目标实时跟踪方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种目标实时跟踪方法、装置、计算机设备及存储介质。该目标实时跟踪方法包括：获取原始视频数据；从原始视频数据中选取基准图像并进行目标检测，获取至少一个基准跟踪目标和对应的基准目标特征向量；对当前图像进行目标检测，获取至少一个当前跟踪目标和对应的当前目标特征向量；基于基准目标特征向量和当前目标特征向量，确定每一基准跟踪目标的特征相似度；若特征相似度小于预设相似度，则确定特征相似度对应的基准跟踪目标在当前图像中为丢失跟踪目标；若基准跟踪目标在当前图像之后的连续N帧图像均为丢失跟踪目标，则释放基准跟踪目标。该目标实时跟踪方法能对丢失跟踪目标进行判定并释放，提高目标跟踪的准确性和效率。

【技术实现步骤摘要】
目标实时跟踪方法、装置、计算机设备及存储介质
本专利技术涉及目标跟踪
，尤其涉及一种目标实时跟踪方法、装置、计算机设备及存储介质。
技术介绍
目标跟踪是计算机视觉研究领域的热点之一，过去几十年以来，目标跟踪的研究取得了长足的发展。当前目标跟踪领域主要采用单目标长时间跟踪(Tracking-Learning-Detection，以下简称TLD)算法和核相关滤波(KernelCorrelationFilter，以下简称KCF)算法进行目标跟踪处理。其中，TLD算法主要由追踪器、检测器和机器学习模块构成，跟踪过程为：追踪器预测跟踪物体的位置，检测器检测图像中所有物体位置后将最可信位置发给机器学习模块并更新追踪器中物体的位置，机器学习模块根据追踪器和检测器发送的位置训练分类器，改善检测器的精度。KCF算法是在追踪过程中训练一个目标检测器，使用目标检测器去检测下一帧预测位置是否为目标，获取新检测结果，再使用新检测结果去更新目标检测器。这两种算法都有自身无法克服的缺点：1.TLD算法无法解决占用系统资源大,效率低等问题；2.KCF算法无法解决遮挡问题，一旦被跟踪物体被遮挡，则被跟踪物体丢失，无法进行后续跟踪。
技术实现思路
本专利技术实施例提供一种目标实时跟踪方法、装置、计算机设备及存储介质，以解决当前目标跟踪中效率低和对丢失目标的处理不完善的问题。一种目标实时跟踪方法，包括：获取原始视频数据，所述原始视频数据包括至少两帧图像；从所述原始视频数据中选取基准图像，对所述基准图像进行目标检测，获取至少一个基准跟踪目标和对应的基准目标特征向量；对所述原始视频数据中的当前图像进行目标检测，获取至少一个当前跟踪目标和对应的当前目标特征向量；计算任一所述基准目标特征向量与所有当前目标特征向量的特征相似度，以确定所述基准目标特征向量对应的目标相似度；若所述目标相似度小于预设相似度，则确定所述目标相似度对应的基准跟踪目标在所述当前图像中为丢失跟踪目标；若所述基准跟踪目标在所述当前图像之后的连续N帧图像均为丢失跟踪目标，则释放所述基准跟踪目标。一种目标实时跟踪装置，包括：原始视频数据获取模块，用于获取原始视频数据，所述原始视频数据包括至少两帧图像；基准跟踪目标检测模块，用于选取所述原始视频数据中的任一帧图像作为基准图像，对所述基准图像进行目标检测，获取至少一个基准跟踪目标和对应的基准目标特征向量；当前跟踪目标检测模块，用于对所述原始视频数据中的当前图像进行目标检测，获取至少一个当前跟踪目标和对应的当前目标特征向量；特征相似度获取模块，用于计算任一所述基准目标特征向量与所有当前目标特征向量的特征相似度，以确定所述基准目标特征向量对应的目标相似度；丢失跟踪目标判定模块，用于若所述目标相似度小于预设相似度，则确定所述目标相似度对应的基准跟踪目标在所述当前图像中为丢失跟踪目标；基准跟踪目标释放模块，用于若所述基准跟踪目标中所述当前图像之后的连续N帧图像均为丢失跟踪目标，则释放所述基准跟踪目标。一种计算机设备，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，所述处理器执行所述计算机程序时实现上述目标实时跟踪方法的步骤。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，所述计算机程序被处理器执行时实现上述目标实时跟踪方法的步骤。上述目标实时跟踪方法、装置、计算机设备及存储介质，从原始视频数据中选取基准图像进行目标检测，获取基准跟踪目标和对应的基准目标特征向量，可有助于增强监控的灵活性；对当前图像进行目标检测，获取当前跟踪目标和对应的当前目标特征向量，基于基准目标特征向量和当前目标特征向量获取目标相似度，将目标相似度与预设相似度进行比较，当目标相似度小于预设相似度时，则确定目标相似度对应的基准跟踪目标在当前图像中为丢失跟踪目标，计算过程简单方便，有助于提高跟踪效率；若基准跟踪目标在当前图像之后的连续N帧图像均为丢失跟踪目标，则释放基准跟踪目标，减少对系统资源的占用，提高目标跟踪的效率和准确性。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中目标实时跟踪方法的一应用环境图；图2是本专利技术一实施例中目标实时跟踪方法的一流程图；图3是图2中步骤S20的一流程图；图4是图2中步骤S40的一流程图；图5是本专利技术一实施例中目标实时跟踪方法的一流程图；图6是图5中步骤S82的一流程图；图7是本专利技术一实施例中目标实时跟踪装置的一示意图；图8是本专利技术一实施例中计算机设备的一示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供的目标实时跟踪方法，可应用在如图1的应用环境中，即该目标实时跟踪方法应用在图1所示的监控系统中，该监控系统包括服务器、与服务器通过网络相连的至少一个监控终端、以及与服务器通过网络相连的至少一个摄像头终端。其中，该监控终端为监控人员对目标进行跟踪处理所采用的终端。任一监控终端可通过WiFi、3G、4G和5G等无线网络或者有线网络中的任一种与服务器进行通信。该摄像头终端是用于采集视频数据的终端，任一摄像头终端通过WiFi、3G、4G和5G等无线网络或者有线网络中的任一种与服务器进行通信。监控终端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。摄像头终端可以包含一个摄像头，也可以包括多个摄像头。在一个实施例中，以该目标实时跟踪方法应用于图1中的服务器为例进行说明，如图2所示，该目标实时跟踪方法包括如下步骤：S10：获取原始视频数据，原始视频数据包括至少两帧图像。原始视频数据是指未经处理的视频数据，具体是任一摄像头终端采集并上传到服务器的视频数据。视频数据是指连续的图像序列，其实质是由一帧帧连续的图像构成的。具体地，服务器获取到的原始视频数据包括至少两帧图像，帧是组成视频的最小视觉单位，是一幅静态的图像，将时间上连续的帧序列合成到一起便形成动态的视频数据。本实施例中，每一摄像头终端携带有一摄像头ID，该摄像头ID是用于识别摄像头终端的唯一标识，该摄像头ID具体可以为摄像头终端的出厂标识。每一摄像头终端采集视频数据并通过网络上传到服务器时，所上传的视频数据均携带有对应的摄像头ID，以便识别视频数据的来源。当监控人员通过监控终端进行目标监控时，可以根据监控需求向服务器发送相应的监控请求，该监控请求携带摄像头ID，该摄像头ID是所要监控区域的摄像头终端的标识。具体地，服务器在获取至少一个摄像头终端发送的视频数据之后，将所有视频数据与其对应的摄像头ID关联存储，以便后续基于摄像头ID查找到相应的视频数据。服务器在获取监控终端发送的监控请求时，可基于该监控请求中的本文档来自技高网...

【技术保护点】
1.一种目标实时跟踪方法，其特征在于，包括：获取原始视频数据，所述原始视频数据包括至少两帧图像；从所述原始视频数据中选取基准图像，对所述基准图像进行目标检测，获取至少一个基准跟踪目标和对应的基准目标特征向量；对所述原始视频数据中的当前图像进行目标检测，获取至少一个当前跟踪目标和对应的当前目标特征向量；计算任一所述基准目标特征向量与所有当前目标特征向量的特征相似度，以确定所述基准目标特征向量对应的目标相似度；若所述目标相似度小于预设相似度，则确定所述目标相似度对应的基准跟踪目标在所述当前图像中为丢失跟踪目标；若所述基准跟踪目标在所述当前图像之后的连续N帧图像均为丢失跟踪目标，则释放所述基准跟踪目标。

【技术特征摘要】
1.一种目标实时跟踪方法，其特征在于，包括：获取原始视频数据，所述原始视频数据包括至少两帧图像；从所述原始视频数据中选取基准图像，对所述基准图像进行目标检测，获取至少一个基准跟踪目标和对应的基准目标特征向量；对所述原始视频数据中的当前图像进行目标检测，获取至少一个当前跟踪目标和对应的当前目标特征向量；计算任一所述基准目标特征向量与所有当前目标特征向量的特征相似度，以确定所述基准目标特征向量对应的目标相似度；若所述目标相似度小于预设相似度，则确定所述目标相似度对应的基准跟踪目标在所述当前图像中为丢失跟踪目标；若所述基准跟踪目标在所述当前图像之后的连续N帧图像均为丢失跟踪目标，则释放所述基准跟踪目标。2.如权利要求1所述的目标实时跟踪方法，其特征在于，在所述以确定所述基准目标特征向量对应的目标相似度的步骤之后，所述目标实时跟踪方法还包括：若所述目标相似度不小于预设相似度，则当前图像中存在与所述基准跟踪目标为同一跟踪目标的当前跟踪目标，将所述当前跟踪目标更新为新的基准跟踪目标。3.如权利要求1所述的目标实时跟踪的方法，其特征在于，所述对所述基准图像进行目标检测，获取至少一个基准跟踪目标和对应的基准目标特征向量，包括：采用目标检测算法对所述基准图像进行目标检测，获取至少一个检测窗口；基于每一所述检测窗口，获取对应的基准跟踪目标和基准目标特征向量。4.如权利要求1所述的目标实时跟踪方法，其特征在于，所述对所述基准图像进行目标检测，获取至少一个基准跟踪目标和对应的基准目标特征向量的步骤之后，且在所述对所述原始视频数据中的当前图像进行目标检测的步骤之前，所述目标实时跟踪方法还包括：给每一所述基准跟踪目标分配一跟踪线程和一验证线程；在所述跟踪线程中实时获取并存储与所述基准跟踪目标对应的基准目标特征向量；在所述以确定所述基准目标特征向量对应的目标相似度的步骤之后，所述目标实时跟踪方法还包括：在所述验证线程中，判断所述目标相似度是否小于预设相似度，获取判断结果，并根据所述判断结果更新所述跟踪线程。5.如权利要求1所述的目标实时跟踪方法，其特征在于，所述计算任一所述基准目标特征向量与所有当前目标特征向量的特征相似度，以确定所述基准目标特征向量对应的目标相似度，包括：采用距离算法计算任一所述基准目标特征向量与所有所述当前目标特征向量的实测距离，基于所述实测距离获取对应的特征相似度；从所有特征相似度中选取最大值，确定为所述基准目标特征向量对应的目标相似度。6.如权利要求1所述的目标实...

【专利技术属性】
技术研发人员：马潜，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44