【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种目标跟踪检测方法、装置、设备和存储介质。
技术介绍
1、随着深度学习的不断发展，将深度学习应用于目标检测方向的研究成熟度也越来越高，基于深度学习的目标检测算法在实际工程中的应用也越来越广泛。
2、当前，存在很多应用场景需要进行多目标检测。然而，现有的针对多目标检测的算法的准确度较低。因此，提升多目标检测的准确度的问题亟需解决。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提升多目标检测的准确度的目标跟踪检测方法、装置、设备和存储介质。
2、第一方面，本申请提供了一种目标跟踪检测方法。该方法包括：
3、对当前视频帧中包括的各目标对象进行位置检测，得到各目标对象分别对应的检测框和检测置信度；对该当前视频帧中包括的各目标对象进行位置预测，得到各目标对象分别对应的预测跟踪框，并根据各预测跟踪框划分多个预测区间；其中，所划分的各预测区间包括至少一个该预测跟踪框；根据各目标对象对应的检测置信度的置信类别和各预测区间，将各检测框和各预测跟踪框进行匹配处理；根据匹配结果更新该当前视频帧中各目标对象的检测位置。
4、在其中一个实施例中，根据各预测跟踪框划分多个预测区间，包括：获取各预测跟踪框在该当前视频帧中的深度值；该深度值用于表征该预测跟踪框对应的目标对象在该当前视频帧中距离拍摄点的远近程度；对各深度值进行排序，并参考排序结果，根据各预测跟踪框划分多个该预测区间。
5、在其中一个实施例中
6、在其中一个实施例中，对各深度值进行排序，并参考排序结果，根据各预测跟踪框划分多个该预测区间，包括：将各深度值按照从小到大的顺序排列，得到排序结果；按照该排序结果遍历各深度值对应的预测跟踪框，以基于每一个当前遍历到的预测跟踪框的中心点划分预测区间，得到多个该预测区间。
7、在其中一个实施例中，基于每一个当前遍历到的预测跟踪框的中心点划分预测区间，包括：获取位于以该中心点为圆心和以预设距离值为半径的圆形范围内的预测跟踪框；根据各圆形范围内的预测跟踪框确定该当前遍历到的预测跟踪框对应的预测区间。
8、在其中一个实施例中，该方法还包括：对于该当前遍历到的预测跟踪框，检测该当前遍历到的预测跟踪框是否位于已经确定的预测区间内；若否，则执行基于该当前遍历到的预测跟踪框的中心点划分预测区间的步骤。
9、在其中一个实施例中，该匹配结果包括第一匹配结果；该置信类别包括高置信度类别，属于该高置信度类别的检测置信度大于第一置信度阈值；根据各目标对象对应的检测置信度的置信类别和各预测区间，将各检测框和各预测跟踪框进行匹配处理，包括：获取高置信度类别的检测置信度对应的目标对象的检测框作为高置信检测框；分别计算各高置信检测框与各预测区间中包括的各预测跟踪框之间的关联度；对于各预测区间，根据基于该预测区间中包括的各预测跟踪框计算得到的关联度，生成该预测区间对应的第一关系损失矩阵；根据各预测区间对应的第一关系损失矩阵，确定该第一匹配结果；其中，该第一匹配结果包括匹配成功的检测框和预测跟踪框组、未匹配成功的检测框以及未匹配成功的预测跟踪框。
10、在其中一个实施例中，分别计算各高置信检测框与各预测区间中包括的各预测跟踪框之间的关联度，包括：对于当前待计算的目标高置信检测框和目标预测跟踪框，计算该目标高置信检测框和该目标预测跟踪框之间的面积交并值以及计算该目标高置信检测框和该目标预测跟踪框之间的高度交并值；根据该面积交并值和该高度交并值得到该目标高置信检测框和该目标预测跟踪框之间的关联度。
11、在其中一个实施例中，计算该目标高置信检测框和该目标预测跟踪框之间的面积交并值，包括：获取该目标高置信检测框和该目标预测跟踪框的交集区域的面积，并获取该目标高置信检测框和该目标预测跟踪框的并集区域的面积；将该交集区域的面积和该并集区域的面积的比值作为该面积交并值。
12、在其中一个实施例中，计算该目标高置信检测框和该目标预测跟踪框之间的高度交并值，包括：获取该目标高置信检测框和该目标预测跟踪框的交集区域的高度，并获取该目标高置信检测框和该目标预测跟踪框的并集区域的高度；将该交集区域的高度和该并集区域的面积的高度作为该高度交并值。
13、在其中一个实施例中，该匹配结果包括第二匹配结果；该置信类别包括低置信度类别，属于该低置信度类别的检测置信度小于第一置信度阈值且大于第二置信度阈值；根据各目标对象对应的检测置信度的置信类别和各预测区间，将各检测框和各预测跟踪框进行匹配处理，包括：获取低置信度类别的检测置信度对应的目标对象的检测框作为低置信检测框；分别计算各低置信检测框与该第一匹配结果中包括的未匹配成功的预测跟踪框之间的关联度；根据基于该第一匹配结果中包括的未匹配成功的预测跟踪框计算得到的关联度，生成多个第二关系损失矩阵；根据各第二关系损失矩阵，确定该第二匹配结果；其中，该第二匹配结果包括匹配成功的检测框和预测跟踪框组、未匹配成功的检测框以及未匹配成功的预测跟踪框。
14、在其中一个实施例中，该匹配结果包括第三匹配结果；根据各目标对象对应的检测置信度的置信类别和各预测区间，将各检测框和各预测跟踪框进行匹配处理，包括：分别计算该第二匹配结果中包括的未匹配成功的检测框与跟踪轨迹库中包括的历史预测跟踪框之间的关联度；其中，该跟踪轨迹库中包括多个历史视频帧对应的第二匹配结果中包括的未成功匹配的预测跟踪框；根据基于该历史预测跟踪框计算得到的关联度，生成多个第三关系损失矩阵；根据各第三关系损失矩阵，确定该第三匹配结果；其中，该第三匹配结果包括匹配成功的检测框和预测跟踪框组、未匹配成功的检测框以及未匹配成功的历史预测跟踪框。
15、在其中一个实施例中，该第一匹配结果、该第二匹配结果和该第三匹配结果的确定过程包括：将各第一关系损失矩阵、各第二关系损失矩阵和各第三关系损失矩阵分别作为目标关系损失矩阵，利用预设优化匹配算法对各目标关系损失矩阵进行关联度筛选，以分别得到该第一匹配结果、该第二匹配结果和该第三匹配结果。
16、在其中一个实施例中，该跟踪轨迹库中还包括各历史预测跟踪框分别对应的生命周期值；分别计算该第二匹配结果中包括的未匹配成功的检测框与跟踪轨迹库中包括的历史预测跟踪框之间的关联度之后，该方法还包括：对各历史预测跟踪框的生命周期值进行累计更新，并在该历史预测跟踪框更新后的生命周期值大于预设周期阈值的情况下将该历史预测跟踪框从该跟踪轨迹库中删除。
17、在其中一个实施例中，根据匹配结果更新该当前视频帧中各目标对象的检测位置，包括：对于该第一匹配结果、该第二匹配结果和该第三匹配结果中包括匹配成功的检测框和预测跟踪框组，利用该检测框和预测跟踪框组中的检测框替换该预测跟踪框，并将替换后的该预测跟踪框作为本文档来自技高网...
【技术保护点】
1.一种目标跟踪检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各所述预测跟踪框划分多个预测区间，包括：
3.根据权利要求2所述的方法，其特征在于，所述对各所述深度值进行排序，并参考排序结果，根据各所述预测跟踪框划分多个所述预测区间，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述匹配结果包括第一匹配结果；所述置信类别包括高置信度类别，属于所述高置信度类别的检测置信度大于第一置信度阈值；所述根据各所述目标对象对应的检测置信度的置信类别和各所述预测区间，将各所述检测框和各所述预测跟踪框进行匹配处理，包括：
6.根据权利要求5所述的方法，其特征在于，所述分别计算各所述高置信检测框与各所述预测区间中包括的各预测跟踪框之间的关联度，包括：
7.根据权利要求5所述的方法，其特征在于，所述匹配结果包括第二匹配结果；所述置信类别包括低置信度类别，属于所述低置信度类别的检测置信度小于第一置信度阈值且大于第二置信度阈值；所
8.根据权利要求7所述的方法，其特征在于，所述匹配结果包括第三匹配结果；所述根据各所述目标对象对应的检测置信度的置信类别和各所述预测区间，将各所述检测框和各所述预测跟踪框进行匹配处理，包括：
9.根据权利要求8所述的方法，其特征在于，所述跟踪轨迹库中还包括各所述历史预测跟踪框分别对应的生命周期值；所述分别计算所述第二匹配结果中包括的未匹配成功的检测框与跟踪轨迹库中包括的历史预测跟踪框之间的关联度之后，所述方法还包括：
10.根据权利要求8所述的方法，其特征在于，所述根据匹配结果更新所述当前视频帧中各所述目标对象的检测位置，包括：
11.根据权利要求1所述的方法，其特征在于，所述对当前视频帧中包括的各目标对象进行位置检测，得到各所述目标对象分别对应的检测框和检测置信度，包括：
12.根据权利要求11所述的方法，其特征在于，初始化调试所述预设跟踪器的过程包括：
13.一种目标跟踪检测装置，其特征在于，所述装置包括：
14.一种计算机设备，包括存储器、处理器及存储在所述存储器上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权利要求1至12中任一项所述的方法的步骤。
15.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种目标跟踪检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各所述预测跟踪框划分多个预测区间，包括：
3.根据权利要求2所述的方法，其特征在于，所述对各所述深度值进行排序，并参考排序结果，根据各所述预测跟踪框划分多个所述预测区间，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述匹配结果包括第一匹配结果；所述置信类别包括高置信度类别，属于所述高置信度类别的检测置信度大于第一置信度阈值；所述根据各所述目标对象对应的检测置信度的置信类别和各所述预测区间，将各所述检测框和各所述预测跟踪框进行匹配处理，包括：
6.根据权利要求5所述的方法，其特征在于，所述分别计算各所述高置信检测框与各所述预测区间中包括的各预测跟踪框之间的关联度，包括：
7.根据权利要求5所述的方法，其特征在于，所述匹配结果包括第二匹配结果；所述置信类别包括低置信度类别，属于所述低置信度类别的检测置信度小于第一置信度阈值且大于第二置信度阈值；所述根据各所述目标对象对应的检测置信度的置信类别和各所述预测区间，将各所述检测框和各所述预测跟踪框进行匹配处理，包括：
8.根据权利要求7所述的方法，其特征在于，所述匹配...
【专利技术属性】
技术研发人员：李翠，王文涛，刘萍，樊英，
申请(专利权)人：西安天和防务技术股份有限公司，
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。