视频监控场景基于快速多目标跟踪技术的运动目标计数方法

张驰; 倪卿元; 陆成

doi:10.11959/j.issn.1000-0801.2022210

您当前的位置：

首页 >

文章列表页 >

视频监控场景基于快速多目标跟踪技术的运动目标计数方法

AI技术与应用 | 更新时间：2024-06-05

- 视频监控场景基于快速多目标跟踪技术的运动目标计数方法
- 暂无标题
- 电信科学 2022年38卷第Z2期页码：266-271
- 作者机构：
- 作者简介：
  
  [ "张驰（1990- ），男，中国电信股份有限公司上海分公司工程师、产品业务架构师，主要从事大视频和人工智能等相关技术研发工作" ]
  [ "倪卿元（1995- ），男，中国电信股份有限公司上海分公司产品实施工程师，主要从事大视频和人工智能等相关技术研发工作" ]
  [ "陆成（1989- ），男，中国电信股份有限公司上海分公司高级算法开发工程师，主要从事大视频和人工智能等相关技术研发工作" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2022210
  中图分类号： TN929
- 网络出版日期：2022-12，
  
  纸质出版日期：2022-12-30
- 稿件说明：
移动端阅览
张驰, 倪卿元, 陆成. 视频监控场景基于快速多目标跟踪技术的运动目标计数方法[J]. 电信科学, 2022,38(Z2):266-271.
张驰, 倪卿元, 陆成. 视频监控场景基于快速多目标跟踪技术的运动目标计数方法[J]. 电信科学, 2022,38(Z2):266-271. DOI： 10.11959/j.issn.1000-0801.2022210.

DOI：

摘要

在视频监控场景下，存在大量对人、车、物等特定运动目标进行计数的需求。通过传统多目标跟踪方法进行计数存在计算复杂度高、算力资源开销大等问题。针对这一问题，提出了一种基于多目标跟踪技术的运动目标计数方法，通过视频监控场景特点对多目标跟踪技术进行优化，在保证计数准确率的情况下，大幅度提高了算法的性能。实验结果表明，提出的方法在视频监控场景对人、车、物等特定运动目标计数性能相比传统基于深度学习多目标跟踪技术的运动目标计数方法在精度略微提升的情况计算时间缩短 55%，算力资源消耗减少44%。

Abstract

关键词

Keywords

references

BEWLEY A , GEZ Y , OTTL , et al . Simple online and realtime tracking [EB ] . 2016 .

WOJKE N , BEWLEY A , PAULUS D , et al . Simple online and realtime tracking with a deep association metric [EB ] . 2017 .

REN S Q , HE K M , GIRSHICK R , et al . Faster R-CNN:towards real-time object detection with region proposal networks [J ] . IEEE Transactions on Pattern Analysis and Machine Intelligence , 2017 , 39 ( 6 ): 1137 - 1149 .

DOLLÁRP , APPELR , BELONGIE S,etal , et al . Fast feature Pyramids for object detection [J ] . IEEE Transactions on Pattern Analysis and Machine Intelligence , 2014 , 36 ( 8 ): 1532 - 1545 .

KALMAN R E . A new approach to linear filtering and prediction problems [J ] . Journal of Basic Engineering , 1960 , 82 ( 1 ): 35 - 45 .

KUHN H W . The Hungarian method for the assignment problem [J ] . Naval Research Logistics Quarterly , 1955 , 2 ( 1/2 ): 83 - 97 .

BERNARDINK , STIEFELHAGEN R . Evaluating multiple object tracking performance:the CLEAR MOT metrics [J ] . EURASIP Journal on Image and Video Processing , 2008 : 1 - 10 .

LIN T Y , MAIRE M , BELONGIE S , et al . Microsoft COCO:common objects in context [C ] // Computer Vision-ECCV .[S.l:s.n. ] , 2014 .

浏览量

149

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据