一种目标跟踪方法、目标跟踪装置及计算机可读介质制造方法及图纸

本发明专利技术公开了一种目标跟踪方法、目标跟踪装置及计算机可读介质，以改善现有技术中的目标跟踪方法，在跟踪对象的姿态信息发生较大变化时，容易造成跟踪对象丢失，检测结果的不稳定的问题。所述目标跟踪方法，包括：确定跟踪对象的第一跟踪信息与多个检测对象对应的多个第一检测信息的匹配性，以及确定第二跟踪信息与多个所述检测对象对应的多个第二检测信息的匹配性；确定所述第一跟踪信息与多个所述第一检测信息均不匹配，且存在与所述第二跟踪信息匹配的所述第二检测信息时，调取第一跟踪框信息与第二跟踪框信息的绑定关系；调取第一标识信息，以及调取第二标识信息；根据所述第一标识信息和所述第二标识信息，确定所述跟踪对象的绑定标识信息。

A target tracking method, target tracking device and computer readable medium

【技术实现步骤摘要】
一种目标跟踪方法、目标跟踪装置及计算机可读介质
本专利技术涉及智能视频分析领域，尤其涉及一种目标跟踪方法、目标跟踪装置及计算机可读介质。
技术介绍
多目标跟踪一直是计算机视觉领域的基础课题之一，其广泛应用于智能视频监控、自动驾驶、目标行为分析等领域。多目标跟踪算法的主要任务是对视频中多个目标进行定位，维护目标标识(ID)信息，以弥补视觉目标检测的不足，去除误检，增加遗漏的检测，为进一步的行为分析提供基础。目前，多目标跟踪技术仍然存在一些问题，目标之间的频繁遮挡，表观信息的巨大变化都很容易造成目标ID丢失、交换导致错误跟踪的问题。尤其在智慧金融和监所场景下，为了应对突发事件，需要跟踪技术重点关注突发的异常情况，如目标突然跌倒，弯腰，接近后剧烈运动，其姿态信息会发生巨大变化，造成检测结果的不稳定，而大多数跟踪技术在这种检测异常不稳定的情况下效果很难保证。
技术实现思路
本专利技术提供一种目标跟踪方法、目标跟踪装置及计算机可读介质，以改善现有技术中的目标跟踪方法，在跟踪对象的姿态信息发生较大变化时，容易造成跟踪对象丢失，检本文档来自技高网...

【技术保护点】
1.一种目标跟踪方法，其特征在于，包括：/n确定根据上一图像帧获取的跟踪对象的第一跟踪信息与根据当前图像帧获取的多个检测对象对应的多个第一检测信息的匹配性，以及确定根据所述上一图像帧获取的所述跟踪对象的第二跟踪信息与根据所述当前图像帧获取的多个所述检测对象对应的多个第二检测信息的匹配性，其中，所述第一检测信息、所述第一跟踪信息为与第一身体部位对应的信息，所述第二检测信息、所述第二跟踪信息为与第二身体部位对应的信息；/n确定所述第一跟踪信息与多个所述第一检测信息均不匹配，且存在与所述第二跟踪信息匹配的所述第二检测信息时，调取预存的所述跟踪对象的第一跟踪框信息与第二跟踪框信息的绑定关系，其中，所述...

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括：
确定根据上一图像帧获取的跟踪对象的第一跟踪信息与根据当前图像帧获取的多个检测对象对应的多个第一检测信息的匹配性，以及确定根据所述上一图像帧获取的所述跟踪对象的第二跟踪信息与根据所述当前图像帧获取的多个所述检测对象对应的多个第二检测信息的匹配性，其中，所述第一检测信息、所述第一跟踪信息为与第一身体部位对应的信息，所述第二检测信息、所述第二跟踪信息为与第二身体部位对应的信息；
确定所述第一跟踪信息与多个所述第一检测信息均不匹配，且存在与所述第二跟踪信息匹配的所述第二检测信息时，调取预存的所述跟踪对象的第一跟踪框信息与第二跟踪框信息的绑定关系，其中，所述第一跟踪框信息为与所述第一身体部位对应的信息，所述第二跟踪框信息为与所述第二身体部位对应的信息；
根据所述绑定关系，调取与所述第一跟踪框信息对应的第一标识信息，以及调取与所述第二跟踪框信息对应的第二标识信息，其中，所述第一标识信息为与所述第一身体部位对应的标识信息，所述第二标识信息为与所述第二身体部位对应的标识信息；
根据所述第一标识信息和所述第二标识信息，确定所述跟踪对象的绑定标识信息，并将所述绑定标识信息作为所述跟踪对象的输出标识信息。


2.如权利要求1所述的目标跟踪方法，其特征在于，所述目标跟踪方法还包括：
确定存在与所述第一跟踪信息匹配的所述第一检测信息，且存在与所述第二跟踪信息匹配的所述第二检测信息时，建立所述跟踪对象的所述第一跟踪框信息与所述第二跟踪信息框的所述绑定关系。


3.如权利要求2所述的目标跟踪方法，其特征在于，所述建立所述跟踪对象的第一跟踪框信息与第二跟踪框信息的所述绑定关系，包括：
遍历所有所述跟踪对象的所述第一跟踪框信息，确定每一所述跟踪对象的所述第一跟踪框信息与所有所述跟踪对象的所述第二跟踪框信息的匹配度；
获取所述匹配度大于预设匹配度的所述第一跟踪框信息和所述第二跟踪框信息。


4.如权利要求3所述的目标跟踪方法，其特征在于，所述第一跟踪框信息为包括第一跟踪框，所述第二跟踪框信息包括第二跟踪框；
所述确定每一所述跟踪对象的所述第一跟踪框信息与所有所述跟踪对象的所述第二跟踪框信息的匹配度，包括：计算每一所述跟踪对象的所述第一跟踪框与所有所述跟踪对象的所述第二跟踪框的边界框交并比。


5.如权利要求1所述的目标跟踪方法，其特征在于，所述根据所述第一标识信息和所述第二标识信息，确定所述跟踪对象的绑定标识信息，包括：
确定由初始图像帧到当前图像帧中，所述第一检测信息与所述第一跟踪信息匹配成功的第一历史帧数，以及所述第二检测信息与所述第二跟踪信息匹配成功的第二历史帧数；
判断所述第一历史帧数是否大于所述第二历史帧数，若是，确定所述第一标识信息作为所述绑定标识信息，否则，确定所述第二标识信息作为所述绑定标识信息。


6.如权利要求1-5任一项所述的目标跟踪方法，其特征在于，在确定根据上一图像帧获取的跟踪对象的第一跟踪信息与根据当前图像帧获取的多个检测对象对应的多个第一检测信息的匹配性，以及确定根据所述上一图像帧获取的所述跟踪对象第二跟踪信息与根据所述当前图像帧获取的多个所述检测对象对应的多个的第二检测信息的匹配性之前，所述目标跟踪方法还包括：
根据当前图像帧，通过深度学习目标检测算法获取所述检测对象的人体检测框和头肩检测框，以及通过人体姿态网络算法获取所述检测对象的人体关键点和人体部位关联向量；
根据上一图像帧，获取与多个所述跟踪对象的一一对应的人体跟踪框和头肩跟踪框，以及获取与多个所述跟踪对象的一一对应的人体跟踪关键点信息和人体部位跟踪关联向量信息。


7.如权利要求6所述的目标跟踪方法，其特征在于，所述确定根据上一图像帧获取的跟踪对象的第一跟踪信息与根据当前图像帧获取的多个检测对象对应的多个第一检测信息的匹配性，包括：
确定所述跟踪对象的所述人体跟踪框与每一所述检测对象的所述人体检测框的人体边界框相似度；
确定所述跟踪对象的所述人体部位跟踪关联向量与每一所述检测对象的所述人体部位关联向量的人体关联向量相似度；
根据多个所述人体边界框相似度和多个所述人体关联向量相似度，确定第一人体相似度匹配矩阵；
通过匈牙利算法对所述第一人体相似度匹配矩阵进行最优化匹配计算。


8.如权利要求7所述的目标跟踪方法，其特征在于，所述确定所述跟踪对象的所述人体跟踪框与每一所述检测对象的所述人体检测框的人体边界框相似度，包括：
通过公式计算所述人体边界框相似度，其中，Rd表示人体检测框，Rt表示人体跟踪框。


9.如权利要求8所述的目标跟踪方法，其特征在于，所述确定所述跟踪对象的所述人体部位跟踪关联向量与每一所述检测对象的所述人体部位关联向量的人体关联向量相似度，包括：
通过公式计算所述人体关联向量相似度，其中，表示关键点kp1到关键点kp2的连接向量，为每个关键点余弦相似度的权重。


10.如权利要求9所述的目标跟踪方法，其特征在于，所述根据多个所述人体边界框相似度和多个所述人体关联向量相似度，确定第一人体相似度匹配矩阵，包括：
通过公式Sij1＝βSiou+(1-β)Spaf，计算所述第一人体相似度匹配矩阵，其中，β表示所述人体边界框相似度的权重，Sij1表示为第i个所...

【专利技术属性】
技术研发人员：汪志强，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33