一种基于区域的多特征匹配速滑运动员多目标跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113963375A(43)申请公布日2022.01.21(21)申请号202111220338.4(22)申请日2021.10.20(71)申请人中国石油大学（华东）地址266580山东省青岛市黄岛区长江西路66号(72)发明人李宗民王一璠孙奉钰(51)Int.Cl.G06V40/10(2022.01)G06V10/74(2022.01)G06K9/62(2022.01)G06T7/246(2017.01)G06T7/11(2017.01)权利要求书1页说明书4页附图2页(54)发明名称一种基于区域的多特征匹配速滑运动员多目标跟踪方法(57)摘要本发明结合深度学习与计算机视觉算法，具体公开了一种基于区域的多特征匹配速滑运动员多目标跟踪方法，该跟踪方法包括如下步骤：s1、根据速滑场地对当前区域进行划分；s2、根据目标检测算法检测图片中的速滑运动员信息；s3、根据s1中的划分区域对s2检测得到的速滑运动员信息进行区域划分；s4、对每个区域中的速滑运动员利用多特征信息进行匹配；s5、根据每个区域中速滑运动员的跟踪结果，进行区域间的匹配形成最终的跟踪结果。本发明方法针对速滑运动员比赛时长、速滑场地等特征信息，通过区域分割、多特征匹配等方式更鲁棒的进行速滑运动员的多目标跟踪。CN113963375ACN113963375A权利要求书1/1页1.一种基于区域的多特征匹配速滑运动员多目标跟踪方法，其特征在于，包括如下步骤：s1、根据速滑场地对当前区域进行划分；s2、根据目标检测算法检测图片中的速滑运动员信息；s3、根据s1中的划分区域对s2检测得到的速滑运动员信息进行区域划分；s4、对每个区域中的速滑运动员利用多特征信息进行匹配；s5、根据每个区域中速滑运动员的跟踪结果，进行区域间的匹配形成最终的跟踪结果。2.根据权利要求1所述的一种基于区域的多特征匹配速滑运动员多目标跟踪方法，其特征在于，所述步骤s1、s3中，对运动场地进行区域划分，在不同的区域内应用多特征的跟踪策略，提升对速滑运动员的跟踪性能。3.根据权利要求1所述的一种基于区域的多特征匹配速滑运动员多目标跟踪方法，其特征在于，所述步骤s4中，通过多特征匹配技术，通过区域位置信息，行人重识别特征，姿态特征进行帧与帧之间的综合度量匹配。2CN113963375A说明书1/4页一种基于区域的多特征匹配速滑运动员多目标跟踪方法技术领域[0001]本发明结合深度学习与计算机视觉算法，具体公开了一种基于区域的多特征匹配速滑运动员多目标跟踪方法。背景技术[0002]多目标跟踪是计算机视觉领域的一项关键技术，在自动驾驶、智能监控、行为识别等方向应用广泛。但由于多目标跟踪任务本身的复杂性，导致其比目标检测与单目标跟踪任务面临着更多的挑战，比如目标重叠、外观剧变、外观相似等问题。如何更有效的去解决这些问题，对于多目标跟踪技术的应用具有重要意义，于是在过去的几十年里，人们提出了广泛的解决方案。[0003]多目标跟踪(MultipleObjectTracking,MOT)指在事先不知道目标数量的情况下，对视频中的行人、汽车、动物等多个目标进行检测并赋予ID进行轨迹跟踪。主要任务是在给定视频中同时对多个感兴趣的目标进行定位，不同的目标拥有不同的ID，以便实现后续的轨迹预测、精准查找等工作。与其它计算机视觉任务相比，多目标跟踪任务主要存在以下研究难点：1)目标检测不够准确；2)频繁的目标遮挡；3)目标数量不确定；4)相似外观，多目标间的相互影响。[0004]现如今工业界关注度最高的多目标跟踪方法，主要是SORT以及DeepSORT。这两类方法通过目标检测和匈牙利匹配、卡尔曼预测加更新的方式，实现多目标跟踪。但需要应用落地就需要得到真实场景下的跟踪目标的各项数值，包括跟踪目标每秒的移动距离、移动速度等，由于摄像头下真实场景的形变问题，得到更为真实的以上数据仍是一个待解决的难题。[0005]在本发明中，我们提出了一种基于区域的多特征匹配速滑运动员多目标跟踪方法。针对速滑运动员的跟踪匹配与现有数据集的匹配方法是有很大不同的。现有的数据集MOT17，MOT19等针对行人的数据集中，行人多是进行直线运动，同时跟踪的时间也相对较短。而速滑运动员比赛时间长、根据场地进行运动所以滑动轨迹相对固定，因此直接使用现有的算法是无法进行良好匹配的。基于以上问题，我们将整个场地进行区域化跟踪，使得速滑运动员在每一块区域中的运动状态都相对一致；同时我们尝试使用多特征的方式对前后帧的过程进行更好的匹配。通过这种多区域、多特征的方式能够更好的对速滑运动员的轨迹进行跟踪。[0006]本发明，结合深度学习与计算机视觉的方法，构建一个基于多目标跟踪方案，在单个摄像头下，