【技术实现步骤摘要】
目标跟踪方法、装置、计算机可读存储介质和计算机设备
本申请涉及计算机视觉
,特别是涉及一种目标跟踪方法、装置、计算机可读存储介质和计算机设备。
技术介绍
随着计算机视觉技术的发展,出现了目标跟踪技术,目标跟踪就是对视频中给定的目标进行分析跟踪,以确定视频中目标的确切位置,目标跟踪在视频监控、导航、军事、人机交互、虚拟现实、自动驾驶等多个领域都有着广泛的应用。传统技术中,目标跟踪方法多为基于相关滤波跟踪原理的跟踪方法,该跟踪方法是根据视频的前一帧中跟踪到的目标区域更新相关滤波器,进而根据更新后的相关滤波器对当前视频帧进行目标跟踪,在跟踪过程中,相关滤波器以目标的表观特征为基准在当前视频帧中进行目标跟踪。然而,这种方法由于依赖于目标的表观特征,当目标被遮挡时或者存在外观相似的目标等干扰情况时,容易造成目标身份切换,导致跟踪的准确率低。
技术实现思路
基于此,有必要针对传统技术中跟踪准确率低的技术问题,提供一种目标跟踪方法、装置、计算机可读存储介质和计算机设备。一种目标跟踪方法,包括:获取当前视频帧及所述当前视频帧对应的历史视频帧集合;获取所述当前视频帧对应的跟踪候选区域集合;获取所述历史视频帧集合对应的目标历史跟踪轨迹集合,根据所述历史视频帧集合确定所述目标历史跟踪轨迹集合中各个目标历史跟踪轨迹对应的光流运动特征,形成第一运动特征集合;获取所述跟踪候选区域集合中各个跟踪候选区域对应的光流运动特征,形成第二运动特征集合;获取所述第一运 ...
【技术保护点】
1.一种目标跟踪方法,包括:/n获取当前视频帧及所述当前视频帧对应的历史视频帧集合;/n获取所述当前视频帧对应的跟踪候选区域集合;/n获取所述历史视频帧集合对应的目标历史跟踪轨迹集合,根据所述历史视频帧集合确定所述目标历史跟踪轨迹集合中各个目标历史跟踪轨迹对应的光流运动特征,形成第一运动特征集合;/n获取所述跟踪候选区域集合中各个跟踪候选区域对应的光流运动特征,形成第二运动特征集合;/n获取所述第一运动特征集合和所述第二运动特征集合之间的第一元素距离,得到第一运动关联矩阵;/n根据所述第一运动关联矩阵,将所述各个目标历史跟踪轨迹与所述跟踪候选区域进行匹配,根据匹配结果确定所述各个目标历史跟踪轨迹对应的跟踪结果。/n
【技术特征摘要】 【专利技术属性】
1.一种目标跟踪方法,包括:
获取当前视频帧及所述当前视频帧对应的历史视频帧集合;
获取所述当前视频帧对应的跟踪候选区域集合;
获取所述历史视频帧集合对应的目标历史跟踪轨迹集合,根据所述历史视频帧集合确定所述目标历史跟踪轨迹集合中各个目标历史跟踪轨迹对应的光流运动特征,形成第一运动特征集合;
获取所述跟踪候选区域集合中各个跟踪候选区域对应的光流运动特征,形成第二运动特征集合;
获取所述第一运动特征集合和所述第二运动特征集合之间的第一元素距离,得到第一运动关联矩阵;
根据所述第一运动关联矩阵,将所述各个目标历史跟踪轨迹与所述跟踪候选区域进行匹配,根据匹配结果确定所述各个目标历史跟踪轨迹对应的跟踪结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述历史视频帧集合确定所述目标历史跟踪轨迹集合中各个目标历史跟踪轨迹对应的光流运动特征,包括:
将所述历史视频帧集合输入已训练的光流估计模型中,得到多个帧间光流图;
根据各个目标历史跟踪轨迹对应的历史跟踪区域从所述多个帧间光流图中确定各个目标历史跟踪轨迹对应的光流区域;
对各个目标历史跟踪轨迹对应的光流区域进行特征提取,得到各个目标历史跟踪轨迹对应的光流运动特征。
3.根据权利要求2所述的方法,其特征在于,所述光流估计模型包括第一卷积层、第二卷积层以及相关层;所述将所述历史视频帧集合输入已训练的光流估计模型中,得到多个帧间光流图,包括:
将所述历史视频帧集合中邻近两帧历史视频帧输入所述第一卷积层,通过所述第一卷积层进行特征提取,得到邻近两帧历史视频帧各自对应的特征图;
将邻近两帧历史视频帧各自对应的特征图输入所述相关层,通过所述相关层对所述特征图进行相关操作,得到帧间成本量;所述帧间成本量用于进行光流估计得到对应的粗粒度光流图;
将所述粗粒度光流图输入所述第二卷积层,通过所述第二卷积层进行细化操作,得到候选光流图,根据所述候选光流图得到邻近两帧历史视频帧对应的帧间光流图。
4.根据权利要求3所述的方法,其特征在于,所述第一卷积层包括多层;所述光流估计模型还包括第三卷积层;所述第二卷积层的输入还包括联结特征图;在所述将所述粗粒度光流图输入所述第二卷积层,通过所述第二卷积层进行细化操作,得到候选光流图之前,所述方法还包括:
将所述帧间成本量输入所述第三卷积层,通过所述第三卷积层对所述帧间成本量进行特征提取并融合所述第一卷积层中末尾层卷积层之前的卷积层输出的特征图,得到所述联结特征图。
5.根据权利要求1所述的方法,其特征在于,在所述根据所述历史视频帧集合确定所述目标历史跟踪轨迹集合中各个目标历史跟踪轨迹对应的光流运动特征之前,所述方法还包括:
确定各个目标历史跟踪轨迹在所述当前视频帧中对应的估计跟踪区域,得到估计跟踪区域集合;
获取所述估计跟踪区域集合与所述跟踪候选区域集合之间的第二元素距离,得到第二运动关联矩阵;
所述根据所述第一运动关联矩阵,将所述各个目标历史跟踪轨迹与所述跟踪候选区域进行匹配包括:
融合所述第一运动关联矩阵及所述第二运动关联矩阵,得到目标运动关联矩阵;
根据所述目标运动关联矩阵,将所述各个目标历史跟踪轨迹与所述跟踪候选区域进行匹配。
6.根据权利要求1所述的方法,其特征在于,在所述获取所述当前视频帧对应的跟踪候选区域集合之前,所述方法还包括:
从当前历史跟踪轨迹集合中选取连续相同帧匹配失败的历史跟踪轨迹,将连续相同帧匹配失败的历史跟踪轨迹组成候选历史跟踪轨迹集合,得到多个候选历史跟踪轨迹集合;
分别获取各个候选历史跟踪轨迹集合对应的第一表观特征集合;
获取所述跟踪候选区域集合对应的第二表观特征集合;
分别获取各个第一表观特征集合与所述第二表观特征集合之间的第三元素距离,得到各个候选历史跟踪轨迹集合对应的特征距离矩阵;
分别根据各个特征距离矩阵,将各个所述候选历史跟踪轨迹集合中的历史跟踪轨迹中与当前目标区域集合中的当前目标区域进行匹配;所述当前目标区域为对所述当前视频帧进行目标检测得到的区域;
分别获取各个所述候选历史跟踪轨迹集合中匹配失败的历史跟踪轨迹,将获取的所述历史跟踪轨迹组成目标历史跟踪轨迹集合;
获取所述当前目标区域集合中匹配失败的当前目标区域,将获取的所述当前目标区域组成跟踪候选区域集合。
技术研发人员:关硕森,张毅,孙星,余宗桥,彭湃,郭晓威,黄小明,吴永坚,黄飞跃,
申请(专利权)人:腾讯科技深圳有限公司,
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。