1.一种基于SIFT的多摄像头场景下的目标跟踪方法,其特征在于,包括:获取目标检测总数据集,所述目标检测总数据集通过拍摄包含不同类型的检测目标的照片制作形成;使用目标检测总数据集对目标检测器YOLO‑V5s模型进行训练;
获取目标追踪重识别数据集,所述目标追踪重识别数据集通过拍摄包含不同类型的追踪目标的照片,提取出每张照片中包含追踪目标的部分制作形成;
使用目标追踪重识别数据集训练DeepSort算法中的目标外观特征提取网络;
获取运用SIFT算法拼接多摄像头拍摄的视频,使用训练过的YOLO‑V5s模型结合训练过的DeepSort算法对视频中的追踪目标进行追踪。
2.根据权利要求1所述的一种基于SIFT的多摄像头场景下的目标跟踪方法,其特征在于,将DeepSort算法中的目标外观特征提取网络中的Relu激活函数换为Mish激活函数。
3.根据权利要求2所述的一种基于SIFT的多摄像头场景下的目标跟踪方法,其特征在于,所述Mish激活函数的表达式如下:x
Mish=x*tanh(ln(1+e))式中:x表示神经网络某层输入的加权和。
4.根据权利要求1所述的一种基于SIFT的多摄像头场景下的目标跟踪方法,其特征在于,使用目标追踪重识别数据集训练改进后的DeepSort算法中的目标外观特征提取网络,在训练过程中将SGD优化器换为集成了SGD的一阶动量和RMSProp的二阶动量的Adam优化器。
5.根据权利要求1至4任一项所述的一种基于SIFT的多摄像头场景下的目标跟踪方法,其特征在于,所述检测目标、追踪目标均选用智能车。
6.根据权利要求5所述的一种基于SIFT的多摄像头场景下的目标跟踪方法,其特征在于,制作目标检测数据集,具体过程为:拍摄包含不同类型的智能车的照片;
用数据集标注软件,给每张照片生成对应的标签文件,得到自制智能车数据集;
将VOC2012数据集与自制智能车数据集混合构成目标检测总数据集。
7.根据权利要求5或6所述的一种基于SIFT的多摄像头场景下的目标跟踪方法,其特征在于,制作目标追踪重识别数据集,具体过程为:拍摄包含不同类型的智能车的照片,并将每张照片中包含智能车的部分提取出来,构成自制智能车重识别数据集;
将收集到的包含不同类型车辆照片的车辆重识别数据集与自制智能车重识别数据集混合,构成智能车重识别数据集。