本发明涉及图像处理相关，具体涉及基于目标检测算法的个人物品关联追踪方法及系统。
背景技术：
1、个人物品关联追踪广泛应用于视频监控、零售行业以及智能安防等领域，常见的，结合机器学习方法如滑动窗口、haar级联分类器、adaboost等定位图像中的物体边界框并识别物体类别，在实际应用场景中，个人物品关联追踪包括行李箱、包裹、钥匙等物品自动识别和连续追踪，但在面对人群稀疏的安检场景时，尚可适用，但是面对高峰期的安检场景时，人群拥挤，特别是在机场、火车站等场所，往往无法准确关联人与物。
2、综上所述，现有技术中存在的在人群密集、视角变化复杂的复杂场景下，无法精准检测出人和物品的关联关系，导致存在识别准确率低的技术问题。
技术实现思路
1、本申请通过提供了基于目标检测算法的个人物品关联追踪方法及系统，旨在解决现有技术中的在人群密集、视角变化复杂的复杂场景下，无法精准检测出人和物品的关联关系，导致存在识别准确率低的技术问题。
2、鉴于上述问题，实现本申请的技术方案是：
3、本申请一方面，提供了基于目标检测算法的个人物品关联追踪方法，其中，所述方法包括：通过安检机上传异常检出包裹的包裹三维即时图像；
4、对所述包裹三维即时图像进行特征提取，获得包裹外观特征信息；
5、根据所述包裹外观特征信息进行全站监控匹配，获得包裹回溯图像集；
6、对所述包裹回溯图像集进行人像分组，获得包裹回溯图像分组结果，其中，所述包裹回溯图像分组结果具有一一对应的多个关联人脸特征；
7、遍历所述包裹回溯图像分组结果进行时序调整，获得多个包裹回溯图像时序序列；
8、遍历所述多个包裹回溯图像时序序列进行轨迹标定，获得多个包裹回溯时序轨迹；
9、根据所述多个包裹回溯时序轨迹，对所述多个关联人脸特征进行分选，获得人脸匹配结果；
10、将所述包裹三维即时图像、异常检出信息和所述人脸匹配结果关联存储，发送至管理端。
11、本申请另一方面，提供了基于目标检测算法的个人物品关联追踪系统，其中，所述系统包括：图像上传模块，用于通过安检机上传异常检出包裹的包裹三维即时图像；
12、特征提取模块，用于对所述包裹三维即时图像进行特征提取，获得包裹外观特征信息；
13、监控匹配模块，用于根据所述包裹外观特征信息进行全站监控匹配，获得包裹回溯图像集；
14、人像分组模块，用于对所述包裹回溯图像集进行人像分组，获得包裹回溯图像分组结果，其中，所述包裹回溯图像分组结果具有一一对应的多个关联人脸特征；
15、时序调整模块，用于遍历所述包裹回溯图像分组结果进行时序调整，获得多个包裹回溯图像时序序列；
16、轨迹标定模块，用于遍历所述多个包裹回溯图像时序序列进行轨迹标定，获得多个包裹回溯时序轨迹；
17、特征分选模块，用于根据所述多个包裹回溯时序轨迹，对所述多个关联人脸特征进行分选，获得人脸匹配结果；
18、关联存储模块，用于将所述包裹三维即时图像、异常检出信息和所述人脸匹配结果关联存储，发送至管理端。
19、综上，本申请中提供的一个或多个技术方案，实现了进行物品在时间和空间上的连续追踪，在人群密集、视角变化复杂的场景变换下保证人和物品之间关联关系的稳定性，减少误报和漏报，有效提升识别准确率的技术效果。
1.基于目标检测算法的个人物品关联追踪方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，对所述包裹三维即时图像进行特征提取，获得包裹外观特征信息，包括：
3.如权利要求2所述的方法，其特征在于，根据所述包裹外观特征信息进行全站监控匹配，获得包裹回溯图像集，包括：
4.如权利要求3所述的方法，其特征在于，通过包裹回溯网络，基于所述包裹外观特征信息，遍历所述全站监控图像集进行语义分割，获得检出包裹图像集，包括：
5.如权利要求4所述的方法，其特征在于，遍历所述全站监控图像集进行单元分割，生成第一监控图像，包括：
6.如权利要求1所述的方法，其特征在于，对所述包裹回溯图像集进行人像分组，获得包裹回溯图像分组结果，包括：
7.如权利要求1所述的方法，其特征在于，遍历所述包裹回溯图像分组结果进行时序调整，获得多个包裹回溯图像时序序列，包括：
8.如权利要求7所述的方法，其特征在于，遍历所述多个包裹回溯图像时序序列进行轨迹标定，获得多个包裹回溯时序轨迹，包括：
9.如权利要求1所述的方法，其特征在于，根据所述多个包裹回溯时序轨迹，对所述多个关联人脸特征进行分选，获得人脸匹配结果，包括：
10.基于目标检测算法的个人物品关联追踪系统，其特征在于，用于实施权利要求1-9任意一项所述的基于目标检测算法的个人物品关联追踪方法，所述系统包括：
