一种行人跟踪方法、装置及设备制造方法及图纸

本发明专利技术实施例提供了一种行人跟踪方法、装置及设备，其中，该方法包括：获取待检测视频帧；检测待检测视频帧中的候选行人；提取候选行人的候选行人特征；确定候选行人特征与特征队列中已保存特征的差异，并在差异满足预设条件时，确定候选行人为目标行人；其中，特征队列中已保存特征为与所述目标行人匹配的特征。能够提高行人跟踪过程的效率。

【技术实现步骤摘要】
一种行人跟踪方法、装置及设备
本专利技术涉及计算机
，特别是涉及一种行人跟踪方法、装置及设备。
技术介绍
目标跟踪，如行人跟踪是计算机视觉领域一个重要方面，在人工智能(ArtificialIntelligence，AI)、视频监控、人机交互、机器人、军事制导等领域都有广泛的应用前景。现有一种方式中，通过深度学习的方式完成行人跟踪。以多域卷积神经网络(Multi-DomainConvolutionalNeuralNetworks，MDNet)为例，使用多域训练，使用卷积神经网络(ConvolutionalNeuralNetworks，CNN)特征，使用全连接进行在线微调，同样以选择候选目标框集合的过程，结合判断每个目标框是目标的概率的过程，最终确定最大概率的候选框即为预测的目标框的方式进行跟踪。然而，专利技术人在实现本专利技术的过程中发现，现有技术至少存在如下问题：由于深度学习方式中，神经网络中有大量的卷积和全连接操作，而卷积和全连接操作消耗的计算量比较多，使得计算占用的时间也比较长。如此使得，通过深度学习的方式实现行人跟踪效率较低。
技术实现思路
本专利技术实施例的目的在于提供一种行人跟踪方法、装置及设备，以提高行人跟踪过程的效率。具体技术方案如下：第一方面，本专利技术实施例提供了一种行人跟踪方法，包括：获取待检测视频帧；检测所述待检测视频帧中的候选行人；提取所述候选行人的候选行人特征；确定所述候选行人特征与特征队列中已保存特征的差异，并在所述差异满足预设条件时，确定所述候选行人为目标行人；其中，所述特征队列中已保存特征为与所述目标行人匹配的特征。可选的，所述特征队列包括短周期队列和长周期队列；所述确定所述候选行人特征与特征队列中已保存特征的差异，并在所述差异满足预设条件时，确定所述候选行人为目标行人，包括：当所述短周期队列的队列长度达到第一预设队列长度和所述长周期队列的队列长度达到第二预设队列长度中至少有一个未满足时，确定所述候选行人特征与所述短周期队列中已保存特征的第一差异，并在所述第一差异满足第一预设条件时，确定所述候选行人为目标行人；其中，所述第一预设队列长度小于所述第二预设队列长度；当所述短周期队列的队列长度达到所述第一预设队列长度且所述长周期队列的队列长度达到所述第二预设队列长度时，确定所述候选行人特征与所述短周期队列和所述长周期队列中已保存特征的第二差异，并在所述第二差异满足第二预设条件时，确定所述候选行人为目标行人。可选的，所述在所述第一差异满足第一预设条件时，确定所述候选行人为目标行人，包括：当所述候选行人特征对应的所述第一差异，小于预设差异阈值的个数达到预设个数阈值时，确定所述候选行人特征对应的所述候选行人为所述目标行人。可选的，所述确定所述候选行人特征与所述短周期队列中已保存特征的第一差异，包括：针对所述短周期队列中各个已保存特征，计算所述候选行人特征与该已保存特征之间的欧氏距离，并将所述欧氏距离作为所述候选行人特征与该已保存特征之间的第一差异。可选的，所述方法还包括：当所述候选行人特征对应的所述欧氏距离，小于预设距离阈值的个数达到所述预设个数阈值时，将所述候选行人特征添加至所述短周期队列。可选的，所述确定所述候选行人特征与所述短周期队列和所述长周期队列中已保存特征的第二差异，包括：通过局部约束线性编码LLC算法，确定所述候选行人特征基于已构建的码本矩阵的重建误差，并将所述重建误差作为所述候选行人特征与所述短周期队列和所述长周期队列中已保存特征的第二差异；其中，所述码本矩阵是根据所述短周期队列与所述长周期队列构建的；所述重建误差用于反映所述候选行人特征与所述码本矩阵的差异程度。可选的，所述在所述第二差异满足第二预设条件时，确定所述候选行人为目标行人，包括：确定各个候选行人分别对应的各个重建误差中的最小重建误差；当所述最小重建误差满足重构误差最大容许阈值时，确定所述最小重建误差对应的候选行人为所述目标行人。可选的，在所述通过局部约束线性编码LLC算法，确定所述候选行人特征与已构建的码本矩阵的重建误差后，所述方法还包括：在所述重建误差满足第三预设条件时，弹出所述短周期队列中第一个已保存特征，并将所述候选行人特征添加至所述短周期队列。可选的，所述方法还包括：当添加至所述短周期队列的候选行人特征的个数达到所述长周期队列的更新个数时，从添加至所述短周期队列的候选行人特征中选取一个满足添加条件的候选行人特征添加至所述长周期队列。第二方面，本专利技术实施例提供了一种行人跟踪装置，包括：获取模块，用于获取待检测视频帧；检测模块，用于检测所述待检测视频帧中的候选行人；提取模块，用于提取所述候选行人的候选行人特征；确定模块，用于确定所述候选行人特征与特征队列中已保存特征的差异，并在所述差异满足预设条件时，确定所述候选行人为目标行人；其中，所述特征队列中已保存特征为与所述目标行人匹配的特征。可选的，所述特征队列包括短周期队列和长周期队列；所述确定模块，包括：第一确定子模块，用于当所述短周期队列的队列长度达到第一预设队列长度和所述长周期队列的队列长度达到第二预设队列长度中至少有一个未满足时，确定所述候选行人特征与所述短周期队列中已保存特征的第一差异，并在所述第一差异满足第一预设条件时，确定所述候选行人为目标行人；其中，所述第一预设队列长度小于所述第二预设队列长度；第二确定子模块，用于当所述短周期队列的队列长度达到所述第一预设队列长度且所述长周期队列的队列长度达到所述第二预设队列长度时，确定所述候选行人特征与所述短周期队列和所述长周期队列中已保存特征的第二差异，并在所述第二差异满足第二预设条件时，确定所述候选行人为目标行人。可选的，所述第一确定子模块，具体用于当所述候选行人特征对应的所述第一差异，小于预设差异阈值的个数达到预设个数阈值时，确定所述候选行人特征对应的所述候选行人为所述目标行人。可选的，所述第一确定子模块，具体用于针对所述短周期队列中各个已保存特征，计算所述候选行人特征与该已保存特征之间的欧氏距离，并将所述欧氏距离作为所述候选行人特征与该已保存特征之间的第一差异。可选的，所述装置还包括：第一添加模块，用于当所述候选行人特征对应的所述欧氏距离，小于预设距离阈值的个数达到所述预设个数阈值时，将所述候选行人特征添加至所述短周期队列。可选的，所述第二确定子模块，具体用于通过局部约束线性编码LLC算法，确定所述候选行人特征基于已构建的码本矩阵的重建误差，并将所述重建误差作为所述候选行人特征与所述短周期队列和所述长周期队列中已保存特征的第二差异；其中，所述码本矩阵是根据所述短周期队列与所述长周期队列构建的；所述重建误差用于反映所述候选行人特征与所述码本矩阵的差异程度。可选的，所述第二确定子模块，具体用于确定各个候选行人分别对应的各个重建误差中的最小重建误差；当所述最小重建误差满足重构误差最大容许阈值时，确定所述最小重建误差对应的候选行人为所述目标行人。可选的，所述装置还包括：弹出模块，用于在所述重建误差满足第三预设条件时，弹出所述短周期队列中第一个已保存特征；第二添加模块，用于将所述候选行人特征添加至所述短周期队列。可选的，所述装置还包括：第三添加模块，用于当添加至所述短周期队列的候选行人特征的个数达到所述长周期本文档来自技高网...

【技术保护点】
1.一种行人跟踪方法，其特征在于，包括：获取待检测视频帧；检测所述待检测视频帧中的候选行人；提取所述候选行人的候选行人特征；确定所述候选行人特征与特征队列中已保存特征的差异，并在所述差异满足预设条件时，确定所述候选行人为目标行人；其中，所述特征队列中已保存特征为与所述目标行人匹配的特征。

【技术特征摘要】
1.一种行人跟踪方法，其特征在于，包括：获取待检测视频帧；检测所述待检测视频帧中的候选行人；提取所述候选行人的候选行人特征；确定所述候选行人特征与特征队列中已保存特征的差异，并在所述差异满足预设条件时，确定所述候选行人为目标行人；其中，所述特征队列中已保存特征为与所述目标行人匹配的特征。2.根据权利要求1所述的方法，其特征在于，所述特征队列包括短周期队列和长周期队列；所述确定所述候选行人特征与特征队列中已保存特征的差异，并在所述差异满足预设条件时，确定所述候选行人为目标行人，包括：当所述短周期队列的队列长度达到第一预设队列长度和所述长周期队列的队列长度达到第二预设队列长度中至少有一个未满足时，确定所述候选行人特征与所述短周期队列中已保存特征的第一差异，并在所述第一差异满足第一预设条件时，确定所述候选行人为目标行人；其中，所述第一预设队列长度小于所述第二预设队列长度；当所述短周期队列的队列长度达到所述第一预设队列长度且所述长周期队列的队列长度达到所述第二预设队列长度时，确定所述候选行人特征与所述短周期队列和所述长周期队列中已保存特征的第二差异，并在所述第二差异满足第二预设条件时，确定所述候选行人为目标行人。3.根据权利要求2所述的方法，其特征在于，所述在所述第一差异满足第一预设条件时，确定所述候选行人为目标行人，包括：当所述候选行人特征对应的第一差异，小于预设差异阈值的个数达到预设个数阈值时，确定所述候选行人特征对应的所述候选行人为所述目标行人。4.根据权利要求2或3所述的方法，其特征在于，所述确定所述候选行人特征与所述短周期队列中已保存特征的第一差异，包括：针对所述短周期队列中各个已保存特征，计算所述候选行人特征与该已保存特征之间的欧氏距离，并将所述欧氏距离作为所述候选行人特征与该已保存特征之间的第一差异。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：当所述候选行人特征对应的所述欧氏距离，小于预设距离阈值的个数达到所述预设个数阈值时，将所述候选行人特征添加至所述短周期队列。6.根据权利要求2所述的方法，其特征在于，所述确定所述候选行人特征与所述短周期队列和所述长周期队列中已保存特征的第二差异，包括：通过局部约束线性编码LLC算法，确定所述候选行人特征基于已构建的码本矩阵的重建误差，并将所述重建误差作为所述候选行人特征与所述短周期队列和所述长周期队列中已保存特征的第二差异；其中，所述码本矩阵是根据所述短周期队列与所述长周期队列构建的；所述重建误差用于反映所述候选行人特征与所述码本矩阵的差异程度。7.根据权利要求2或6所述的方法，其特征在于，所述在所述第二差异满足第二预设条件时，确定所述候选行人为目标行人，包括：确定各个候选行人分别对应的各个重建误差中的最小重建误差；当所述最小重建误差满足重构误差最大容许阈值时，确定所述最小重建误差对应的候选行人为所述目标行人。8.根据权利要求6所述的方法，其特征在于，在所述通过局部约束线性编码LLC算法，确定所述候选行人特征与已构建的码本矩阵的重建误差后，所述方法还包括：在所述重建误差满足第三预设条件时，弹出所述短周期队列中第一个已保存特征，并将所述候选行人特征添加至所述短周期队列。9.根据权利要求5或8所述的方法，其特征在于，所述方法还包括：当添加至所述短周期队列的候选行人特征的个数达到所述长周期队列的更新个数时，从添加至所述短周期队列的候选行人特征中选取一个满足添加条件的候选行人特征添加至所述长周期队列。10.一种行人跟踪装置，其特征在于，包括：获取模...

【专利技术属性】
技术研发人员：钟韬，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京,11