[发明专利]目标跟踪方法及装置

说明书

本发明提供一种目标跟踪方法及装置，应用于存储有各目标对象对应的特征模型的服务器。所述方法包括：对当前视频帧图像进行目标检测，并根据检测得到的各待检测对象的位置信息提取出对应的CNN特征；根据各待检测对象的位置信息及CNN特征，与上一视频帧图像中各目标对象的位置信息及特征模型，计算得到对应的相似度矩阵；基于相似度矩阵将各待检测对象与各目标对象进行数据关联，得到最优匹配结果；若最优匹配结果中存在与对应目标对象匹配成功的待检测对象时，根据待检测对象的CNN特征对对应特征模型进行更新，并基于所述待检测对象得到对应的跟踪结果。所述方法抗干扰能力强，跟踪成功率高，可持续对目标对象进行跟踪。

技术领域

本发明涉及视频图像的多目标跟踪技术领域，具体而言，涉及一种目标跟踪方法及装置。

背景技术

随着监控技术的不断发展，用于对监控视频中多个目标对象进行跟踪的多目标跟踪技术的应用愈发广泛。现有的多目标跟踪方案在对目标对象进行跟踪过程中通过将该目标对象在当前视频图像中的CNN(Convolutional Neural Network，卷积神经网络)特征与该目标对象最近被跟踪成功时的CNN特征进行比对的方式，实现对该目标对象的跟踪，但这种多目标跟踪方案抗干扰能力弱，目标跟踪成功率低，通常会因为目标对象最近被跟踪成功时的CNN特征携带有部分遮挡物的特征，而致使目标对象在当前视频图像中的CNN特征无法与该目标对象最近被跟踪成功时的CNN特征正确匹配，从而导致跟踪失败。

发明内容

为了克服现有技术中的上述不足，本发明的目的在于提供一种目标跟踪方法及装置，所述目标跟踪方法抗干扰能力强，目标跟踪成功率高，能够持续对目标对象进行跟踪。

就方法而言，本发明较佳的实施例提供一种目标跟踪方法，应用于服务器，所述服务器存储有各目标对象对应的特征模型，其中每个特征模型包括对应目标对象的历史CNN特征，所述方法包括：

对当前视频帧图像进行目标检测，并根据检测得到的所述当前视频帧图像中各待检测对象的位置信息从所述当前视频帧图像中提取出各待检测对象对应的CNN特征；

根据当前视频帧图像中各待检测对象的位置信息及对应的CNN特征，与上一视频帧图像中各目标对象的位置信息及对应的特征模型，计算得到当前视频帧图像中各待检测对象与上一视频帧图像中各目标对象之间的相似度矩阵；

基于所述相似度矩阵将各待检测对象与各目标对象进行数据关联，得到当前视频帧图像与上一视频帧图像之间的最优匹配结果；

若所述最优匹配结果中存在与对应目标对象匹配成功的待检测对象时，根据所述与对应目标对象匹配成功的待检测对象的CNN特征对该目标对象对应的特征模型进行更新，并基于所述匹配成功的待检测对象得到对应的跟踪结果。所述方法根据当前视频帧图像中的各待检测对象的CNN特征与上一视频帧图像中各目标对象的特征模型包括的历史CNN特征，计算得到当前视频帧图像中各待检测对象与上一视频帧图像中各目标对象之间最优的相似度矩阵，并基于所述相似度矩阵得到所述当前视频帧图像与上一视频帧图像之间的最优匹配结果，以基于所述最优匹配结果中存在的与对应目标对象匹配成功的待检测对象得到对应的跟踪结果，从而降低干扰物对目标跟踪的影响，提高目标跟踪成功率，实现对目标对象的持续跟踪。

就装置而言，本发明较佳的实施例提供一种目标跟踪装置，应用于服务器，所述服务器存储有各目标对象对应的特征模型，其中每个特征模型包括对应目标对象的历史CNN特征，所述装置包括：

检测提取模块，用于对当前视频帧图像进行目标检测，并根据检测得到的所述当前视频帧图像中各待检测对象的位置信息从所述当前视频帧图像中提取出各待检测对象对应的CNN特征；

矩阵计算模块，用于根据当前视频帧图像中各待检测对象的位置信息及对应的CNN特征，与上一视频帧图像中各目标对象的位置信息及对应的特征模型，计算得到当前视频帧图像中各待检测对象与上一视频帧图像中各目标对象之间的相似度矩阵；