CN211149516U - 一种基于sort的多目标跟踪识别装置 - Google Patents

一种基于sort的多目标跟踪识别装置 Download PDF

Info

Publication number
CN211149516U
CN211149516U CN201921324924.1U CN201921324924U CN211149516U CN 211149516 U CN211149516 U CN 211149516U CN 201921324924 U CN201921324924 U CN 201921324924U CN 211149516 U CN211149516 U CN 211149516U
Authority
CN
China
Prior art keywords
camera
service terminal
fixed mounting
sort
tracking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201921324924.1U
Other languages
English (en)
Inventor
叶雪军
唐建宇
陈智全
周子程
袁慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HUBEI UNIVERSITY OF ECONOMICS
Original Assignee
HUBEI UNIVERSITY OF ECONOMICS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HUBEI UNIVERSITY OF ECONOMICS filed Critical HUBEI UNIVERSITY OF ECONOMICS
Priority to CN201921324924.1U priority Critical patent/CN211149516U/zh
Application granted granted Critical
Publication of CN211149516U publication Critical patent/CN211149516U/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本实用新型公开了一种基于SORT的多目标跟踪识别装置,包括底座、摄像头和服务终端,底座顶部的一侧固定安装有鱼缸,鱼缸一侧的底座上安装有支架,支架的底部通过固定杆与底座固定安装,支架的顶部固定安装有摄像头,摄像头通过连接导线与服务终端电性结构,服务终端固定安装在底座的顶部,服务终端远离摄像头的一侧固定安装有连接线;本实用新型结构合理简单,通过摄像头先识别出图像中的鱼,再将数据传送给服务终端的ARM主控跟踪芯片(跟踪模块),ARM主控跟踪芯片(跟踪模块)使用SORT算法进行多目标跟踪,记录所有跟踪的鱼的运动轨迹,以便进行分析,利用多目标跟踪算法SORT,检测的速度较快,跟踪效率也大大提升,辅助管理员更好地管理鱼缸。

Description

一种基于SORT的多目标跟踪识别装置
技术领域
本实用新型涉及跟踪识别装置,特别涉及一种基于SORT的多目标跟踪识别装置,属于多目标跟踪识别技术领域。
背景技术
平常,我们在水族馆看见五颜六色的鱼,不能直接辨认鱼的种类,也不能直接了解鱼的信息,而墙上的介绍经常会被忽视或无法和鱼缸中的鱼进行对应,同时,鱼在水族馆内的运动轨迹无法进行单目标跟踪定位,当鱼的生存状态不佳时,不能有效掌握其在水族馆内的运动轨迹,从而导致对其治疗不够及时,需要管理员花费更多的时间用于鱼缸管理,增加管理的劳动强度和人力成本,实用性较差。
实用新型内容
本实用新型要解决的技术问题是克服现有技术的缺陷,提供一种基于SORT的多目标跟踪识别装置。
为了解决上述技术问题,本实用新型提供了如下的技术方案:
本实用新型一种基于SORT的多目标跟踪识别装置,包括底座、摄像头和服务终端,所述底座顶部的一侧固定安装有鱼缸,所述鱼缸一侧的底座上安装有支架,所述支架的底部通过固定杆与底座固定安装,所述支架的顶部固定安装有摄像头,所述摄像头通过连接导线与服务终端电性结构,所述服务终端固定安装在底座的顶部,所述服务终端远离摄像头的一侧固定安装有连接线,所述连接线远离服务终端的一端与显示器连接。
作为本实用新型的一种优选技术方案,所述摄像头采用CP-2251HP的高速云台球型摄像机。
作为本实用新型的一种优选技术方案,所述显示器固定安装在鱼缸的一侧上,且所述显示器采用半透明显示器。
作为本实用新型的一种优选技术方案,所述服务终端采用ARM嵌入式服务终端,所述服务终端由ARM主控跟踪芯片、DDR内存、Flash存储器及网络芯片组成。
作为本实用新型的一种优选技术方案,所述支架为伸缩支架,所述支架包括第一支杆和第二支杆,第一支杆的下端套设在第二支杆的内部,第二支杆上端的一侧固定安装有锁紧螺栓,所述摄像头固定安装在第一支杆的顶部。
本实用新型提供了一种基于SORT的多目标跟踪识别装置。与现有技术比具备以下有益效果:该基于SORT的多目标跟踪识别装置,通过摄像头先识别出图像中的鱼,再将数据传送给服务终端的ARM主控跟踪芯片(跟踪模块),ARM主控跟踪芯片(跟踪模块)使用SORT算法进行多目标跟踪,记录所有跟踪的鱼的运动轨迹,以便进行分析,经过多次反复的尝试,测试出跟踪模块没有出现问题,在目标跟踪上,利用多目标跟踪算法SORT,能够跟踪出摄像头所拍摄到的画面中识别出的各种鱼类,在目标跟踪时,利用计算机视觉的目标跟踪算法,由于此算法学习和检测的速度较快,跟踪效率也大大提升,用来实时跟踪识别算法识别出的所有的鱼类,当检测到该鱼的生存状态不佳时,进行单目标跟踪,以便对其能够及时的治疗,可以用于掌握当前鱼的生理状况,从而辅助管理员更好地管理鱼缸,或进行有关研究。
附图说明
附图用来提供对本实用新型的进一步理解,并且构成说明书的一部分,与本实用新型的实施例一起用于解释本实用新型,并不构成对本实用新型的限制。在附图中:
图1为本实用新型的结构示意图;
图2为本实用新型的SORT算法流程图;
图3为本实用新型的主控程序流程图。
图中:1、底座;2、鱼缸;3、支架;4、摄像头;5、固定杆;6、服务终端;7、连接线;8、显示器。
具体实施方式
以下结合附图对本实用新型的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本实用新型,并不用于限定本实用新型。
实施例
如图1-3所示,一种基于SORT的多目标跟踪识别装置,包括底座1、摄像头4和服务终端6,所述底座1顶部的一侧固定安装有鱼缸2,所述鱼缸2一侧的底座1上安装有支架3,所述支架3的底部通过固定杆5与底座1固定安装,所述支架3的顶部固定安装有摄像头4,所述摄像头4通过连接导线与服务终端6电性结构,所述服务终端6固定安装在底座1的顶部,所述服务终端6远离摄像头4的一侧固定安装有连接线7,所述连接线7远离服务终端 6的一端与显示器8连接。
所述摄像头4采用CP-2251HP的高速云台球型摄像机,识别精度高,所述显示器8固定安装在鱼缸2的一侧上,且所述显示器8采用半透明显示器,识别出的鱼的信息传输到半透明的显示器8中,半透明的显示器8与鱼缸2叠加,形成增强现实的效果,所述服务终端6采用ARM嵌入式服务终端,所述服务终端6由ARM主控跟踪芯片、DDR内存、Flash存储器及网络芯片组成,ARM主控跟踪芯片(跟踪模块)用于图像目标的跟踪识别,DDR内存和Flash 存储器用于存储ARM主控跟踪芯片(跟踪模块)的运算数据,ARM主控跟踪芯片(跟踪模块) 通过网络芯片可进行无线连接显示器8,所述支架3为伸缩支架,所述支架3包括第一支杆和第二支杆,第一支杆的下端套设在第二支杆的内部,第二支杆上端的一侧固定安装有锁紧螺栓,所述摄像头4固定安装在第一支杆的顶部,第一支杆在第二支杆内伸缩、并通过锁紧螺栓固定,实现支架3高度的调节,即对摄像头4高度调节,灵活性更好。
基于SORT的多目标跟踪识别装置,SORT算法具体实现包括以下步骤:
(1)状态估计;
(2)轨迹处理;
(3)匹配。
步骤(1)使用一个8维空间去刻画轨迹在某时刻的状态,分别表示包围盒中心的位置、纵横比、高度、以及在图像坐标中对应的速度信息,然后使用一个kalman滤波器预测更新轨迹,该卡尔曼滤波器采用匀速模型和线性观测模型。
步骤(2)主要说轨迹什么时候终止、什么时候产生新的轨迹,首先对于每条轨迹都有一个阈值a用于记录轨迹从上一次成功匹配到当前时刻的时间,当该值大于提前设定的阈值则认为改轨迹终止,直观上说就是长时间匹配不上的轨迹认为已经结束,然后在匹配时,对于没有匹配成功的轨迹都认为可能产生新的轨迹,但由于这些轨迹可能是一些假轨迹,所以对这种情形新生成的轨迹标注状态“假设”,然后观查在接下来的连续若干帧中是否连续匹配成功,是则认为是新轨迹产生,标注为“确认”,否则则认为是假性轨迹,状态标注为“删除”。
步骤(3)是指当前有效的轨迹和当前的轨迹之间的匹配,所谓有效的轨迹是指那些还存活着的轨迹,即状态为试探性的和确认的轨迹,轨迹和轨迹之间的匹配程度结合了运动信息和表观信息。
步骤(3)包括a.运动匹配度和b.表观匹配度。
a.运动匹配度,使用轨迹和追踪在kalman滤波器预测的位置之间的马氏距离刻画运动匹配程度
Figure DEST_PATH_GDA0002549820030000044
表示第j个轨迹和第i条轨迹之间的运动匹配度,其中是轨迹由kalman滤波器预测得到的在当前时刻观测空间的协方差矩阵,是轨迹在当前时刻的预测观测量,是第j个轨迹的状态考虑到运动的连续性,可以通过该马氏距离对轨迹进行筛选,文中使用卡方分布的0.95 分位点作为阈值,定义如下示性函数
Figure DEST_PATH_GDA0002549820030000041
b.表观匹配度,单独使用马氏距离作为匹配度度量会导致IDSwitch等情形严重,特别的当相机运动时可能导致马氏距离度量失效,所以这个时候应该靠表观匹配度补救,对于每一个轨迹,包括轨迹中的轨迹,使用深度网络提取出单位范数的特征向量$r$,使用轨迹和轨迹包含的轨迹的特征向量之间的最小余弦距离作为轨迹和追踪之间的表观匹配程度,当然轨迹太长导致表观产生变化,在使用这种最小距离作为度量就有风险,所以文中只对轨迹的最新的之内轨迹进行计算最小余弦距离。
d(2) i,j(i,j)=min{1-rj Tr(i) k|r(i) k∈Ri}
同样的,该度量同样可以确定一个门限函数
Figure DEST_PATH_GDA0002549820030000042
这个阈值由训练集得到两种度量的融合:加权平均ci,j=λd(1)(i,j)+(1-λ)d(2)(i,j),其中是超参数,用于调整不同项的权重,门限函数
Figure DEST_PATH_GDA0002549820030000043
工作原理:本实用新型在使用时,首先将半透明的显示器8安装在鱼缸2的一侧上,摄像头4通过支架3与固定杆5安装,固定杆5安装在鱼缸2一侧的底座1上,摄像头4通过连接导线与服务终端6连接,服务终端6通过连接线7与显示器8连接,通过摄像头4先识别出图像中的鱼,再将数据传送给服务终端6的ARM主控跟踪芯片(跟踪模块),ARM主控跟踪芯片(跟踪模块)使用SORT算法进行多目标跟踪,记录所有跟踪的鱼的运动轨迹,以便进行分析,经过多次反复的尝试,测试出跟踪模块没有出现问题,在目标跟踪上,利用多目标跟踪算法SORT,能够跟踪出摄像头4所拍摄到的画面中识别出的各种鱼类,在目标跟踪时,利用计算机视觉的目标跟踪算法,由于此算法学习和检测的速度较快,跟踪效率也大大提升,用来实时跟踪识别算法识别出的所有的鱼类,当检测到该鱼的生存状态不佳时,进行单目标跟踪,以便对其能够及时的治疗,可以用于掌握当前鱼的生理状况,从而辅助管理员更好地管理鱼缸2,或进行有关研究。
最后应说明的是:以上所述仅为本实用新型的优选实施例而已,并不用于限制本实用新型,尽管参照前述实施例对本实用新型进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本实用新型的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本实用新型的保护范围之内。

Claims (5)

1.一种基于SORT的多目标跟踪识别装置,其特征在于:包括底座(1)、摄像头(4)和服务终端(6),所述底座(1)顶部的一侧固定安装有鱼缸(2),所述鱼缸(2)一侧的底座(1)上安装有支架(3),所述支架(3)的底部通过固定杆(5)与底座(1)固定安装,所述支架(3)的顶部固定安装有摄像头(4),所述摄像头(4)通过连接导线与服务终端(6)电性结构,所述服务终端(6)固定安装在底座(1)的顶部,所述服务终端(6)远离摄像头(4)的一侧固定安装有连接线(7),所述连接线(7)远离服务终端(6)的一端与显示器(8)连接。
2.根据权利要求1所述的一种基于SORT的多目标跟踪识别装置,其特征在于:所述摄像头(4)采用CP-2251HP的高速云台球型摄像机。
3.根据权利要求1所述的一种基于SORT的多目标跟踪识别装置,其特征在于:所述显示器(8)固定安装在鱼缸(2)的一侧上,且所述显示器(8)采用半透明显示器。
4.根据权利要求1所述的一种基于SORT的多目标跟踪识别装置,其特征在于:所述服务终端(6)采用ARM嵌入式服务终端,所述服务终端(6)由ARM主控跟踪芯片、DDR内存、Flash存储器及网络芯片组成。
5.根据权利要求1所述的一种基于SORT的多目标跟踪识别装置,其特征在于:所述支架(3)为伸缩支架,所述支架(3)包括第一支杆和第二支杆,第一支杆的下端套设在第二支杆的内部,第二支杆上端的一侧固定安装有锁紧螺栓,所述摄像头(4)固定安装在第一支杆的顶部。
CN201921324924.1U 2019-08-15 2019-08-15 一种基于sort的多目标跟踪识别装置 Expired - Fee Related CN211149516U (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201921324924.1U CN211149516U (zh) 2019-08-15 2019-08-15 一种基于sort的多目标跟踪识别装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201921324924.1U CN211149516U (zh) 2019-08-15 2019-08-15 一种基于sort的多目标跟踪识别装置

Publications (1)

Publication Number Publication Date
CN211149516U true CN211149516U (zh) 2020-07-31

Family

ID=71744559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201921324924.1U Expired - Fee Related CN211149516U (zh) 2019-08-15 2019-08-15 一种基于sort的多目标跟踪识别装置

Country Status (1)

Country Link
CN (1) CN211149516U (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112268174A (zh) * 2020-10-22 2021-01-26 陕西世和安全应急技术有限公司 一种安全生产线图像检测识别装置及方法
CN113326850A (zh) * 2021-08-03 2021-08-31 中国科学院烟台海岸带研究所 一种基于实例分割的日本蟳群体行为视频分析方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112268174A (zh) * 2020-10-22 2021-01-26 陕西世和安全应急技术有限公司 一种安全生产线图像检测识别装置及方法
CN112268174B (zh) * 2020-10-22 2022-07-05 陕西世和安全应急技术有限公司 一种安全生产线图像检测识别装置及方法
CN113326850A (zh) * 2021-08-03 2021-08-31 中国科学院烟台海岸带研究所 一种基于实例分割的日本蟳群体行为视频分析方法
CN113326850B (zh) * 2021-08-03 2021-10-26 中国科学院烟台海岸带研究所 一种基于实例分割的日本蟳群体行为视频分析方法

Similar Documents

Publication Publication Date Title
Jiang et al. FLYOLOv3 deep learning for key parts of dairy cow body detection
CN108717523B (zh) 基于机器视觉的母猪发情行为检测方法
CN211149516U (zh) 一种基于sort的多目标跟踪识别装置
CN108259830A (zh) 基于云服务器的鼠患智能监控系统和方法
CN108986158A (zh) 一种基于目标再识别的跨场景追踪方法和装置及计算机视觉平台
CN110929596A (zh) 一种基于智能手机和人工智能的投篮训练系统与方法
CN108022258B (zh) 基于单次多框检测器与卡尔曼滤波的实时多目标跟踪方法
CN208188853U (zh) 一种奶牛面部识别装置
CN111178197A (zh) 基于Mask R-CNN和Soft-NMS融合的群养粘连猪实例分割方法
CN112528823B (zh) 一种基于关键帧检测和语义部件分割的条斑鲨运动行为分析方法及系统
WO2004003847A2 (en) Background-foreground segmentation based on object classification
CN107105159A (zh) 基于SoC的嵌入式运动目标实时检测跟踪系统及方法
CN106446002A (zh) 一种基于运动目标在地图中轨迹的视频检索方法
CN109448025A (zh) 视频中短道速滑运动员的自动跟踪与轨迹建模方法
CN107133611A (zh) 一种课堂学生点头率识别与统计方法及装置
CN111640135A (zh) 一种基于硬件前端的tof摄像头行人计数方法
CN113192105A (zh) 一种室内多人追踪及姿态估量的方法及装置
CN112985263A (zh) 一种弓网几何参数检测方法、装置及设备
CN113362374A (zh) 一种基于目标跟踪网络的高空抛物检测方法及系统
CN115116127A (zh) 一种基于计算机视觉和人工智能的跌倒检测方法
Hammam et al. Real-time multiple spatiotemporal action localization and prediction approach using deep learning
WO2023041904A1 (en) Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes
CN108830222A (zh) 一种基于信息性和代表性主动学习的微表情识别方法
CN111354011A (zh) 多运动目标信息捕获与跟踪系统及方法
CN108460370A (zh) 一种固定式家禽生命信息报警装置

Legal Events

Date Code Title Description
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200731

Termination date: 20210815

CF01 Termination of patent right due to non-payment of annual fee