[發明專利]對象追蹤方法及裝置

有效

• 申請號: 201910959616.4
• 申請日: 2019-10-10
• 公開（公告）號: CN110706258B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 楊喜鵬;譚嘯;孫昊;文石磊;丁二銳
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/292
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 胡艾青;劉芳

1.一種對象追蹤方法，其特征在于，包括：

獲取第一攝像裝置拍攝得到的多幀第一圖像和每幀第一圖像的第一拍攝時刻，所述第一圖像中包括第一對象；

獲取第二攝像裝置拍攝得到的多幀第二圖像和每幀第二圖像的第二拍攝時刻，所述第二圖像中包括第二對象；

獲取所述第一攝像裝置和所述第二攝像裝置之間的距離；

根據多幀所述第一圖像和多幀所述第二圖像，確定所述第一對象和所述第二對象的第一相似度；

根據每幀第一圖像的第一拍攝時刻，確定所述第一對象的移動速度；

根據所述第一對象的移動速度、所述距離、所述第一拍攝時刻和每幀第二圖像的第二拍攝時刻，確定所述第一對象和所述第二對象為同一對象的概率；所述第一拍攝時刻位于所述第二拍攝時刻之前；

根據所述第一相似度和所述概率，判斷所述第一對象和所述第二對象是否為同一對象。

2.根據權利要求1所述的方法，其特征在于，所述第一相似度包括全局特征相似度和屬性特征相似度；所述根據多幀所述第一圖像和多幀所述第二圖像，確定所述第一對象和所述第二對象的第一相似度，包括：

根據全局特征模型獲取多幀所述第一圖像中所述第一對象的全局特征和多幀所述第二圖像中所述第二對象的全局特征，其中所述全局特征模型是根據多幀第一樣本圖像進行訓練得到的；

根據所述第一對象的全局特征和所述第二對象的全局特征得到所述全局特征相似度；

根據屬性特征模型獲取多幀所述第一圖像中所述第一對象的屬性特征和多幀所述第二圖像中所述第二對象的屬性特征，其中所述屬性特征模型是根據多幀第二樣本圖像進行訓練得到的；

根據所述第一對象的屬性特征和所述第二對象的屬性特征得到所述屬性特征相似度。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第一對象的全局特征和所述第二對象的全局特征得到所述全局特征相似度，包括：

根據每對圖像中第一對象的全局特征和第二對象的全局特征得到每對圖像的全局特征相似度，其中，每對圖像包括一幀所述第一圖像和一幀所述第二圖像；

對多個每對圖像的全局特征相似度進行均值處理，得到所述全局特征相似度。

4.根據權利要求2所述的方法，其特征在于，所述根據所述第一對象的屬性特征和所述第二對象的屬性特征得到所述屬性特征相似度，包括：

根據每對圖像中第一對象的屬性特征和第二對象的屬性特征得到每對圖像的屬性特征相似度，其中，每對圖像包括一幀所述第一圖像和一幀所述第二圖像；

對多個每對圖像的屬性特征相似度進行均值處理，得到所述屬性特征相似度。

5.根據權利要求4所述的方法，其特征在于，所述第一對象為第一車輛，所述第二對象為第二車輛，所述屬性特征包括車輛顏色特征、車輛型號特征和車牌特征，所述根據每對圖像中第一對象的屬性特征和第二對象的屬性特征得到每對圖像的屬性特征相似度，包括：

根據每對圖像中所述第一車輛的車輛顏色特征和所述第二車輛的車輛顏色特征，得到每對圖像的車輛顏色特征相似度；

根據每對圖像中所述第一車輛的車輛型號特征和所述第二車輛的車輛型號特征，得到每對圖像的車輛型號特征相似度；

根據每對圖像中所述第一車輛的車牌特征和所述第二車輛的車牌特征，得到每對圖像的車牌特征相似度；

根據所述每對圖像的車輛顏色特征相似度、所述每對圖像的車輛型號特征相似度和所述每對圖像的車牌特征相似度，得到所述每對圖像的屬性特征相似度。

6.根據權利要求2所述的方法，其特征在于，所述根據所述第一相似度和所述概率，判斷所述第一對象和所述第二對象是否為同一對象，包括：

獲取所述全局特征相似度對應的第一權重、所述屬性特征相似度對應的第二權重以及所述概率對應的第三權重；

根據所述第一權重、所述第二權重、所述第三權重，將所述全局特征相似度、所述屬性特征相似度和所述概率進行融合，得到融合參數；

當所述融合參數超過預設值時，確定所述第一對象和所述第二對象為同一對象。