[发明专利]一种多目标跟踪检测方法、系统、设备及存储介质

权利要求书

1.一种多目标跟踪检测方法，其特征在于，包括以下步骤；

步骤一，采集现场图片整理为VOC数据集，作为训练集，并对训练集打标签；

步骤二，获取训练集的先验框的大小，将检测网络YOLOv4基础数据中的先验框大小替换为训练集的先验框的大小，根据VOC数据集和先验框的大小更新检测网络YOLOv4基础数据中配置文件；

步骤三，搭建检测网络YOLOv4，将VOC数据集以及更新后的配置文件传入检测网络YOLOv4中进行训练，得到视频跟踪所需的权重文件；

步骤四，搭建DeepSort模型，将YOLOv4的权重文件输入DeepSort模型中，且更改DeepSort模型的配置文件config中的数据，得到多目标跟踪检测模型；

步骤五，将视频片段或实时监控画面传输至多目标跟踪检测模型中，进行多目标跟踪检测。

2.根据权利要求1所述的多目标跟踪检测方法，其特征在于，步骤一中，现场图片采集时，包含施工人员的多个角度，多个姿态，施工人员远近大小不一，多个小目标，包含佩戴与未佩戴安全帽和安全背心的施工人员。

3.根据权利要求1所述的多目标跟踪检测方法，其特征在于，步骤一中，使用LabelImg工具对训练集打标签。

4.根据权利要求1所述的多目标跟踪检测方法，其特征在于，步骤二中，使用聚类算法对VOC数据集进行处理，获取训练集的先验框的大小。

5.根据权利要求1所述的多目标跟踪检测方法，其特征在于，步骤三中，检测网络YOLOv4包括Input输入层、BackBone主干网络、Neck和Head检测头。

6.根据权利要求1所述的多目标跟踪检测方法，其特征在于，步骤四中，先将YOLOv4的权重文件转化为Tensorflow模型，再将Tensorflow模型输入DeepSort模型中。

7.根据权利要求1所述的多目标跟踪检测方法，其特征在于，步骤四中，更改config配置文件中的数据包括类别存放文件中的内容和先验框anchors数组值。

8.一种多目标跟踪检测系统，其特征在于，包括：

VOC数据集模块，用于采集现场图片整理为VOC数据集，作为训练集，并对训练集打标签；

YOLOv4基础数据更新模块，用于获取训练集的先验框的大小，将检测网络YOLOv4基础数据中的先验框大小替换为训练集的先验框的大小，根据VOC数据集和先验框的大小更新检测网络YOLOv4基础数据中配置文件；

检测网络YOLOv4搭建模块，用于搭建检测网络YOLOv4，将VOC数据集以及更新后的配置文件传入检测网络YOLOv4中进行训练，得到视频跟踪所需的权重文件；

DeepSort模型搭建模块，用于搭建DeepSort模型，将YOLOv4的权重文件输入DeepSort模型中，且更改DeepSort模型的配置文件config中的数据，得到多目标跟踪检测模型；

多目标跟踪检测模块，用于将视频片段或实时监控画面传输至多目标跟踪检测模型中，进行多目标跟踪检测。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述多目标跟踪检测方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述多目标跟踪检测方法的步骤。