目标跟踪方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请提供了一种目标跟踪方法、装置、电子设备及计算机可读存储介质。所述方法包括：获取包含目标对象的多帧连续的目标图像；其中，所述多帧连续的目标图像包括：最后一帧的待确认图像和除所述待确认图像之外的匹配图像；对多帧所述目标图像进行检测处理，在每帧所述目标图像中生成包含所述目标对象的检测框；针对每帧所述目标图像，通过预先训练的姿态识别模型提取所述检测框中的图像特征，确定所述检测框对应的对象姿态；根据所述匹配图像对应的对象姿态，从所述匹配图像中确定所述待确认图像对应的基准图像；将所述基准图像和待确认图像进行对象姿态匹配处理，确定所述待确认图像中的目标对象所处的位置。本申请可以提高多目标跟踪的准确度。高多目标跟踪的准确度。高多目标跟踪的准确度。

【技术实现步骤摘要】
目标跟踪方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及图像处理
，特别是涉及一种目标跟踪方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]在视频的监控和处理中，行人多目标跟踪是最为常见和具有实际意义的应用。近年来，卷积神经网络(Convolutional Neural Network，CNN)在计算机视觉领域中，尤其是行人重识别方面，表现出了极大的优势。
[0003]传统的基于CNN的行人重识别算法应用在多目标跟踪中，可以提升跟踪的性能。最为经典的算法是deepsort，采用CNN提取行人特征，通过判断行人reid特征来进行检测和跟踪结果的数据关联。但是，在行人之间有交叉时，仍然存在较多的跟踪目标切换问题。

技术实现思路

[0004]本申请提供了一种目标跟踪方法、装置、电子设备及计算机可读存储介质，以解决现有技术中的在行人之间有交叉时，存在较多的跟踪目标切换的问题。
[0005]为了解决上述问题，本申请提供了一种目标跟踪方法，包括：
[0006]获取包含目标对象的多帧连续的目标图像；其中，所述多帧连续的目标图像包括：最后一帧的待确认图像和除所述待确认图像之外的匹配图像；
[0007]对多帧所述目标图像进行检测处理，在每帧所述目标图像中生成包含所述目标对象的检测框；
[0008]针对每帧所述目标图像，通过预先训练的姿态识别模型提取所述检测框中的图像特征，确定所述检测框对应的对象姿态；
[0009]根据所述匹配图像对应的对象姿态，从所述匹配图像中确定所述待确认图像对应的基准图像；
[0010]将所述基准图像和所述待确认图像进行对象姿态匹配处理，确定所述待确认图像中的目标对象所处的位置。
[0011]可选地，所述根据所述匹配图像对应的对象姿态，从所述匹配图像中确定所述待确认图像对应的基准图像，包括：
[0012]获取所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间的姿态距离；
[0013]根据所述姿态距离，从所述匹配图像中确定所述待确认图像对应的基准图像。
[0014]可选地，所述获取所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间的姿态距离，包括：
[0015]计算得到所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间余弦距离；或者
[0016]计算得到所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间
的欧式距离。
[0017]可选地，所述根据所述姿态距离，从所述匹配图像中确定所述待确认图像对应的基准图像，包括：
[0018]获取所述姿态距离中小于距离阈值的目标姿态距离；
[0019]将所述目标姿态距离对应的匹配图像作为所述基准图像。
[0020]可选地，所述将所述基准图像和所述待确认图像进行对象姿态匹配处理，确定所述待确认图像中的目标对象所处的位置，包括：
[0021]采用匈牙利算法对所述基准图像和所述待确认图像之间的对象姿态匹配，确定姿态匹配评分；
[0022]根据所述对象匹配评分，确定所述待确认图像中的目标对象所处的位置。
[0023]为了解决上述问题，本申请提供了一种目标跟踪装置，包括：
[0024]目标图像获取模块，用于获取包含目标对象的多帧连续的目标图像；其中，所述多帧连续的目标图像包括：最后一帧的待确认图像和除所述待确认图像之外的匹配图像；
[0025]检测框生成模块，用于对多帧所述目标图像进行检测处理，在每帧所述目标图像中生成包含所述目标对象的检测框；
[0026]对象姿态确定模块，用于针对每帧所述目标图像，通过预先训练的姿态识别模型提取所述检测框中的图像特征，确定所述检测框对应的对象姿态；
[0027]基准图像确定模块，用于根据所述匹配图像对应的对象姿态，从所述匹配图像中确定所述待确认图像对应的基准图像；
[0028]对象位置确定模块，用于将所述基准图像和所述待确认图像进行对象姿态匹配处理，确定所述待确认图像中的目标对象所处的位置。
[0029]可选地，所述基准图像确定模块包括：
[0030]姿态距离获取单元，用于获取所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间的姿态距离；
[0031]基准图像确定单元，用于根据所述姿态距离，从所述匹配图像中确定所述待确认图像对应的基准图像。
[0032]可选地，所述姿态距离获取单元包括：
[0033]余弦距离计算子单元，用于计算得到所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间余弦距离；或者
[0034]欧式距离计算子单元，用于计算得到所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间的欧式距离。
[0035]可选地，所述基准图像确定单元包括：
[0036]姿态距离获取子单元，用于获取所述姿态距离中小于距离阈值的目标姿态距离；
[0037]基准图像获取子单元，用于将所述目标姿态距离对应的匹配图像作为所述基准图像。
[0038]可选地，所述对象位置确定模块包括：
[0039]姿态匹配评分确定单元，用于采用匈牙利算法对所述基准图像和所述待确认图像之间的对象姿态匹配，确定姿态匹配评分；
[0040]目标对象位置确定单元，用于根据所述对象匹配评分，确定所述待确认图像中的
目标对象所处的位置。
[0041]为了解决上述问题，本申请提供了一种电子设备，包括：
[0042]处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的目标跟踪方法。
[0043]为了解决上述问题，本申请提供了一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的目标跟踪方法。
[0044]与现有技术相比，本申请包括以下优点：
[0045]本申请实施例提供了一种目标跟踪方案，通过获取包含目标对象的多帧连续的目标图像，多帧连续的目标图像包括：最后一帧的待确认图像和除待确认图像之外的匹配图像，对多帧目标图像进行检测处理，在每帧目标图像中生成包含目标对象的检测框，针对每帧目标图像，通过预先训练的姿态识别模型提取检测框中的图像特征，确定检测框对应的对象姿态，根据匹配图像对应的对象姿态，从匹配图像中确定待确认图像对应的基准图像，将基准图像和待确认图像进行对象姿态匹配处理，确定待确认图像中的目标对象所处的位置。本申请实施例通过结合对象姿态进行对象的跟踪，从而解决了多目标跟踪过程中出现对象交叉切换，导致跟踪出现错误的情况，提高了目标跟踪的准确度。
附图说明
[0046]图1示出了本申请实施例提供的一种目标跟踪方法的步骤流程图；
[0047]图2示出了本申请实施例提供的另一种目标跟踪方法的步骤流程图；
[0048]图2a示出了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括：获取包含目标对象的多帧连续的目标图像；其中，所述多帧连续的目标图像包括：最后一帧的待确认图像和除所述待确认图像之外的匹配图像；对多帧所述目标图像进行检测处理，在每帧所述目标图像中生成包含所述目标对象的检测框；针对每帧所述目标图像，通过预先训练的姿态识别模型提取所述检测框中的图像特征，确定所述检测框对应的对象姿态；根据所述匹配图像对应的对象姿态，从所述匹配图像中确定所述待确认图像对应的基准图像；将所述基准图像和所述待确认图像进行对象姿态匹配处理，确定所述待确认图像中的目标对象所处的位置。2.根据权利要求1所述的方法，其特征在于，所述根据所述匹配图像对应的对象姿态，从所述匹配图像中确定所述待确认图像对应的基准图像，包括：获取所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间的姿态距离；根据所述姿态距离，从所述匹配图像中确定所述待确认图像对应的基准图像。3.根据权利要求1所述的方法，其特征在于，所述获取所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间的姿态距离，包括：计算得到所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间余弦距离；或者计算得到所述待确认图像对应的对象姿态与所述匹配图像对应的对象姿态之间的欧式距离。4.根据权利要求2所述的方法，其特征在于，所述根据所述姿态距离，从所述匹配图像中确定所述待确认图像对应的基准图像，包括：获取所述姿态距离中小于距离阈值的目标姿态距离；将所述目标姿态距离对应的匹配图像作为所述基准图像。5.根据权利要求1所述的方法，其特征在于，所述将所述基准图像和所述待确认图像进行对象姿态匹配处理，确定所述待确认图像中的目标对象所处的位置，包括：采用匈牙利算法对所述基准图像和所述待确认图像之间的对象姿态匹配，确定姿态匹配评分；根据所述对象匹配评分，确...

【专利技术属性】
技术研发人员：杨静林，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：