[发明专利]一种基于深度学习的高密度行人头部实时跟踪算法在审
| 申请号： | 202210335656.3 | 申请日： | 2022-03-31 |
| 公开（公告）号： | CN116959023A | 公开（公告）日： | 2023-10-27 |
| 发明（设计）人： | 李呈祥;孟朝晖;韩朋 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06V40/10 | 分类号： | G06V40/10;G06V10/46;G06V10/75;G06V10/764;G06V10/82;G06N3/045;G06N3/08;G06T7/246 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 211100 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明提出了一种基于深度学习的高密度行人头部实时跟踪算法，涉及目标检测、目标跟踪以及行人重识别领域。该方法将研究拥挤场景下的行人头部跟踪，首先选取EPSA‑CenterNet作为目标检测器，融合了检测网络与特征提取网络并添加了ReID分支学习低维特征，通过Heat Map的Top k筛选特征信息后传入改进的DeepSort算法中。跟踪算法根据EPSA‑CenterNet检测器提取的表观特征与运动信息进行轨迹关联匹配。由于本发明考虑到拥挤场景下行人头部目标较小，所以对EPSA‑CenterNet检测网络进行多尺度特征提取与增强并结合CS‑softmax改进ReID分支的分类损失函数，同时采用基于sigma点集的UKF‑DeepSort算法去替换原跟踪算法。最后为了实现实时性跟踪，优化网络采样层提高检测速度。最终所形成的新模型ESMOT有效地解决了拥挤场景中小目标跟踪与遮挡问题。 | ||
| 搜索关键词： | 一种 基于 深度 学习 高密度 行人 头部 实时 跟踪 算法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河海大学，未经河海大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202210335656.3/，转载请声明来源钻瓜专利网。
