适用于精准监控的目标跟踪方法及装置、计算机设备制造方法及图纸

本申请涉及一种适用于精准监控的目标跟踪方法，该方法包括：获取多帧图像；根据多帧图像，确定目标的第一目标特征信息和检测目标的第二目标特征信息，其中，第一目标特征信息包括第一全局特征信息、第一空间特征信息和第一通道特征信息，第二目标特征信息包括第二全局特征信息、第二空间特征信息和第二通道特征信息；根据第一目标特征信息和第二目标特征信息，确定多帧图像中跟踪目标的跟踪信息，并根据跟踪信息对跟踪目标进行跟踪。本申请能够有效提高检测目标与跟踪目标匹配的准确性，进而提高了目标跟踪的准确性。本申请还涉及一种适用于精准监控的目标跟踪装置、计算机设备和计算机可读存储介质。

Target tracking methods, devices and computer equipment suitable for precise monitoring

The present application relates to a target tracking method suitable for precise monitoring, which includes: acquiring multiple images; determining the first target feature information of the target and the second target feature information of the detected target according to the multiple images, wherein the first target feature information includes the first global feature information, the first spatial feature information and the first channel feature information, and the second target feature information The information includes the second global feature information, the second spatial feature information and the second channel feature information; according to the first target feature information and the second target feature information, the tracking information of the tracking target in the multi frame image is determined, and the tracking target is tracked according to the tracking information. The application can effectively improve the accuracy of matching detection target and tracking target, and further improve the accuracy of target tracking. The application also relates to a target tracking device, a computer device and a computer-readable storage medium suitable for precise monitoring.

【技术实现步骤摘要】
适用于精准监控的目标跟踪方法及装置、计算机设备
本申请涉及图像处理
，特别是涉及一种适用于精准监控的目标跟踪方法及装置、计算机设备和计算机可读存储介质。
技术介绍
智慧城市迅速发展的时代，精准监控变得不可或缺，其中，目标跟踪技术是精准监控的关键环节。目前，在城市交通、重点场所监视、犯罪分子的追踪等方面，全自动或者半自动地实现跟踪任务可以大大减少工作人员的工作量。传统的目标跟踪方法主要分为两步进行，第一步，获取初始目标所在的位置信息，包括横纵坐标和目标的宽高；第二步，对下一帧目标所在的位置信息进行预测。然而，采用传统的目标跟踪方法容易丢失跟踪目标，跟踪的可靠性不高。
技术实现思路
基于此，有必要针对上述传统的目标跟踪方法可靠性不高的技术问题，提供一种适用于精准监控的目标跟踪方法及装置、计算机设备和计算机可读存储介质。一种适用于精准监控的目标跟踪方法，所述方法包括：获取多帧图像；根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，其中，所述第一目标特征信息包括第一全局特征信息、第一空间特征信息和第一通道特征信息，所述第二目标特征信息包括第二全局特征信息、第二空间特征信息和第二通道特征信息；根据所述第一目标特征信息和所述第二目标特征信息，确定所述多帧图像中所述跟踪目标的跟踪信息，并根据所述跟踪信息对所述跟踪目标进行跟踪。在其中一个实施例中，所述根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，包括：获取所述多帧图像中的基准帧图像；确定所述基准帧图像中的跟踪目标；提取所述跟踪目标的第一目标特征信息。在其中一个实施例中，所述根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，包括：获取所述多帧图像中的当前帧图像；对所述当前帧图像进行目标检测，获得所述检测目标；提取所述检测目标的第二目标特征信息。在其中一个实施例中，所述对所述当前帧图像进行目标检测，获得所述检测目标，包括：将所述当前帧图像输入至目标检测模型进行目标检测中，得到所述当前帧图像中至少一个初始检测结果属于指定类别的概率，其中，所述目标检测模型包括预先训练好的深度学习模型；若所述初始检测结果属于指定类别的概率大于预设的指定概率阈值，则确定所述初始检测结果为检测目标。在其中一个实施例中，所述第一全局特征信息包括第一全局特征向量，所述第二全局特征信息包括第二全局特征向量；所述根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，包括：将所述多帧图像输入至第一卷积神经网络中，得到所述第一全局特征向量和所述第二全局特征向量，其中，所述第一卷积神经网络包括沙漏网络。在其中一个实施例中，所述第一空间特征信息包括第一空间特征向量，所述第二空间特征信息包括第二空间特征向量；所述根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，包括：将所述多帧图像输入至第二卷积神经网络中，得到所述第一空间特征向量和所述第二空间特征向量。在其中一个实施例中，所述第一通道特征信息包括第一通道特征向量，所述第二通道特征信息包括第二通道特征向量；所述根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，包括：将所述多帧图像输入至第三卷积神经网络中，得到所述第一通道特征向量和所述第二通道特征向量。在其中一个实施例中，所述根据所述第一目标特征信息和所述第二目标特征信息，确定所述多帧图像中所述跟踪目标的跟踪信息，包括：根据所述第一全局特征信息、所述第一空间特征信息和所述第一通道特征信息，获得所述跟踪目标的第一综合特征信息；根据所述第二全局特征信息、所述第二空间特征信息和所述第二通道特征信息，获得所述检测目标的第二综合特征信息；根据所述第一综合特征信息、所述第二综合特征信息以及预设的相似度判断条件，判断所述检测目标是否为所述跟踪目标；若判定所述检测目标为所述跟踪目标，则获取所述多帧图像中所述检测目标的位置信息，并将所述位置信息确定为所述跟踪信息。在其中一个实施例中，所述第一全局特征信息包括第一全局特征向量，所述第一空间特征信息包括第一空间特征向量，所述第一通道特征信息包括第一通道特征向量，第一综合特征信息包括第一综合特征向量；所述第二全局特征信息包括第二全局特征向量，所述第二空间特征信息包括第二空间特征向量，所述第二通道特征信息包括第二通道特征向量，第二综合特征信息包括第二综合特征向量；所述根据所述第一全局特征信息、所述第一空间特征信息和所述第一通道特征信息，获得所述跟踪目标的第一综合特征信息，包括：将所述第一全局特征向量与所述第一空间特征向量进行相加，得到第一相加结果；将所述第一相加结果与所述第一通道特征向量进行加权相乘，得到所述第一综合特征向量；所述根据所述第二全局特征信息、所述第二空间特征信息和所述第二通道特征信息，获得所述检测目标的第二综合特征信息，包括：将所述第二全局特征向量与所述第二空间特征向量进行相加，得到第二相加结果；将所述第二相加结果与所述第二通道特征向量进行加权相乘，得到所述第二综合特征向量。在其中一个实施例中，所述根据所述第一综合特征信息、所述第二综合特征信息以及预设的相似度判断条件，判断所述检测目标是否为所述跟踪目标，包括：计算所述第一综合特征向量和所述第二综合特征向量的最小余弦距离；若所述最小余弦距离小于预设的余弦距离阈值，则判定所述检测目标为所述跟踪目标。在其中一个实施例中，在判定所述检测目标为所述跟踪目标之后，所述方法还包括：保存所述检测目标对应的边界框图像。一种适用于精准监控的目标跟踪装置，所述装置包括：图像获取模块，用于获取多帧图像；特征提取模块，用于根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，其中，所述第一目标特征信息包括第一全局特征信息、第一空间特征信息和第一通道特征信息，所述第二目标特征信息包括第二全局特征信息、第二空间特征信息和第二通道特征信息；目标跟踪模块，用于根据所述第一目标特征信息和所述第二目标特征信息，确定所述多帧图像中所述跟踪目标的跟踪信息，并根据所述跟踪信息对所述跟踪目标进行跟踪。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述实施例中任一项所述的方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例中任一项所述的方法的步骤。上述适用于精准监控的目标跟踪方法及装置、计算机设备和计算机可读存储介质，通过获取多帧图像中跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，其中，第一目标特征信息包括本文档来自技高网...

【技术保护点】
1.一种适用于精准监控的目标跟踪方法，其特征在于，所述方法包括：/n获取多帧图像；/n根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，其中，所述跟踪目标为已确定跟踪的目标，所述第一目标特征信息包括第一全局特征信息、第一空间特征信息和第一通道特征信息，所述检测目标为待确定跟踪的目标，所述第二目标特征信息包括第二全局特征信息、第二空间特征信息和第二通道特征信息；/n根据所述第一目标特征信息和所述第二目标特征信息，确定所述多帧图像中所述跟踪目标的跟踪信息，并根据所述跟踪信息对所述跟踪目标进行跟踪。/n

【技术特征摘要】
1.一种适用于精准监控的目标跟踪方法，其特征在于，所述方法包括：
获取多帧图像；
根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，其中，所述跟踪目标为已确定跟踪的目标，所述第一目标特征信息包括第一全局特征信息、第一空间特征信息和第一通道特征信息，所述检测目标为待确定跟踪的目标，所述第二目标特征信息包括第二全局特征信息、第二空间特征信息和第二通道特征信息；
根据所述第一目标特征信息和所述第二目标特征信息，确定所述多帧图像中所述跟踪目标的跟踪信息，并根据所述跟踪信息对所述跟踪目标进行跟踪。


2.根据权利要求1所述的方法，其特征在于，所述根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，包括：
获取所述多帧图像中的基准帧图像；
确定所述基准帧图像中的跟踪目标；
提取所述跟踪目标的第一目标特征信息。


3.根据权利要求1所述的方法，其特征在于，所述根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，包括：
获取所述多帧图像中的当前帧图像；
对所述当前帧图像进行目标检测，获得所述检测目标；
提取所述检测目标的第二目标特征信息。


4.根据权利要求3所述的方法，其特征在于，所述对所述当前帧图像进行目标检测，获得所述检测目标，包括：
将所述当前帧图像输入至目标检测模型进行目标检测中，得到所述当前帧图像中至少一个初始检测结果属于指定类别的概率，其中，所述目标检测模型包括预先训练好的深度学习模型；
若所述初始检测结果属于指定类别的概率大于预设的指定概率阈值，则确定所述初始检测结果为检测目标。


5.根据权利要求1所述的方法，其特征在于，所述第一全局特征信息包括第一全局特征向量，所述第二全局特征信息包括第二全局特征向量；
所述根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，包括：
将所述多帧图像输入至第一卷积神经网络中，得到所述第一全局特征向量和所述第二全局特征向量，其中，所述第一卷积神经网络包括沙漏网络。


6.根据权利要求1所述的方法，其特征在于，所述第一空间特征信息包括第一空间特征向量，所述第二空间特征信息包括第二空间特征向量；
所述根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，包括：
将所述多帧图像输入至第二卷积神经网络中，得到所述第一空间特征向量和所述第二空间特征向量。


7.根据权利要求1所述的方法，其特征在于，所述第一通道特征信息包括第一通道特征向量，所述第二通道特征信息包括第二通道特征向量；
所述根据所述多帧图像，确定跟踪目标的第一目标特征信息和检测目标的第二目标特征信息，包括：
将所述多帧图像输入至第三卷积神经网络中，得到所述第一通道特征向量和所述第二通道特征向量。


8.根据权利要求1所述的方法，其特征在于，所述根据所述第一目标特征信息和所述第二目标特征信息，确定所述多帧图像中所述跟踪目标的跟踪信息，包括：
根据所述第一全局特征信息、所述第一空间特征信息...

【专利技术属性】
技术研发人员：李宁鸟，韩雪云，王文涛，毛少将，李杨，潘登，魏璐，
申请(专利权)人：西安天和防务技术股份有限公司，
类型：发明
国别省市：陕西;61