【技术实现步骤摘要】
本申请涉及计算机视觉，尤其涉及一种夜间目标轨迹的跨时空关联方法和装置，还涉及用于执行该夜间目标轨迹的跨时空关联方法的电子设备及存储介质。
技术介绍
1、在计算机视觉领域，为了获得一个目标的连续、完整的运动轨迹，通常需要联合多个摄像头拍摄的视频，从多个视频中获得目标的轨迹片段进行关联，以此来形成属于该目标的连续、完整的运动轨迹。目标轨迹跨时空关联是指在不同时空下识别出同一目标的运动轨迹。目前，现有的轨迹跨时空关联方法主要聚焦在白天等正常光照下的场景，缺乏夜间条件下的目标轨迹跨时空关联方法以及相关的夜间数据集，导致现有轨迹关联方法直接应用到夜间场景时，性能急剧下降，准确性差，难以满足实际视频侦查应用需求。
技术实现思路
1、有鉴于此，本申请实施例提供了一种夜间目标轨迹的跨时空关联方法和装置，以及执行该夜间目标轨迹的跨时空关联方法的电子设备及存储介质，可以解决现有轨迹关联方法直接应用到夜间场景时存在的性能下降、准确性差的问题。
2、本申请实施例的第一方面提供了一种夜间目标轨迹的跨时空关联方法，包括：对多个摄像头在夜间场景下的多个监控视频分别进行目标轨迹提取，获得多个目标轨迹；针对所述多个目标轨迹中的每个目标轨迹，采用预设的表现对齐网络模型对所述目标轨迹中的所有图像帧进行特征图重构处理，获得所述所有图像帧对应的重构特征图，并将所述所有图像帧对应的重构特征图进行卷积处理，获得每个目标轨迹对应的目标轨迹特征，其中，所述表现对齐网络模型通过夜间轨迹跨时空关联的训练数据集训练得到；基于
3、在一种可能实现方式中，所述针对所述多个目标轨迹中的每个目标轨迹，采用预设的表现对齐网络模型对所述目标轨迹中的所有图像帧进行特征图重构处理，获得所述所有图像帧对应的重构特征图，并将所述所有图像帧对应的重构特征图进行卷积处理，获得每个目标轨迹对应的目标轨迹特征的步骤之前，还包括：搭建表现对齐网络结构，其中，所述表现对齐网络结构包括滤波网络层和卷积网络层，所述滤波网络层用于对所述目标轨迹中的图像帧进行特征图重构处理，所述卷积网络层用于根据重构图像特征图生成目标轨迹特征；采用预构建的夜间轨迹跨时空关联的训练数据集将所述表现对齐网络结构进行网络训练，获得所述预设的表现对齐网络模型，其中，所述预构建的夜间轨迹跨时空关联的训练数据集中包含有多个夜间风格图像。
4、在一种可能实现方式中，所述采用预构建的夜间轨迹跨时空关联的训练数据集将所述表现对齐网络结构进行网络训练，获得所述预设的表现对齐网络模型的步骤之前，包括：采用预先训练好的风格迁移模型将白天图像数据集中存储的所有白色风格图像转化为夜间风格图像，获得第一训练数据集；对夜间轨迹测试数据集中的每个夜间轨迹图像分别进行明度通道信息提取，并统计所述夜间轨迹测试数据集中所有夜间轨迹图像的明度通道分布属性，根据所述明度通道分布属性自适应调整所述夜间轨迹测试数据集中所有夜间轨迹图像的明度通道信息，将调整明度通道信息后的夜间轨迹测试数据集作为第二训练数据集；将所述第一训练数据集和所述第二训练数据集进行合并，获得夜间轨迹跨时空关联的训练数据集。
5、在一种可能实现方式中，所述针对所述多个目标轨迹中的每个目标轨迹，采用预设的表现对齐网络模型对所述目标轨迹中的所有图像帧进行特征图重构处理，获得所述所有图像帧对应的重构特征图，并将所述所有图像帧对应的重构特征图进行卷积处理，获得每个目标轨迹对应的目标轨迹特征的步骤，包括：针对每个目标轨迹，通过所述预设的表现对齐网络模型中的滤波网络层，以所述目标轨迹中的所有图像帧逐一作为中心图像帧，获取所述中心图像帧及其相邻图像帧的特征图，对所述相邻图像帧的特征图进行变种操作，获得多个变种特征图，从所述多个变种特征图中选取一个变种特征图作为所述相邻图像帧的代表性特征图，根据所述中心图像帧的特征图以及所述代表性特征图进行特征图重构处理，以获得所述目标轨迹中的所有图像帧对应的重构特征图；通过所述预设的表现对齐网络模型中的卷积网络层，对所述目标轨迹中的所有图像帧对应的重构特征图进行卷积处理，获得卷积后的特征图序列，将所述特征图序列确定为所述目标轨迹对应的目标轨迹特征。
6、在一种可能实现方式中，所述对所述相邻图像帧的特征图进行变种操作，获得多个变种特征图，从所述多个变种特征图中选取一个变种特征图作为所述相邻图像帧的代表性特征图的步骤，包括：将所述相邻图像帧的目标图像与所述中心图像帧的目标图像进行目标尺寸比较，若所述相邻图像帧的目标尺寸小于所述中心图像帧的目标尺寸，以所述相邻图像帧的特征图中心为中心按比例进行剪裁处理，否则对所述相邻图像帧的特征图进行下采样处理，获得多个变种特征图；采用预设的相关响应公式计算出每种变种特征图的相关响应值，选取最大相关响应值所对应的变种特征图作为所述相邻图像帧的代表性特征图。
7、在一种可能实现方式中，所述对多个摄像头在夜间场景下的多个监控视频分别进行目标轨迹提取，获得多个目标轨迹的步骤，包括：针对所述多个监控视频中的每个监控视频，采用目标检测器遍历所述监控视频中的所有图像帧，识别出有目标的图像帧，并对所述有目标的图像帧进行裁剪，获得多个含目标的有效视频片段；针对所述多个有效视频片段中的每个有效视频片段，采用目标追踪算子对所述有效视频片段的初始图像帧上的目标进行追踪，获得所述目标的多个片段性运动轨迹；按照每个有效视频片段的时序信息，将所述目标的多个片段性运动轨迹进行拼接，获得所述监控视频对应的目标轨迹。
8、在一种可能实现方式中，所述采用目标追踪算子对所述有效视频片段的初始图像帧上的目标进行追踪，获得所述目标的多个片段性运动轨迹的步骤，还包括：基于所述目标追踪算子确定所述有效视频片段中每帧图像帧追踪得到的目标位置的置信度，将所述每帧图像帧追踪得到的目标位置的置信度作为所述每帧图像帧在所述片段性运动轨迹上的质量权重；将所述所有图像帧对应的重构特征图进行卷积处理的步骤之后，还包括：按照每帧图像帧在所述片段性运动轨迹上的质量权重所述图像帧的特征图进行加权归一化处理。
9、本申请实施例的第二方面提供了一种夜间目标轨迹的跨时空关联装置，包括：目标轨迹提取模块，用于对多个摄像头在夜间场景下的多个监控视频分别进行目标轨迹提取，获得多个目标轨迹；目标轨迹特征提取模块，用于针对所述多个目标轨迹中的每个目标轨迹，采用预设的表现对齐网络模型对所述目标轨迹中的所有图像帧进行特征图重构处理，获得所述所有图像帧对应的重构特征图，并将所述所有图像帧对应的重构特征图进行卷积处理，获得每个目标轨迹对应的目标轨迹特征，其中，所述表现对齐网络模型通过夜间轨迹跨时空关联的训练数据集训练得到；目标轨迹关联模块，用于基于所述目标轨迹特征，对跨摄像头下的目标轨迹进行相似性度量匹配，并根据匹配结果，对跨摄像头下相匹配的目标轨迹进行关联。
10、本申请实施例的第三方面提供了一种电子设备，包括存储器、处本文档来自技高网...
【技术保护点】
1.一种夜间目标轨迹的跨时空关联方法，其特征在于，包括：
2.根据权利要求1所述的夜间目标轨迹的跨时空关联方法，其特征在于，所述针对所述多个目标轨迹中的每个目标轨迹，采用预设的表现对齐网络模型对所述目标轨迹中的所有图像帧进行特征图重构处理，获得所述所有图像帧对应的重构特征图，并将所述所有图像帧对应的重构特征图进行卷积处理，获得每个目标轨迹对应的目标轨迹特征的步骤之前，还包括：
3.根据权利要求2所述的夜间目标轨迹的跨时空关联方法，其特征在于，所述采用预构建的夜间轨迹跨时空关联的训练数据集将所述表现对齐网络结构进行网络训练，获得所述预设的表现对齐网络模型的步骤之前，包括：
4.根据权利要求2所述的夜间目标轨迹的跨时空关联方法，其特征在于，所述针对所述多个目标轨迹中的每个目标轨迹，采用预设的表现对齐网络模型对所述目标轨迹中的所有图像帧进行特征图重构处理，获得所述所有图像帧对应的重构特征图，并将所述所有图像帧对应的重构特征图进行卷积处理，获得每个目标轨迹对应的目标轨迹特征的步骤，包括：
5.根据权利要求4所述的夜间目标轨迹的跨时空关联方法
6.根据权利要求1所述的夜间目标轨迹的跨时空关联方法，其特征在于，所述对多个摄像头在夜间场景下的多个监控视频分别进行目标轨迹提取，获得多个目标轨迹的步骤，包括：
7.根据权利要求6所述的夜间目标轨迹的跨时空关联方法，其特征在于， 所述采用目标追踪算子对所述有效视频片段的初始图像帧上的目标进行追踪，获得所述目标的多个片段性运动轨迹的步骤，还包括：
8.一种夜间目标轨迹的跨时空关联装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种夜间目标轨迹的跨时空关联方法，其特征在于，包括：
2.根据权利要求1所述的夜间目标轨迹的跨时空关联方法，其特征在于，所述针对所述多个目标轨迹中的每个目标轨迹，采用预设的表现对齐网络模型对所述目标轨迹中的所有图像帧进行特征图重构处理，获得所述所有图像帧对应的重构特征图，并将所述所有图像帧对应的重构特征图进行卷积处理，获得每个目标轨迹对应的目标轨迹特征的步骤之前，还包括：
3.根据权利要求2所述的夜间目标轨迹的跨时空关联方法，其特征在于，所述采用预构建的夜间轨迹跨时空关联的训练数据集将所述表现对齐网络结构进行网络训练，获得所述预设的表现对齐网络模型的步骤之前，包括：
4.根据权利要求2所述的夜间目标轨迹的跨时空关联方法，其特征在于，所述针对所述多个目标轨迹中的每个目标轨迹，采用预设的表现对齐网络模型对所述目标轨迹中的所有图像帧进行特征图重构处理，获得所述所有图像帧对应的重构特征图，并将所述所有图像帧对应的重构特征图进行卷积处理，获得每个目标轨迹对应的目标轨迹特征的步骤，包括：
5.根据权利要求4所述的夜间目标轨迹...
【专利技术属性】
技术研发人员：阮威健，胡金晖，王耀威，蓝湘源，蒋成进，
申请(专利权)人：中电科新型智慧城市研究院有限公司，
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。