[發(fā)明專利]多目標(biāo)跟蹤方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811572486.0
• 申請(qǐng)日: 2018-12-21
• 公開（公告）號(hào): CN109658442B
• 公開（公告）日: 2023-09-12
• 發(fā)明（設(shè)計(jì)）人: 黃國(guó)恒;張揮謙;黃斯彤;胡可
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06T7/73
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 羅滿

1.一種多目標(biāo)跟蹤方法，其特征在于，包括：

將待跟蹤車輛圖像輸入預(yù)先構(gòu)建的目標(biāo)分割模型中，得到所述待跟蹤車輛圖像中各目標(biāo)車輛的位置坐標(biāo)信息；

依次計(jì)算每個(gè)目標(biāo)車輛與前一幀車輛圖像中各源車輛的位置坐標(biāo)的差值，并從各差值中確定最大差值；

判斷每個(gè)目標(biāo)車輛的最大差值是否不大于預(yù)設(shè)閾值；

若是，則目標(biāo)車輛為所述最大差值對(duì)應(yīng)源車輛在所述待跟蹤車輛圖像中的跟蹤目標(biāo)；

若否，則目標(biāo)車輛作為在所述待跟蹤車輛圖像新出現(xiàn)的源車輛；

其中，所述目標(biāo)分割模型用于從輸入的待跟蹤車輛圖像中分割得到車輛子圖像，并計(jì)算各車輛在所述待跟蹤車輛圖像的位置坐標(biāo)；所述目標(biāo)分割模型為基于FCN算法、對(duì)多張預(yù)先標(biāo)注車型信息和車輛位置的樣本圖像訓(xùn)練所得；所述閾值為基于運(yùn)動(dòng)物體在視頻中的連續(xù)性確定的同一車輛在相鄰兩幀圖像中的最大位置差；

其中，所述判斷每個(gè)目標(biāo)車輛的最大差值是否不大于預(yù)設(shè)閾值，若是，則目標(biāo)車輛為所述最大差值對(duì)應(yīng)源車輛在所述待跟蹤車輛圖像中的跟蹤目標(biāo)；若否，則目標(biāo)車輛作為在所述待跟蹤車輛圖像出現(xiàn)的新源車輛包括：

所述待跟蹤車輛圖像中的目標(biāo)車輛的個(gè)數(shù)為N個(gè)，所述待跟蹤車輛圖像的前一幀車輛圖像中的源車輛的個(gè)數(shù)為n個(gè)，且N≥n；

判斷所述待跟蹤車輛圖像中是否存在n個(gè)目標(biāo)車輛的最大差值均不大于所述閾值；

若是，則將這n個(gè)目標(biāo)車輛分別為相對(duì)應(yīng)最大差值對(duì)應(yīng)源車輛在所述待跟蹤車輛圖像中的跟蹤目標(biāo)，其余N-n個(gè)目標(biāo)車輛作為在所述待跟蹤車輛圖像新出現(xiàn)的源車輛；

若否，將最大差值不大于預(yù)設(shè)閾值的目標(biāo)車輛為所述最大差值對(duì)應(yīng)源車輛在所述待跟蹤車輛圖像中的跟蹤目標(biāo)；將最大差值大于預(yù)設(shè)閾值的目標(biāo)車輛作為在所述待跟蹤車輛圖像新出現(xiàn)的源車輛；

其中，所述目標(biāo)車輛作為在所述待跟蹤車輛圖像出現(xiàn)的新源車輛之后，還包括：

若當(dāng)前目標(biāo)車輛的最大差值大于預(yù)設(shè)閾值，則將所述當(dāng)前目標(biāo)車輛的位置坐標(biāo)信息和所述待跟蹤車輛圖像輸入至預(yù)先構(gòu)建的車型識(shí)別模型中，得到所述當(dāng)前目標(biāo)車輛的車型信息；所述車型識(shí)別模型用于檢測(cè)并識(shí)別輸入車輛圖像中車輛的車型信息，為訓(xùn)練多張預(yù)先標(biāo)記車型信息的樣本圖像訓(xùn)練所得；

將所述車型信息輸入預(yù)先構(gòu)建質(zhì)量估算模型中，得到所述當(dāng)前目標(biāo)車輛的重量值；所述質(zhì)量估算模型為訓(xùn)練多張預(yù)先標(biāo)記車型信息和重量信息的樣本圖像訓(xùn)練所得。

2.根據(jù)權(quán)利要求1所述的多目標(biāo)跟蹤方法，其特征在于，所述目標(biāo)分割模型的各張樣本圖像中的車輛位置預(yù)先涂覆相同顏色，各樣本圖像的顏色中心位置信息作為車輛位置坐標(biāo)信息。