【技术实现步骤摘要】
行人视觉跟踪方法、模型训练方法、装置、设备及存储介质
本申请涉及目标跟踪
，尤其涉及一种行人视觉跟踪方法、模型训练方法、装置、计算机设备及存储介质。
技术介绍
利用视频进行行人跟踪是视频分析领域的一个重要的研究内容，其通过算法分析视频帧序列来对视频流中的行人进行定位和跟踪，在智能安防、智慧交通、反恐预警、自动驾驶等领域有着广泛应用。目前的行人视觉跟踪方法，通常通过预选多个备选框然后通过相似度判定哪个备选框内最可能包括目标行人；在实际视频场景中受光照和遮挡影响明显，且由于目标尺度变化容易引起较大的跟踪误差，效果不佳。
技术实现思路
本申请实施例提供一种行人视觉跟踪方法、模型训练方法、装置、计算机设备及存储介质，能够较佳地实现预测视频流中帧图像的行人边界框，以实现视觉跟踪，提高了预测、追踪的准确性。第一方面，本申请提供了一种行人视觉跟踪方法，所述方法包括：获取当前帧的行人边界框和若干历史帧各自的边界框动作向量，所述历史帧为所述当前帧之前的帧；基于行人跟踪模型的特征提取子网络，对所述行人边界框内的目标行人图像进行特征提取以获取所述目标行人图像的隐特征向量；基于所述行人...
【技术保护点】
1.一种行人视觉跟踪方法，其特征在于，包括：获取当前帧的行人边界框和若干历史帧各自的边界框动作向量，所述历史帧为所述当前帧之前的帧；基于行人跟踪模型的特征提取子网络，对所述行人边界框内的目标行人图像进行特征提取以获取所述目标行人图像的隐特征向量；基于所述行人跟踪模型的预测子网络，根据所述隐特征向量和所述若干历史帧各自的边界框动作向量预测所述当前帧的边界框动作向量；根据所述当前帧的行人边界框和所述当前帧的边界框动作向量预测所述当前帧之后一帧的行人边界框。
【技术特征摘要】
1.一种行人视觉跟踪方法，其特征在于，包括：获取当前帧的行人边界框和若干历史帧各自的边界框动作向量，所述历史帧为所述当前帧之前的帧；基于行人跟踪模型的特征提取子网络，对所述行人边界框内的目标行人图像进行特征提取以获取所述目标行人图像的隐特征向量；基于所述行人跟踪模型的预测子网络，根据所述隐特征向量和所述若干历史帧各自的边界框动作向量预测所述当前帧的边界框动作向量；根据所述当前帧的行人边界框和所述当前帧的边界框动作向量预测所述当前帧之后一帧的行人边界框。2.如权利要求1所述的行人视觉跟踪方法，其特征在于，所述基于行人跟踪模型的特征提取子网络，对所述行人边界框内的目标行人图像进行特征提取以获取所述目标行人图像的隐特征向量之前，还包括：将所述行人边界框内的目标行人图像处理为预设长、宽的目标行人图像。3.如权利要求1所述的行人视觉跟踪方法，其特征在于，所述基于所述行人跟踪模型的预测子网络，根据所述隐特征向量和所述若干历史帧各自的边界框动作向量预测所述当前帧的边界框动作向量，包括：将所述隐特征向量和所述若干历史帧各自的边界框动作向量处理为输入向量；所述行人跟踪模型的预测子网络对所述输入向量进行全连接处理和归一化处理以得到与若干动作分量一一对应的若干动作概率；所述行人跟踪模型的预测子网络对所述若干动作概率进行全连接处理以得到所述若干动作分量各自对应行人边界框的目标概率；根据大于预设目标阈值的目标概率生成所述当前帧的边界框动作向量，所述边界框动作向量包括所述目标概率对应动作分量的信息。4.如权利要求1所述的行人视觉跟踪方法，其特征在于，所述基于所述行人跟踪模型的预测子网络，根据所述隐特征向量和所述若干历史帧各自的边界框动作向量预测所述当前帧的边界框动作向量之后，还包括：若所述当前帧的边界框动作向量包括用于表示动作终止的动作信息，根据所述若干历史帧各自的边界框动作向量生成对应的摄像头控制指令；输出所述摄像头控制指令以控制摄像头沿所述若干历史帧中行人边界框的移动方向运动。5.如权利要求1所述的行人视觉跟踪方法，其特征在于，所述根据所述当前帧的行人边界框和所述当前帧的边界框动作向量预测所述当前帧之后一帧的行人边界框之后，还包括：若所述当前帧之后的一帧对应于一行人标记框，计算所述当前帧之后一帧的行人边界框与所述行人标记框的重叠率；若所述重叠率小于预设的重叠阈值，存储所述行人标记框为所述当前帧之后一帧的行人边界框。6.一种行人跟踪模型训练方法，其特征在...
【专利技术属性】
技术研发人员：石磊，王健宗，
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
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。