基于视频的多目标追踪方法与设备技术

本申请的目的是提供一种基于视频的多目标追踪方案。该方案先获取输入视频，利用目标检测方法获取所述输入视频的第一帧的目标检测结果，并初始化轨迹信息，接着利用目标检测方法获取所述输入视频的当前帧的目标检测结果，计算所述当前帧中每个目标的轨迹概率分布值，通过所述轨迹概率分布值修正所述当前帧的目标检测结果的置信度，然后利用修正后的所述当前帧的目标检测结果的置信度进行非极大值抑制，获取所述当前帧的最终目标检测结果，最后根据所述当前帧的最终目标检测结果更新所述轨迹信息，完成基于所述输入视频的多目标追踪。本申请充分利用视频前后帧所隐含的时序相关信息来实现高精度的多目标追踪，提升了多目标追踪方法的性能。标追踪方法的性能。标追踪方法的性能。

【技术实现步骤摘要】
基于视频的多目标追踪方法与设备


[0001]本申请涉及信息
，尤其涉及一种基于视频的多目标追踪技术。

技术介绍

[0002]基于视频的3D多目标追踪是一个有着强烈现实需求的计算机视觉基础任务。在这个任务中，要求系统通过目标检测方法找到视频每一帧中所有感兴趣的目标，并进一步将所有检测结果按照所属目标整理成轨迹。按照轨迹形成的时间顺序，可以将3D多目标追踪方法分为在线与离线两类。具体地，在线3D多目标追踪方法在生成轨迹时只使用过去帧和当前帧，并且在新的一帧出现时立刻对新的一帧进行新的追踪。而离线3D多目标追踪方法则是等收集到了全部视频帧后才使用全部视频信息进行统一的追踪，因此在追踪精度上一般优于在线3D多目标追踪方法。不过，由于在现实任务如自动驾驶中，要求系统必须实时地提供周围目标的轨迹等信息，因而在线3D多目标追踪方法有着更强烈的现实需求。
[0003]目前主流的在线3D多目标追踪方法一般采用先检测后追踪的技术方案，即首先使用成熟的单帧3D目标检测方法对新出现的视频帧进行检测，在得到当前帧的3D目标检测结果后，再使用匈牙利算法或者其他优化算法等方法将当前帧的检测结果匹配到正在追踪的轨迹中完成在线3D多目标追踪。然而，在这种技术方案中，每一帧的3D目标检测是完全独立进行的，这导致3D多目标追踪的性能高度依赖于单帧3D目标检测方法的结果，不利于提升3D多目标追踪方法的性能。

技术实现思路

[0004]本申请的一个目的是提供一种基于视频的多目标追踪方法与设备。
[0005]根据本申请的一个方面，提供了一种基于视频的多目标追踪方法，其中，所述方法包括：
[0006]获取输入视频，利用目标检测方法获取所述输入视频的第一帧的目标检测结果，并初始化轨迹信息；
[0007]利用目标检测方法获取所述输入视频的当前帧的目标检测结果，计算所述当前帧中每个目标的轨迹概率分布值，通过所述轨迹概率分布值修正所述当前帧的目标检测结果的置信度；
[0008]利用修正后的所述当前帧的目标检测结果的置信度进行非极大值抑制，获取所述当前帧的最终目标检测结果，根据所述当前帧的最终目标检测结果更新所述轨迹信息。
[0009]根据本申请的另一个方面，还提供了一种基于视频的多目标追踪设备，其中，所述设备包括：
[0010]初始化模块，用于获取输入视频，利用目标检测方法获取所述输入视频的第一帧的目标检测结果，并初始化轨迹信息；
[0011]置信度修正模块，用于利用目标检测方法获取所述输入视频的当前帧的目标检测结果，计算所述当前帧中每个目标的轨迹概率分布值，通过所述轨迹概率分布值修正所述
当前帧的目标检测结果的置信度；
[0012]轨迹更新模块，用于利用修正后的所述当前帧的目标检测结果的置信度进行非极大值抑制，获取所述当前帧的最终目标检测结果，根据所述当前帧的最终目标检测结果更新所述轨迹信息。
[0013]根据本申请的又一个方面，还提供了一种计算设备，其中，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行所述的基于视频的多目标追踪方法。
[0014]根据本申请的又一个方面，还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现所述的基于视频的多目标追踪方法。
[0015]本申请提供的方案中，先获取输入视频，利用目标检测方法获取所述输入视频的第一帧的目标检测结果，并初始化轨迹信息，接着利用目标检测方法获取所述输入视频的当前帧的目标检测结果，计算所述当前帧中每个目标的轨迹概率分布值，通过所述轨迹概率分布值修正所述当前帧的目标检测结果的置信度，然后利用修正后的所述当前帧的目标检测结果的置信度进行非极大值抑制，获取所述当前帧的最终目标检测结果，最后根据所述当前帧的最终目标检测结果更新所述轨迹信息，完成基于所述输入视频的多目标追踪。与现有技术相比，本申请利用轨迹概率分布预测去帮助修正当前帧的目标检测结果，充分利用视频前后帧所隐含的时序相关信息来实现高精度的多目标追踪，提升了多目标追踪方法的性能，克服了现有技术方案高度依赖于单帧目标检测的缺点。
附图说明
[0016]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其他特征、目的和优点将会变得更明显：
[0017]图1是根据本申请实施例的一种基于视频的多目标追踪方法流程图；
[0018]图2是根据本申请实施例的一种轨迹概率分布预测网络的结构示意图；
[0019]图3是根据本申请实施例的一种基于视频的多目标追踪设备示意图。
[0020]附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
[0021]下面结合附图对本申请作进一步详细描述。
[0022]在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
[0023]内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
[0024]计算机可读介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的装置或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘(CD
‑
ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
[0025]本申请实施例提供了基于视频的多目标追踪方法，通过使用过去帧的信息来计算当前帧中的轨迹概率分布值，并利用计算出的轨迹概率分布值来帮助改善当前帧的目标检测，从而充分地利用连续帧中隐含的时序相关信息来提升多目标追踪方法的性能，克服了现有技术方案高度依赖于单帧目标检测的缺点。
[0026]在实际场景中，执行该方法的设备可以是用户设备、网络设备或者用户设备与网络设备通过网络相集成所构成的设备。其中，所述用户设备包括但不限于智能手机、平板电脑、个人计算机(PC)等终端设备，所述网络设备包括但不限于网络主机、单个网络服务器、多个网络服务器集或基于云计算的计算机集合等实现。在此，云由基于云计算(Cloud Computing)的大量主机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟计算机。
[0027]图1是根据本申请实施例的一种基于视频的多目标追踪方法流程图，该方法包括步骤S101、步骤S102和步骤S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频的多目标追踪方法，其中，所述方法包括：获取输入视频，利用目标检测方法获取所述输入视频的第一帧的目标检测结果，并初始化轨迹信息；利用目标检测方法获取所述输入视频的当前帧的目标检测结果，计算所述当前帧中每个目标的轨迹概率分布值，通过所述轨迹概率分布值修正所述当前帧的目标检测结果的置信度；利用修正后的所述当前帧的目标检测结果的置信度进行非极大值抑制，获取所述当前帧的最终目标检测结果，根据所述当前帧的最终目标检测结果更新所述轨迹信息。2.根据权利要求1所述的方法，其中，所述轨迹概率分布值包括所述当前帧中每个目标的中心位置对应的每条轨迹出现在各个位置的概率分布预测值。3.根据权利要求1或2所述的方法，其中，利用目标检测方法获取所述输入视频的当前帧的目标检测结果，计算所述当前帧中每个目标的轨迹概率分布值，包括：利用目标检测方法获取所述输入视频的当前帧的目标检测结果，通过轨迹概率分布预测网络计算所述当前帧中每个目标的轨迹概率分布值，其中，所述轨迹概率分布预测网络的输入为前一帧的最终目标检测结果D
t
‑1、前一帧的前一帧的最终目标检测结果D
t
‑2、以及待计算轨迹概率分布值的BEV平面上的坐标C＝(x,y)。4.根据权利要求1或2所述的方法，其中，通过所述轨迹概率分布值修正所述当前帧的目标检测结果的置信度，包括：通过所述目标检测方法得到修正前所述当前帧的目标检测结果的置信度c
old
，取所述当前帧中所有目标的轨迹概率分布值中的最大值p
max
，令修正后的所述当前帧的目标检测结果的置信度c
new
＝c
old
×
p
max
。5.根据权利要求1所述的方法，其中，所述...

【专利技术属性】
技术研发人员：魏宇飞，徐麟，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：