(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 202211085097.1 (22)申请日 2022.09.06 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 申请人 国家计算机网络与信息安全管理中 心 (72)发明人 王蕴红　何睿　傅泽华　陈训逊　 刘庆杰　 (74)专利代理 机构 北京天汇航智知识产权代理 事务所(普通 合伙) 11987 专利代理师 黄川 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01)G06V 10/25(2022.01) G06V 10/776(2022.01) (54)发明名称 一种基于重复检测优化的体育视频中多目 标跟踪方法 (57)摘要 本发明公开了一种基于重复检测优化的体 育视频中多目标跟踪方法， 包括如下步骤： S1， 将 某训练轮次的某帧图像输入到网络模 型中， 以获 得初步的检测结果； S2， 对检测结果的包围盒信 息采用所述网络模型的自检测， 以得到原检测损 失； S3， 再对检测结果的包围盒信息采用预设方 法检测， 以得到复检损失； S4， 将复检损失和原 检 测损失合并为总检测损失， 反向传播给所述网络 模型进行权重优化， 以获得新网络模型； S5， 将所 述图像再次输入到所述新网络模 型中， 得到无重 复检测的检测结果， 解决了 现有多目标跟踪 方法 在体育视频中重复检测的问题， 同时能够大幅减 少现有多目标跟踪方法的模型在行人视频中的 训练时长并保持跟踪质量， 提升训练效率。 权利要求书2页 说明书7页 附图3页 CN 115439786 A 2022.12.06 CN 115439786 A 1.一种基于 重复检测优化的体育 视频中多目标跟踪方法， 其特 征在于， 包括如下步骤： S1， 将某训练轮次的某帧图像输入到网络模型中， 以获得初步的检测结果； S2， 对检测结果的包围盒信息集 合采用所述网络模型的自检测， 以得到原检测损失； S3， 再对检测结果的包围盒信息集 合采用预设方法检测， 以得到复检损失； S4， 将复检损失和原检测损 失合并为总检测损失， 反向传播给所述网络模型进行权重 优化， 以获得新网络模型； S5， 将所述图像再次输入到所述 新网络模型中， 得到无重复检测的检测结果； 其中， 所述预设方法通过重复检测优化器对所述包围盒信息进行转化和计算， 并设置 检测下界以筛 选出所述复检损失。 2.根据权利要求1所述的一种基于重复检测优化的体育视频中多目标跟踪方法， 其特 征在于， 所述包围盒信息通过将某一帧图片在网络模型中计算输出 得到， 具体为： B＝{bi|i＝1,…,N}； 其中， 所述bi为在图片中被检测到的单个包围盒， 具体为 式中 所述 和所述 表示所述包围盒的左上角坐标， 所述 和所述 表示所述包围盒的右下 角坐标， N表示当前帧中被 检测到的包围盒的个数。 3.根据权利要求2所述的一种基于重复检测优化的体育视频中多目标跟踪方法， 其特 征在于， 所述预设方法包括： 自泛化交并比损失函数和重复检测优化； 其中， 所述自泛化交并比损 失函数输出的结果作为所述重复检测优化的输入条件， 然 后得出所述复检损失。 4.根据权利要求3所述的一种基于重复检测优化的体育视频中多目标跟踪方法， 其特 征在于， 所述 自泛化交并比损失函数为SGL， 将所述B代入所述SGL中， 得到自泛化交并比损 失矩阵， 具体为下述公式： M＝SGL(B)＝1 –GIoU(B,B)； 其中， 所述GI oU为泛化交并比。 5.根据权利要求5所述的一种基于重复检测优化的体育视频中多目标跟踪方法， 其特 征在于， 所述重复检测优化具体包括如下步骤： 对所述GI oU中的元 素采用下述公式计算： 然后根据交并运 算的交换律得到： Mij＝Mji； 在重复检测优化器设置一个重复检测优化下界LB， 将所述SGL中所有小于LB的值输出 作为复检损失 D3为重复检测优化器的应为Duplicate  Detection  Decontaminator 缩写形式， 具体公式如下： 其中， C为能够 覆盖区域bi∪bj的最小矩形、 \为作差、 IoU为交并比、 Mij为M中第i行第j列 的元素、 M为对称矩阵， 且主对角线为0、 ∑ ·表示求和。权　利　要　求　书 1/2 页 2 CN 115439786 A 26.根据权利要求5所述的一种基于重复检测优化的体育视频中多目标跟踪方法， 其特 征在于， 所述GI oU取值区间为[ ‑1,1]， 所述M中元 素的取值区间为[0,2]。 7.根据权利要求5所述的一种基于重复检测优化的体育视频中多目标跟踪方法， 其特 征在于， 所述S4中， 合并后具体为下述公式： 其中， 所述 LossOrigin‑Boxes为原检测损失、 所述 LossTotal‑Boxes为总检测损失。权　利　要　求　书 2/2 页 3 CN 115439786 A 3