[發明專利]目標跟蹤方法及裝置

有效

• 申請號: 201810049002.8
• 申請日: 2018-01-18
• 公開（公告）號: CN110059521B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 黃元捷
• 申請（專利權）人: 浙江宇視科技有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06T7/246
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 逯恒

本發明提供一種目標跟蹤方法及裝置，應用于存儲有各目標對象對應的特征模型的服務器。所述方法包括：對當前視頻幀圖像進行目標檢測，并根據檢測得到的各待檢測對象的位置信息提取出對應的CNN特征；根據各待檢測對象的位置信息及CNN特征，與上一視頻幀圖像中各目標對象的位置信息及特征模型，計算得到對應的相似度矩陣；基于相似度矩陣將各待檢測對象與各目標對象進行數據關聯，得到最優匹配結果；若最優匹配結果中存在與對應目標對象匹配成功的待檢測對象時，根據待檢測對象的CNN特征對對應特征模型進行更新，并基于所述待檢測對象得到對應的跟蹤結果。所述方法抗干擾能力強，跟蹤成功率高，可持續對目標對象進行跟蹤。

技術領域

本發明涉及視頻圖像的多目標跟蹤技術領域，具體而言，涉及一種目標跟蹤方法及裝置。

背景技術

隨著監控技術的不斷發展，用于對監控視頻中多個目標對象進行跟蹤的多目標跟蹤技術的應用愈發廣泛。現有的多目標跟蹤方案在對目標對象進行跟蹤過程中通過將該目標對象在當前視頻圖像中的CNN(Convolutional Neural Network，卷積神經網絡)特征與該目標對象最近被跟蹤成功時的CNN特征進行比對的方式，實現對該目標對象的跟蹤，但這種多目標跟蹤方案抗干擾能力弱，目標跟蹤成功率低，通常會因為目標對象最近被跟蹤成功時的CNN特征攜帶有部分遮擋物的特征，而致使目標對象在當前視頻圖像中的CNN特征無法與該目標對象最近被跟蹤成功時的CNN特征正確匹配，從而導致跟蹤失敗。

發明內容

為了克服現有技術中的上述不足，本發明的目的在于提供一種目標跟蹤方法及裝置，所述目標跟蹤方法抗干擾能力強，目標跟蹤成功率高，能夠持續對目標對象進行跟蹤。

就方法而言，本發明較佳的實施例提供一種目標跟蹤方法，應用于服務器，所述服務器存儲有各目標對象對應的特征模型，其中每個特征模型包括對應目標對象的歷史CNN特征，所述方法包括：

對當前視頻幀圖像進行目標檢測，并根據檢測得到的所述當前視頻幀圖像中各待檢測對象的位置信息從所述當前視頻幀圖像中提取出各待檢測對象對應的CNN特征；

根據當前視頻幀圖像中各待檢測對象的位置信息及對應的CNN特征，與上一視頻幀圖像中各目標對象的位置信息及對應的特征模型，計算得到當前視頻幀圖像中各待檢測對象與上一視頻幀圖像中各目標對象之間的相似度矩陣；

基于所述相似度矩陣將各待檢測對象與各目標對象進行數據關聯，得到當前視頻幀圖像與上一視頻幀圖像之間的最優匹配結果；

若所述最優匹配結果中存在與對應目標對象匹配成功的待檢測對象時，根據所述與對應目標對象匹配成功的待檢測對象的CNN特征對該目標對象對應的特征模型進行更新，并基于所述匹配成功的待檢測對象得到對應的跟蹤結果。所述方法根據當前視頻幀圖像中的各待檢測對象的CNN特征與上一視頻幀圖像中各目標對象的特征模型包括的歷史CNN特征，計算得到當前視頻幀圖像中各待檢測對象與上一視頻幀圖像中各目標對象之間最優的相似度矩陣，并基于所述相似度矩陣得到所述當前視頻幀圖像與上一視頻幀圖像之間的最優匹配結果，以基于所述最優匹配結果中存在的與對應目標對象匹配成功的待檢測對象得到對應的跟蹤結果，從而降低干擾物對目標跟蹤的影響，提高目標跟蹤成功率，實現對目標對象的持續跟蹤。

就裝置而言，本發明較佳的實施例提供一種目標跟蹤裝置，應用于服務器，所述服務器存儲有各目標對象對應的特征模型，其中每個特征模型包括對應目標對象的歷史CNN特征，所述裝置包括：

檢測提取模塊，用于對當前視頻幀圖像進行目標檢測，并根據檢測得到的所述當前視頻幀圖像中各待檢測對象的位置信息從所述當前視頻幀圖像中提取出各待檢測對象對應的CNN特征；

矩陣計算模塊，用于根據當前視頻幀圖像中各待檢測對象的位置信息及對應的CNN特征，與上一視頻幀圖像中各目標對象的位置信息及對應的特征模型，計算得到當前視頻幀圖像中各待檢測對象與上一視頻幀圖像中各目標對象之間的相似度矩陣；