目标跟踪方法、装置、计算设备及存储介质制造方法及图纸

本申请提出了目标跟踪方法、装置、计算设备及存储介质。其中，一种目标跟踪方法包括：确定图像帧序列中各图像帧的检测目标的检测框和各图像帧的检测目标的类别置信度；根据所述图像帧序列中检测目标的类别置信度，确定第一图像帧对应的类别置信度阈值，所述第一图像帧为所述图像帧序列中最新采集的一个图像帧；从第一图像帧的检测目标中筛选类别置信度大于所述类别置信度阈值的检测目标，得到筛选结果；基于所述筛选结果中检测目标的检测框，将所述筛选结果中检测目标与跟踪目标进行匹配操作，确定与跟踪目标匹配的检测目标。

【技术实现步骤摘要】
目标跟踪方法、装置、计算设备及存储介质
本申请涉及图像
，特别涉及目标跟踪方法、装置、计算设备及存储介质。
技术介绍
目前，在跟踪目标的应用场景中，目标跟踪方案通常是首先进行目标检测，然后采用认为设定的一个阈值过滤目标检测结果，得到过滤结果。在此基础上，目标跟踪方案将过滤结果与跟踪目标进行匹配，以便对目标进行跟踪。目前的目标跟踪方案通常在不同应用场景和不同时间采用相同的阈值。这里阈值是指目标跟踪算法涉及的阈值参数。然而，目标跟踪方案采用相同阈值的方式，可以导致跟踪错误。因此，如何提高目标跟踪的准确性是需要解决的技术问题。
技术实现思路
本申请提出了目标跟踪方法、装置、计算设备及存储介质，能够提高目标跟踪的准确度。根据本申请一个方面，提供一种目标跟踪方法，包括：确定图像帧序列中各图像帧的检测目标的检测框和各图像帧的检测目标的类别置信度；根据所述图像帧序列中检测目标的类别置信度，确定第一图像帧对应的类别置信度阈值，所述第一图像帧为所述图像帧序列中最新采集的一个图像帧；从第一图像帧的检测目标中筛选类别置信度大于所述类别置信度阈值的检测目标，得到筛选结果；基于所述筛选结果中检测目标的检测框，将所述筛选结果中检测目标与跟踪目标进行匹配操作，确定与跟踪目标匹配的检测目标。在一些实施例中，所述根据所述图像帧序列中检测目标的类别置信度，确定第一图像帧对应的类别置信度阈值，包括：确定所述图像帧序列中检测目标的类别置信度的变化趋势；根据所述类别置信度的变化趋势，确定第一图像帧中的检测目标对应的类别置信度阈值。在一些实施例中，所述确定所述图像帧序列中检测目标的类别置信度的变化趋势，包括：确定一个场景自适应阈值，所述场景自适应阈值用于表征所述变化趋势，所述场景自适应阈值满足：使得第一目标值的二范数最小，所述第一目标值为：第一概率与第二概率的加权和、与第一设定值之差，所述第一概率为：在所述图像帧序列的最新采集的预定数量的图像帧范围内、类别置信度不超过所述场景自适应阈值的概率，所述第二概率为：在所述图像帧序列的范围内、类别置信度不超过所述场景自适应阈值的概率；所述根据所述类别置信度的变化趋势，确定第一图像帧中的检测目标对应的类别置信度阈值，包括：计算所述场景自适应阈值与置信度阈值常数的加权和，并将该加权和作为所述类别置信度阈值。在一些实施例中，所述基于所述筛选结果中检测目标的检测框，将所述筛选结果中检测目标与跟踪目标进行匹配操作，确定与跟踪目标匹配的检测目标，包括：将筛选结果中每个检测目标分别与跟踪目标集合中每个跟踪目标进行关联，得到关联对集合，每个关联对包括一个检测目标和一个跟踪目标；基于每个关联对中检测目标的检测框，计算每个关联对中检测目标与跟踪目标的相似度；根据图像帧序列中检测目标与相匹配的跟踪目标的相似度，确定第一图像帧中的检测目标对应的相似度阈值；基于所述相似度阈值，过滤关联对集合，得到过滤结果，所述过滤结果中每个关联对所对应的相似度达到相似度阈值；基于所述过滤结果，确定第一图像帧中与跟踪目标匹配的检测目标。在一些实施例中，所述基于每个关联对中检测目标的检测框，计算每个关联对中检测目标与跟踪目标的相似度，包括：确定每个关联对中检测目标的描述信息，所述描述信息包括：表观特征和属性信息，其中表观特征为从检测目标检测框对应的图像区域中提取的特征图，所述属性信息包括姿态、性别和朝向；预测每个关联对中跟踪目标的运动速度，并利用运动速度确定跟踪目标的预测位置；确定每个关联对中检测目标与跟踪目标的相似度，所述相似度根据下述中至少一种确定：表观特征相似性、属性相似性、位置交并比和形状相似性。在一些实施例中，所述根据图像帧序列中检测目标与相匹配的跟踪目标的相似度，确定第一图像帧中的检测目标对应的相似度阈值：确定所述图像帧序列中检测目标对应的相似度的变化趋势，所述检测目标对应的相似度为检测目标与相匹配的跟踪目标的相似度；根据所述相似度的变化趋势，确定第一图像帧中的检测目标对应的相似度阈值。在一些实施例中，所述确定所述图像帧序列中检测目标对应的相似度的变化趋势，包括：确定一个相似度自适应阈值，所述相似度自适应阈值用于表征所述相似度的变化趋势，所述相似度自适应阈值满足：使得第二目标值的二范数最小，所述第二目标值为：第三概率与第四概率的加权和、与第二设定值之差，所述第三概率为：在所述图像帧序列的最新采集的预定数量的图像帧范围内、检测目标对应的相似度不超过所述相似度自适应阈值的概率，所述第四概率为：在所述图像帧序列的范围内、检测目标对应的相似度度不超过所述相似度自适应阈值的概率；所述根据所述相似度的变化趋势，确定第一图像帧中的检测目标对应的类别置信度阈值，包括：计算所述相似度自适应阈值与相似度阈值常数的加权和，并将该加权和作为所述相似度阈值。在一些实施例中，所述基于所述过滤结果，确定第一图像帧中与跟踪目标匹配的检测目标，包括：按照目标置信度对跟踪目标集合中跟踪目标进行排序，得到排序结果，目标置信度表示跟踪目标存在于第一图像帧的概率；根据所述排序结果和过滤结果，利用匈牙利匹配方式，确定与跟踪目标匹配的检测目标。在一些实施例中，目标跟踪方法进一步包括：在所述筛选结果中检测目标与跟踪目标集合中跟踪目标匹配失败时，预测匹配失败的跟踪目标是否存在；在匹配失败的跟踪目标存在时，利用匹配失败的跟踪目标的预测位置更新该跟踪目标的最新位置；将匹配失败的检测目标加入匹配失败集合中。在一些实施例中，目标跟踪方法进一步包括：根据与跟踪目标匹配的检测目标的描述信息，更新所述跟踪目标的描述信息；判断匹配失败集合中同一检测目标对应的图像帧数是否达到该检测目标对应的新建帧数阈值，该检测目标对应的帧数阈值为该检测目标所属的类别对应的新建帧数阈值；在达到该检测目标对应的新建帧数阈值时，将该检测目标作为一个新的跟踪目标；判断匹配失败的跟踪目标的累计失败时长是否达到该跟踪目标对应的类别的时长阈值；在匹配失败的跟踪目标累计失败时长达到所述时长阈值时，在跟踪目标集合中剔除该跟踪目标。根据本申请一个方面，提供一种目标跟踪装置，包括：目标检测单元，确定图像帧序列中各图像帧的检测目标的检测框和各图像帧的检测目标的类别置信度；阈值自适应单元，根据所述图像帧序列中检测目标的类别置信度，确定第一图像帧对应的类别置信度阈值，所述第一图像帧为所述图像帧序列中最新采集的一个图像帧；其中，目标检测单元还用于：从第一图像帧的检测目标中筛选类别置信度大于所述类别置信度阈值的检测目标，得到筛选结果；跟踪单元，基于所述筛选结果中检测目标的检测框，将所述筛选结果中检测目标与跟踪目标进行匹配操作，确定与跟踪目标匹配的检测目标，以及根据与跟踪目标匹配的检测目标的描述信息，更新所述跟踪目标的描本文档来自技高网...

【技术保护点】
1.一种目标跟踪方法，其特征在于，包括：/n确定图像帧序列中各图像帧的检测目标的检测框和各图像帧的检测目标的类别置信度；/n根据所述图像帧序列中检测目标的类别置信度，确定第一图像帧对应的类别置信度阈值，所述第一图像帧为所述图像帧序列中最新采集的一个图像帧；/n从第一图像帧的检测目标中筛选类别置信度大于所述类别置信度阈值的检测目标，得到筛选结果；/n基于所述筛选结果中检测目标的检测框，将所述筛选结果中检测目标与跟踪目标进行匹配操作，确定与跟踪目标匹配的检测目标。/n

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括：
确定图像帧序列中各图像帧的检测目标的检测框和各图像帧的检测目标的类别置信度；
根据所述图像帧序列中检测目标的类别置信度，确定第一图像帧对应的类别置信度阈值，所述第一图像帧为所述图像帧序列中最新采集的一个图像帧；
从第一图像帧的检测目标中筛选类别置信度大于所述类别置信度阈值的检测目标，得到筛选结果；
基于所述筛选结果中检测目标的检测框，将所述筛选结果中检测目标与跟踪目标进行匹配操作，确定与跟踪目标匹配的检测目标。


2.如权利要求1所述的目标跟踪方法，其特征在于，所述根据所述图像帧序列中检测目标的类别置信度，确定第一图像帧对应的类别置信度阈值，包括：
确定所述图像帧序列中检测目标的类别置信度的变化趋势；
根据所述类别置信度的变化趋势，确定第一图像帧中的检测目标对应的类别置信度阈值。


3.如权利要求2所述的目标跟踪方法，其特征在于，
所述确定所述图像帧序列中检测目标的类别置信度的变化趋势，包括：确定一个场景自适应阈值，所述场景自适应阈值用于表征所述变化趋势，所述场景自适应阈值满足：使得第一目标值的二范数最小，所述第一目标值为：第一概率与第二概率的加权和、与第一设定值之差，所述第一概率为：在所述图像帧序列的最新采集的预定数量的图像帧范围内、类别置信度不超过所述场景自适应阈值的概率，所述第二概率为：在所述图像帧序列的范围内、类别置信度不超过所述场景自适应阈值的概率；
所述根据所述类别置信度的变化趋势，确定第一图像帧中的检测目标对应的类别置信度阈值，包括：计算所述场景自适应阈值与置信度阈值常数的加权和，并将该加权和作为所述类别置信度阈值。


4.如权利要求1所述的目标跟踪方法，其特征在于，所述基于所述筛选结果中检测目标的检测框，将所述筛选结果中检测目标与跟踪目标进行匹配操作，确定与跟踪目标匹配的检测目标，包括：
将筛选结果中每个检测目标分别与跟踪目标集合中每个跟踪目标进行关联，得到关联对集合，每个关联对包括一个检测目标和一个跟踪目标；
基于每个关联对中检测目标的检测框，计算每个关联对中检测目标与跟踪目标的相似度；
根据图像帧序列中检测目标与相匹配的跟踪目标的相似度，确定第一图像帧中的检测目标对应的相似度阈值；
基于所述相似度阈值，过滤关联对集合，得到过滤结果，所述过滤结果中每个关联对所对应的相似度达到相似度阈值；
基于所述过滤结果，确定第一图像帧中与跟踪目标匹配的检测目标。


5.如权利要求4所述的目标跟踪方法，其特征在于，所述基于每个关联对中检测目标的检测框，计算每个关联对中检测目标与跟踪目标的相似度，包括：
确定每个关联对中检测目标的描述信息，所述描述信息包括：表观特征和属性信息，其中表观特征为从检测目标的检测框对应的图像区域中提取的特征图，所述属性信息包括姿态、性别和朝向；
预测每个关联对中跟踪目标的运动速度，并利用运动速度确定跟踪目标的预测位置；
确定每个关联对中检测目标与跟踪目标的相似度，所述相似度根据下述中至少一种确定：表观特征相似性、属性相似性、位置交并比和形状相似性。


6.如权利要求4所述的目标跟踪方法，其特征在于，所述根据图像帧序列中检测目标与相匹配的跟踪目标的相似度，确定第一图像帧中的检测目标对应的相似度阈值：
确定所述图像帧序列中检测目标对应的相似度的变化趋势，所述检测目标对应的相似度为检测目标与相匹配的跟踪...

【专利技术属性】
技术研发人员：王辉，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33