一种目标检测跟踪方法、装置及设备.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CN113674307A(43)申请公布日2021.11.19(21)申请号202111219405.0(22)申请日2021.10.20(71)申请人湖南大学地址410082湖南省长沙市岳麓区麓山南路1号(72)发明人邓元望许庆金朱浩(74)专利代理机构北京集佳知识产权代理有限公司11227代理人牛玉霜(51)Int.Cl.G06T7/20(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图3页(54)发明名称一种目标检测跟踪方法、装置及设备(57)摘要本发明公开了一种目标检测跟踪方法，考虑到图像中的检测目标数量越多，对于跟踪算法来说预测难度就越大，因此本申请在通过预设检测算法进行检测后，首先根据对应关系确定出检测目标的第一数量对应的跟踪帧数，然后控制跟踪算法对跟踪帧数个图像进行预测，通过合理地设置检测目标数量与跟踪帧数的对应关系，便可以精确地控制跟踪算法针对不同的检测目标数量对相应帧数图像进行检测目标的预测，有利于在保障预测精度的基础上提升了检测速度。本发明还公开了一种目标检测跟踪装置及设备，具有如上目标检测跟踪方法相同的有益效果。CN113674307ACN113674307A权利要求书1/2页1.一种目标检测跟踪方法，其特征在于，包括：利用预设检测算法检测视频流的最新一帧图像中的各个检测目标；根据检测目标数量与跟踪帧数的对应关系，确定出最新一帧图像中的所述检测目标的第一数量对应的跟踪帧数；判断当前的累计帧数是否达到所述跟踪帧数；若未达到，则利用预设跟踪算法预测所述视频流的下一帧图像中的各个检测目标，并将初始值为零的所述累计帧数加一；判断所述视频流是否存在后续图像，若存在，则执行所述判断当前的累计帧数是否达到所述跟踪帧数的步骤，否则终止；若达到，则将所述累计帧数清零并执行所述利用预设检测算法检测出视频流中的最新一帧图像中的各个检测目标的步骤。2.根据权利要求1所述的目标检测跟踪方法，其特征在于，所述利用预设跟踪算法预测所述视频流的下一帧图像中的各个检测目标并将初始值为零的所述累计帧数加一具体为：预先利用最新一帧图像中的各个所述检测目标的位置信息对预设跟踪算法进行初始化；利用预设跟踪算法预测所述视频流的下一帧图像中的各个检测目标，并利用预测结果对所述预设跟踪算法进行更新；判断最新预测到的所述检测目标的第二数量是否与所述第一数量相等；若是，则显示预测效果并并将初始值为零的所述累计帧数加一；若否，则将所述累计帧数清零并执行所述利用预设检测算法检测出视频流中的最新一帧图像中的各个检测目标的步骤。3.根据权利要求2所述的目标检测跟踪方法，其特征在于，所述利用预设检测算法检测视频流的最新一帧图像中的各个检测目标之前，该目标检测跟踪方法还包括：根据预设数据集以及在指定场景中实际采集的图片集，确定出带有各个预设检测目标的标注信息的图片训练集；利用所述图片训练集中的各个所述标注信息，采用预设聚类算法得到各个所述预设检测目标对应的预设数量个具有代表性的尺寸参数；利用所述图片训练集以及所述尺寸参数对预设检测算法进行训练。4.根据权利要求1所述的目标检测跟踪方法，其特征在于，所述检测目标数量与跟踪帧数的对应关系具体为：当所述检测目标数量为1时，所述跟踪帧数为20帧；当所述检测目标数量大于1且小于4时，所述跟踪帧数为10帧；当所述检测目标数量大于3时，所述跟踪帧数为0帧。5.根据权利要求1所述的目标检测跟踪方法，其特征在于，所述预设检测算法为YOLO检测模型。6.根据权利要求5所述的目标检测跟踪方法，其特征在于，所述YOLO检测模型中的主干特征提取网络为EfficientNet卷积神经网络。7.根据权利要求6所述的目标检测跟踪方法，其特征在于，所述主干特征提取网络的有效特征层的数量为4个。2CN113674307A权利要求书2/2页8.根据权利要求1至7任一项所述的目标检测跟踪方法，其特征在于，所述预设跟踪算法为核相关KCF滤波算法。9.一种目标检测跟踪装置，其特征在于，包括：检测模块，用于利用预设检测算法检测视频流的最新一帧图像中的各个检测目标；确定模块，用于根据检测目标数量与跟踪帧数的对应关系，确定出最新一帧图像中的所述检测目标的第一数量对应的跟踪帧数；第一判断模块，用于判断当前的累计帧数是否达到所述跟踪帧数，若未达到，则触发预测模块，若达到，则触发清零模块；所述预测模块，用于利用预设跟踪算法预测所述视频流的下一帧图像中的各个检测目标，并将初始值为零的所述累计帧数加一；第二判断模块，用于判断所述视频流是否存在后续图像，若存在，则触发所述第一判断模块，否则触发终止模块；所述终止模块，用于终止；所述清零模块，用于