[發(fā)明專利]行動對象追蹤方法及相關設備

在審

• 申請?zhí)枺?/td>: 202011427225.7
• 申請日: 2020-12-09
• 公開（公告）號: CN112884804A
• 公開（公告）日: 2021-06-01
• 發(fā)明（設計）人: 王智卓
• 申請（專利權）人: 深圳云天勵飛技術股份有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/269;G06T7/277
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 熊永強

本申請實施例提供一種行動對象追蹤方法及相關設備，其中，該方法包括：確定第一檢測框中的第一行動對象的人體狀態(tài)，其中，所述第一檢測框是通過對當前幀圖像進行行動對象檢測而得到，所述人體狀態(tài)包括全身可見、上半身可見和僅人臉可見；根據(jù)所述第一行動對象的人體狀態(tài)確定追蹤策略，并采用所述追蹤策略對所述第一行動對象進行追蹤。采用本申請實施例，有利于提高行動對象追蹤的精度。

技術領域

本申請涉及計算機技術領域，尤其涉及一種行動對象追蹤方法及相關設備。

背景技術

隨著人口的不斷增加和城市的急劇擴張，智能視頻監(jiān)控變得至關重要。所謂的智能視頻監(jiān)督，即前端攝像頭可以執(zhí)行一些檢測和追蹤等任務，直接將我們需要的數(shù)據(jù)提取出來并保存。雖然當前已經(jīng)有很多多目標追蹤算法，但是現(xiàn)有的多目標追蹤算法并沒有對行動對象的人體狀態(tài)進行估計，所有人體狀態(tài)下的行動對象都使用相同的追蹤策略進行追蹤，從而導致現(xiàn)有的行動對象追蹤算法精度不高。

發(fā)明內(nèi)容

本申請實施例公開了一種行動對象追蹤方法及相關設備，有利于提高行動對象追蹤的精度。

本申請實施例第一方面公開了一種行動對象追蹤方法，包括：確定第一檢測框中的第一行動對象的人體狀態(tài)，其中，所述第一檢測框是通過對當前幀圖像進行行動對象檢測而得到，所述人體狀態(tài)包括全身可見、上半身可見和僅人臉可見；根據(jù)所述第一行動對象的人體狀態(tài)確定追蹤策略，并采用所述追蹤策略對所述第一行動對象進行追蹤。

在一種可能的實現(xiàn)方式中，所述方法還包括：若所述第一行動對象的人體狀態(tài)為上半身可見且第二行動對象的人體狀態(tài)為全身可見，則采用所述基于人體的輕量級行動對象重識別模型對所述第一行動對象進行追蹤，其中，所述第二行動對象為前一幀圖像中的行動對象，基于所述第二行動對象在所述當前幀圖像中進行軌跡預測得到預測框；若所述第一行動對象的人體狀態(tài)為上半身可見且所述第二行動對象的人體狀態(tài)為人臉可見，則采用所述基于人臉的輕量級行動對象重識別模型對所述第一行動對象進行追蹤；若所述第一行動對象的人體狀態(tài)為上半身可見且所述第二行動對象的人體狀態(tài)為上半身可見，則采用光流算法對所述第一行動對象進行追蹤。

在一種可能的實現(xiàn)方式中，所述方法還包括：若所述第一行動對象的人體狀態(tài)為全身可見且第二行動對象的人體狀態(tài)為上半身可見，則采用所述光流算法對所述第一行動對象進行追蹤，其中，所述第二行動對象為前一幀圖像中的行動對象，基于所述第二行動對象在所述當前幀圖像中進行軌跡預測得到預測框。

在一種可能的實現(xiàn)方式中，所述方法還包括：若所述第一行動對象的人體狀態(tài)為僅人臉可見且第二行動對象的人體狀態(tài)為上半身可見，則采用所述基于人臉的輕量級行動對象重識別模型對所述第一行動對象進行追蹤，其中，所述第二行動對象為前一幀圖像中的行動對象，基于所述第二行動對象在所述當前幀圖像中進行軌跡預測得到預測框。

在一種可能的實現(xiàn)方式中，所述基于人體的輕量級行動對象重識別模型和所述基于人臉的輕量級行動對象重識別模型通過對預設輕量級行動對象重識別網(wǎng)絡進行訓練得到；所述預設輕量級行動對象重識別網(wǎng)絡包括：第一卷積層、最大池化層、第一注意力模塊、第二注意力模塊、第二卷積層、第一平均池化層、第三注意力模塊、第四注意力模塊、第三卷積層、第二平均池化層、第五注意力模塊、第六注意力模塊、第四卷積層、全局池化層、全連接層。

在一種可能的實現(xiàn)方式中，所述采用所述基于人臉的輕量級行動對象重識別模型對所述第一人臉檢測框進行特征提取以得到第一人臉特征，以及采用所述基于人臉的輕量級行動對象重識別模型對所述第一人臉預測框進行特征提取以得到第二人臉特征，包括：對所述第一人臉檢測框進行動對象臉矯正以得到第二人臉檢測框，以及對所述第一人臉預測框進行動對象臉矯正以得到第二人臉預測框；采用所述基于人臉的輕量級行動對象重識別模型對所述第二人臉檢測框進行特征提取以得到所述第一人臉特征，以及采用所述基于人臉的輕量級行動對象重識別模型對所述第二人臉預測框進行特征提取以得到所述第二人臉特征。