一种目标追踪的方法及设备技术

本发明专利技术公开了一种目标追踪的方法及设备，涉及计算机视觉技术领域，用以解决现有技术中，对目标进行追踪预测不准确，目标轨迹刻画操作复杂、效率低的问题，本发明专利技术方法包括：确定追踪的目标及所述目标当前时间对应的轨迹线，根据所述目标当前时间对应的轨迹线，通过基于自回归AR模型构建的目标轨迹预测模型，获得所述目标下一时间的预测轨迹点，根据所述目标当前时间对应的轨迹线及下一时间的预测轨迹点，刻画所述目标的预测轨迹线。

A Target Tracking Method and Equipment

The invention discloses a target tracking method and equipment, which relates to the field of computer vision technology, to solve the problems of inaccurate target tracking and prediction, complex operation of target trajectory description and low efficiency in the existing technology. The method of the invention includes: determining the target to be tracked and the trajectory corresponding to the current time of the target, and corresponding to the current time of the target. A trajectory prediction model based on AR model is constructed to obtain the predicted trajectory points of the target in the next time. The predicted trajectory lines of the target are depicted according to the trajectory lines corresponding to the current time of the target and the predicted trajectory points of the next time.

【技术实现步骤摘要】
一种目标追踪的方法及设备
本专利技术涉及计算机视觉
，特别涉及一种目标追踪的方法及设备。
技术介绍
随着我国平安城市建设的不断深入，公安天网覆盖的深度和广度不断扩大。一方面，多维数据信息采集技术(如监控、卡口、射频识别RFID(RadioFrequencyIdentification)、WiFi探针)在公共安全天网建设中使用越来越广泛，且会产生海量的视频图像、RFID数据以及其他多维数据信息。另一方面，海量数据信息的价值还没有得到充分挖掘，无法对海量数据进行高效存储及有效分析并运用，缺乏对视频监控中的目标进行轨迹预测和研判能力，不能充分的支撑公安实战业务。视频目标跟踪因其应用的重要性已经成为计算机视觉领域的研究热点，目标跟踪是对视频图像序列中的目标进行特征提取和表观建模、运动分析和目标关联的过程。针对当前多维数据(监控、卡口、RFID、WiFi探针等维度的数据)环境下的移动目标进行轨迹预测的方法和模型都较少，虽然基于卷积神经网络特征的目标跟踪模型和方法相对成熟，但也存在因模型卷积特征维度高而导致冗余较多，噪声较大，进而引起对目标的追踪不准确，轨迹刻画误差较大的问题。另外，在进行目标的轨迹查询时，往往需要为目标的位置点构建索引，现有搜索框架下的索引结构，均需对路网和目标轨迹位置点构建双层树状索引，过程相对复杂且返回结果时间较长。综上所述，现有技术中，在对进行目标追踪时，存在对目标的追踪不准确，进行目标轨迹刻画操作复杂、效率低的问题。
技术实现思路
本专利技术提供一种目标追踪的方法及设备，用以解决现有技术中，对目标进行追踪预设目标的轨迹时，存在对目标的追踪预测不准确，进行目标轨迹刻画操作复杂、效率低的问题。第一方面，本专利技术提供一种目标追踪的方法，该方法包括：确定追踪的目标及所述目标当前时间对应的轨迹线；根据所述目标当前时间对应的轨迹线，通过基于自回归AR(AutoregressiveModels)模型构建的目标轨迹预测模型，获得所述目标下一时间的预测轨迹点；根据所述目标当前时间对应的轨迹线及下一时间的预测轨迹点，刻画所述目标的预测轨迹线。上述方法中，根据追踪的目标的当前时间对应的轨迹线，通过预设的目标轨迹预测模型获得下一时间的预测轨迹点，并刻画目标的轨迹线，提高了目标的轨迹生成效率，进而提高目标跟踪的效率。在一种可选的实现方式中，确定追踪的目标及所述目标当前时间对应的轨迹线，包括：确定追踪的目标，利用基于卷积神经网络构建的预设特征识别模型对所述目标进行局部特征提取得到目标特征；根据所述目标特征，确定所述目标在预设地图上前n个时间的所有轨迹点；对所述目标的轨迹点进行位置时间关联，构建所述目标前n个时间的轨迹线Tn，所述n为自然数。上述方法中，利用卷积神经网络对追踪的目标提取目标特征，提取方式简单，特征丰富、且适用于绝大多数目标特征的提取，再根据提取到的目标特征对目标进行准确的追踪，能准确的定位所要追踪的目标，减少目标轨迹点数据的丢失。在一种可选的实现方式中，通过如下方式获得所述预设地图：获取地理信息系统GIS地图；并根据预设方法将所述GIS地图的平面区域划分成互不相交的网格，得到所述预设地图。上述方法中，将GIS地图的平面区域划分成不相交的区域，在追踪目标时，使用划分后的网格位置表示目标的轨迹点位置，简便易行，可以量化，便于计算机对目标的轨迹点位置的处理，且利于刻画目标的轨迹。在一种可选的实现方式中，确定追踪的目标，利用基于卷积神经网络构建的预设特征识别模型对所述目标进行局部特征提取得到目标特征，包括：根据所述目标的监控视频信息，确定所述目标在空间中的目标尺度；根据所述目标尺度，确定在预设地图上搜索所述目标的搜索尺度；利用搜索尺度在所述预设地图上搜索所述目标的目标图像；将所述目标图像输入预设特征识别模型，对所述目标进行局部特征提取得到目标特征。在一种可选的实现方式中，基于自回归AR模型构建目标轨迹预测模型，包括：确定用于构建目标轨迹预测模型的轨迹训练数据集、AR轨迹预测模型以及AR轨迹预测模型的模型参数；确定触发模型训练时，用轨迹训练数据集训练所述AR轨迹预测模型，根据训练结果更新所述模型参数至满足预设训练结束条件时，将所述AR轨迹预测模型确定为所述目标轨迹预测模型。在一种可选的实现方式中，用轨迹训练数据集训练所述AR轨迹预测模型，根据训练结果更新所述模型参数至满足预设训练结束条件时，将所述AR轨迹预测模型确定为所述目标轨迹预测模型，包括：将轨迹训练数据集中未经模型训练的任一轨迹线上前n时间的所有轨迹点输入所述AR轨迹预测模型，得到所述轨迹线的第n+1时间的预测轨迹点ARn+1；其中，n为自然数；确定ARn+1和所述轨迹线第n+1时间的真实轨迹点的偏离程度满足设定偏离要求时，确定当前的AR轨迹预测模型为所述目标轨迹预测模型。在一种可选的实现方式中，还包括：得到任一轨迹线第n+1时间的预测轨迹点ARn+1时，确定ARn+1和所述轨迹线第n+1时间的真实轨迹点的偏离程度不满足设定偏离要求时，且所述轨迹训练数据集中的所有轨迹线已经过当前的AR轨迹预测模型训练时，调整当前的AR轨迹预测模型的模型参数并触发模型训练，否则直接触发模型训练。在一种可选的实现方式中，确定ARn+1和所述轨迹线第n+1时间的真实轨迹点的偏离程度满足设定偏离要求，包括：根据预设损失函数，确定当前得到的预测轨迹点ARn+1与所述轨迹线第n+1时间的真实轨迹点的损失函数值；确定所述损失函数值小于或等于预设阈值时，确定ARn+1和所述轨迹线第n+1时间的真实轨迹点的偏离程度满足设定偏离要求。上述方法中，根据AR轨迹预测模型输出的大量预测值和轨迹训练数据集中的真实值对比情况，评估AR轨迹预测模型及其模型参数的可靠性，并根据训练的结果进行模型参数的调整，使训练的AR轨迹预测模型的预测效果接近于真实值，以达到对追踪的目标的轨迹预测。第二方面，本专利技术提供一种目标追踪的设备，该设备包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被执行时，使得所述处理器执行本专利技术第一方面提供的方法。第三方面，本申请还提供一种计算机存储介质，其上存储有计算机程序，该程序被处理单元执行时实现第一方面所述方法的步骤。另外，第二方面和第三方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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为本专利技术实施例一提供的一种目标追踪的方法流程图；图2为本专利技术实施例一提供的一种目标的轨迹点位置表示方法流程图；图3为本专利技术实施例一提供的基于自回归AR模型构建目标轨迹预测模型的过程流程图；图4为本专利技术实施例一提供的一个目标追踪的方法的完整流程示意图；图5为本专利技术实施例二提供的一种目标追踪的设备示意图；图6为本专利技术实施例二提供的一种目标追踪的装置示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述，显然，所描述的实施例仅仅是本专利技术一部份本文档来自技高网...

【技术保护点】
1.一种目标追踪的方法，其特征在于，该方法包括：确定追踪的目标及所述目标当前时间对应的轨迹线；根据所述目标当前时间对应的轨迹线，通过基于自回归AR模型构建的目标轨迹预测模型，获得所述目标下一时间的预测轨迹点；根据所述目标当前时间对应的轨迹线及下一时间的预测轨迹点，刻画所述目标的预测轨迹线。

【技术特征摘要】
1.一种目标追踪的方法，其特征在于，该方法包括：确定追踪的目标及所述目标当前时间对应的轨迹线；根据所述目标当前时间对应的轨迹线，通过基于自回归AR模型构建的目标轨迹预测模型，获得所述目标下一时间的预测轨迹点；根据所述目标当前时间对应的轨迹线及下一时间的预测轨迹点，刻画所述目标的预测轨迹线。2.如权利要求1所述的方法，其特征在于，确定追踪的目标及所述目标当前时间对应的轨迹线，包括：确定追踪的目标，利用基于卷积神经网络构建的预设特征识别模型对所述目标进行局部特征提取得到目标特征；根据所述目标特征，确定所述目标在预设地图上前n个时间的所有轨迹点；对所述目标的轨迹点进行位置时间关联，构建所述目标前n个时间的轨迹线Tn，所述n为自然数。3.如权利要求2所述的方法，其特征在于，通过如下方式获得所述预设地图：获取地理信息系统GIS地图；并根据预设方法将所述GIS地图的平面区域划分成互不相交的网格，得到所述预设地图。4.如权利要求2所述的方法，其特征在于，确定追踪的目标，利用基于卷积神经网络构建的预设特征识别模型对所述目标进行局部特征提取得到目标特征，包括：根据所述目标的监控视频信息，确定所述目标在空间中的目标尺度；根据所述目标尺度，确定在预设地图上搜索所述目标的搜索尺度；利用搜索尺度在所述预设地图上搜索所述目标的目标图像；将所述目标图像输入预设特征识别模型，对所述目标进行局部特征提取得到目标特征。5.如权利要求1所述的方法，其特征在于，基于自回归模型构建目标轨迹预测模型，包括：确定用于构建目标轨迹预测模型的轨迹训练数据集、AR轨迹预测模型以及AR轨迹预测模型的模型参数；确定触发模型训练时，用轨迹训练数据集训练所述AR轨迹预测模型，根据训练结果更新所述模型参数至满足预设训练结束条件时...

【专利技术属性】
技术研发人员：张宁，刘雪莉，郝旭宁，杜保坤，黄金花，
申请(专利权)人：青岛海信网络科技股份有限公司，
类型：发明
国别省市：山东,37