技术特征：
1.一种行人检测与跟踪方法，其特征在于，包括：对视频序列中的每一帧图像进行行人检测，得到行人检测框；利用所述行人检测框中的行人特征信息对马尔科夫链蒙特卡洛粒子滤波进行初始化；利用所述行人检测框中的行人特征信息和预设的可逆跳跃策略对所述初始化后的马尔科夫链蒙特卡洛粒子滤波进行采样更新；利用所述更新后的马尔科夫链蒙特卡洛粒子滤波对当前帧的前一帧图像所对应的行人检测框中的行人特征信息进行计算，得到当前帧的行人预测位置信息；将所述当前帧的行人预测位置信息与当前帧的行人特征信息进行跟踪匹配，得到行人跟踪结果。2.根据权利要求1所述的一种行人检测与跟踪方法，其特征在于，所述利用所述行人检测框中的行人特征信息对马尔科夫链蒙特卡洛粒子滤波进行初始化，包括：设定马尔科夫链初始化于任意状态其中，k
t
表示t时刻的跟踪目标数量，表示第r次采样时第k
t
个跟踪目标的状态信息的样本集；所述行人检测框中的行人特征信息增加时，采用第一公式对马尔科夫链蒙特卡洛粒子滤波进行初始化，所述行人特征信息增加指的是检测到新的行人目标且新的行人目标之前并不存在，所述第一公式为：其中，q
a
为行人特征信息增加时的跳跃策略；为不在当前状态目标集的新检测集；在检测集中，利用均匀分布概率密度函数随机的选择一个目标i，且通过分布得到目标i的状态信息所述行人检测框中的行人特征信息删除时，采用第二公式对马尔科夫链蒙特卡洛粒子滤波进行初始化，所述行人特征信息删除指的是增加策略的一个可逆跳跃操作，所述第二公式为：其中，q
d
为行人特征信息删除时的跳跃策略；在先前样本中的新检测集中，记利用均匀分布概率密度函数随机从中移除一个目标i；所述行人检测框中的行人特征信息停留时，采用第三公式对马尔科夫链蒙特卡洛粒子
滤波进行初始化，所述行人特征信息停留指的是存在于样本集但不在样本集的目标集，所述第三公式为：目标集，所述第三公式为：其中，q
s
为行人特征信息停留时的跳跃策略；为存在于但不在样本集的目标集；利用均匀分布概率密度函数从中随机的选择一个行人目标i加入样本集中，并且从混合分布以及中得到行人目标i的状态变量；所述行人检测框中的行人特征信息离开时，采用第四公式对马尔科夫链蒙特卡洛粒子滤波进行初始化，所述行人特征信息离开指的是停留策略的一个可逆跳跃操作，所述第四公式为：其中，q
l
为行人特征信息离开时的跳跃策略；记为目标集；当一个行人目标停留在样本集时，离开策略利用均匀分布概率密度函数从目标集中随机的移除一个行人目标i；所述行人检测框中的行人特征信息更新时，采用第五公式对马尔科夫链蒙特卡洛粒子滤波进行初始化，所述行人特征信息更新指的是更新跳跃策略为行人目标提供了新的状态信息，所述第五公式为：信息，所述第五公式为：其中，q
u
为行人特征信息更新时的跳跃策略；更新策略利用均匀分布概率密度函数随机的从样本集中选择一个目标i进行状态信息的更新，而状态信息的更新则是根据分布得到，得到，为行人离开与删除的并集；
所述行人检测框中的行人特征信息交互时，采用第六公式对马尔科夫链蒙特卡洛粒子滤波进行初始化，所述行人特征信息交互指的是给一对行人目标提供了一种交互方式，一对行人目标是指两个行人目标相遇或者并排走，在样本中所有可能的成对目标中，随机选择一对目标(i1,i2)在排斥或者交互模式之间相互切换，所述第六公式为：q
i
为行人特征信息交互时的跳跃策略。3.根据权利要求2所述的一种行人检测与跟踪方法，其特征在于，所述利用所述行人检测框中的行人特征信息和预设的可逆跳跃策略对所述初始化后的马尔科夫链蒙特卡洛粒子滤波进行采样更新，包括：设定已知t-1时刻跟踪目标的后验状态信息由一组无权重值的样本集来表示；t时刻的目标状态信息用可逆跳跃马尔科夫链蒙特卡洛生成n个无权重值的粒子；将t-1时刻的样本集通过运动模型计算出n个目标的状态信息，并用这些状态信息来初始化马尔科夫链；逐次对t＝t+1,t+2,
…
,b+mn循环采样，其中b为老化过程，m为细化间隔；根据预设的初始化概率p
a
、p
d
、p
s
、p
l
、p
u
和p
i
来随机选一个跳跃策略来生成样本，再由每个预设的初始化概率的建议分布计算出候选状态信息；其中，p
a
为行人特征信息增加的初始化概率；p
d
为行人特征信息删除的初始化概率；p
s
为行人特征信息停留的初始化概率；p
l
为行人特征信息离开的初始化概率；p
u
为行人特征信息更的初始化概率新；p
i
为行人特征信息交互的初始化概率；所述行人检测框中的行人特征信息增加时，采用第七公式计算接受率，所述第七公式为：所述行人检测框中的行人特征信息删除时，采用第八公式计算接受率，所述第八公式为：所述行人检测框中的行人特征信息停留时，采用第九公式计算接受率，所述第九公式为：
所述行人检测框中的行人特征信息离开时，采用第十公式计算接受率，所述第十公式为：所述行人检测框中的行人特征信息更新时，采用第十一公式计算接受率，所述第十一公式为：所述行人检测框中的行人特征信息交互时，采用第十二公式计算接受率，所述第十二公式为：4.根据权利要求3所述的一种行人检测与跟踪方法，其特征在于，所述运动模型为匀速运动cv模型、匀加速运动ca模型或匀速转弯ct模型。5.根据权利要求1所述的一种行人检测与跟踪方法，其特征在于，所述将所述当前帧的行人预测位置信息与当前帧的行人特征信息进行跟踪匹配，得到行人跟踪结果，包括：采用sift特征匹配方法将所述当前帧的行人预测位置信息与当前帧的行人特征信息进行跟踪匹配。6.根据权利要求1所述的一种行人检测与跟踪方法，其特征在于，所述将所述当前帧的行人预测位置信息与当前帧的行人特征信息进行跟踪匹配，得到行人跟踪结果，包括：采用kcf相关滤波跟踪方法将所述当前帧的行人预测位置信息与当前帧的行人特征信息进行跟踪匹配。7.根据权利要求1所述的一种行人检测与跟踪方法，其特征在于，所述对视频序列中的每一帧图像进行行人检测，得到行人检测框，包括：采用yolo目标检测算法对视频序列中的每一帧图像进行行人检测，得到行人检测框。8.一种行人检测与跟踪装置，其特征在于，包括：检测模块，用于对视频序列中的每一帧图像进行行人检测，得到行人检测框；初始化模块，用于利用所述行人检测框中的行人特征信息对马尔科夫链蒙特卡洛粒子滤波进行初始化；更新模块，用于利用所述行人检测框中的行人特征信息和预设的可逆跳跃策略对所述初始化后的马尔科夫链蒙特卡洛粒子滤波进行采样更新；计算模块，用于利用所述更新后的马尔科夫链蒙特卡洛粒子滤波对当前帧的前一帧图像所对应的行人检测框中的行人特征信息进行计算，得到当前帧的行人预测位置信息；匹配模块，用于将所述当前帧的行人预测位置信息与当前帧的行人特征信息进行跟踪匹配，得到行人跟踪结果。
9.一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的一种行人检测与跟踪方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种行人检测与跟踪方法的步骤。
技术总结
本发明公开了一种行人检测与跟踪方法、装置、设备及可读存储介质，对视频序列中的每一帧图像进行行人检测，得到行人检测框；利用所述行人检测框中的行人特征信息对马尔科夫链蒙特卡洛粒子滤波进行初始化；利用所述行人检测框中的行人特征信息和预设的可逆跳跃策略对所述初始化后的马尔科夫链蒙特卡洛粒子滤波进行采样更新；利用所述更新后的马尔科夫链蒙特卡洛粒子滤波对当前帧的前一帧图像所对应的行人检测框中的行人特征信息进行计算，得到当前帧的行人预测位置信息；将所述当前帧的行人预测位置信息与当前帧的行人特征信息进行跟踪匹配，得到行人跟踪结果。本发明能当跟踪目标被遮挡或者光线变化过快后，能够确保跟踪准确率。踪准确率。踪准确率。
技术研发人员：陈亚军 洪松 蔺广逢 王婧 孙思云
受保护的技术使用者：西安理工大学
技术研发日：2022.10.27
技术公布日：2022/12/22