[发明专利]一种家畜跟踪方法及装置

说明书

本发明公开了一种家畜跟踪方法及装置。所述家畜跟踪方法，包括步骤：S1、逐帧接收监控视频，并通过目标检测网络对当前视频帧进行目标检测，得到所述当前视频帧的跟踪目标；S2、在所述当前视频帧为初始视频帧时，向所述当前视频帧的跟踪目标分配家畜标号；S3、在所述当前视频帧为中间视频帧时，根据预先定义的多阈值逐级匹配策略将所述当前视频帧的跟踪目标与先前视频帧的跟踪目标进行匹配，并在匹配成功时使所述当前视频帧的跟踪目标继承所述先前视频帧的跟踪目标的家畜标号；S4、重复步骤S1～S3直至所述当前视频帧为终止视频帧。本发明能够充分考虑到实际场景中多只家畜快速运动甚至消失、家畜之间严重粘连的情况，实现稳定准确地跟踪家畜。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种家畜跟踪方法及装置。

背景技术

为了实现生猪等家畜的健康养殖，逐渐应用计算机视觉技术进行家畜的行为识别，以关注家畜的生活状态。目标行为识别的过程可分为目标识别、目标跟踪和行为识别，其中目标跟踪作为一关键环节，具有重要的研究意义。目前提出的较具有代表性的目标跟踪算法是Deepsort算法和IOU-Tracker算法。

Deepsort算法采用了递归的卡尔曼滤波对每个目标的位置进行预测，以及逐帧的数据关联，在目标特征提取方面提取当前帧的图片信息后使用经过ReID训练的残差网络提取目标特征，最后采用了匈牙利算法对检测和追踪框进行匹配。IOU-Tracker算法拥有速度快、算法简单、不需要图片信息等特点，在目标匹配前采用阈值法除去检测置信度较低的目标，然后对比前后帧目标相交的IOU区域进行目标匹配，此外为减少目标的转换，目标跟踪的帧数不少于Tmin，当出现跟踪帧数少于Tmin时，移除目标信息。

对于上述算法，Deepsort算法在跟踪时需要提取目标的图片信息，不适用于体型相近的生猪等家畜，在多只家畜快速运动、家畜之间严重粘连的情况下，容易造成家畜标号互换，且Deepsort算法采用了ReID训练的残差网络提取目标特征，在运行速度上远远低于不需要图片信息的目标跟踪算法；IOU-Tracker算法采用的是单阈值匹配方法，在家畜之间粘连时容易造成匹配错误，且IOU-Tracker算法没有预测目标位置，在家畜移动过快以及家畜丢失时，无法跟踪到家畜。

因此，目前提出的目标跟踪方法尚不能完美适用于家畜目标，难以稳定准确地跟踪家畜。

发明内容

为了克服现有技术的缺陷，本发明提供一种家畜跟踪方法及装置，能够充分考虑到实际场景中多只家畜快速运动甚至消失、家畜之间严重粘连的情况，实现稳定准确地跟踪家畜。

为了解决上述技术问题，第一方面，本发明一实施例提供一种家畜跟踪方法，包括步骤：

S1、逐帧接收监控视频，并通过目标检测网络对当前视频帧进行目标检测，得到所述当前视频帧的跟踪目标；

S2、在所述当前视频帧为初始视频帧时，向所述当前视频帧的跟踪目标分配家畜标号；

S3、在所述当前视频帧为中间视频帧时，根据预先定义的多阈值逐级匹配策略将所述当前视频帧的跟踪目标与先前视频帧的跟踪目标进行匹配，并在匹配成功时使所述当前视频帧的跟踪目标继承所述先前视频帧的跟踪目标的家畜标号；

S4、重复步骤S1～S3直至所述当前视频帧为终止视频帧。

进一步地，所述通过目标检测网络对当前视频帧进行目标检测，得到所述当前视频帧的跟踪目标，具体为：

通过所述目标检测网络对所述当前视频帧进行目标检测，得到所述当前视频帧的若干个初选目标；

从若干个所述初选目标中筛选出置信度大于预设置信度阈值的初选目标作为所述当前视频帧的跟踪目标。