[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。