【技术实现步骤摘要】
本申请涉及图像处理领域，特别是涉及一种多目标跟踪方法及模型训练方法、设备、存储介质。
技术介绍
1、随着人工智能的迅速发展，目标的检测与跟踪成为计算机视觉研究领域的热点之一，并得到广泛应用。在多目标追踪任务中，现有技术除了需要检测模型提供检测结果外，还需要利用运动预测模型预测目标的运动轨迹，然后再手动设计采用获取预测得到的目标运动轨迹和当前图像帧中的目标位置之间的距离来实现帧与帧目标的关联，故在目标跟踪过程中需要比较复杂的流程方可实现目标关联。
技术实现思路
1、本申请至少提供一种多目标跟踪方法及模型训练方法、设备、存储介质，能够降低目标跟踪过程的目标关联复杂度。
2、本申请第一方面提供了一种多目标跟踪方法，该方法包括：对当前图像帧进行目标检测，得到当前检测结果，当前检测结果包括至少一个当前目标的位置信息；基于各当前目标的位置信息，提取得到各当前目标在当前图像帧中的第一特征；利用经训练的关联模块基于各当前目标的第一特征和若干跟踪目标在历史图像帧中的第二特征，确定各当前目标与各跟踪目标的轨迹之间的关联程度值；基于关联程度值，对若干跟踪目标进行更新。
3、本申请第二方面提供了一种多目标跟踪模型的训练方法，包括：利用多目标跟踪模型的检测模块对样本图像对的进行目标检测，得到样本图像对中的各样本图像的样本检测结果，样本检测结果包括样本图像中的若干样本目标的位置信息；利用多目标跟踪模型的特征模块基于各样本图像中的若干样本目标的位置信息，提取得到各样本图像中的各样本目标的
4、本申请第三方面提供了一种电子设备，包括相互耦接的存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述第一方面中的多目标跟踪方法，或实现上述第二方面中的多目标跟踪模型的训练方法。
5、本申请第四方面提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述第一方面中的多目标跟踪方法，或实现上述第二方面中的多目标跟踪模型的训练方法。
6、上述方案，通过对当前图像帧进行目标检测，得到当前图像帧中至少一个当前目标的位置信息，并通过当前目标的位置信息，提取到各当前目标在当前图像帧中的第一特征，利用利用经训练的关联模块基于当前目标的第一特征与跟踪目标轨迹中各历史图像帧中的第二特征进行计算，得到关联程度值，再利用关联程度值对跟踪目标轨迹进行更新，相较于先利用运动预测模型预测目标的运动轨迹，再手动设计采用获取预测得到的目标运动轨迹和当前帧中的目标位置之间的距离来实现帧与帧目标的关联，本申请直接利用训练好的关联模块直接基于特征信息确定当前目标与跟踪目标的关联程度，即实现了目标间的关联，故降低多目标跟踪任务的复杂性。
7、进一步地，该关联模块可以为多目标跟踪模型中的模块，该目标检测和第一特征的提取可以分别为多目标跟踪模块中的检测模块和特征模块实现的，可以通过对多目标跟踪模型中的检测模块、特征模块和关联模块进行单模型多任务的训练，从而可以使得特征模块输出的特征对关联模块有更好的适应性
8、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。
本文档来自技高网...【技术保护点】
1.一种多目标跟踪方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述跟踪目标的轨迹包括所述跟踪目标在预设数量个历史图像帧中的位置；
3.根据权利要求2所述的方法，其特征在于，所述基于各当前目标的第一特征和各所述跟踪目标在所述目标历史图像帧中的第二特征，得到所述当前图像帧和目标历史图像帧的目标关联参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述目标关联参数为目标关联矩阵；所述基于各所述第一目标对的第三特征，得到所述当前图像帧和目标历史图像帧的目标关联参数，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述对齐矩阵进行映射操作，得到所述当前图像帧和所述目标历史图像帧之间的目标关联矩阵，包括：
6.根据权利要求4所述的方法，其特征在于，所述矩阵张量的行数和列数均为设定的图像帧的最大目标个数，所述矩阵张量中未填入所述第三特征的元素均用第一数值填充；
7.根据权利要求2所述的方法，其特征在于，所述利用所述当前图像帧和各所述历史图像帧之间的目标关联参数，确定各所述当前目标与各
8.根据权利要求7所述的方法，其特征在于，所述当前图像帧与所述历史图像帧之间的目标关联参数包括从所述当前图像帧到所述历史图像帧的第一目标关联矩阵和从所述历史图像帧到所述当前图像帧的第二目标关联矩阵；所述从所述当前图像帧和各所述历史图像帧之间的目标关联参数中，获取所述第i个当前目标分别与各所述历史图像帧中的所述第j个跟踪目标之间的关联概率，包括：
9.根据权利要求1所述的方法，其特征在于，所述关联模块为多目标跟踪模型中的模块；
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
11.根据权利要求10所述的方法，其特征在于，所述样本图像对包括第一样本图像和第二样本图像，所述第一样本图像包括至少一个第一样本目标，所述第二样本图像包括至少一个第二样本目标；所述利用所述多目标跟踪模型的关联模块基于各所述样本图像中的各样本目标的第一样本特征，得到所述样本图像对的样本关联参数，包括：
12.根据权利要求10所述的方法，其特征在于，所述样本图像对包括第一样本图像和第二样本图像，所述样本图像对的样本关联参数包括从所述第一样本图像到所述第二样本图像的第一样本关联矩阵和从所述第二样本图像到所述第一样本图像的第二样本关联矩阵；
13.根据权利要求1所述的方法，其特征在于，所述基于所述关联程度值，对所述若干跟踪目标进行更新，包括以下至少一个步骤：
14.根据权利要求1所述的方法，其特征在于，所述基于各所述当前目标的位置信息，提取得到各所述当前目标在所述当前图像中的第一特征，包括：
15.一种多目标跟踪模型的训练方法，其特征在于，包括：
16.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至14任一项所述的多目标跟踪方法，或实现权利要求15所述的多目标跟踪模型的训练方法。
17.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至14任一项所述的多目标跟踪方法，或实现权利要求15所述的多目标跟踪模型的训练方法。
...【技术特征摘要】
1.一种多目标跟踪方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述跟踪目标的轨迹包括所述跟踪目标在预设数量个历史图像帧中的位置；
3.根据权利要求2所述的方法，其特征在于，所述基于各当前目标的第一特征和各所述跟踪目标在所述目标历史图像帧中的第二特征，得到所述当前图像帧和目标历史图像帧的目标关联参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述目标关联参数为目标关联矩阵；所述基于各所述第一目标对的第三特征，得到所述当前图像帧和目标历史图像帧的目标关联参数，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述对齐矩阵进行映射操作，得到所述当前图像帧和所述目标历史图像帧之间的目标关联矩阵，包括：
6.根据权利要求4所述的方法，其特征在于，所述矩阵张量的行数和列数均为设定的图像帧的最大目标个数，所述矩阵张量中未填入所述第三特征的元素均用第一数值填充；
7.根据权利要求2所述的方法，其特征在于，所述利用所述当前图像帧和各所述历史图像帧之间的目标关联参数，确定各所述当前目标与各所述跟踪目标的轨迹之间的关联程度值，包括：
8.根据权利要求7所述的方法，其特征在于，所述当前图像帧与所述历史图像帧之间的目标关联参数包括从所述当前图像帧到所述历史图像帧的第一目标关联矩阵和从所述历史图像帧到所述当前图像帧的第二目标关联矩阵；所述从所述当前图像帧和各所述历史图像帧之间的目标关联参数中，获取所述第i个当前目标分别与各所述历史图像帧中的所述第j个跟踪目标之间的关联概率，包括：
9.根据权利要求1所述的方法，其特征在于...
【专利技术属性】
技术研发人员：张杨，朱树磊，殷俊，
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：
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。