(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211306145.5 (22)申请日 2022.10.25 (71)申请人 威海市博华医疗设备有限公司 地址 264200 山东省威海市经济技 术开发 区崮山路- 532-1号 (72)发明人 刘建国　 (74)专利代理 机构 苏州集律知识产权代理事务 所(普通合伙) 32269 专利代理师 安纪平 (51)Int.Cl. G06T 7/246(2017.01) G06T 7/73(2017.01) G06V 10/764(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于图像的行 人轨迹跟踪方法和装置 (57)摘要 本申请公开了一种基于图像的行人轨迹跟 踪方法和装置,涉及图像处理技术领域， 该方法 根据视频数据的当前帧图像中各个行人目标的 运动信息 预测其下一帧图像中的预测位置， 并通 过训练后的第一人工神经网络模型识别下一帧 图像中的各个行人目标的实际位置， 如果实际位 置距离预测位置太远， 则判断该实际位置对应的 是一个新增行人目标， 并为其赋予新的行人标 识。 可见， 本方法不仅能够实时跟踪当前帧图像 中各个行人目标， 还能及时处理视频当前帧图像 出现的新增行人目标， 使得多目标跟踪更加准 确。 权利要求书3页 说明书10页 附图3页 CN 115375736 A 2022.11.22 CN 115375736 A 1.一种基于图像的行 人轨迹跟踪方法， 其特 征在于， 包括： 获取视频数据的当前帧图像， 所述当前帧图像包含至少一个行人目标， 每个所述行人 目标对应唯一的行 人标识； 根据所述当前帧图像中各个所述行人目标的当前位置和运动信 息， 预测下一帧图像中 各个所述行 人目标的所在位置为预测位置； 通过训练后的第一人工神经网络模型识别所述下一帧图像中的各个所述行人目标， 获 取所述下一帧图像中各个所述行 人目标的实际位置； 以及 将所述实际位置与任意所述预测位置的距离大于阈值的所述行人目标作为新增行人 目标， 为所述 新增行人目标赋予新的行 人标识。 2.根据权利要求1所述的基于图像的行 人轨迹跟踪方法， 其特 征在于， 在所述获取视频数据的当前帧图像， 所述当前帧图像包含至少一个行人目标， 每个所 述行人目标对应唯一的行 人标识之前， 所述方法还 包括： 通过训练后的第一人工神经网络模型识别所述视频数据的初始帧图像中的各个行人 目标； 依次为各个所述行 人目标赋予唯一的行 人标识。 3.根据权利要求1所述的基于图像的行 人轨迹跟踪方法， 其特 征在于， 所述根据 所述当前帧图像中各个所述行人目标的当前位置和运动信 息， 预测下一帧图 像中各个所述行 人目标的所在位置为预测位置， 包括： 获取所述当前帧图像中各个所述行人目标的运动信 息， 所述运动信 息包括运动速度和 运动角度； 通过训练后的第一人工神经网络模型识别所述当前帧图像中的各个所述行人目标， 获 取所述当前帧图像中各个所述行 人目标的当前位置； 根据下式计算下一帧图像中各个所述行 人目标的所在位置为预测位置： ； 其中， 代表三维空间中的所述预测位置的坐标； 代表三维空间中的所 述当前位置的坐标； 代表所述运动速度， 代表三维空间中的所述运动角度对应 的角坐标。 4.根据权利要求2所述的基于图像的行 人轨迹跟踪方法， 其特 征在于， 所述通过训练后的第一人工神经网络模型识别所述当前帧图像中的各个所述行人目 标， 获取所述当前帧图像中各个所述行 人目标的当前位置， 包括： 通过各级卷积 操作提取当前帧图像中的图像特 征， 得到当前帧图像特 征图； 利用候选区域生成网络RPN技术在所述当前帧图像特征图上生成各个第一目标识别 框； 计算所述第一目标识别框中 内容的分类结果； 将所述分类结果为行人目标对应的所述第一目标识别框的中心位置作为所述当前位 置。权　利　要　求　书 1/3 页 2 CN 115375736 A 25.根据权利要求1所述的基于图像的行 人轨迹跟踪方法， 其特 征在于， 所述通过训练后的第一人工神经网络模型识别所述下一帧图像中的各个所述行人目 标， 获取所述下一帧图像中各个所述行 人目标的实际位置， 包括： 通过各级卷积 操作提取 下一帧图像中的图像特 征， 得到下一帧图像特 征图； 利用候选区域生成网络RPN技术在所述下一帧图像特征图上生成各个第二目标识别 框； 计算所述第二目标识别框中 内容的分类结果； 将所述分类结果为行人目标对应的所述第二目标识别框的中心位置作为所述实际位 置。 6.根据权利要求 4或5所述的基于图像的行 人轨迹跟踪方法， 其特 征在于， 所述计算所述第 一目标识别框 中内容的分类结果， 和/或， 所述计算所述第 二目标识别 框中内容的分类结果， 包括： 利用第一概率函数计算所述第 一目标识别 框和/或所述第 二目标识别 框中内容的分类 预测概率； 所述第一 概率函数如下式所示： ; 其中， 是第i个所述第一目标识别框和/或所述第二目标识别框的分类变量， 为所述 特征图， 为所述第一目标识别框和/或所述第二目标识别框， 是各项连乘的运算符号， 是所述所述第一目标识别框和/或所述第二目标识别框的集 合； 利用方程 解得所述第一目标识别框和/或所述第二目标 识别框中 内容的分类结果。 7.根据权利要求1所述的基于图像的行 人轨迹跟踪方法， 其特 征在于， 在所述根据所述当前帧图像中各个所述行人目标的当前位置和运动信 息， 预测下一帧 图像中各个所述行 人目标的所在位置为预测位置之前， 所述方法还 包括： 通过各级卷积操作提取原始训练图像集中各个原始训练图像中的图像特征， 得到原始 训练图像特 征图； 利用候选区域生成网络RPN技术在所述原始训练图像特征图上生成至少一个目标识别 区域； 将所述目标识别区域从对应的所述原 始训练图像中分隔出来， 形成处 理图像； 选取至少两个所述处 理图像粘贴于固定尺寸的掩膜版 上， 形成待训练图像； 通过所述待训练图像对所述第一人工神经网络模型进行训练。 8.一种基于 图像的行人轨迹跟踪装置， 其特征在于， 包括用于执行如权利要求1至7任 一权利要求所述的方法的单 元。 9.一种基于 图像的行人轨迹跟踪装置， 其特征在于， 包括处理器、 输入设备、 输出设备 和存储器， 所述处理器、 输入设备、 输出设备和存储器相互连接， 其中， 所述存储器用于存储 计算机程序， 所述计算机程序包括程序指令， 所述处理器被配置用于调用所述程序指 令， 执 行如权利要求1至7任一项所述的方法。权　利　要　求　书 2/3 页 3 CN 115375736 A 3