[发明专利]一种基于YoloV5和DeepSort的地面互动投影系统中人体检测跟踪方法

权利要求书

1.一种基于YoloV5和DeepSort的地面互动投影系统中人体检测跟踪方法，其特征在于，所述的检测跟踪方法包括：

步骤1：获取待识别图像，并对图像进行预处理；

步骤2：基于YoloV5和DeepSort构建人体检测跟踪模型；

步骤3：训练人体检测跟踪模型；

步骤4：计算模型的准确率，判断准确率是否大于预设阈值，若是，则执行步骤5，否则，返回步骤3；

步骤5：使用训练好的人体检测跟踪模型对地面互动投影系统中的人体进行实时检测跟踪。

2.根据权利要求1所述的一种基于YoloV5和DeepSort的地面互动投影系统中人体检测跟踪方法，其特征在于，所述的步骤1具体为：

获取待识别图像的集合，将图像随机划分为训练集和测试集，并对所有的图像进行Mosaic数据增强、自适应锚框计算和自适应图片缩放，扩展训练集和测试集。

3.根据权利要求1所述的一种基于YoloV5和DeepSort的地面互动投影系统中人体检测跟踪方法，其特征在于，所述的步骤2中人体检测跟踪模型具体为：

步骤2-1：搭建YoloV5子模型，用于对人体进行检测；

步骤2-2：搭建DeepSort子模型，用于对检测出的人体进行跟踪。

4.根据权利要求3所述的一种基于YoloV5和DeepSort的地面互动投影系统中人体检测跟踪方法，其特征在于，所述的YoloV5子模型具体为：

YoloV5子模型包括依次相连的Backbone主干网络、Neck网络和Head网络；

Backbone主干网络为由Focus结构和CSP结构组合而成的网络，用于获取图像对的特征图像；

Neck网络为由FPN结构与PAN结构组合而成的网络，用于混合和组合图像的特征，并将特征图像传递到预测层；

Head网络，用于对图像特征进行预测，获得边界框并预测类别；所述的Head网络使用GIOU_Loss为Bounding box的损失函数；使用加权NMS的方式对锚框进行筛选。

5.根据权利要求3所述的一种基于YoloV5和DeepSort的地面互动投影系统中人体检测跟踪方法，其特征在于，所述的DeepSort子模型具体为：

首先对检测出的人体目标框进行状态估计，并对目标的状态进行预测，然后将检测结果与预测结果进行关联匹配。

6.根据权利要求5所述的一种基于YoloV5和DeepSort的地面互动投影系统中人体检测跟踪方法，其特征在于，所述的状态估计方法具体为：

使用一个八维空间描述轨迹在某时刻的状态，其中(u,v)为目标框的中心坐标，r为目标框的长宽比，h为目标框的高度，为对应的在图像坐标系中的速度信息；

使用一个基于常量速度模型和线性观测模型的标准卡尔曼滤波器进行目标运动状态的预测，预测的结果为(u,v,r,h)；

对每一个追踪目标，记录自上一次检测结果与追踪结果匹配之后的帧数α_k，一旦一个目标的监测结果与追踪结果正确关联之后，就将改参数设置为0；若α_k超过了设置的最大阈值A_max，则认为对该目标的追踪过程已结束；

对新目标的判断是：检测结果中的某个目标始终无法与已经存在的追踪器进行关联，那么则认为可能出现了新目标，如果连续的三帧中潜在的新的追踪器对目标位置的预测结果都能够与检测结果正确关联，那么则确认是出现了新的运动目标；如果不能达到该要求，则需要删除该运动目标。