本申请公开了一种多目标跟踪方法、装置、终端设备和可读存储介质，该方法在对当前视频帧进行多目标跟踪时，获取前一视频帧对应的多目标跟踪集合，并对多目标跟踪集合中的每一个目标进行预测，以确定相应的预测轨迹；利用训练好的多目标检测模型确定当前视频帧中的各个当前目标和各个当前目标对应的分数；根据第一阈值、第二阈值和各个当前目标对应的分数对各个当前目标进行分组，以得到高分目标集合和低分目标集合；将高分目标集合和低分目标集合中的每一个当前目标与各个预测轨迹进行关联匹配；根据关联匹配结果确定当前视频帧对应的多目标跟踪集合。本申请可以保证视频帧中的高价值信息可以向后传递，避免目标丢失，提高跟踪精度。踪精度。踪精度。
【技术实现步骤摘要】
多目标跟踪方法、装置、终端设备和可读存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种多目标跟踪方法、装置、终端设备和可读存储介质。
技术介绍
[0002]多目标跟踪是计算机视觉领域非常重要的分支之一，其目的是获取视频中任意数量目标的轨迹，并预测目标将来的运动趋势。多目标跟踪也是行为识别、公共安全、体育视频分析、老年人照料、人机交互等下游视觉任务的重要基石之一，其性能直接影响整个计算机视觉系统的性能。
[0003]现有的多目标跟踪一般采用检测然后跟踪的策略来实现，即先检测出每一帧的所有目标，然后从所有目标中去除低分数目标，再对剩余的高分目标进行预测和跟踪。
[0004]虽然，现有的多目标跟踪算法满足大多数的使用场景，但是在一些目标交叉较多，目标遮挡较多，目标相似度较高的场景时，现有的多目标跟踪算法往往跟踪效果较差，容易出现跟踪目标丢失的问题。
技术实现思路
[0005]鉴于上述问题，本申请提出一种多目标跟踪方法、装置、终端设备和可读存储介质，以提高跟踪精度，避免跟踪目标丢失。
[0006]第一方面，本申请的一个实施例提出一种多目标跟踪方法，所述方法包括：
[0007]在对当前视频帧进行多目标跟踪时，获取前一视频帧对应的多目标跟踪集合，并对所述多目标跟踪集合中的每一个目标进行预测，以确定相应的预测轨迹；
[0008]利用训练好的多目标检测模型确定所述当前视频帧中的各个当前目标和所述各个当前目标对应的分数；
[0009]根据第一阈值、第二阈值和所述各个当前目标对应的分数对所述各个当前目标进行分组，以得到高分目标集合和低分目标集合；
[0010]将所述高分目标集合和所述低分目标集合中的每一个当前目标与各个预测轨迹进行关联匹配；
[0011]根据关联匹配结果确定所述当前视频帧对应的多目标跟踪集合。
[0012]本申请实施例所述的多目标跟踪方法，所述第一阈值大于所述第二阈值，所述根据第一阈值、第二阈值和所述各个当前目标对应的分数对所述各个当前目标进行分组，以得到高分目标集合和低分目标集合，包括：
[0013]基于分数大于所述第一阈值的当前目标确定所述高分目标集合；
[0014]基于分数小于等于所述第一阈值且大于所述第二阈值的当前目标确定所述低分目标集合。
[0015]本申请实施例所述的多目标跟踪方法，所述将所述高分目标集合和所述低分目标集合中的每一个当前目标与各个预测轨迹进行关联匹配，包括：
[0016]将所述高分目标集合中的每一个当前高分目标和所述各个预测轨迹进行关联匹配；
[0017]将所述低分目标集合中的每一个当前低分目标和未关联匹配到当前高分目标的预测轨迹进行关联匹配。
[0018]本申请实施例所述的多目标跟踪方法，所述根据关联匹配结果确定所述当前视频帧对应的多目标跟踪集合，包括：
[0019]对未关联匹配到当前高分目标和当前低分目标的预测轨迹进行未匹配计数；
[0020]从所述前一视频帧对应的多目标跟踪集合中删除所述未匹配计数达到第三阈值的预测轨迹所对应的目标，以更新所述前一视频帧对应的多目标跟踪集合；
[0021]根据所述高分目标集合中未关联匹配到预测轨迹的当前高分目标和更新后的所述前一视频帧对应的多目标跟踪集合确定所述当前视频帧对应的多目标跟踪集合。
[0022]本申请实施例所述的多目标跟踪方法，所述将所述高分目标集合和所述低分目标集合中的每一个当前目标与各个预测轨迹进行关联匹配，包括：
[0023]获取每一个所述当前目标的坐标；
[0024]根据每一个所述当前目标的坐标和分数，将所述高分目标集合和所述低分目标集合中的每一个当前目标与各个预测轨迹进行关联匹配。
[0025]本申请实施例所述的多目标跟踪方法，还包括：利用训练好的多目标识别模型识别所述当前视频帧对应的多目标跟踪集合中的各个当前目标的类别。
[0026]本申请实施例所述的多目标跟踪方法，还包括：输出所述当前视频帧对应的多目标跟踪集合的全部信息。
[0027]第二方面，本申请实施例还提出一种多目标跟踪装置，所述装置包括：
[0028]预测模块，用于在对当前视频帧进行多目标跟踪时，获取前一视频帧对应的多目标跟踪集合，并对所述多目标跟踪集合中的每一个目标进行预测，以确定相应的预测轨迹；
[0029]确定模块，用于利用训练好的多目标检测模型确定所述当前视频帧中的各个当前目标和所述各个当前目标对应的分数；
[0030]分组模块，用于根据第一阈值、第二阈值和所述各个当前目标对应的分数对所述各个当前目标进行分组，以得到高分目标集合和低分目标集合；
[0031]匹配模块，用于将所述高分目标集合和所述低分目标集合中的每一个当前目标与各个预测轨迹进行关联匹配；
[0032]跟踪模块，用于根据关联匹配结果确定所述当前视频帧对应的多目标跟踪集合。
[0033]第三方面，本申请的一个实施例提出一种终端设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行本申请实施例所述的多目标跟踪方法。
[0034]第四方面，本申请的一个实施例提出一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行本申请实施例所述的多目标跟踪方法。
[0035]本申请在对当前视频帧进行多目标跟踪时，获取前一视频帧对应的多目标跟踪集合，并对所述多目标跟踪集合中的每一个目标进行预测，以确定相应的预测轨迹；利用训练好的多目标检测模型确定所述当前视频帧中的各个当前目标和所述各个当前目标对应的分数；根据第一阈值、第二阈值和所述各个当前目标对应的分数对所述各个当前目标进行
分组，以得到高分目标集合和低分目标集合；将所述高分目标集合和所述低分目标集合中的每一个当前目标与各个预测轨迹进行关联匹配；根据关联匹配结果确定所述当前视频帧对应的多目标跟踪集合。本实施例不盲目删除低分数目标，可以避免低分数目标的误删除，保证多目标跟踪过程的跟踪精度，降低目标丢失率。还可以在某一个视频帧中的目标被遮挡时，可以根据该视频帧之前的各个视频帧中的有价值的信息，检测被遮挡目标，进而本实施例有效提高了目标跟踪过程的跟踪精度。
附图说明
[0036]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对本专利技术保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
[0037]图1示出了本申请实施例提出一种多目标跟踪方法的流程示意图；
[0038]图2示出了本申请实施例提出第一种关联匹配过程的示意图；
[0039]图3示出了本申请实施例提出第二种关联匹配过程的示意图；
[0040]图4示出了本申请实施例提出第三种关联匹配过程的示意图；
[0041]图5示出了本申请实施例提出第四种关联匹配过程本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多目标跟踪方法，其特征在于，所述方法包括：在对当前视频帧进行多目标跟踪时，获取前一视频帧对应的多目标跟踪集合，并对所述多目标跟踪集合中的每一个目标进行预测，以确定相应的预测轨迹；利用训练好的多目标检测模型确定所述当前视频帧中的各个当前目标和所述各个当前目标对应的分数；根据第一阈值、第二阈值和所述各个当前目标对应的分数对所述各个当前目标进行分组，以得到高分目标集合和低分目标集合；将所述高分目标集合和所述低分目标集合中的每一个当前目标与各个预测轨迹进行关联匹配；根据关联匹配结果确定所述当前视频帧对应的多目标跟踪集合。2.根据权利要求1所述的多目标跟踪方法，其特征在于，所述第一阈值大于所述第二阈值，所述根据第一阈值、第二阈值和所述各个当前目标对应的分数对所述各个当前目标进行分组，以得到高分目标集合和低分目标集合，包括：基于分数大于所述第一阈值的当前目标确定所述高分目标集合；基于分数小于等于所述第一阈值且大于所述第二阈值的当前目标确定所述低分目标集合。3.根据权利要求1所述的多目标跟踪方法，其特征在于，所述将所述高分目标集合和所述低分目标集合中的每一个当前目标与各个预测轨迹进行关联匹配，包括：将所述高分目标集合中的每一个当前高分目标和所述各个预测轨迹进行关联匹配；将所述低分目标集合中的每一个当前低分目标和未关联匹配到当前高分目标的预测轨迹进行关联匹配。4.根据权利要求1所述的多目标跟踪方法，其特征在于，所述根据关联匹配结果确定所述当前视频帧对应的多目标跟踪集合，包括：对未关联匹配到当前高分目标和当前低分目标的预测轨迹进行未匹配计数；从所述前一视频帧对应的多目标跟踪集合中删除所述未匹配计数达到第三阈值的预测轨迹所对应的目标，以更新所述前一视频帧对应的多目标跟踪集合；根据所述高分目标集合中未关联匹配到预测轨迹的当前高分目标和...
【专利技术属性】
技术研发人员：胡建兵，袁涛，
申请(专利权)人：湖南国科微电子股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。