[发明专利]一种多目标跟踪方法、装置及计算机系统

摘要

本发明公开了一种多目标跟踪方法、装置及计算机系统，所述方法包括：对于目标，获得图像序列的每一帧中的检测目标；预测每一个所述检测目标在下一帧的位置，获得预测的跟踪目标信息；计算所述目标预测信息和检测目标之间相似度的度量信息；将计算得到的所述度量信息输入循环深度神经网络(RNN)输出损失函数；得到跟踪目标的预测信息与检测目标结果的损失函数；由最优二分配算法最小化损失函数得到最优的第i个跟踪目标的预测信息和第j个检测目标结果的最优唯一匹配。本发明将传统追踪算法与深度神经网络进行了结合，可以显著降低预测误差。

主权项

1.一种基于运动特征和目标信息的深度网络联合损失函数的多目标跟踪方法，其特征在于，所述方法包括：1)、获得图像序列每一帧中的目标检测结果(x₁，y₁，w₁，h₁)，其中(x₁，y₁)表示目标检测框的中心位置坐标，(w₁，h₁)表示目标检测框的宽和高；2)、预测每一个目标在下一帧的位置，获得目标预测信息(x₂，y₂，w₂，h₂)，即跟踪目标信息，其中(x₂，y₂)表示预测目标检测框的中心位置坐标，(w₂，h₂)表示预测目标检测框的宽和高；3)、计算所述目标预测信息和目标检测结果之间相似度的度量信息；4)、将第3)步计算得到的所述度量信息输入循环深度神经网络RNN，并输出特征权重；5)、根据上述特征权重得到损失函数C_ij，其中i表示预测的第i个目标，j表示检测的第j个目标；6)、由最优二分配算法最小化损失和函数得到最优的预测目标i的目标预测信息和第j个目标检测结果的最优唯一匹配；7)、判断所述图像序列是否还存在未处理的图像帧，如果有则返回第1)步，否则结束。