目标跟踪方法、装置、电子设备及可读存储介质制造方法及图纸

本公开提供了一种目标追踪方法、装置、电子设备及可读存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术，具体可用于智慧城市和智能交通场景下。具体实现方案为：目标跟踪进行数据关联所采用的重识别特征包含目标对象的位置信息，从而能够提升目标对象和背景的区分度，对于外观相似的目标对象，由于考虑目标对象的位置信息，能够降低目标追踪时发生错误的ID switch。示例性地，对于外观相似的目标对象A、B，目标对象A、B的正确的ID分别为23、24，由于A、B的外观相似，在进行数据关联时，可能发生错误的ID switch，将目标对象A的ID确定为24、将目标对象B的ID确定为23，而本公开数据关联采用的重识别特征引入了目标对象的位置特征，从而能够降低发生错误的ID切换。切换。切换。

【技术实现步骤摘要】
目标跟踪方法、装置、电子设备及可读存储介质


[0001]本公开涉及人工智能
，尤其涉及计算机视觉和深度学习技术，具体可用于智慧城市和智能交通场景下。

技术介绍

[0002]目标跟踪是计算机视觉领域的一个重要问题，目前广泛应用在体育赛事转播、安防监控和无人机、无人车、机器人等领域。如何提升目标跟踪的性能成为了广泛关注的问题。

技术实现思路

[0003]本公开提供了一种目标跟踪方法、装置、电子设备及可读存储介质。根据本公开的第一方面，提供了目标跟踪方法，包括：
[0004]确定目标帧图片中各目标对象的目标重识别特征，目标重识别特征包含目标对象的位置信息；
[0005]基于各目标对象的目标重识别特征进行目标跟踪。
[0006]根据本公开的第二方面，提供了一种目标跟踪装置，包括：
[0007]确定模块，用于确定目标帧图片中各目标对象的目标重识别特征，所述目标重识别特征包含目标对象的位置信息；
[0008]跟踪模块，用于基于各目标对象的所述目标重识别特征进行目标跟踪。/>[0009]根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标跟踪方法，包括：确定目标帧图片中各目标对象的目标重识别特征，所述目标重识别特征包含目标对象的位置信息；基于各目标对象的所述目标重识别特征进行目标跟踪。2.根据权利要求1所述的方法，其中，所述目标对象的位置信息为所述目标对象的中心点信息。3.根据权利要求2所述的方法，其中，确定目标帧图片中各目标对象的目标重识别特征，包括：确定目标帧图片中各目标对象的第一重识别特征，所述第一重识别特征包括视觉特征和/或运动特征；基于TransFormer的编码网络对各目标对象的中心点位置进行编码，得到各目标对象的中心点编码特征；基于各目标对象的中心点编码特征与第一重识别特征进行融合处理，得到各目标对象的目标重识别特征。4.根据权利要求3所述的方法，其中，该方法包括：通过基于检测的目标追踪模型确定目标帧图片中各目标对象的第一重识别特征。5.根据权利要求4所述的方法，其中，所述基于检测的目标跟踪模型为基于DeepSORT的目标跟踪模型，该方法包括：基于预训练的目标检测网络模型确定各目标对象的候选框信息以及第一重识别特征，所述候选框信息包含候选框位置信息；基于TransFormer的编码网络对各目标对象对应的候选框的位置进行编码，得到各目标对象的位置编码特征；基于各目标对象的位置编码特征与第一重识别特征进行融合处理，得到各目标对象的所述目标重识别特征。6.根据权利要求3所述的方法，其中，该方法还包括：通过基于联合检测与追踪的目标跟踪模型确定目标帧图片中各目标对象的第一重识别特征。7.根据权利要求6所述的方法，其中,所述基于联合检测与追踪的目标跟踪模型为基于FairMOT的目标跟踪模型，该方法还包括：通过预训练的基于FairMOT的目标跟踪模型的编码解码网络，提取得到各目标对象的的第一重识别特征与检测特征；基于各所述检测特征进行Heatmap估算得到各目标对象的中心点位置；基于TransFormer的编码网络对各目标对象的中心点位置进行编码，得到各目标对象的位置编码特征；基于各目标对象的位置编码特征与第一重识别特征进行融合处理，得到各目标对象的所述目标重识别特征。8.一种目标跟踪装置，包括：确定模块，用于确定目标帧图片中各目标对象的目标重识别特征，所述目标重识别特征包含目标对象的位置信息；
跟踪模块，用于基于各目标对象的所述目标重识别特征进行目标跟踪。9.根据权利要求8所述的装置，其中，所述目标对象的位置信息为所述目标对象的中心点信息。10.根据权利要求9所述的装置，其中，所述确定模块包括：第一确定单元，用于确定目标帧图片中各目标对象的第一重识别特征，所述第...

【专利技术属性】
技术研发人员：康帅，苏翔博，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：