[發明專利]一種目標追蹤方法、裝置及相關設備

有效

• 申請號: 202011052491.6
• 申請日: 2020-09-29
• 公開（公告）號: CN112150508B
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 何宇洋;張達敏;劉鵬里;謝會斌;李聰廷
• 申請（專利權）人: 濟南博觀智能科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張春輝

本申請公開了一種目標追蹤方法，包括分別對第一圖像幀和第二圖像幀進行目標檢測，獲得第一檢測序列和第二檢測序列；分別對第一圖像幀和第二圖像幀進行特征提取，獲得第一特征圖和第二特征圖；其中，特征圖包括對應圖像幀的全局特征和局部特征；將第一檢測序列的中心坐標映射于第一特征圖，獲得第一特征向量，將第二檢測序列的中心坐標映射于第二特征圖，獲得第二特征向量；對第一特征向量和第二特征向量進行特征匹配，獲得匹配結果；根據匹配結果確定第二檢測序列中與第一檢測序列相匹配的目標；該目標追蹤方法可以實現更為準確的目標追蹤。本申請還公開了一種目標追蹤裝置、系統以及計算機可讀存儲介質，均具有上述有益效果。

技術領域

本申請涉及圖像處理技術領域，特別涉及一種目標追蹤方法，還涉及一種目標追蹤裝置、系統以及計算機可讀存儲介質。

背景技術

多目標跟蹤，即MOT(Multi-Object Tracking)，是一種在一段視頻中同時跟蹤多個目標的技術，廣泛應用于安防、自動駕駛、人流量統計和車輛統計等任務中。由于多目標跟蹤任務所應用的場景中，待跟蹤的目標往往數量較多，例如地鐵、機場的行人跟蹤、十字路口的車流量統計等，人流、車流量密集且遮擋嚴重，因此，密集場景下的遮擋、多拍、跟蹤錯誤問題是必須解決的重點問題。

DeepSort跟蹤算法是MOT領域的一種常用算法，其在目標匹配過程中綜合考慮了外觀特征和運動特征的匹配程度，進而實現了目標追蹤。然而，該種實現方式對外觀特征的依賴性很強，難以訓練相對準確的特征提取模型，而且，僅依賴外觀特征和運動特征進行目標匹配，很容易發生跟蹤錯誤，此外，DeepSort跟蹤算法依賴于卡爾曼濾波算法，但卡爾曼濾波算法對于運動方向隨機的目標，預測效果較差。由此可見，現有的DeepSort跟蹤算法存在著嚴重的目標匹配不準確的問題，進而導致了目標追蹤結果的不準確性。

因此，如何實現更為準確的目標追蹤是本領域技術人員亟待解決的問題。

發明內容

本申請的目的是提供一種目標追蹤方法，該目標追蹤方法可以實現更為準確的目標追蹤；本申請的另一目的是提供一種目標追蹤裝置、系統以及計算機可讀存儲介質，也具有上述有益效果。

第一方面，本申請提供了一種目標追蹤方法，包括：

分別對第一圖像幀和第二圖像幀進行目標檢測，獲得第一檢測序列和第二檢測序列；

分別對所述第一圖像幀和所述第二圖像幀進行特征提取，獲得第一特征圖和第二特征圖；其中，所述特征圖包括對應圖像幀的全局特征和局部特征；

將所述第一檢測序列的中心坐標映射于所述第一特征圖，獲得第一特征向量，將所述第二檢測序列的中心坐標映射于所述第二特征圖，獲得第二特征向量；

對所述第一特征向量和所述第二特征向量進行特征匹配，獲得匹配結果；

根據所述匹配結果確定所述第二檢測序列中與所述第一檢測序列相匹配的目標。

優選的，所述分別對所述第一圖像幀和所述第二圖像幀進行特征提取，獲得第一特征圖和第二特征圖，包括：

通過預設跟蹤網絡分別對所述第一圖像幀和所述第二圖像幀進行特征提取，獲得所述第一特征圖和所述第二特征圖；其中，所述預設跟蹤網絡的損失函數包括平衡損失函數和對比損失函數，所述平衡損失函數和所述對比損失函數均基于對應圖像幀的余弦距離矩陣和標簽矩陣獲得。

優選的，所述通過預設跟蹤網絡分別對所述第一圖像幀和所述第二圖像幀進行特征提取，獲得所述第一特征圖和所述第二特征圖，包括：

根據所述第一圖像幀和所述第一檢測序列獲得第一目標小圖序列；

根據所述第二圖像幀和所述第二檢測序列獲得第二目標小圖序列；

分別對所述第一圖像幀和所述第一目標小圖序列進行特征提取，獲得第一全局特征圖和第一局部特征圖；