CN113822163B 一种复杂场景下的行人目标跟踪方法及装置 （北京紫岩连合科技有限公司）

一种复杂场景下的行人目标跟踪方法及装置本发明公开一种复杂场景下的行人目标跟标图像的时刻距离运动轨迹最后更新时刻之间测的目标图像位置信息与实际目标图像的位置2计算下一次检测到目标图像的时刻距离运动轨迹最后更如果该时间间隔超过预设轨迹消失时间阈值，则表示目如果该时间间隔在预设轨迹消失时间阈值内，则计算目∈{1,2,..}；计算t+k时刻的目标图像预测位置positionpre位置positionobj_t+k之间的距离；将满足距离条件的t+k时刻的若干目标组成一组候选集通过Kalman状态参数预测目标图像预测位置positionpredict(xpre，ypre，widthpre，计算t+k时刻的目标图像预测位置positionpredict与t+k时刻的目标图像实际位置dist(positionpredict,positionobj_t+k)<1.5*(widthpre+widthobj_t+k)，widthobj_t+k如果人脸区域存在，则提取t+k时刻对应的人脸特征FaceFeat+k，在t时刻对应的人脸特征FaceFeat和t+k时刻对应的人脸特征FaceFeat+k的相似度simi(FaceFeat,FaceFeat+k)，如果相似度大于给定的阈值faceThr，那么认为是同一个目标人如果人脸区域不存在，则提取内嵌特征ReidFeat+k，计算目标人的内嵌特征ReidFeat和t+k时刻对应的内嵌特征ReidFeat+k的相似度simi(ReidFeat,3目标运动轨迹确定模块(23)，用于计算目标图像预测位置与目标图像实际位置的距∈{1,2,..}；计算t+k时刻的目标图像预测位置positionpre位置positionobj_t+k之间的距离；将满足距离条件的t+k时刻的若干目标组成一组候选集通过Kalman状态参数预测目标图像预测位置positionpredict(xpre，ypre，widthpre，计算t+k时刻的目标图像预测位置positionpredict与t+k时刻的目标图像实际位置dist(positionpredict,positionobj_t+k)<1.5*(widthpre+widthobj_t+k)，widthobj_t+k对应的人脸特征FaceFeat和t+k时刻对应的人脸特征FaceFeat+k的相似度simi(FaceFeat,取内嵌特征ReidFeat+k，计算目标人物object在t时刻对应的内嵌特征ReidFeat和t+k时刻对应的内嵌特征ReidFeat+k的相似度simi(ReidFeat,45[0007]计算下一次检测到目标图像的时刻距离运动轨迹最后更其位置为positionobj_t(xobj_t,yobj_t,widthobj_t,heightobj_t)，t+k时刻的图像为记为6[0014]将满足距离条件的t+k时刻的若干目标组成一组候选集objSet{obj0,obj1,...,位置positionobj_t+k和新更新目标的位置信息positionobj_t计算Kalman状态参数，通过Kalman状态参数预测下一时刻目标应该出现的位置及大小positionpredict(xpre，ypre，[0017]如上所述的复杂场景下的行人目标跟踪方法，其中，计算t+k时刻的预测位置positionpredict与实际位置positionobj_t+k之间与t时刻目标图像imaget是否是同一个目标[0023]如果人脸区域存在，则提取t+k时刻对应的人脸特征FaceFeat+k，计算目标人物object在t时刻对应的人脸特征FaceFeat和t+k时刻对应的人脸特征FaceFeat+k的相似度对应的内嵌特征ReidFeat和t+k时刻对应的内嵌特征ReidFeat+k的相似度simi(ReidFeat,7所有成员中存在多个相似度大于给定的阈值faceThr的目标，则选择相似度最高的目标作的起始时刻t，该时刻代表获得了一个新的检测目标，为该目标重新建立一条运动轨迹Trackobj，记录此时的目标图像为imaget，其位置为positionobj_t，t+k时刻的图像为记为positionobj_t(xobj_t,yobj_t,widthobj_t,heightobj_t)，同样地，t+k时刻的图像位置为8[0041]步骤120、计算下一次检测到目标图像的时刻距离运动轨迹最后更新时刻之间的[0044]步骤210、对运动轨迹中最后更新时刻t所对应的目标图像位置positi新更新目标的位置信息positionobj_t计算Kalman状态参数，通过Kalman状态参数预测下一prepre[0047]Kalman状态估计使用一个8维空间去刻画轨迹在某时刻的状态prepre[0048]步骤220、计算t+k时刻的预测位置positionpredict与实际位置positio的距离，将满足距离条件的t+k时刻的若干目标组成一组候选集objSet{obj0,obj1,...,离dist(positionpredict,pos条件的目标，保存到候选集objSet中，通过距离条件筛选可以确定t+k时刻的目标图像imaget+k与t时刻目标图像imaget是否是同一个目标[0052]若经距离条件筛选后所得的候选集objSet为空，则继续进行下一帧的目标追是否大于轨迹消失的时间阈值，直到间隔timeInterval大于轨迹消失的时间阈值9对应的人脸特征FaceFeat和t+k时刻对应的人脸特征FeaceFeat+k的相似度simi(FeaceFeat,[0058]若目标图像候选集objSet的所有成员中存在多个相似度大于给定的阈值faceThr[0059]步骤330、提取内嵌特征ReidFeat+k(优选提取上半身属性特征)，计算目标人物object在t时刻对应的内嵌特征ReidFeat和t+k时刻对应的内嵌特征ReidFeat+k的相似度simi(ReidFeat,ReidFeat+k)，如果相似度阈值大于给定的阈值AttriThr(优选AttriThr=目标特征fea0表示t时刻对应的人脸特征FaceFeat，fea1表示t+k时刻对应的人脸特征[0063]若目标图像候选集objSet的所有成员中存在多个相似度大于给定的阈值轨迹Trackobj，记录此时的目标图像为imaget，其位置为positionobj_t(xobj_t,yobj_t,widthobj_t,heightobj_t)，t+k时刻的图像为记为imaget+k，位置为positionobj_t+k(xobj_t+k,最后更新时刻t所对应的目标图像位置positionobj_t进行预测，得到t+k时刻的预测位置positionpredict；计算t+k时刻的预测位置positionpredict与实际位置positionobj_t+k之间的距离；将满足距离条件的t+k时刻的若干目标组成一组候选集objSet{obj0,obj1,...,[0070]其中，对运动轨迹中最后更新时刻t所对应的目标图像位置positionobj_t进行预息positionobj_t计算Kalman状态参数，通过Kalman状态参数预测下一时刻目标应该出现的计算目标人物object在t时刻对应的人脸特征FaceFeat和t+k时刻对应的人脸特征FaceFeat+k的相似度simi(FaceFeat,FaceFeat+k)，如选提取上半身内嵌特征)，计算目标人物object在t时刻对应的内嵌特征ReidFeat和t+k时刻对应的内嵌特征ReidFeat+k的相似度simi(ReidFeat,Rei电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列机存取存储器(SynchronousDRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleD