[发明专利]基于实例分割的目标Re-ID方法、系统、终端和存储介质

说明书

本发明提供一种基于实例分割的目标Re‑ID方法、系统、终端和存储介质，在目标跟踪过程中，同时对每个跟踪目标进行实例分割，根据前后帧的实例分割结果进行以尺度、轮廓、纹理、位置等信息为要素进行相似性匹配，当重新启动检测时，可以根据实例分割的匹配信息来找到前一帧的匹配目标，给予相同的目标ID。同时，利用前面多帧相同实例ID的特征，对当前实例进行修正，使得实例分割与跟踪的过程更加平滑。

技术领域

本发明涉及汽车电子技术领域，特别是涉及一种基于实例分割的目标Re-ID方法、系统、终端和存储介质。

背景技术

ADAS即先进驾驶辅助系统又称主动安全系统，主要通过获取图像、雷达数据并处理。得到目标物体的距离、位置、形状等信息。目标物体的跟踪中，每个跟踪物体都有一个实时的ID，在目标跟踪的过程中，每隔K帧启动检测，每次启动检测时，跟踪物体的ID就会被打乱，无法确认跟踪目标。

发明内容

为了解决上述的以及其他潜在的技术问题，本发明提供了一种基于实例分割的目标Re-ID方法、系统、终端和存储介质，为了解决随时间连续顺序采集的图像组或视频中，同一目标物体在不同帧的图像中被误认为两个物体的问题，本发明提出了以下技术方案：

在目标跟踪过程中，同时对每个跟踪目标进行实例分割，根据前后帧的实例分割结果进行相似性匹配(包括尺度、轮廓、纹理、位置等信息)，当重新启动检测时，可以根据实例分割的匹配信息来找到前一帧的匹配目标，给予相同的目标ID。同时，利用前面多帧相同实例ID的特征，对当前实例进行修正，使得实例分割与跟踪的过程更加平滑。

一种基于实例分割的目标Re-ID方法，包括以下步骤：

S01：输入一组连续的捕获图像，在目标跟踪过程中，同时对每个跟踪目标进行实例分割，获取捕获图像或视频中相同类别中不同的实例；

S02：根据连续的捕获图像或视频中前后帧的实例分割结果进行相似性匹配，匹配成功的目标则根据实例分割的匹配信息来找到帧数在前的一个或多个捕获图像，给予目标相同的目标ID。

进一步地，所述步骤S02：开始于当系统重新启动目标检测时。在目标跟踪的过程中，每间隔K帧重新启动检测，前次跟踪的目标ID与后次启动目标检测的目标ID无法匹配的问题更严重。

进一步地，所述步骤S01中对每个跟踪目标进行实例分割的网络架构包括但不限于MASK-RCNN，FCIS，PANET。

进一步地，所述步骤S01中实例分割的方法为：输入图像通过卷积神经网络主干结构处理，提取特征图和预选框，通过无量化层处理的区域候选网络，得到目标增强后的预选区域，再由第一二分类层输出追踪目标的类别概率分布和回归坐标，第二二分类层输出掩膜处理后得到的目标轮廓格点，再将目标轮廓格点映射回原图。

优选地，所述第一二分类层通过第一后卷积层完成，所属苏第二二分类层通过第二后卷积层完成。

优选地，所述第一二分类层为卷积神经网络CNN，第二二分类层为全卷积神经网络FCN。

优选地，所述预选框是对捕获图像进行目标检测处理得到所有的预选框，以目标编号分类所有的预选框得到同一目标编号的一组预选框为预选框组，以预选框组输入区域候选网络得到候选区域。

优选地，所述目标增强是对预选框组中每一个追踪目标所在的预选框组中每一个预选框进行上、下、左、右偏移得到一组高于预选框组数量若干倍的一组目标增强后的一组预选框组。例如原预选框组中的预选框为10～20个，每一个预选框进行上、下、左、右偏移时，会产生3-5个新的预选框，进而预选框组中的预选框数量上升为30～100个，使语义分割中每个类别中实例分割小类别中某一实例(追踪目标)的预选框组得到增强。