[发明专利]一种用于运砂船及采砂船的多目标跟踪方法及系统

说明书

本发明涉及视频图像处理技术领域，尤其涉及一种用于运砂船及采砂船的多目标跟踪方法及系统，方法包括：获取视频的多个图像帧及图像帧中目标主体的参数信息；将相邻图像帧中的任意两个目标主体进行配对得到多个目标组合，并生成含多个目标组合的配对集；根据参数信息分别得到目标组合中两个目标主体之间的位置相关度、速度相关度、方向相关度及尺寸相关度，并对位置相关度、速度相关度、方向相关度及尺寸相关度求和得到目标相关度；将配对集内与目标组合对应的目标相关度与预设的相关度阈值对比，并由此确定相邻图像帧中的目标主体的对应关系。在本发明中，通过采用目标识别算法加聚合算法，使得本发明的跟踪效率及跟踪准确度得到明显提高。

技术领域

本发明涉及视频图像处理技术领域，尤其涉及一种用于运砂船及采砂船的多目标跟踪方法及系统。

背景技术

图像目标检测是计算机视觉领域中的一项基础任务，其主要目标是在图像中检测出特定的物体并将其位置和边界框标注出来。目标检测任务通常可以分为两个阶段：目标提取和目标分类。目标提取阶段是指在图像中寻找可能包含目标的区域，并提取这些区域的特征。目标分类阶段是指对这些区域进行分类，判断其是否包含目标。其应用广泛，例如自动驾驶、视频监控、人脸识别、医学图像处理等。目前，深度学习技术已经成为图像目标检测领域的主流方法。许多先进的深度学习模型，如FasterR-CNN、YOLO、SSD等，已经被广泛应用于实际应用中。同时，一些新的技术和算法也在不断涌现，如一些基于强化学习的目标检测方法、一些基于注意力机制的目标检测方法等。

目标跟踪(Object Tracking)算法是指对一个运动目标在连续视频帧中的位置进行预测和估计的技术。其主要目的是在视频序列中自动跟踪目标，识别目标在时间和空间上的变化，并最终对其进行描述和分析。目标跟踪广泛应用于视频监控、交通监测、机器人导航、虚拟现实、视频游戏等领域；目前跟踪算法通常可以分为以下几类：1.基于背景建模的目标跟踪算法：这种算法通常假设背景是静止的，通过对背景的建模，将前景目标从背景中分离出来。其中比较典型的算法包括背景减法算法、自适应背景建模算法等；2.基于相关滤波的目标跟踪算法：这种算法通过计算目标模板和图像的相关性，来估计目标在下一帧中的位置。其中比较典型的算法包括Mean Shift算法、Kernelized Correlation Filter算法等；3.基于特征点匹配的目标跟踪算法：这种算法通常通过提取目标的关键特征点，并在下一帧中寻找匹配点，从而实现目标的跟踪，其中比较典型的算法包括SURF算法、SIFT算法等；4.基于深度学习的目标跟踪算法：这种算法通过使用深度神经网络来提取特征，并将其用于目标的跟踪，其中比较典型的算法包括Siamese Network算法、Fully ConvolutionalSiamese Network算法等。

尽管目标跟踪算法在很多应用领域都具有广泛的应用，但是它们仍然存在一些缺陷，主要包括以下几个方面：对于光照变化、背景干扰、目标遮挡等情况，目标跟踪算法的鲁棒性较差，容易出现跟踪失败的情况；在一些场景中，目标的运动速度较快或者存在快速运动，目标跟踪算法的性能也会受到一定的影响，很难实现实时的跟踪；目标跟踪算法对于复杂的目标形状和结构较难进行跟踪，因为这些目标的特征难以提取和描述；由于视频中存在大量的冗余信息和噪声，目标跟踪算法在跟踪过程中容易受到干扰，导致跟踪误差较大；一些目标跟踪算法需要先手动标注目标，然后通过模板匹配或相关滤波等技术进行跟踪，这种方法需要大量的人工干预，效率较低。

发明内容

为了解决上述技术问题，本发明提供了一种用于运砂船及采砂船的多目标跟踪方法及系统。

本发明采用以下技术方案：一种用于运砂船及采砂船的多目标跟踪方法，所述方法包括：

基于目标识别算法获取视频的多个图像帧及所述图像帧中目标主体的参数信息，其中，所述目标主体为运砂船及采砂船，所述参数信息包括所述目标主体的位置坐标及目标尺寸；

基于聚合算法将相邻所述图像帧中的任意两个所述目标主体进行配对得到多个目标组合，并生成含多个所述目标组合的配对集；