[發(fā)明專(zhuān)利]行人目標(biāo)跟蹤方法、裝置及設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201811386432.5
• 申請(qǐng)日: 2018-11-20
• 公開(kāi)（公告）號(hào): CN109598743B
• 公開(kāi)（公告）日: 2021-09-03
• 發(fā)明（設(shè)計(jì)）人: 車(chē)廣富;董玉新;安山
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京京東尚科信息技術(shù)有限公司;北京京東世紀(jì)貿(mào)易有限公司
• 主分類(lèi)號(hào): G06T7/246
• 分類(lèi)號(hào): G06T7/246;G06T7/292
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 羅英;劉芳

本發(fā)明實(shí)施例提供一種行人目標(biāo)跟蹤方法、裝置及設(shè)備。該方法包括：獲取多個(gè)攝像頭所拍攝的連續(xù)視頻圖像，每路所述攝像頭預(yù)先設(shè)置最佳拍攝視野；采用目標(biāo)行人檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)模型確定每個(gè)攝像頭所采集的連續(xù)視頻圖像中的行人目標(biāo)；對(duì)多個(gè)攝像頭所采集的連續(xù)視頻圖像中的行人目標(biāo)進(jìn)行匹配跟蹤。本發(fā)明實(shí)施例的方法，實(shí)現(xiàn)了跨攝像頭下對(duì)行人目標(biāo)的準(zhǔn)確跟蹤。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，尤其涉及一種行人目標(biāo)跟蹤方法、裝置及設(shè)備。

背景技術(shù)

隨著計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)、大數(shù)據(jù)分析以及人工智能等技術(shù)領(lǐng)域的快速發(fā)展，各種基于計(jì)算機(jī)視覺(jué)的智能應(yīng)用、產(chǎn)品以及服務(wù)等也獲得了快速的發(fā)展，例如無(wú)人商店、無(wú)人餐廳、智能安防等，為人們的生活帶來(lái)了便利。

在各種基于計(jì)算機(jī)視覺(jué)的應(yīng)用中，對(duì)目標(biāo)的識(shí)別與跟蹤尤為重要。以無(wú)人商店應(yīng)用為例，為了準(zhǔn)確地向用戶進(jìn)行產(chǎn)品推薦，以及對(duì)用戶的購(gòu)買(mǎi)行為、消費(fèi)習(xí)慣進(jìn)行準(zhǔn)確分析等，需要實(shí)時(shí)準(zhǔn)確的對(duì)無(wú)人商店中的目標(biāo)用戶進(jìn)行跟蹤。在無(wú)人商店中，為了避免視覺(jué)盲區(qū)，通常采用多個(gè)攝像頭獲取視頻數(shù)據(jù)，相鄰的攝像頭之間不可避免的存在視野交疊的問(wèn)題。當(dāng)目標(biāo)用戶進(jìn)入視野交疊區(qū)域時(shí)，需要對(duì)目標(biāo)用戶重新進(jìn)行識(shí)別與跟蹤，且各個(gè)攝像頭視野坐標(biāo)系不同，外觀及形態(tài)易發(fā)生改變，現(xiàn)有方法無(wú)法滿足跨攝像頭的目標(biāo)跟蹤需求。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種行人目標(biāo)跟蹤方法、裝置及設(shè)備，用于實(shí)現(xiàn)跨攝像頭的行人目標(biāo)跟蹤。

第一方面，本發(fā)明實(shí)施例提供一種行人目標(biāo)跟蹤方法，包括：

獲取多個(gè)攝像頭所拍攝的連續(xù)視頻圖像，每路攝像頭預(yù)先設(shè)置最佳拍攝視野；

采用目標(biāo)行人檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)模型確定每個(gè)攝像頭所采集的連續(xù)視頻圖像中的行人目標(biāo)；

對(duì)多個(gè)攝像頭所采集的連續(xù)視頻圖像中的行人目標(biāo)進(jìn)行匹配跟蹤。

在一種可能的實(shí)現(xiàn)方式中，獲取多個(gè)攝像頭所拍攝的連續(xù)視頻圖像之前，所述方法還包括：

對(duì)多個(gè)攝像頭中視野存在交疊的攝像頭進(jìn)行視野劃分來(lái)確定每個(gè)攝像頭的最佳拍攝視野，以使得同一行人目標(biāo)僅位于一個(gè)攝像頭的最佳拍攝視野中。

在一種可能的實(shí)現(xiàn)方式中，采用目標(biāo)行人檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)模型確定每個(gè)攝像頭所采集的連續(xù)視頻圖像中的行人目標(biāo)之前，所述方法還包括：

獲取數(shù)個(gè)視頻圖像樣本，視頻圖像樣本中包括行人目標(biāo)在視頻圖像樣本中的位置信息；

根據(jù)數(shù)個(gè)視頻圖像樣本對(duì)行人目標(biāo)頭部檢測(cè)模型進(jìn)行訓(xùn)練，得到神經(jīng)網(wǎng)絡(luò)模型。

在一種可能的實(shí)現(xiàn)方式中，根據(jù)數(shù)個(gè)視頻圖像樣本對(duì)行人目標(biāo)頭部檢測(cè)模型進(jìn)行訓(xùn)練，包括：

利用遷移學(xué)習(xí)算法對(duì)行人目標(biāo)頭部檢測(cè)模型進(jìn)行訓(xùn)練。

在一種可能的實(shí)現(xiàn)方式中，采用目標(biāo)行人檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)模型確定每個(gè)攝像頭所采集的連續(xù)視頻圖像中的行人目標(biāo)，具體包括：

采用神經(jīng)網(wǎng)絡(luò)模型確定每個(gè)視頻圖像中的行人頭部的位置；

根據(jù)行人頭部的位置以及視頻圖像對(duì)應(yīng)的最佳拍攝視野確定行人目標(biāo)的位置。

在一種可能的實(shí)現(xiàn)方式中，神經(jīng)網(wǎng)絡(luò)模型包括全局神經(jīng)網(wǎng)絡(luò)模型和局部神經(jīng)網(wǎng)絡(luò)模型；

全局神經(jīng)網(wǎng)絡(luò)模型用于在視頻圖像的全局范圍內(nèi)確定行人頭部的位置；

局部神經(jīng)網(wǎng)絡(luò)模型用于在上一幀所確定的位置的預(yù)設(shè)范圍內(nèi)確定行人頭部的位置。

在一種可能的實(shí)現(xiàn)方式中，采用神經(jīng)網(wǎng)絡(luò)模型確定每個(gè)視頻圖像中的行人頭部的位置，包括：

采用全局神經(jīng)網(wǎng)絡(luò)模型確定每個(gè)視頻圖像中的行人頭部的第一位置集合；