[发明专利]行人目标跟踪方法、装置及设备

说明书

本发明实施例提供一种行人目标跟踪方法、装置及设备。该方法包括：获取多个摄像头所拍摄的连续视频图像，每路所述摄像头预先设置最佳拍摄视野；采用目标行人检测的卷积神经网络模型确定每个摄像头所采集的连续视频图像中的行人目标；对多个摄像头所采集的连续视频图像中的行人目标进行匹配跟踪。本发明实施例的方法，实现了跨摄像头下对行人目标的准确跟踪。

技术领域

本发明实施例涉及计算机视觉技术领域，尤其涉及一种行人目标跟踪方法、装置及设备。

背景技术

随着计算机视觉、机器学习、大数据分析以及人工智能等技术领域的快速发展，各种基于计算机视觉的智能应用、产品以及服务等也获得了快速的发展，例如无人商店、无人餐厅、智能安防等，为人们的生活带来了便利。

在各种基于计算机视觉的应用中，对目标的识别与跟踪尤为重要。以无人商店应用为例，为了准确地向用户进行产品推荐，以及对用户的购买行为、消费习惯进行准确分析等，需要实时准确的对无人商店中的目标用户进行跟踪。在无人商店中，为了避免视觉盲区，通常采用多个摄像头获取视频数据，相邻的摄像头之间不可避免的存在视野交叠的问题。当目标用户进入视野交叠区域时，需要对目标用户重新进行识别与跟踪，且各个摄像头视野坐标系不同，外观及形态易发生改变，现有方法无法满足跨摄像头的目标跟踪需求。

发明内容

本发明实施例提供一种行人目标跟踪方法、装置及设备，用于实现跨摄像头的行人目标跟踪。

第一方面，本发明实施例提供一种行人目标跟踪方法，包括：

获取多个摄像头所拍摄的连续视频图像，每路摄像头预先设置最佳拍摄视野；

采用目标行人检测的卷积神经网络模型确定每个摄像头所采集的连续视频图像中的行人目标；

对多个摄像头所采集的连续视频图像中的行人目标进行匹配跟踪。

在一种可能的实现方式中，获取多个摄像头所拍摄的连续视频图像之前，所述方法还包括：

对多个摄像头中视野存在交叠的摄像头进行视野划分来确定每个摄像头的最佳拍摄视野，以使得同一行人目标仅位于一个摄像头的最佳拍摄视野中。

在一种可能的实现方式中，采用目标行人检测的卷积神经网络模型确定每个摄像头所采集的连续视频图像中的行人目标之前，所述方法还包括：

获取数个视频图像样本，视频图像样本中包括行人目标在视频图像样本中的位置信息；

根据数个视频图像样本对行人目标头部检测模型进行训练，得到神经网络模型。

在一种可能的实现方式中，根据数个视频图像样本对行人目标头部检测模型进行训练，包括：

利用迁移学习算法对行人目标头部检测模型进行训练。

在一种可能的实现方式中，采用目标行人检测的卷积神经网络模型确定每个摄像头所采集的连续视频图像中的行人目标，具体包括：

采用神经网络模型确定每个视频图像中的行人头部的位置；

根据行人头部的位置以及视频图像对应的最佳拍摄视野确定行人目标的位置。

在一种可能的实现方式中，神经网络模型包括全局神经网络模型和局部神经网络模型；

全局神经网络模型用于在视频图像的全局范围内确定行人头部的位置；

局部神经网络模型用于在上一帧所确定的位置的预设范围内确定行人头部的位置。

在一种可能的实现方式中，采用神经网络模型确定每个视频图像中的行人头部的位置，包括：

采用全局神经网络模型确定每个视频图像中的行人头部的第一位置集合；