景，具备多摄像机联动目标追踪且一定程度上降低了目标追踪轨迹标识因为遮挡等变化的概率，对于社区管理及公安刑侦等具有重要意义。

技术领域

本发明涉及社区安防领域，具体是一种面向智慧社区的多摄像机联动多目标追踪方法及系统。

背景技术

在智慧社区中，人脸识别技术是社区安全布控的重要手段，不但可以帮助社区管理者及时发现非法分子并对陌生人轨迹进行掌握，也可以协助政府相关部门有针对性的搜索嫌疑人。

但在监控视频中，由于相机拍摄角度、分辨率低、面部遮挡等因素导致难以获得符合标准的高质量人脸图片，无法完成人脸识别。在人脸识别失效的情况下，目标追踪就成了比人脸识别更重要的社区安全技术。

传统的目标追踪方法多使用卡尔曼滤波对目标轨迹进行预判，再根据前后帧的位置进行判断，可达到目标追踪的目的。但目标追踪中常常因为追踪目标被遮挡，摄像机颤动等原因导致追踪轨迹标识频繁变化。并且目前大多数目标追踪方法是单摄像机多目标追踪，缺少多摄像机联动的多目标追踪方法。

因此，针对以上现状，迫切需要开发一种面向智慧社区的多摄像机联动多目标追踪方法及系统，以克服当前实际应用中的不足。

发明内容

本发明实施例的目的在于提供一种面向智慧社区的多摄像机联动多目标追踪方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明实施例提供如下技术方案：

一种面向智慧社区的多摄像机联动多目标追踪方法，包括如下步骤：

步骤(1)：获取当前监控摄像机图像；

步骤(2)：将图像输入到人体检测模型；

步骤(3)：当获取到人体检测框及人体特征，则跳转到步骤(4)；当获取到人脸特征，则将人体检测图像中检测到的人脸输入到人脸识别模型，并跳转步骤(5)；

步骤(4)：对于已确认状态的目标追踪轨迹，计算当前视频帧每个人体的特征与所有目标追踪轨迹中保存的特征的相似度，并计算卡尔曼滤波估计的位置与当前视频帧中检测到的人体位置的马氏距离；

步骤(5)：获取人脸识别特征与人脸库特征对比的相似度；若与人脸库匹配成功则获取人脸标识；

步骤(6)：将人体检测相似度、马氏距离结合，人脸标识辅助判断，再利用匈牙利算法对目标追踪轨迹和当前视频帧检测框进行匹配；

步骤(7)：45帧为一个匹配周期，若连续45帧没有匹配成功则认为该目标追踪轨迹已经失效，得到初步的结果，得到匹配、目标追踪轨迹未匹配和当前人体检测未匹配三种状态；

步骤(8)：对于未确认状态及未成功匹配的目标追踪轨迹保存的检测框与当前视频帧中未匹配的人体检测框计算重叠率；再利用匈牙利算法对目标追踪轨迹和当前视频帧中检测到的人体进行匹配；

步骤(9)：得到最终的匹配、目标追踪轨迹未匹配和当前视频帧中人体检测未匹配三种状态，并对数据进行更新，终止一直未匹配的目标追踪轨迹；

步骤(10)：对于因未匹配判断未离开当前摄像机的目标追踪轨迹，根据目标最后一次出现的位置判断即将出现在其他摄像机的ID，并预测该目标在其他摄像机第一次出现的位置区域，在对相关摄像机视频帧处理时将获取该信息，继承目标追踪轨迹标识，重复步骤(2)～(9)；

作为本发明进一步的方案：在步骤(1)中，通过RTSP拉取监控摄像机的实时视频帧；