[發(fā)明專利]一種目標的定位跟蹤方法及裝置

有效

• 申請?zhí)枺?/td>: 201611244423.3
• 申請日: 2016-12-29
• 公開（公告）號: CN106651916B
• 公開（公告）日: 2019-09-03
• 發(fā)明（設計）人: 萬定銳;王文軍;胡湛
• 申請（專利權）人: 深圳市深網(wǎng)視界科技有限公司;東方網(wǎng)力科技股份有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/73;G06T7/33
• 代理公司: 北京超凡志成知識產(chǎn)權代理事務所(普通合伙) 11371
• 代理人: 馬維麗

1.一種目標的定位跟蹤方法，其特征在于，包括：

獲取實際地理區(qū)域內(nèi)設置的多個攝像頭的抓拍信息；所述抓拍信息包括抓拍目標圖像及抓拍目標相對所述攝像頭的第一屬性信息；所述第一屬性信息至少包括：第一位置信息、第一時間信息和第一方向信息；

基于標準目標圖像和所述抓拍目標圖像從所述抓拍目標中查找待跟蹤目標；

按照預設搜索間隔和查找到的所述待跟蹤目標的第一屬性信息在所述實際地理區(qū)域?qū)碾娮拥貓D的目標區(qū)域中進行目標搜索，得到所述待跟蹤目標對應的運行跟蹤軌跡；

其中，所述按照預設搜索間隔和查找到的所述待跟蹤目標的第一屬性信息在所述實際地理區(qū)域?qū)碾娮拥貓D的目標區(qū)域中進行目標搜索，得到所述待跟蹤目標對應的運行跟蹤軌跡，包括：

基于所述攝像頭的第二屬性信息，建立所述目標區(qū)域?qū)乃阉鲌D結構；所述搜索圖結構中相鄰所述攝像頭之間的距離均為所述預設搜索間隔；所述第二屬性信息至少包括：第二位置信息；

基于所述待跟蹤目標的所述第一屬性信息和所述預設搜索間隔對所述搜索圖結構進行路徑搜索，得到所述待跟蹤目標對應的運行跟蹤軌跡；

所述基于所述待跟蹤目標的所述第一屬性信息和所述預設搜索間隔對所述搜索圖結構進行路徑搜索，得到所述待跟蹤目標對應的運行跟蹤軌跡，包括：

基于所述待跟蹤目標的第一位置信息和一個所述預設搜索間隔對所述搜索圖結構進行路徑搜索，得到所述待跟蹤目標在所述搜索圖結構中的第一預設第一位置信息；

判斷所述第一預設第一位置信息是否是所述待跟蹤目標的目標第一位置信息；

若是，則根據(jù)所述第一位置信息及對應的所述第一方向信息、所述第一時間信息和所述目標第一位置信息及對應的目標第一方向信息、目標第一時間信息，得到所述待跟蹤目標在所述第一位置信息和所述目標第一位置信息之間的運行跟蹤軌跡。

2.根據(jù)權利要求1所述的方法，其特征在于，所述從所述抓拍目標中查找待跟蹤目標，包括：

根據(jù)標準目標圖像對所述抓拍目標圖像進行比對分析；

將對比成功的所述抓拍目標圖像對應的所述抓拍目標確定為所述待跟蹤目標。

3.根據(jù)權利要求2所述的方法，其特征在于，所述根據(jù)標準目標圖像對所述抓拍目標圖像進行比對分析，包括：

利用預先訓練好的深度模型，提取所述抓拍目標圖像的圖像特征作為第一圖像特征，以及提取所述標準目標圖像的圖像特征作為第二圖像特征；

將所述第一圖像特征和所述第二圖像特征進行比對分析；

其中，所述深度模型通過如下步驟獲取：

建立包含目標圖像的樣本圖片集；

利用深度卷積神經(jīng)網(wǎng)絡對所述樣本圖片集進行深度學習，得到對應于所述樣本圖片集的所述目標圖像的圖像特征；

利用隨機梯度下降方法對所述圖像特征進行訓練，得到對應于所述目標圖像的深度模型。

4.根據(jù)權利要求1所述的方法，其特征在于，還包括：

若判斷出所述第一預設第一位置信息不是所述待跟蹤目標的目標第一位置信息，則循環(huán)增加一個所述預設搜索間隔，并基于所述第一預設第一位置信息和循環(huán)增加后的所述預設搜索間隔對所述搜索圖結構進行路徑搜索，直至得到所述待跟蹤目標在所述搜索圖結構中的第二預設第一位置信息為目標第一位置信息時，停止搜索，并根據(jù)所述第一位置信息及對應的所述第一方向信息、所述第一時間信息和所述目標第一位置信息及對應的目標第一方向信息、目標第一時間信息，得到所述待跟蹤目標在所述第一位置信息和所述目標第一位置信息之間的運行跟蹤軌跡。