一种社区监控场景下基于人体外观属性和时空上下文的行人多目标跟踪方法

摘要

本发明涉及图像检索、人工智能、深度学习技术领域，具体公开了一种社区监控场景下基于人体外观属性和时空上下文的行人多目标跟踪方法，包括以下步骤：对行人图像数据集进行行人整体和细粒度特征进行初步框取；将经过框取后的数据集作为输入，框取后的行人图像和特征图像部分作为输出，训练FG‑BMM模型；将步骤1中经过细粒度特征标定后的行人图像数据集按照不同时刻进行排列；将排列后的图像数据集依次输入至MPST‑STC模型进行训练，在MPST‑STC模型中，按照STC的原理对步骤1中所有框取的区域建立其空间上下文模型，根据时序将这些空间上下文模型整合，即为时空上下文模型等。本发明能够对行人的人脸以及其它外观图像进行跟踪，并且在遮挡情况下具有较好的鲁棒性。