[發明專利]一種圖像跟蹤方法、裝置、存儲介質及電子設備

在審

• 申請號: 202110371086.9
• 申請日: 2021-04-07
• 公開（公告）號: CN113139442A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 任永騰;王堃;王成
• 申請（專利權）人: 青島以薩數據技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 鐘繼蓮

1.一種圖像跟蹤方法，其特征在于，所述方法包括：

逐幀讀取實時視頻流圖像，對所述圖像進行歸一化處理；

通過YOLOv4深度學習算法，對歸一化后的圖像進行目標檢測，得到單幀圖像的檢測框和目標類別；

采用DeepSort多目標跟蹤算法對所述檢測框進行跟蹤，得到唯一的目標ID；

將獲取的目標ID和對應檢測框進行存儲。

2.根據權利要求1所述的方法，其特征在于，所述逐幀讀取實時視頻流圖像，對圖像進行歸一化處理包括：獲取視頻流地址，并實時解幀；對解幀獲得的圖像進行縮放處理，以使圖像滿足預設尺寸要求；

計算圖像像素的均值和方差；

將圖像中的每一個像素值減去其均值并除以方差，以得到歸一化后的圖像。

3.根據權利要求1所述的方法，其特征在于，所述通過YOLOv4深度學習算法對歸一化后的圖像進行目標檢測，得到檢測框和目標類別包括：

將獲得的歸一化后的圖像輸入預先定義的YOLOv4深度學習模型中，將所述歸一化后的圖像進行分割得到多個網格，每個網格中生成一個檢測框；

對所述檢測框進行卷積層處理，獲得單幀圖像的檢測框和目標類別。

4.根據權利要求3所述的方法，其特征在于，所述預先定義的YOLOv4深度學習模型包括：特征提取網絡、CSP模塊、SPP模塊、特征融合模塊和CIOU_Loss模塊；

在特征提取網絡中采用CSP模塊將基礎層的特征映射劃分為兩部分，通過跨階段層次結構將特征合并；將合并獲得的特征圖輸入SPP模塊，SPP模塊將特征圖壓縮之后進行上采樣，并將不同級別的特征圖合成最終SPP特征圖，將所述SPP特征圖以及CSP模塊輸出的特征圖輸入所述特征融合模塊，所述CIOU_Loss模塊基于特征融合模塊輸出的不同尺度的融合特征進行分類檢測，輸出最終的目標檢測結果。

5.根據權利要求1所述的方法，其特征在于，所述通過DeepSort多目標跟蹤算法對檢測框進行跟蹤，得到唯一的目標ID包括：

使用級聯匹配算法，針對每一個檢測框分配一個跟蹤器，并依次為每個跟蹤器設定不同參數；如果跟蹤器完成匹配并進行更新，那么參數重置為0，否則參數+1；

在級聯匹配中，根據跟蹤器的參數大小，以參數小的先匹配，參數大的后匹配為原則，對跟蹤器匹配先后順序進行排序，使得上一幀最先匹配的跟蹤器增加優先權，連續幾幀未匹配的跟蹤器降低優先權；

使用馬氏距離和余弦距離計算檢測框的近似度后，對前后兩幀中檢測框內跟蹤器進行匹配，匹配度高的被認定為同一跟蹤器，分配統一的ID編號，獲得每個檢測框唯一的目標ID；

在DeepSort多目標跟蹤算法中引入YOLOv4深度學習模型的特征提取網絡，將所有確認的跟蹤器每次完成匹配對應的檢測框的特征圖存儲至列表中，并在每次匹配之后更新特征圖的列表。

6.根據權利要求1所述的方法，其特征在于，所述將獲取的目標ID和對應檢測框進行存儲包括：

將獲得的唯一ID及其對應的檢測框按照圖像順序存入數據庫中。

7.一種圖像跟蹤裝置，其特征在于，包括：

處理模塊，用于逐幀讀取實時視頻流圖像，對所述圖像進行歸一化處理；

檢測模塊，用于通過YOLOv4深度學習算法，對歸一化后的圖像進行目標檢測，得到單幀圖像的檢測框和目標類別；

跟蹤模塊，用于采用DeepSort多目標跟蹤算法對所述檢測框進行跟蹤，得到唯一的目標ID；

存儲模塊，用于將獲取的目標ID和對應檢測框進行存儲。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1-6任一項所述的圖像跟蹤方法。

9.一種電子設備，其特征在于，包括：

處理器；以及，

存儲器，用于存儲所述處理器的可執行指令；

其中，所述處理器配置為經由執行所述可執行指令來執行權利要求1-6任一項所述的圖像跟蹤方法。