[发明专利]基于分布式相机网络的多视图多目标跟踪方法及系统

说明书

本公开公开了基于分布式相机网络的多视图多目标跟踪方法及系统，包括：获取分布式相机网络中的每台相机采集的当前帧视图；从所述当前帧视图中提取被检测目标的矩形边界框；利用预先训练好的卷积神经网络，从矩形边界框内部图像中提取被检测目标的视觉外观信息；将被检测目标在当前帧视图中的图像坐标转换为地面坐标；输出步骤：基于被检测目标的视觉外观信息和地面坐标构建数据关联矩阵；采用匈牙利算法对数据关联矩阵进行处理，输出当前帧视图内被检测目标与已知轨迹的匹配成功或匹配失败的结果。

技术领域

本公开涉及多目标跟踪技术领域，特别是涉及基于分布式相机网络的多视图多目标跟踪方法及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

多目标跟踪(Multiple Object Tracking)技术在当今社会有许多应用，如监视、监控、人群行为分析等。

在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：

多目标跟踪仍然是一个具有挑战性的任务，因为它需要同时解决目标检测、轨迹估计、数据关联和重识别等问题。为了探测目标，可以根据具体任务的需要使用各种传感器，如雷达、激光、声纳、相机等，还需要配备相应的检测算法，目标的检测是多目标跟踪的难点之一。多目标跟踪的另一个具有挑战性的问题是遮挡。目标可以被其他物体遮挡，也可以被当前视场(Field Of View)遮挡，频繁的遮挡容易使目标丢失，影响跟踪精度。

发明内容

为了解决现有技术的不足，本公开提供了基于分布式相机网络的多视图多目标跟踪方法及系统；

第一方面，本公开提供了基于分布式相机网络的多视图多目标跟踪方法；

基于分布式相机网络的多视图多目标跟踪方法，包括：

获取分布式相机网络中的每台相机采集的当前帧视图；

从所述当前帧视图中提取被检测目标的矩形边界框；

利用预先训练好的卷积神经网络，从矩形边界框内部图像中提取被检测目标的视觉外观信息；将被检测目标在当前帧视图中的图像坐标转换为地面坐标；

输出步骤：基于被检测目标的视觉外观信息和地面坐标构建数据关联矩阵；采用匈牙利算法对数据关联矩阵进行处理，输出当前帧视图内被检测目标与已知轨迹的匹配成功或匹配失败的结果。

第二方面，本公开还提供了基于分布式相机网络的多视图多目标跟踪系统；

基于分布式相机网络的多视图多目标跟踪系统，包括：

获取模块，其被配置为：获取分布式相机网络中的每台相机采集的当前帧视图；

预处理模块，其被配置为：从所述当前帧视图中提取被检测目标的矩形边界框；

提取模块，其被配置为：利用预先训练好的卷积神经网络，从矩形边界框内部图像中提取被检测目标的视觉外观信息；将被检测目标在当前帧视图中的图像坐标转换为地面坐标；

输出模块，其被配置为：基于被检测目标的视觉外观信息和地面坐标构建数据关联矩阵；采用匈牙利算法对数据关联矩阵进行处理，输出当前帧视图内被检测目标与已知轨迹的匹配成功或匹配失败的结果。

第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。

第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。

与现有技术相比，本公开的有益效果是：