-
公开(公告)号:CN110728702B
公开(公告)日:2022-05-20
申请号:CN201910811068.0
申请日:2019-08-30
申请人: 深圳大学 , 深圳市坪山区大数据资源管理中心
IPC分类号: G06T7/292 , G06N3/04 , G06K9/62 , G06V10/774 , G06V40/10
摘要: 一种基于深度学习的高速跨摄像头单目标跟踪方法,涉及计算机视觉技术领域,解决现有技术以多摄像头多目标跟踪,需要对所有轨迹片提取特征并全局关联,而无法只对部分数据处理的问题,本发明包括建立行人检测模型;单相机内多目标跟踪,基于卡尔曼滤波算法进行多目标跟踪;轨迹片代表图片筛选;采用预先训练好的行人再识别模型提取行人外观特征;在单摄像头域内,设计搜索约束条件和关联;设计的跨摄像头轨迹方向约束以及基于轨迹方向约束的跨摄像头轨迹关联的步骤实现单目标跟踪。实验结果和分析表明本发明所述的跟踪方法取得较好的实时性和准确性。
-
公开(公告)号:CN110728702A
公开(公告)日:2020-01-24
申请号:CN201910811068.0
申请日:2019-08-30
申请人: 深圳大学 , 深圳市坪山区大数据资源管理中心
摘要: 一种基于深度学习的高速跨摄像头单目标跟踪方法,涉及计算机视觉技术领域,解决现有技术以多摄像头多目标跟踪,需要对所有轨迹片提取特征并全局关联,而无法只对部分数据处理的问题,本发明包括建立行人检测模型;单相机内多目标跟踪,基于卡尔曼滤波算法进行多目标跟踪;轨迹片代表图片筛选;采用预先训练好的行人再识别模型提取行人外观特征;在单摄像头域内,设计搜索约束条件和关联;设计的跨摄像头轨迹方向约束以及基于轨迹方向约束的跨摄像头轨迹关联的步骤实现单目标跟踪。实验结果和分析表明本发明所述的跟踪方法取得较好的实时性和准确性。
-
公开(公告)号:CN112329527A
公开(公告)日:2021-02-05
申请号:CN202011053277.2
申请日:2020-09-29
申请人: 深圳大学
IPC分类号: G06K9/00
摘要: 本申请提供一种姿态估计方法、装置、电子设备及存储介质,该方法包括:根据姿态关节信息,确定各跟踪对象的姿态距离,并生成对应的姿态距离矩阵;根据姿态距离矩阵,在姿态关节信息中提取冗余姿态关节数据,以得到冗余姿态关节数据;基于预设的姿态关节数据融合规则,对冗余姿态关节数据进行加权融合处理,得到冗余姿态融合数据;将姿态关节信息中的冗余姿态关节数据替换为冗余姿态融合数据,得到目标姿态关节信息;根据目标姿态关节信息,确定跟踪对象的姿态估计结果。通过对姿态关节信息中的冗余姿态关节数据进行加权融合处理,以得到可靠性较高的目标姿态关节信息,进而提高了姿态估计结果的准确性。
-
公开(公告)号:CN112330714B
公开(公告)日:2024-01-09
申请号:CN202011053262.6
申请日:2020-09-29
申请人: 深圳大学
摘要: 本申请提供一种行人跟踪方法、装置、电子设备及存储介质,该方法包括:获取预设监控区域内的监控录像;在监控录像中提取监控区域中各跟踪对象的姿态关节信息;基于预设的非极大值抑制算法,根据各跟踪对象的姿态关节信息,判断各跟踪对象是否为被遮挡对象;当确定跟踪对象为被遮挡对象时,根据预设的姿态关节信息关联规则,估计被遮挡对象的姿态关节估计信息;根据被遮挡对象的姿态关节信息和姿态关节估计信息,确定被遮挡对象的跟踪结果。通过对被遮挡对象的被遮挡关节的关节信息进行估计,以得到姿态关节估计信息,进而确定被遮挡对象的跟踪结果,提高了该行人跟踪方法的鲁棒性,提高了跟踪结果的准确性。
-
公开(公告)号:CN112330714A
公开(公告)日:2021-02-05
申请号:CN202011053262.6
申请日:2020-09-29
申请人: 深圳大学
摘要: 本申请提供一种行人跟踪方法、装置、电子设备及存储介质,该方法包括:获取预设监控区域内的监控录像;在监控录像中提取监控区域中各跟踪对象的姿态关节信息;基于预设的非极大值抑制算法,根据各跟踪对象的姿态关节信息,判断各跟踪对象是否为被遮挡对象;当确定跟踪对象为被遮挡对象时,根据预设的姿态关节信息关联规则,估计被遮挡对象的姿态关节估计信息;根据被遮挡对象的姿态关节信息和姿态关节估计信息,确定被遮挡对象的跟踪结果。通过对被遮挡对象的被遮挡关节的关节信息进行估计,以得到姿态关节估计信息,进而确定被遮挡对象的跟踪结果,提高了该行人跟踪方法的鲁棒性,提高了跟踪结果的准确性。
-
公开(公告)号:CN112329527B
公开(公告)日:2023-12-08
申请号:CN202011053277.2
申请日:2020-09-29
申请人: 深圳大学
摘要: 本申请提供一种姿态估计方法、装置、电子设备及存储介质,该方法包括:根据姿态关节信息,确定各跟踪对象的姿态距离,并生成对应的姿态距离矩阵;根据姿态距离矩阵,在姿态关节信息中提取冗余姿态关节数据,以得到冗余姿态关节数据;基于预设的姿态关节数据融合规则,对冗余姿态关节数据进行加权融合处理,得到冗余姿态融合数据;将姿态关节信息中的冗余姿态关节数据替换为冗余姿态融合数据,得到目标姿态关节信息;根据目标姿态关节信息,确定跟踪对象的姿态估计结果。通过对姿态关节信息中的冗余姿态关节数据进行加权融合处理,以得到可靠性较高的目标姿态关节信息,进而提高了姿态估计结果的准确性。
-
-
-
-
-