一种目标跟踪方法、终端及计算机可读存储介质技术

本发明专利技术提供一种目标跟踪方法、终端及计算机可读存储介质，该目标跟踪方法通过对待处理图像进行目标检测，得到目标对象的关键点信息和与目标对象关联的至少一个检测框；根据关键点信息，确定目标对象的外接框；基于至少一个检测框中各个检测框和外接框的交叠信息，从至少一个检测框中确定出目标对象的跟踪框。本申请通过对待处理图像中的目标对象进行检测时，检测得到目标对象的关键点信息，根据目标对象的关键点信息筛选目标对象的检测框，进而提高目标对象检测框的可靠性，在可靠的跟踪框中确定目标对象的跟踪框，可以提高目标跟踪的准确性，还可以改善目标对象跟踪不稳定的情况。还可以改善目标对象跟踪不稳定的情况。还可以改善目标对象跟踪不稳定的情况。

【技术实现步骤摘要】
一种目标跟踪方法、终端及计算机可读存储介质


[0001]本专利技术涉及图像识别
，特别是涉及一种目标跟踪方法、终端及计算机可读存储介质。

技术介绍

[0002]目标跟踪是一项融合图像处理、模式识别、人工智能、自动控制、传感器及导航定位等多种不同领域先进成果综合性应用技术，是军事、民用领域一项广泛应用的技术。现阶段对目标物的跟踪主要是基于视觉的目标检测识别与跟踪处理。目标的检测识别主要是对目标物进行定位和分类，目标跟踪处理则是对同样的目标物持续赋予同样的ID。在对视频帧中的目标物进行检测时，即使整个视频画面保持不变时，目标物就停在原地不动，检测得到的不同视频帧中的目标物的宽高比会发生变化，且检测到的目标物的位置也有所不同。由于检测得到的目标物的位置和宽高比等信息不准确，进而影响目标跟踪的结果。

技术实现思路

[0003]本专利技术主要解决的技术问题是提供一种目标跟踪方法、终端及计算机可读存储介质，解决现有技术中目标检测准确率低造成的目标跟踪不稳定的问题。
[0004]为解决上述技术问题，本专利技术采用的第一个技术方案是：提供一种目标跟踪方法，该目标跟踪方法包括：对待处理图像进行目标检测，得到目标对象的关键点信息和与目标对象关联的至少一个检测框；根据关键点信息，确定目标对象的外接框；基于至少一个检测框中各个检测框和外接框的交叠信息，从至少一个检测框中确定出目标对象的跟踪框。
[0005]其中，基于至少一个检测框中各个检测框和外接框的交叠信息，从至少一个检测框中确定出目标对象的跟踪框，包括：基于至少一个检测框中各个检测框和外接框的交叠信息，筛选出交叠信息符合预设交叠条件的检测框；从筛选出的各个检测框中，确定出目标对象的跟踪框。
[0006]其中，交叠信息包括对应的检测框和外接框的交并比；符合预设交叠条件的检测框包括交并比大于交并比阈值的检测框。
[0007]其中，关键点信息包括目标对象的轮廓关键点。
[0008]其中，从筛选出的各个检测框中，确定出目标对象的跟踪框，包括：基于筛选出的检测框中每两个检测框的交叠信息，将筛选出的各个检测框进行分组，得到检测框组；将每个目标对象分别与检测框组进行匹配；从与目标对象匹配的检测框组中，选取出目标对象在待处理图像中的跟踪框。
[0009]其中，基于筛选出的检测框中每两个检测框的交叠信息，将筛选出的各个检测框进行分组，得到检测框组，包括：选取筛选出的检测框中的一个检测框，并确定选取的检测框与其它检测框的交叠程度；将交叠程度超过预设交叠程度对应的检测框与选取的检测框聚类。
[0010]其中，待处理图像包括视频流中的当前帧图像；将每个目标对象分别与检测框组
进行匹配，包括：在每一所述检测框组中选取一个检测框；确定选取的检测框与当前帧图像的上一帧图像中的跟踪框的交并比；选取最大交并比对应的检测框所在的检测框组与跟踪框对应的目标对象进行匹配。
[0011]其中，待处理图像包括视频流中的当前帧图像；从与目标对象匹配的检测框组中，选取出目标对象在待处理图像中的跟踪框的步骤具体包括：针对每个目标对象，分别进行如下操作：确定一个目标对象在参考视频帧中的跟踪框，参考视频帧包括视频流中当前帧图像之前的历史视频帧；基于与目标对象匹配的检测框组中每个检测框与目标对象在参考视频帧中的跟踪框的相似程度，从检测框组中确定出目标对象在当前帧图像中的跟踪框。
[0012]其中，基于与目标对象匹配的检测框组中每个检测框与目标对象在参考视频帧中的跟踪框的相似程度，从检测框组中确定出目标对象在当前帧图像中的跟踪框的步骤具体包括：根据参考视频帧中目标对象的跟踪框预测目标对象在当前帧图像中的第一预测框；分别确定检测框组中每一检测框与第一预测框的损失值；选取最小的损失值对应的检测框作为目标对象在当前帧图像中的跟踪框。
[0013]其中，损失值包括角点偏移损失、中心点偏移损失和面积损失；计算检测框组中每一检测框与第一预测框的损失值的步骤具体还包括：对角点偏移损失、中心点偏移损失和面积损失进行加权求和得到损失值。
[0014]其中，待处理图像包括视频流中的当前帧图像；目标跟踪方法还包括：判断目标对象在当前帧图像中的跟踪框的位置区域的偏移程度是否达到阈值；如果未超过阈值，则确定目标对象处于静止状态；如果超过阈值，则确定目标对象处于运动状态。
[0015]其中，关键点信息包括目标对象的中心关键点，判断目标对象在当前帧图像中的跟踪框的位置区域的偏移程度是否达到阈值，包括：基于视频流中当前帧图像之前的历史视频帧中包含目标对象的每一帧图像，确定目标对象的中心关键点的平均位置坐标；根据平均位置坐标设置预设范围；判断当前帧图像中的目标对象的中心关键点的坐标是否符合预设范围；如果未超过阈值，则确定目标对象处于静止状态，包括：如果目标对象的中心关键点的坐标符合预设范围，则确定目标对象处于静止状态；如果超过阈值，则确定目标对象处于运动状态，包括：如果目标对象的中心关键点的坐标不符合预设范围，则确定目标对象处于运动状态。
[0016]其中，如果未超过阈值，则确定目标对象处于静止状态，还包括：若目标对象的中心关键点的坐标符合预设范围，则将上一帧图像中目标对象的跟踪框作为目标对象在当前帧图像中的跟踪框进行更新。
[0017]其中，如果超过阈值，则确定目标对象处于运动状态，还包括：若目标对象的中心关键点的坐标不符合预设范围，则确定上一帧图像中目标对象的跟踪框与当前帧图像中目标对象的跟踪框的交并比；如果上一帧图像中目标对象的跟踪框与当前帧图像中目标对象的跟踪框的交并比超过预设交并比，则将当前帧图像中目标对象的跟踪框保留并进行更新。
[0018]其中，对待处理图像进行目标检测，得到目标对象的关键点信息和与目标对象关联的至少一个检测框的步骤之前还包括：采用目标检测网络模型对待处理图像进行目标检测；其中，目标检测网络模型是基于目标的关键点信息进行训练的。
[0019]其中，目标检测网络模型的训练过程包括：获取训练样本，训练样本包括由同一张
包含目标的图像组成的训练视频流，图像包括标注目标的真实框以及目标的真实关键点；通过初始目标检测网络模型对图像进行目标检测，得到目标的第二预测框以及目标的预测关键点；通过目标的真实框与目标的第二预测框、目标的真实关键点与目标的预测关键点构建损失函数；利用损失函数对初始目标检测网络模型进行迭代训练得到目标检测网络模型。
[0020]为解决上述技术问题，本专利技术采用的第二个技术方案是：提供一种终端，该终端包括存储器、处理器以及存储于存储器中并在处理器上运行的计算机程序，处理器用于执行程序数据以实现上述的目标跟踪方法中的步骤。
[0021]为解决上述技术问题，本专利技术采用的第三个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述目标跟踪方法中的步骤。
[0022]本专利技术的有益效果是：区别于现有技术的情况，提供的一种目标跟踪方法、终端及计算机可读本文档来自技高网...

【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，所述目标跟踪方法包括：对待处理图像进行目标检测，得到目标对象的关键点信息和与所述目标对象关联的至少一个检测框；根据所述关键点信息，确定所述目标对象的外接框；基于所述至少一个检测框中各个所述检测框和所述外接框的交叠信息，从所述至少一个检测框中确定出所述目标对象的跟踪框。2.根据权利要求1所述的目标跟踪方法，其特征在于，所述基于所述至少一个检测框中各个所述检测框和所述外接框的交叠信息，从所述至少一个检测框中确定出所述目标对象的跟踪框，包括：基于所述至少一个检测框中各个检测框和所述外接框的交叠信息，筛选出所述交叠信息符合预设交叠条件的所述检测框；从筛选出的各个所述检测框中，确定出所述目标对象的跟踪框。3.根据权利要求2所述的目标跟踪方法，其特征在于，所述交叠信息包括对应的所述检测框和所述外接框的交并比；所述符合预设交叠条件的所述检测框包括交并比大于交并比阈值的所述检测框。4.根据权利要求1所述的目标跟踪方法，其特征在于，所述关键点信息包括所述目标对象的轮廓关键点。5.根据权利要求2所述的目标跟踪方法，其特征在于，所述从筛选出的各个所述检测框中，确定出所述目标对象的跟踪框，包括：基于所述筛选出的检测框中每两个所述检测框的交叠信息，将所述筛选出的各个所述检测框进行分组，得到检测框组；将每个所述目标对象分别与所述检测框组进行匹配；从与所述目标对象匹配的所述检测框组中，选取出所述目标对象在所述待处理图像中的所述跟踪框。6.根据权利要求5所述的目标跟踪方法，其特征在于，所述基于所述筛选出的检测框中每两个所述检测框的交叠信息，将所述筛选出的各个所述检测框进行分组，得到检测框组，包括：选取所述筛选出的检测框中的一个所述检测框，并确定选取的所述检测框与其它所述检测框的交叠程度；将所述交叠程度超过预设交叠程度对应的所述检测框与选取的所述检测框聚类。7.根据权利要求5所述的目标跟踪方法，其特征在于，所述待处理图像包括视频流中的当前帧图像；所述将每个所述目标对象分别与所述检测框组进行匹配，包括：在每一所述检测框组中选取一个所述检测框；确定选取的所述检测框与所述当前帧图像的上一帧图像中的所述跟踪框的交并比；选取最大所述交并比对应的所述检测框所在的所述检测框组与所述跟踪框对应的所述目标对象进行匹配。8.根据权利要求5所述的目标跟踪方法，其特征在于，所述待处理图像包括视频流中的当前帧图像；
所述从与所述目标对象匹配的所述检测框组中，选取出所述目标对象在所述待处理图像中的所述跟踪框，包括：针对每个所述目标对象，分别进行如下操作：确定一个所述目标对象在参考视频帧中的跟踪框，所述参考视频帧包括所述视频流中所述当前帧图像之前的历史视频帧；基于与所述目标对象匹配的所述检测框组中每个所述检测框与所述目标对象在所述参考视频帧中的所述跟踪框的相似程度，从所述检测框组中确定出所述目标对象在所述当前帧图像中的所述跟踪框。9.根据权利要求8所述的目标跟踪方法，其特征在于，所述基于与所述目标对象匹配的所述检测框组中每个所述检测框与所述目标对象在所述参考视频帧中的所述跟踪框的相似程度，从所述检测框组中确定出所述目标对象在所述当前帧图像中的所述跟踪框，包括：根据所述参考视频帧中所述目标对象的跟踪框预测所述目标对象在所述当前帧图像中的第一预测框；分别确定所述检测框组中每一所述检测框与所述第一预测框的损失值；选取最小的所述损失值对应的所述检测框作为所述目标对象在所述当前帧图像中的所述跟踪框。10.根据权利要求9所述的目标跟踪方法，其特征在于，所述损失值包括角点偏移损失、中心点...

【专利技术属性】
技术研发人员：叶乐乐，张朋，周祥明，李庆，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：