[发明专利]密集人群场景下多目标跟踪的外观特征更新方法及系统

说明书

本发明涉及一种密集人群场景下多目标跟踪的外观特征更新方法及系统，方法包括：获取当前帧图像，并得到当前帧图像中的多个目标的检测框；对多个检测框中的目标进行特征提取，确定当前帧图像中的多个目标的外观特征和当前帧图像中的多个目标的运动特征；根据提取到的特征，确定代价矩阵；利用代价矩阵判断前一帧目标与当前帧目标是否匹配成功；如果是，则根据分配权重对当前帧目标的外观特征进行更新；如果否，则不对当前帧目标的外观特征进行更新。本发明通过利用分配权重对外观特征进行更新，提高了多目标跟踪的准确度。

技术领域

本发明涉及多目标跟踪领域，特别是涉及一种密集人群场景下的多目标跟踪的外观特征更新方法及系统。

背景技术

多目标跟踪一直以来都是计算机视觉研究领域中的一个热点问题，其中密集场景下的多目标跟踪更是一个十分具有挑战的任务。由于在密集场景中，目标之间的相互遮挡以及目标被周边环境所遮挡是十分普遍的，如何在目标被遮挡之后依旧可以保持其身份标识不变并准确的对其进行跟踪依旧是一项难题。从应用角度来讲，在智能交通监控及无人驾驶等实际工业应用场景中，在密集场景下对多个目标进行跟踪也是一项十分常见的任务。多目标跟踪的任务主要分为定位多个对象、维护它们的身份标识以及根据输入视频产生它们的轨迹。对象检测模块和重识别模块是多目标跟踪算法的两个关键模块，其中对象检测模块负责定位图像中的目标，并获得目标的检测框，重识别模块负责提取对象检测模块中得到的检测框中的目标的外观特征，也称为Re-ID特征，用于识别目标并为其分配相关ID。

当前的多目标跟踪算法的外观更新方式不论是两阶段的多目标跟踪算法，比如DeepSort(N.Wojke,A.Bewley,and D.Paulus,“Simple online and realtime trackingwith a deep association metric,”in 2017 IEEE international conference onimage processing(ICIP).IEEE,2017,pp.3645–3649)，POI(F.Yu,W.Li,Q.Li,Y.Liu,X.Shi,and J.Yan,“Poi:Multiple object tracking with high performance detectionand appearance feature,”inECCV.Springer,2016,pp.36–42.)，还是单阶段的多目标跟踪算法，比如JDE(Z.Wang,L.Zheng,Y.Liu,and S.Wang,“Towards real-time multiobjecttracking,”arXiv preprint arXiv:1909.12605,2019.)，FairMOT(Y.Zhang,C.Wang,X.Wang,W.Zeng,and W.Liu,“Fairmot:On the fairness of detection and re-identification in multiple object tracking,”International Journal of ComputerVision,pp.1–19,2021.)等，它们的外观模板特征的获取方式的公式为：f＝λf₁+(1-λ)f₂，其中，f表示通过更新得到的当前帧图像中的目标的外观模板特征，f₁表示当前帧图像中目标的外观特征，f₂表示前一帧图像中目标的外观模板特征，λ为超参数。

这种更新机制是在每一帧新图像产生时，对历史帧做一次线性加权，随着时间的推移，各历史帧的权重将不断衰减。本质上，该更新方法假设距离当前帧时间间隔最近的一帧具有最大的更新权重，而时间间隔较远的帧(例如起始帧)的影响将随着时间推移而渐进式消亡。这种更新机制在密集人群场景下存在不足，若前一帧中目标被遮挡，通过该更新机制所获取的外观特征掺杂了很多不属于目标本身的外观特征成分，导致跟踪器错判，从而造成分配给目标错误的身份标识，使跟踪器不能准确对多目标进行跟踪。

发明内容

本发明的目的是提供一种密集人群场景下多目标跟踪的外观特征更新方法及系统，以解决现有技术中多目标跟踪方法对目标跟踪不准确的问题。