行人跟踪

摘要： 视频监控在信息化时代尤其是交通系统中占据重要地位,文章提出一种基于Yolov5和DeepSort在可见光环境下将行人识别和行人跟踪两大模块相结合的多目标跨镜头跟踪算法。首先使用Yolov5算法通过保存视频号、行人序号和位置信息给视频中行人赋予标签,得到视频中所有行人的信息;然后根据信息用DeepSort实现行人跟踪。经过测试和训练可以快速准确地完成任务,有一定的理论探索意义和实用价值。

摘要： 针对复杂场景下仅依靠传统的目标检测与跟踪算法进行跟踪时准确度低且速度慢的问题,提出一种基于GhostNet与注意力机制结合的行人检测与跟踪算法。首先,将YOLOv3的主干网络替换为GhostNet,保留多尺度预测部分,利用Ghost模块减少深度网络模型参数和计算量,在Ghost模块中融入注意力机制给予重要特征更高的权值。然后,引入目标检测的直接评价指标GIoU来指导回归任务。最后,利用Deep-Sort算法进行跟踪。在公共数据集上实验表明,改进后的模型平均精确度均值(mean Average precision,mAP)达到了92.53%,帧速率是YOLOv3模型的2.5倍;所提算法跟踪准确度优于改进前及其他算法,可以精确有效地跟踪复杂场景下的多目标行人,并具有较强的鲁棒性。

摘要： 针对行人被遮挡时和复杂光线条件下传统跟踪算法易失效的问题,提出一种基于雷达与相机融合的粒子滤波跟踪方法。利用CRFNet神经网络对视觉和雷达底层信号进行融合,基于神经网络对雷达特征的提取,显著提高粒子滤波在夜晚与恶劣气候条件下的跟踪精度。在数据关联过程中,将相机检测到的目标方位角与雷达测量得到的距离相结合,减少传感器误差与模型误差对跟踪的影响。实验结果表明,该算法相比传统融合跟踪算法在精度上提高了10%,鲁棒性显著增强。

摘要： 为消除行人姿态变化、遮挡以及低照度对目标跟踪效果的影响,提出一种鲁棒的行人检测跟踪算法。为消除低照度的影响,在HSV空间进行图像增强,引入增强因子避免色彩失真。针对行人姿态变化和遮挡,引入人体部件模型得到更加鲁棒的全局特征。为验证算法的有效性,设计对比实验。相比于Center Net-Deep SORT,行人编号跳变几乎相同,但精确率提高5.3%,召回率提高15.7%。相比于YOLO_Tracking,行人编号跳变减少153,精确率提高2.1%,召回率提高约10%。

摘要： 为了解决常规行人跟踪安防系统跟踪延时过高的问题,实现实时跟踪安防,设计多激光雷达行人跟踪安防系统。硬件部分,采用多激光跟踪雷达和DM1827芯片;软件部分,提取行人跟踪安防特征后设计安防架构和安防功能模块,从而实现行人实时跟踪安防。系统测试结果表明,设计的行人跟踪安防系统跟踪延时较低、性能良好,能够满足行人实时跟踪安防需求,具有一定的应用价值。

摘要： 针对城市中智能视频监控问题,提出一种基于选定区域RGB直方图的粒子滤波行人跟踪算法.首先实现了Eiji Ota在2011年实现的算法,该算法只能对红色目标进行跟踪,然后对该算法进行改进,改进后能够根据选定区域RGB颜色直方图的粒子滤波算法对行人进行跟踪.自动提取跟踪视频的第一帧,然后在第一帧上选择要跟踪的区域,再计算选定区域的RGB平均值,最后根据该区域的RGB颜色空间直方图进行粒子滤波行人跟踪.实验结果表明,采用改进的方法对视频监控的行人进行跟踪,效果较好.

摘要： 针对城市中智能视频监控问题,提出一种基于选定区域RGB直方图的粒子滤波行人跟踪算法。首先实现了Eiji Ota在2011年实现的算法,该算法只能对红色目标进行跟踪,然后对该算法进行改进,改进后能够根据选定区域RGB颜色直方图的粒子滤波算法对行人进行跟踪。自动提取跟踪视频的第一帧,然后在第一帧上选择要跟踪的区域,再计算选定区域的RGB平均值,最后根据该区域的RGB颜色空间直方图进行粒子滤波行人跟踪。实验结果表明,采用改进的方法对视频监控的行人进行跟踪,效果较好。

摘要： 研究了网络视频监控中行人检测和跟踪技术,并提出了基于多模型检测的视频监控行人跟踪算法.首先在已有检测算法的基础上,根据实验结果,分析了算法的优势和存在问题,提出了多模型融合检测算法,多模型融合检测算法充分利用各个单模型算法的优势,提高模型检测准确率,并使用快速特征金字塔算法提高了算法的实时性.随后在提出的检测算法基础上,结合卡尔曼滤波算法和匈牙利最优匹配算法实现多目标行人检测和实时跟踪.MOT测试视频实验结果表明:提出的跟踪算法能够较好地实现多目标行人检测和跟踪,适合网络视频监控场景.

摘要： 本文提出了一种基于加权亮度直方图的行人跟踪中遮挡问题处理方法.首先利用卡尔曼滤波的预测功能,对未能成功跟踪的目标进行空间位置的遮挡判别并得到遮挡类型,然后针对不同的遮挡类型及目标自身和目标间相对运动状态,给不同位置的像素赋予不同权重,进而求出加权之后的亮度直方图,最后通过计算加权后亮度直方图的相似度大小来对目标进行匹配跟踪.实验证明,本文方法能使显露部分亮度信息得到充分利用,同时降低遮挡带来的亮度变化影响,提高了视频监控跟踪系统的连续性和稳定性.

摘要： 针对真实场景图像中背景干扰、光照变化及遮挡造成的误跟、漏跟问题,提出了一种基于运动分析与头肩检测的行人跟踪方法.首先对序列图像进行运动分析,采用混合高斯模型提取前景,建立目标可能存在区域的运动掩模图像,以减少背景干扰.其次,针对运动掩模图像,进行滑窗式头肩检测,同时采用方向梯度积分直方图描述目标,以保证快速计算.最后,结合头肩检测与运动预测,通过梯度模板匹配实现头肩跟踪.对真实场景图像进行跟踪实验,结果表明运动分析与目标检测相结合可以有效保证跟踪的稳定性.

摘要： 本文提出一种复杂背景下的行人检测跟踪算法。由于相关滤波器具有平移不变和扭曲不变的特性，它被成功地应用在目标探测当中。我们将最大平均高度滤波器(MACH)与粒子滤波算法相结合，形成一套行人探测跟踪算法。实验证明集合MACH和粒子滤波的算法框架适合复杂背景中的行人跟踪。本文算法在混乱背景和遮挡的情况下表现出鲁棒的特性。

摘要： 本发明公开了一种基于卡尔曼滤波和行人重识别算法的隧道环境下行人目标跟踪方法，本发明从高速公路隧道实际情况出发，针对高速公路隧道环境下行人目标相对较小且容易受到遮挡问题，采用目标检测跟踪的方法，利用K‑means对Faster R‑CNN网络的Anchor进行重新设计，使其候选框更适合隧道环境下的行人目标检测，其次将Faster R‑CNN网络特征提取层的conv3层中的特征信息添到conv5层中，提高网络的特征提取能力；针对隧道环境下行人目标容易受到遮挡，采用卡尔曼滤波容易导致行人目标跟踪不能连续跟踪，将行人重识别网络引入，利用卡尔曼滤波和行人重识别网络进行行人目标的跟踪；最终提高了行人的识别、跟踪的准确率。

摘要： 本发明公开了一种行人多目标跟踪识别方法和跟踪识别装置，解决现有技术存在的精确度低和稳定性差的问题。所述方法包括采用训练数据集训练网络并获取行人多目标跟踪识别模型的过程：获取包含行人多目标的训练数据集；将所述训练数据集输入基于FairMOT架构、由GAConv和CLFPN构建的Encoder‑Decoder网络，获得多尺度融合特征图；将所述多尺度融合特征图输入目标检测网络和重识别网络，获得目标和检测结果；将所述目标和检测结果输入跟踪网络进行跟踪，获得训练后的行人多目标跟踪识别模型；在采用所述训练数据集训练网络时，采用自适应loss衰减的学习率更改策略和AdamW相结合的方法执行网络参数优化。

摘要： 本发明的实施例提供了一种行人跟踪方法和装置及跨摄像头行人跟踪方法和装置。行人跟踪方法包括：获取视频；对视频中的至少部分视频帧进行行人检测，以获得至少部分视频帧中的每个视频帧中的行人框；对于所获得的所有行人框中的每个行人框，利用训练好的卷积神经网络处理该行人框所包含的图像块，以获得该行人框的特征向量；以及基于所有行人框中的每个行人框的特征向量对所有行人框进行匹配，以获得行人跟踪结果，其中，行人跟踪结果包括至少一个行人轨迹。上述方法和装置不受位置信息的限制，鲁棒性好，可以实现准确高效的行人跟踪，并且能够轻松实现跨摄像头的行人跟踪。

摘要： 本申请公开了一种基于行人重识别的行人跟踪方法、装置、存储介质及设备，属于图像处理技术领域。所述方法包括：从视频流的当前视频帧中提取n个行人的检测框和第一特征向量；获取已分配的m个行人跟踪器，行人跟踪器中包含已识别出的一个行人的跟踪框、第二特征向量和行人标签；根据n个检测框和m个跟踪框计算交并比矩阵；根据n个第一特征向量和m个第二特征向量计算余弦相似度矩阵；对所述交并比矩阵和所述余弦相似度矩阵进行加权运算，得到代价矩阵；根据所述代价矩阵对所述n个行人和所述m个跟踪器进行匹配。本申请为同一个视频流中不同时刻出现的行人分配同一行人标签，避免冗余的行人标签，还可以避免交换跟踪器，可区分重叠的行人。

摘要： 提供了一种行人跟踪的方法、行人跟踪装置以及行人跟踪系统，涉及图像处理领域，以降低采用人体检测方法进行行人跟踪时目标跟踪丢失的概率。行人跟踪的方法包括：获取至少一个第一视频数据和至少一个第二视频数据；对多帧第一图像中的至少部分第一图像进行人脸识别，得到包括第一行人在N个时刻的位置信息的第一行人的跟踪数据；对多帧第二图像中的至少部分第二图像进行人体检测，得到包括第二行人运动轨迹的第二行人的跟踪数据；在第一行人在N个时刻的位置信息与第二行人的运动轨迹在相同时刻的位置信息之间的偏差在预设范围内的情况下，确定目标行人的跟踪数据，其包括：目标行人的身份信息和运动轨迹，其中第一行人和第二行人同为目标行人。

摘要： 本申请公开了一种行人跟踪方法，包括：将当前帧图像输入行人检测网络模型进行行人检测得到粗检框和精检框；其中，精检框的置信度高于粗检框的置信度；将精检框对应的行人图像输入行人重识别网络模型，并根据行人重识别网络模型输出的结果更新行人轨迹库中的行人信息；根据行人轨迹库中未更新行人信息的行人构建丢失索引集合；将粗检框对应的行人图像输入行人重识别网络模型，并根据行人重识别网络模型输出的结果与丢失索引集合的行人信息进行匹配，根据所述匹配结果更新所述行人轨迹库；利用所述行人轨迹库执行行人跟踪操作，能够提高行人跟踪的准确率。本申请还公开了一种行人跟踪系统、一种存储介质及一种电子设备，具有以上有益效果。

摘要： 本发明的实施例提供了一种行人跟踪方法和装置及跨摄像头行人跟踪方法和装置。行人跟踪方法包括：获取视频；对视频中的至少部分视频帧进行行人检测，以获得至少部分视频帧中的每个视频帧中的行人框；对于所获得的所有行人框中的每个行人框，利用训练好的卷积神经网络处理该行人框所包含的图像块，以获得该行人框的特征向量；以及基于所有行人框中的每个行人框的特征向量对所有行人框进行匹配，以获得行人跟踪结果，其中，行人跟踪结果包括至少一个行人轨迹。上述方法和装置不受位置信息的限制，鲁棒性好，可以实现准确高效的行人跟踪，并且能够轻松实现跨摄像头的行人跟踪。

摘要： 本申请涉及人工智能技术领域，揭露一种基于多目标行人场景的行人跟踪方法、装置、设备及介质，其中方法包括获取多个摄像头拍摄的视频，并逐帧提取多个视频中的图像，以及将图像进行拼接，得到目标图像；通过预先训练的检测模型对目标图像进行行人检测，得到行人检测框；根据预设算法对行人检测框进行跟踪，并采用预设的预测方式，预测行人检测框中上一帧行人在当前帧的位置，得到行人预测框；将行人检测框与行人预测框进行多特征融合的匹配，得到目标匹配结果，并基于目标匹配结果，更新行人预测框对应的跟踪器，得到行人跟踪结果。本申请将行人检测框与行人预测框进多特征的匹配，提高了匹配精度，从而提高多目标场景的行人跟踪准确度。

摘要： 本申请公开了一种基于行人重识别的行人跟踪方法、装置、存储介质及设备，属于图像处理技术领域。所述方法包括：从视频流的当前视频帧中提取n个行人的检测框和第一特征向量；获取已分配的m个行人跟踪器，行人跟踪器中包含已识别出的一个行人的跟踪框、第二特征向量和行人标签；根据n个检测框和m个跟踪框计算交并比矩阵；根据n个第一特征向量和m个第二特征向量计算余弦相似度矩阵；对所述交并比矩阵和所述余弦相似度矩阵进行加权运算，得到代价矩阵；根据所述代价矩阵对所述n个行人和所述m个跟踪器进行匹配。本申请为同一个视频流中不同时刻出现的行人分配同一行人标签，避免冗余的行人标签，还可以避免交换跟踪器，可区分重叠的行人。

摘要： 本发明提供了一种基于行人和头部检测的多行人跟踪方法及装置，其中的方法包括：首先分别采用行人检测器和头部定位算法定位出图像中的行人和头部，得到行人检测框和头部检测框；其次设计一种关联模型，对同一行人的头部检测框和行人检测框进行关联，得到新的行人检测框集合；然后通过将新的行人检测框集合转化成头部检测框，采用头部跟踪方式进行多行人跟踪；最后将得到的头部轨迹转化成行人轨迹。本发明提出的方法解决了拥挤场景中因为遮挡导致行人漏检误检等问题，可以有效因局部遮挡导致行人检测框漏检，有效地改善了拥挤场景中多行人检测质量，提升了跟踪的准确度。在对实际监控数据集的定量和定性测试中，都佐证了本发明所提方法的有效性。