The invention provides a target Re_ID method, system, terminal and storage medium based on instance segmentation. In the process of target tracking, each tracking target is segmented by instance at the same time, and similarity matching is carried out according to the result of instance segmentation in front and back frames with information of scale, contour, texture, location and other elements. When restarting the detection, the matching can be segmented according to the instance. The matching information is used to find the matching target of the previous frame, and the same target ID is given. At the same time, the current instance is modified by using the same instance ID of the previous multiple frames, which makes the process of instance segmentation and tracking smoother.
【技术实现步骤摘要】
基于实例分割的目标Re-ID方法、系统、终端和存储介质
本专利技术涉及汽车电子
,特别是涉及一种基于实例分割的目标Re-ID方法、系统、终端和存储介质。
技术介绍
ADAS即先进驾驶辅助系统又称主动安全系统,主要通过获取图像、雷达数据并处理。得到目标物体的距离、位置、形状等信息。目标物体的跟踪中,每个跟踪物体都有一个实时的ID,在目标跟踪的过程中,每隔K帧启动检测,每次启动检测时,跟踪物体的ID就会被打乱,无法确认跟踪目标。
技术实现思路
为了解决上述的以及其他潜在的技术问题,本专利技术提供了一种基于实例分割的目标Re-ID方法、系统、终端和存储介质,为了解决随时间连续顺序采集的图像组或视频中,同一目标物体在不同帧的图像中被误认为两个物体的问题,本专利技术提出了以下技术方案:在目标跟踪过程中,同时对每个跟踪目标进行实例分割,根据前后帧的实例分割结果进行相似性匹配(包括尺度、轮廓、纹理、位置等信息),当重新启动检测时,可以根据实例分割的匹配信息来找到前一帧的匹配目标,给予相同的目标ID。同时,利用前面多帧相同实例ID的特征,对当前实例进行修正,使得实例分割与跟踪的过程更加平滑。一种基于实例分割的目标Re-ID方法,包括以下步骤:S01:输入一组连续的捕获图像,在目标跟踪过程中,同时对每个跟踪目标进行实例分割,获取捕获图像或视频中相同类别中不同的实例;S02:根据连续的捕获图像或视频中前后帧的实例分割结果进行相似性匹配,匹配成功的目标则根据实例分割的匹配信息来找到帧数在前的一个或多个捕获图像,给予目标相同的目标ID。进一步地,所述步骤S02:开始于当系统重新 ...
【技术保护点】
1.一种基于实例分割的目标Re‑ID方法,其特征在于,包括以下步骤:S01:输入一组连续的捕获图像,在目标跟踪过程中,同时对每个跟踪目标进行实例分割,获取捕获图像或视频中相同类别中不同的实例;S02:根据连续的捕获图像或视频中前后帧的实例分割结果进行相似性匹配,匹配成功的目标则根据实例分割的匹配信息来找到帧数在前的一个或多个捕获图像,给予目标相同的目标ID。
【技术特征摘要】
1.一种基于实例分割的目标Re-ID方法,其特征在于,包括以下步骤:S01:输入一组连续的捕获图像,在目标跟踪过程中,同时对每个跟踪目标进行实例分割,获取捕获图像或视频中相同类别中不同的实例;S02:根据连续的捕获图像或视频中前后帧的实例分割结果进行相似性匹配,匹配成功的目标则根据实例分割的匹配信息来找到帧数在前的一个或多个捕获图像,给予目标相同的目标ID。2.根据权利要求1所述的基于实例分割的目标Re-ID方法,其特征在于,所述步骤S02:开始于当系统重新启动目标检测时。3.根据权利要求2所述的基于实例分割的目标Re-ID方法,其特征在于,所述步骤S01中对每个跟踪目标进行实例分割的网络架构包括但不限于MASK-RCNN,FCIS,PANET。4.根据权利要求3所述的基于实例分割的目标Re-ID方法,其特征在于,所述第一二分类层通过第一后卷积层完成,所述第二二分类层通过第二后卷积层完成;所述第一二分类层为卷积神经网络CNN,第二二分类层为全卷积神经网络FCN。5.根据权利要求4所述的基于实例分割的目标Re-ID方法,其特征在于,所述步骤S01中实例分割网络架构还包括获得预选区域后先做多层特征融合,再把候选区域映射到特征图像上做二分类语义分割。6.根据权利要求5所述的基于实例分割的目标Re-ID方法,其特征在于,所述步骤S02中,根据连续的捕获图像或视频中前后帧的实例分割结果进行相似性匹配的方式为:从前帧捕获图像和后帧图像中分别获得追踪目标的包括但不限于尺度、轮廓、纹理、位置等要素信息,各个要素的权重按照追踪目标的类别配比要素的权重,再根据各个要素的权重综合打分之后,将综合打分的分值与预设阈值进行比较,大于阈值则认为匹配成功,小于预设阈值则认为匹配失败。7.根据权利要求1所述的基于实例分割的目标Re-ID方法,其特征在于,还包括步骤S03:在一组图像中出现后又消失的追踪目标,对于特定的追踪目标类别,将该追踪目标类别...
【专利技术属性】
技术研发人员:李坤仑,吴子章,王凡,唐锐,丁丽珠,
申请(专利权)人:北京纵目安驰智能科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。