预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115019241A(43)申请公布日2022.09.06(21)申请号202210935554.5(22)申请日2022.08.05(71)申请人江西中业智能科技有限公司地址330000江西省南昌市青云谱区昌南工业园区昌南园五路5号1号楼4401室(72)发明人刘丹张恒星(74)专利代理机构南昌旭瑞知识产权代理事务所(普通合伙)36150专利代理师彭琰(51)Int.Cl.G06V20/40(2022.01)G06V20/52(2022.01)G06V40/16(2022.01)G06V40/20(2022.01)权利要求书3页说明书12页附图2页(54)发明名称一种行人识别与追踪方法、装置、可读存储介质及设备(57)摘要本发明提供一种行人识别与追踪方法、装置、可读存储介质及设备,方法包括:使用多个摄像头采集不同区域的视频流;对视频流的图片进行行人检测及行人特征提取;采用卡尔曼滤波及匈牙利算法对上下帧行人运动的轨迹进行匹配,输出当前轨迹匹配的目标行人位置数据集;对视频流的每一帧图片进行人脸检测及识别,得到每个行人的人脸ID及其人脸位置数据集;将目标行人的所述目标行人位置数据集与各所述人脸位置数据集进行空间距离匹配,确定目标行人的追踪ID;根据目标行人的追踪ID采用追踪器对目标行人进行多个场景下追踪。本发明通过行人检测和人脸检测共同协作的行人追踪方式,在单一场景下和多场景下均取得较好的行人追踪效果。CN115019241ACN115019241A权利要求书1/3页1.一种行人识别与追踪方法,其特征在于,所述方法包括:使用多个摄像头采集不同区域的视频流,每个摄像头对应一个场景,得到多个场景下的视频流;对每个视频流的连续多帧图片进行行人检测及行人特征提取,得到每帧图片上的每个行人的行人ID及其对应的行人位置数据集和行人特征数据集;根据所述行人位置数据集和所述行人特征数据集,采用卡尔曼滤波算法及匈牙利算法对上下帧行人运动的轨迹进行匹配,输出每帧图片上的当前轨迹匹配的目标行人位置数据集;对每个视频流的每一帧图片进行人脸检测及识别,得到每帧图片上的每个行人的人脸ID及其人脸位置数据集;针对每一帧图片,均将当前帧图片上的任一目标行人的所述目标行人位置数据集与所述当前帧图片上的各所述人脸位置数据集进行空间距离匹配,若空间距离小于阈值时,将匹配的人脸位置数据集对应的人脸ID作为所述目标行人的追踪ID,若空间距离大于等于所述阈值或未检测到所述目标行人的人脸位置数据集时,将所述目标行人的目标行人位置数据集对应的行人ID作为所述目标行人的追踪ID;根据所述目标行人的追踪ID采用追踪器对所述目标行人进行多个场景下追踪。2.根据权利要求1所述的行人识别与追踪方法,其特征在于,对每个视频流的连续多帧图片进行行人检测及行人特征提取,得到每帧图片上的每个行人的行人ID及其对应的行人位置数据集和行人特征数据集的步骤包括:采用行人检测算法对每个视频流的连续多帧图片进行行人检测,输出每个行人的行人ID及其对应的行人检测区域,每个所述行人检测区域的坐标构成一个所述行人位置数据集;采用预设卷积神经网络对每个所述行人检测区域进行高纬度特征提取,得到n*2048的数组,每个n*2048的数组对应一个行人特征数据集。3.根据权利要求2所述的行人识别与追踪方法,其特征在于,采用行人检测算法对每个视频流的连续多帧图片进行行人检测,输出每个行人的行人ID及其对应的行人检测区域的步骤之后,还包括:根据置信度及区域面积的大小对行人检测区域进行筛选,剔除掉置信度小于预设值的行人检测区域,并且剔除掉区域像素点个数小于预设个数的行人检测区域。4.根据权利要求2所述的行人识别与追踪方法,其特征在于,根据所述行人位置数据集和所述行人特征数据集,采用卡尔曼滤波算法及匈牙利算法对上下帧行人运动的轨迹进行匹配,输出每帧图片上的当前轨迹匹配的目标行人位置数据集的步骤包括:使用卡尔曼滤波算法对当前帧的每个行人位置数据集进行运动轨迹预测,并计算上一帧的每个行人位置数据集的每一个位置坐标与当前帧的预测运动轨迹的马氏距离,得出位置匹配度;采用匈牙利算法对上下帧之间的所述行人特征数据集进行余弦相似性计算,得到特征匹配度;根据所述位置匹配度和所述特征匹配度,计算出上一帧的每个行人位置数据集与当前帧的预测运动轨迹的综合匹配度;2CN115019241A权利要求书2/3页将所述综合匹配度大于匹配度阈值的行人位置数据集确定为当前帧图片上的当前轨迹匹配的目标行人位置数据集。5.根据权利要求4所述的行人识别与追踪方法,其特征在于,所述位置匹配度的计算公式为:式中,d(i,j)表示第j个行人位置数据集和预测的第i个运动轨迹之间的位置匹配度,S‑1i是由卡尔曼滤波