一种改进外观特征处理的行人多目标跟踪方法及系统

1.一种改进外观特征处理的行人多目标跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的改进外观特征处理的行人多目标跟踪方法，其特征在于，步骤s101中，检测器模型采用深度神经网络目标检测模型yolox；关联模型包括一个外观特征提取子模型，该外观特征提取子模型采用sbs-50模型。

3.根据权利要求2所述的改进外观特征处理的行人多目标跟踪方法，其特征在于，步骤s101中，所述目标的特征获取包括：获取目标运动状态、置信度和外观特征；所述当前帧出现的目标与目标历史轨迹之间的相似度计算包括：运动相似度计算，沿用基线方法hybrid-sort中的设置；外观相似度计算，提取当前帧潜在目标的外观特征与轨迹外观特征计算余弦相似度。

4.根据权利要求3所述的改进外观特征处理的行人多目标跟踪方法，其特征在于，步骤s101中，关联模型在处理外观特征时，对轨迹的状态按照关联情况和位置情况进行划分：对于在前一帧中关联成功以及刚被初始化的轨迹，将其关联状态设置为激活，对于未关联成功的其他轨迹，则关联状态设置为未激活；在处理与处于未激活状态的轨迹进行关联的检测时，按照目标的位置对检测到的潜在目标进行划分：对于帧中存在的任何一个目标，将图像左右两侧分别向内收缩一个目标边界框宽的距离w，并将图像上下两侧分别向内收缩一个目标边界框高的距离h，得到一个潜在遮挡区域，而其他部分则被作为正常区域；对于目标边界框完全落入潜在遮挡区域的目标，将其判定为遮挡，对于目标边界框与正常区域存在重叠的目标，则被判定为非遮挡。

5.根据权利要求4所述的改进外观特征处理的行人多目标跟踪方法，其特征在于，所述关联模型采用基于置信度的选择性特征更新模块，即casfum模块，casfum模块包含一种过滤歧义轨迹的选择性外观状态更新策略和一种基于置信度的自适应ema状态转移公式。

6.根据权利要求5所述的改进外观特征处理的行人多目标跟踪方法，其特征在于，选择性外观状态更新策略按照轨迹情况进行差异化的处理：对于处于激活状态或是处于非激活状态但并不完全落在潜在遮挡区域的轨迹，在其关联成功后进行正常外观特征更新，而对于非激活遮挡区域轨迹，即在上一帧中没有成功关联且完全处于潜在遮挡区域的轨迹，不将其用于轨迹的外观特征的更新；

7.根据权利要求6所述的改进外观特征处理的行人多目标跟踪方法，其特征在于，所述关联模型在进行外观相似度计算时使用aaam校正模块，其包括以下步骤：

8.根据权利要求7所述的改进外观特征处理的行人多目标跟踪方法，其特征在于，所述关联模型使用基线方法hybrid-sort中的运动模型进行运动相似度计算；

9.根据权利要求8所述的改进外观特征处理的行人多目标跟踪方法，其特征在于，λ1，λ2，λ3分别设置为1.0，0.2，1.0。

10.一种改进外观特征处理的行人多目标跟踪系统，其特征在于，包括：