基于图算法的跨摄像头多目标追踪技术模型

摄像头目标追踪是计算机视觉领域的研究热点,尤其在多摄像头的目标追踪方面,仍然存在轨迹丢失、轨迹不匹配等问题。为了解决上述问题,本文提出一种基于图算法的跨摄像头多目标追踪技术模型,该模型通过改进单摄像机目标追踪的方法,得到单摄像机追踪的轨迹,并将所有的轨迹按照特定的方法构建成一个加权图,然后利用图算法中的最小费用最大流算法对多个摄像头轨迹进行关联分析,实现跨摄像头多目标追踪功能。实验表明,本方案在NLPR_MCT数据集的三个子数据集中的平均多摄像机目标跟踪精度(MTCA)较高。

一种多目标跨摄像头跟踪技术研究与实现

将行人检测算法和行人重识别算法相结合,提出一种多目标跨摄像头跟踪算法,该算法由行人检测、行人重识别和行人数据关联三大模块组成.首先利用基于YOLOv3的行人检测改进算法检测视频中出现的行人,并保存视频号、帧号和行人的全身位置信息;其次,利用基于生成对抗网络和重排序的行人重识别改进算法,为已检测的行人图片赋予一个标签;最后整合前两步得到的行人信息,生成包含视频中所有行人信息的JSON(JavaScript Object Notation)文件.该算法可以快速、高效地完成多目标跨摄像头跟踪任务,有一定实用价值,在南京市举办的全球人工智能应用大赛中获得了单项奖.

多目标跨摄像头跟踪技术

多目标跨摄像头跟踪,指的是对于多个被寻目标,在不同场景的摄像头中找到他们出现的时间和空间信息并加以关联。算法综合利用人脸检测、行人检测、目标跟踪、人脸识别和行人再识别等技术,形成一个统一的技术框架。无论是在实现框架上,还是在准确率上都能达到商用水平。在南京市举办的全球人工智能应用大赛中获得了二等奖。