行动对象追踪方法及相关设备技术

本申请实施例提供一种行动对象追踪方法及相关设备，其中，所述方法包括：对当前帧图像中的第一目标检测框进行对象关键点检测以得到多个对象关键点；根据所述多个对象关键点从所述第一目标检测框中提取出目标对象的上半部分图像，并根据所述目标对象的上半部分图像进行对象的下半部分补零处理以得到第二目标检测框，其中，所述第二目标检测框包括所述目标对象的上半部分图像以及补零后的下半部分图像；根据所述第二目标检测框进行行动对象追踪。采用本申请实施例，有利于提高行动对象追踪的准确率。

【技术实现步骤摘要】
行动对象追踪方法及相关设备
本申请涉及计算机
，尤其涉及一种行动对象追踪方法及相关设备。
技术介绍
随着深度学习的跨越式发展，目标追踪的指标快速提高，例如多目标追踪准确率(Multi-ObjectTrackingAccuracy，MOTA)；尤其是以多目标追踪算法(deepsort)为代表的一系列追踪算法，其通过对象特征模型(Reid)提取特征做追踪，在实际应用中产生了巨大的实用价值，其重要性不言而喻。统观现在的目标追踪领域，虽然deepsort算法中的模型的指标每天都在刷新，但对于实际应用来说，当帧图像中的对象被遮挡时，若采用对象特征模型对图像中的对象进行特征提取，存在对象特征提取不准确的问题，从而导致实际应用中的行动对象追踪效果并不佳。
技术实现思路
本申请实施例公开了一种行动对象追踪方法及相关设备，有利于提高行动对象追踪的准确率。本申请实施例第一方面公开了一种行动对象追踪方法，该方法包括：对当前帧图像中的第一目标检测框进行对象关键点检测以得到多个对象关键点；根据所述多个对象关键点从所述第一目标检测框中提取本文档来自技高网...

【技术保护点】
1.一种行动对象追踪方法，其特征在于，包括：/n对当前帧图像中的第一目标检测框进行对象关键点检测以得到多个对象关键点；/n根据所述多个对象关键点从所述第一目标检测框中提取出目标对象的上半部分图像，并根据所述目标对象的上半部分图像进行对象的下半部分补零处理以得到第二目标检测框，其中，所述第二目标检测框包括所述目标对象的上半部分图像以及补零后的下半部分图像；/n根据所述第二目标检测框进行行动对象追踪。/n

【技术特征摘要】
1.一种行动对象追踪方法，其特征在于，包括：
对当前帧图像中的第一目标检测框进行对象关键点检测以得到多个对象关键点；
根据所述多个对象关键点从所述第一目标检测框中提取出目标对象的上半部分图像，并根据所述目标对象的上半部分图像进行对象的下半部分补零处理以得到第二目标检测框，其中，所述第二目标检测框包括所述目标对象的上半部分图像以及补零后的下半部分图像；
根据所述第二目标检测框进行行动对象追踪。


2.根据权利要求1所述的方法，其特征在于，所述根据所述多个对象关键点从所述第一目标检测框中提取出目标对象的上半部分图像，并根据所述目标对象的上半部分图像进行对象的下半部分补零处理以得到第二目标检测框，包括：
将所述多个对象关键点与预设对象关键点进行比对，以确定所述第一目标检测框中的所述目标对象的下半部分图像是否完整；
若所述目标对象的下半部分图像不完整，则根据所述多个对象关键点的位置从所述第一目标检测框中提取出所述目标对象的上半部分图像；
在所述目标对象的上半部分图像的行方向上填充i行零，得到所述第二目标检测框，其中，所述i为所述第一目标检测框与所述目标对象的上半部分图像的高的差值。


3.根据权利要求1所述的方法，其特征在于，所述根据所述第二目标检测框进行行动对象追踪，包括：
将所述第二目标检测框输入预先训练好的对象特征模型，得到所述目标对象的目标对象特征；
获取j个历史对象特征，其中，所述j个历史对象特征为追踪流程中的历史对象的对象特征，所述j为正整数；
将所述目标对象特征与所述j个历史对象特征分别进行相似度计算，得到j个相似度；
若所述j个相似度中的最大相似度大于预设相似度阈值，则确定所述目标对象为历史对象。


4.根据权利要求1-3中任一项所述的方法，其特征在于，所述方法还包括：
将所述当前帧图像输入预先训练好的对象检测模型，得到所述当前帧图像对应的N个第一检测框，其中，所述N为正整数；
将对应的置信度大于预设置信度阈值的第一检测框从所述N个第一检测框中筛选出，得到M个第二检测框，其中，所述M为小于或等于所述N的正整数；
从所述M个第二检测框中获取所述第一目标检测框。


5.根据权利要求4所述的方法，其特征在于，所述从所述M个第二检测框中获取所述第一目标检测框，包括：
在所...

【专利技术属性】
技术研发人员：唐欢，胡文泽，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：广东;44