[发明专利]一种多目标跟踪算法、电子装置及计算机可读存储介质

说明书

本发明涉及计算机视觉研究领域。本发明公开了一种多目标跟踪算法，包括以下步骤：S1，利用目标检测算法检测一个或多个目标的当前帧位置信息；S2，利用KCF跟踪器预测该一个或多个目标的下一帧的预测位置信息；S3，通过IOU对预测位置信息进行过滤，然后将过滤后的预测位置信息传入deepsort网络进行跟踪；S4，对于成功跟踪到的目标，更新其对应的deepsort网络，同时更新KCF跟踪器，反之，则进行判断。本发明的多目标跟踪算法不仅可以有效地消除当前目标检测算法存在漏检的情形，同时提高了目标跟踪算法的跟踪效果。

技术领域

本发明涉及计算机视觉研究领域，并且更具体地涉及一种多目标跟踪算法。

背景技术

目标跟踪技术是计算机视觉研究领域的热点之一。经过几十年的发展，目标跟踪取得了长足的发展。从粒子滤波和卡尔曼滤波等经典跟踪方法，到基于检测或相关滤波方法，到最近几年来出现的深度学习相关方法。目标跟踪的应用非常广泛，如，无人机的自动目标跟踪、人体目标跟踪、交通监控系统中的目标跟踪等。

现在主流的目标跟踪算法主要是基于目标检测的目标跟踪算法。而由于目标检测算法存在漏检的情况下，因此目标跟踪算法的实际应用效果相对于目标跟踪竞赛的效果而言有一段差距。目前最主流的目标检测算法有Yolo、FasterRcnn、SSD等，都会出现漏检的情况，这就可能造成同一个跟踪目标被当成两个目标进行跟踪。

KCF全称为Kernel Correlation Filter核相关滤波算法。在2014年由JoaoF.Henriques,Rui Caseiro,Pedro Martins,and Jorge Batista提出来的，算法出来之后也曾经轰动一时，这个算法不论是在跟踪效果还是跟踪速度上都有十分亮眼的表现，所以引起了一大批的学者对这个算法进行研究以及工业界也在陆续把这个算法应用在实际场景当中。相关滤波算法算是判别式跟踪，主要是使用给出的样本去训练一个判别分类器，判断跟踪到的是目标还是周围的背景信息。主要使用轮转矩阵对样本进行采集，使用快速傅里叶变化对算法进行加速计算。

发明内容

本发明针对现有技术存在的漏检情况，所提出的解决技术方案是：提供一种结合deepsort和KCF的多目标跟踪算法。具体如下：

一种多目标跟踪算法，应用于电子装置，包括以下步骤：

S1，利用目标检测算法检测一个或多个目标的当前帧位置信息；

S2，利用KCF跟踪器预测该一个或多个目标的下一帧的预测位置信息；

S3，通过IOU(交并比)对预测位置信息进行过滤，然后将过滤后的预测位置信息传入deepsort网络进行跟踪；

S4，对于成功跟踪到的目标，更新其对应的deepsort网络，同时更新KCF跟踪器，反之，则进行判断。

优选地，其中步骤S4进一步包括：对未跟踪成功的目标候选项进行判断，如果该目标候选项为检测到的一个或多个目标的当前帧位置信息，则对该目标候选项位置初始化新的卡尔曼跟踪滤波器和新的KCF跟踪器，反之则不做处理。

优选地，该算法进一步包括：

S5，对未跟踪到的卡尔曼跟踪滤波器，判断其目标丢失并设置连续丢失帧数阈值。

优选地，在目标丢失帧数大于阈值的情况下，则判定该目标消失，同时删除该deepsort跟踪网络对应的卡尔曼跟踪滤波器和KCF跟踪器。

本发明还提供了一种电子装置，包括：存储器、处理器以及存储在所述存储器中并能够在所述处理器上运行如上所述的多目标跟踪算法的计算机程序。

本发明还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行如上所述的多目标跟踪算法中的步骤。