【技术实现步骤摘要】
本申请涉及目标跟踪，特别是涉及一种多目标跟踪方法、多目标跟踪装置、计算机设备以及计算机可读存储介质。
技术介绍
1、在诸如会议场景、体育比赛、马路监控等场景下，经常存在多目标跟踪任务。然而，多目标跟踪技术中通常会存在着直接丢弃视频帧中的部分检测对象，容易引发大量的漏跟情况以及出现跟踪异常的情况。亦或是，以不合理的方式对视频帧中存在的全部检测对象进行跟踪以及匹配，容易出现消耗大量算力的同时引入大量的错跟情况。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够引入时序记忆的轨迹并结合外观特征，能够降低多目标跟踪过程中出现异常、错误的风险，进而有利于提高多目标跟踪方法的精度以及可靠性的多目标跟踪方法、多目标跟踪装置、计算机设备以及计算机可读存储介质。
2、一方面，提供一种多目标跟踪方法，多目标跟踪方法包括：基于目标对象的轨迹预测多个目标对象于当前视频帧的预测位置；其中，轨迹为历史跟踪目标对象得到的历史真实轨迹；将各目标对象的预测位置与前向外观特征，作为前向特征；其中，前向外观特征为目标对象在前向视频帧中的外观特征；获取当前视频帧中若干个检测对象的当前位置以及当前外观特征，作为当前特征；将前向特征以及当前特征输入多级匹配模型，对检测对象与目标对象进行匹配，以对各目标对象进行跟踪。
3、在本申请的一实施例中，多级匹配模型包括一级匹配单元以及二级匹配单元；将前向特征以及当前特征输入多级匹配模型，对检测对象与目标对象进行匹配包括：将置信度分数高于置信度阈值的
4、在本申请的一实施例中，将第一对象与前向特征输入一级匹配单元，进行第一特征匹配之后还包括：响应于第一对象未匹配到目标对象，将其作为新的目标对象；新建新的目标对象的轨迹并分配新的轨迹标识，记录新的目标对象的当前位置，将新的轨迹标识、新建轨迹以及新的目标对象的当前位置存储至轨迹存储模块；将新的目标对象的当前外观特征存储至外观匹配模块。
5、在本申请的一实施例中，将第二对象、二级轨迹及对应的目标对象的前向外观特征输入二级匹配单元，进行第二特征匹配之后还包括：响应于第二对象未匹配到目标对象，将其丢弃且不新建轨迹；响应于目标对象经多级匹配模型未匹配到检测对象，将其轨迹年龄增加一；直至目标对象的轨迹年龄达到年龄阈值，则删除目标对象的轨迹。
6、在本申请的一实施例中，特征匹配包括第一特征匹配和/或第二特征匹配；特征匹配包括：获取各目标对象的目标特征向量；其中，目标特征向量包括拼接的目标对象的预测位置以及前向外观特征；获取各检测对象的检测特征向量；其中，检测特征向量包括拼接的检测对象的当前位置以及当前外观特征；分别计算每个目标特征向量与各检测特征向量的相似度；基于相似度利用匈牙利算法或贪心算法，匹配目标对象以及检测对象。
7、在本申请的一实施例中，对检测对象与目标对象进行匹配之后还包括：响应于存在与检测对象匹配的目标对象，将当前位置输入轨迹存储模块；轨迹存储模块保留匹配的目标对象的原有轨迹标识，并将其轨迹年龄刷新为一；将当前外观特征输入外观匹配模块，外观匹配模块融合当前外观特征与所匹配的目标对象的外观特征。
8、在本申请的一实施例中，述将前向特征以及当前特征输入多级匹配模型包括：计算各检测对象的置信度分数；筛选置信度分数以及置信度阈值将检测对象划分为第一对象以及第二对象；基于第一对象的检测特征向量，构建输入一级匹配单元的第一检测列表；基于第二对象的检测特征向量，构建输入二级匹配单元的第二检测列表；基于目标对象的目标特征向量，构建目标对象的目标列表；将第一检测列表、第二检测列表以及目标列表输入多级匹配模型。
9、在本申请的一实施例中，计算各检测对象的置信度分数包括：将当前视频帧输入检测器，检测器对是否存在目标对象进行检测，获取各检测对象存在的存在概率以及属于各目标对象的类别概率；计算检测对象的存在概率与最高的类别概率二者的乘积，作为置信度分数。
10、在本申请的一实施例中，检测器对是否存在目标对象进行检测包括：将当前视频帧划分成多个网格；于各网格预测至少一组边界框以及检测对象对应的类别概率；基于各边界框的中心点预测其内存在检测对象的概率，作为第一预测概率；基于各边界框的尺寸预测其内所存在检测对象的概率，作为第二预测概率；融合第一预测概率以及第二预测概率，得到存在概率。
11、在本申请的一实施例中，基于目标对象的轨迹预测多个目标对象于当前视频帧的预测位置包括：响应于目标对象在前向视频帧中匹配到检测对象，获取前向视频帧的前向轨迹；基于前向轨迹对目标对象于当前视频帧的中心点位置进行预测，得到预测位置。
12、在本申请的一实施例中，基于前向轨迹对目标对象于当前视频帧的中心点位置进行预测，得到预测位置包括：获取第一视频帧和第二视频帧中目标对象的位移；其中，第一视频帧为当前视频帧的相邻前向视频帧，第二视频帧为第一视频帧的相邻前向视频帧；基于位移计算目标对象的移动速度；获取目标对象于第一视频帧的中心点位置；利用第一视频帧的中心点位置以及移动速度，计算目标对象于当前视频帧的中心点位置。
13、在本申请的一实施例中，获取当前视频帧中若干个检测对象的当前外观特征包括：将当前视频帧输入特征提取器，特征提取器对当前视频帧内存在的检测对象进行检测；对检测到的若干个检测对象进行特征提取，得到属于各检测对象的当前外观特征。
14、在本申请的一实施例中，对检测对象与目标对象进行匹配之后还包括：响应于一检测对象与一目标对象匹配，将一检测对象的当前外观特征存储至外观匹配模块；于外观匹配模块内，融合一检测对象的当前外观特征与一目标对象的前向外观特征；或，利用一检测对象的当前外观特征覆盖一目标对象的前向外观特征。
15、另一方面，提供了一种多目标跟踪装置，多目标跟踪装置包括：预测模块、存储模块、提取模块以及多级匹配模型；预测模块用于基于目标对象的轨迹预测多个目标对象于当前视频帧的预测位置；其中，轨迹为历史跟踪目标对象得到的历史真实轨迹；存储模块用于存储目标对象的轨迹以及前向外观特征，作为前向特征；其中，前向外观特征为目标对象在前向视频帧中的外观特征；提取模块用于获取当前视频帧中若干个检测对象的当前位置以及当前外观特征，作为当前特征；多级匹配模型用于输入前向特征以及当前特征，对检测对象与目标对象进行匹配，以对各目标对象进行跟踪。
16、在本申请的一实施例中，多级匹配模型包括一级匹配单元以及二级匹配单元；一级匹配单元用于输入第一对象与前向特征，进行第一特征匹配；第一对象为置信度分数高于置信度阈值的检测对象；二级匹配单本文档来自技高网...
【技术保护点】
1.一种多目标跟踪方法，其特征在于，所述多目标跟踪方法包括：
2.根据权利要求1中所述的多目标跟踪方法，其特征在于，所述多级匹配模型包括一级匹配单元以及二级匹配单元；
3.根据权利要求2中所述的多目标跟踪方法，其特征在于，所述将所述第一对象与所述前向特征输入一级匹配单元，进行第一特征匹配之后还包括：
4.根据权利要求2中所述的多目标跟踪方法，其特征在于，所述将所述第二对象、所述二级轨迹及对应的所述目标对象的前向外观特征输入二级匹配单元，进行第二特征匹配之后还包括：
5.根据权利要求2中所述的多目标跟踪方法，其特征在于，特征匹配包括所述第一特征匹配和/或所述第二特征匹配；
6.根据权利要求1所述的多目标跟踪方法，其特征在于，所述对所述检测对象与所述目标对象进行匹配之后还包括：
7.根据权利要求1中所述的多目标跟踪方法，其特征在于，所述将所述前向特征以及所述当前特征输入多级匹配模型包括：
8.根据权利要求7中所述的多目标跟踪方法，其特征在于，所述计算各所述检测对象的置信度分数包括：
9.根
10.根据权利要求1中所述的多目标跟踪方法，其特征在于，所述基于目标对象的轨迹预测多个目标对象于当前视频帧的预测位置包括：
11.根据权利要求10所述的多目标跟踪方法，其特征在于，所述基于所述前向轨迹对所述目标对象于所述当前视频帧的中心点位置进行预测，得到所述预测位置包括：
12.根据权利要求1中所述的多目标跟踪方法，其特征在于，获取所述当前视频帧中若干个检测对象的当前外观特征包括：
13.根据权利要求1或12中所述的多目标跟踪方法，其特征在于，所述对所述检测对象与所述目标对象进行匹配之后还包括：
14.一种多目标跟踪装置，其特征在于，所述多目标跟踪装置包括：
15.根据权利要求14中所述的多目标跟踪装置，其特征在于，所述多级匹配模型包括：
16.根据权利要求14中所述的多目标跟踪装置，其特征在于，所述存储模块包括：
17.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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13中任一项所述多目标跟踪方法的步骤。
18.一种计算机可读存储介质，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13中任一项所述多目标跟踪方法的步骤。
...【技术特征摘要】
1.一种多目标跟踪方法，其特征在于，所述多目标跟踪方法包括：
2.根据权利要求1中所述的多目标跟踪方法，其特征在于，所述多级匹配模型包括一级匹配单元以及二级匹配单元；
3.根据权利要求2中所述的多目标跟踪方法，其特征在于，所述将所述第一对象与所述前向特征输入一级匹配单元，进行第一特征匹配之后还包括：
4.根据权利要求2中所述的多目标跟踪方法，其特征在于，所述将所述第二对象、所述二级轨迹及对应的所述目标对象的前向外观特征输入二级匹配单元，进行第二特征匹配之后还包括：
5.根据权利要求2中所述的多目标跟踪方法，其特征在于，特征匹配包括所述第一特征匹配和/或所述第二特征匹配；
6.根据权利要求1所述的多目标跟踪方法，其特征在于，所述对所述检测对象与所述目标对象进行匹配之后还包括：
7.根据权利要求1中所述的多目标跟踪方法，其特征在于，所述将所述前向特征以及所述当前特征输入多级匹配模型包括：
8.根据权利要求7中所述的多目标跟踪方法，其特征在于，所述计算各所述检测对象的置信度分数包括：
9.根据权利要求8中所述的多目标跟踪方法，其特征在于，所述检测器对是否存在目标对象进行检测包括：
10.根据权利要求1中所述的多...
【专利技术属性】
技术研发人员：郑培儒，龚湛，赵云，朱红，
申请(专利权)人：苏州元脑智能科技有限公司，
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。