[發明專利]一種行人跟蹤方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011053262.6
• 申請日: 2020-09-29
• 公開（公告）號: CN112330714A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 李巖山;魏家立;劉瑜;王海鵬
• 申請（專利權）人: 深圳大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/277;G06K9/00
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 胡曉靜

本申請提供一種行人跟蹤方法、裝置、電子設備及存儲介質，該方法包括：獲取預設監控區域內的監控錄像；在監控錄像中提取監控區域中各跟蹤對象的姿態關節信息；基于預設的非極大值抑制算法，根據各跟蹤對象的姿態關節信息，判斷各跟蹤對象是否為被遮擋對象；當確定跟蹤對象為被遮擋對象時，根據預設的姿態關節信息關聯規則，估計被遮擋對象的姿態關節估計信息；根據被遮擋對象的姿態關節信息和姿態關節估計信息，確定被遮擋對象的跟蹤結果。通過對被遮擋對象的被遮擋關節的關節信息進行估計，以得到姿態關節估計信息，進而確定被遮擋對象的跟蹤結果，提高了該行人跟蹤方法的魯棒性，提高了跟蹤結果的準確性。

技術領域

本申請涉及人工智能技術領域，尤其涉及一種行人跟蹤方法、裝置、電子設備及存儲介質。

背景技術

目前，隨著人工智能技術的不斷發展，行人跟蹤技術已經逐漸應用于監控安防等領域。對于道路卡口、商場和門店等區域，可以通過設置監控攝像頭來對來往人群進行監視，同時利用行人跟蹤技術對監控圖像的所有來往行人進行持續檢測，對同一行人持續跟蹤。

在現有技術中，通常是提取監控圖像中標識行人框，利用卷積神經網絡多假設方法、最小代價流方法、最小多割方法等傳統方法提取各行人框的特征向量?；诿總€行人框的特征向量對所有監控圖像中的行人框進行匹配，以獲得行人跟蹤結果。

但是，當行人被其他物體遮擋時，若基于現有技術進行行人跟蹤，將出現提取的行人框特征向量無法與系統中已有的行人框成功匹配的情況，使得跟蹤結果輸出中斷或輸出錯誤的跟蹤結果。因此，急需一種魯棒性較強的行人跟蹤方法，對提高跟蹤結果的準確性有重要意義。

發明內容

本申請提供一種行人跟蹤方法、裝置、電子設備及存儲介質，以解決現有技術中的行人跟蹤方法的魯棒性較差等缺陷。

本申請第一個方面提供一種行人跟蹤方法，包括：

獲取預設監控區域內的監控錄像；

在所述監控錄像中提取所述監控區域中各跟蹤對象的姿態關節信息；其中，所述姿態關節信息包括所述跟蹤對象各關節的位置和各關節的運動速度；

基于預設的非極大值抑制算法，根據所述各跟蹤對象的姿態關節信息，判斷各跟蹤對象是否為被遮擋對象；

當確定所述跟蹤對象為被遮擋對象時，根據預設的姿態關節信息關聯規則，估計所述被遮擋對象的姿態關節估計信息；

根據所述被遮擋對象的姿態關節信息和姿態關節估計信息，確定所述被遮擋對象的跟蹤結果。

可選的，還包括：

當確定所述跟蹤對象不為遮擋對象時，根據所述跟蹤對象的姿態關節信息，確定所述跟蹤對象的跟蹤結果。

可選的，所述根據所述被遮擋對象的姿態關節信息和姿態關節估計信息，確定所述被遮擋對象的跟蹤結果，包括：

根據所述被遮擋對象的姿態關節信息和姿態關節估計信息，生成對應的姿態狀態向量；

將所述狀態向量輸入至預設的卡爾曼濾波器，以得到所述被遮擋對象的跟蹤結果。

可選的，所述基于預設的非極大值抑制算法，根據所述各跟蹤對象的姿態關節信息，判斷各跟蹤對象是否為被遮擋對象，包括：

基于所述非極大值抑制算法，根據所述各跟蹤對象的姿態關節信息，計算各跟蹤對象的姿態檢測置信度；

判斷所述各跟蹤對象的姿態檢測置信度是否屬于預設的置信度區間；

當確定所述跟蹤對象的姿態檢測置信度不屬于所述置信度區間時，確定所述跟蹤對象為被遮擋對象。

可選的，還包括：