公开(公告)号：CN114419151A

公开(公告)日：2022-04-29

申请号：CN202111656453.6

申请日：2021-12-31

Applicant: 福州大学

Inventor： 黄立勤 ,  靳晓槟

IPC: G06T7/73 ,  G06V10/74 ,  G06V10/774 ,  G06V20/40

Abstract: 本发明一种基于对比学习的多目标跟踪方法，包括以下步骤；步骤S1、从视频的邻域帧中选择两帧图像用于训练；步骤S2、将两帧图像输入共享权重的DLA‑34骨干网络提取特征；步骤S3、将提取到的高分辨率特征图输入到检测分支和Re‑ID分支；检测分支得到检测结果，Re‑ID分支得到检测的重识别嵌入向量；步骤S4、根据真值中心点热力图的置信度评分筛选正负样本；步骤S5、使用前后两帧图像的重识别嵌入向量的正负样本进行网络模型的对比学习；步骤S6、以训练出的网络模型对视频进行多目标跟踪；本发明能解决多目标跟踪任务中目标外观相似性学习不充分的问题，同时在匹配过程采用更加简单的实现方法。

公开(公告)号：CN114419151B

公开(公告)日：2024-07-26

申请号：CN202111656453.6

申请日：2021-12-31

Applicant: 福州大学

Inventor： 黄立勤 ,  靳晓槟

IPC: G06T7/73 ,  G06V10/74 ,  G06V10/774 ,  G06V20/40

Abstract: 本发明一种基于对比学习的多目标跟踪方法，包括以下步骤；步骤S1、从视频的邻域帧中选择两帧图像用于训练；步骤S2、将两帧图像输入共享权重的DLA‑34骨干网络提取特征；步骤S3、将提取到的高分辨率特征图输入到检测分支和Re‑ID分支；检测分支得到检测结果，Re‑ID分支得到检测的重识别嵌入向量；步骤S4、根据真值中心点热力图的置信度评分筛选正负样本；步骤S5、使用前后两帧图像的重识别嵌入向量的正负样本进行网络模型的对比学习；步骤S6、以训练出的网络模型对视频进行多目标跟踪；本发明能解决多目标跟踪任务中目标外观相似性学习不充分的问题，同时在匹配过程采用更加简单的实现方法。