[发明专利]多目标跟踪方法、装置、计算机装置及计算机存储介质

权利要求书

1.一种多目标跟踪方法，其特征在于，所述方法包括：

利用目标检测器检测图像中的预定类型目标，得到所述预定类型目标的目标框；

利用目标分类器对所述目标框打分，得到所述目标框属于指定目标的分数；

删除所述目标框中所述分数低于预设阈值的目标框，得到筛选后的目标框；

利用特征提取器提取所述筛选后的目标框的特征，得到所述筛选后的目标框的特征向量；

根据所述特征向量将所述筛选后的目标框与所述图像的前一帧图像的各个目标框进行匹配，得到更新后的目标框。

2.如权利要求1所述的方法，其特征在于，所述目标检测器是加快区域卷积神经网络模型，所述加快区域卷积神经网络模型包括区域建议网络和快速区域卷积神经网络，所述加快区域卷积神经网络模型在检测所述图像中的预定类型目标之前按照以下步骤进行训练：

第一训练步骤，使用Imagenet模型初始化所述区域建议网络，使用训练样本集训练所述区域建议网络；

第二训练步骤，使用所述第一训练步骤中训练后的区域建议网络生成所述训练样本集中各个样本图像的候选框，利用所述候选框训练所述快速区域卷积神经网络；

第三训练步骤，使用所述第二训练步骤中训练后的快速区域卷积神经网络初始化所述区域建议网络，使用所述训练样本集训练所述区域建议网络；

第四训练步骤，使用所述第三训练步骤中训练后的区域建议网络初始化所述快速区域卷积神经网络，并保持所述卷积层固定，使用所述训练样本集训练所述快速区域卷积神经网络。

3.如权利要求2所述的方法，其特征在于，所述加快区域卷积神经网络模型采用ZF框架，所述区域建议网络和所述快速区域卷积神经网络共享5个卷积层。

4.如权利要求1所述的方法，其特征在于，所述目标分类器是区域全卷积网络模型。

5.如权利要求1所述的方法，其特征在于，所述利用特征提取器提取所述筛选后的目标框的特征包括：

采用重识别方法提取所述筛选后的目标框的特征。

6.如权利要求1所述的方法，其特征在于，所述根据所述特征向量将所述筛选后的目标框与所述图像的前一帧图像的各个目标框进行匹配包括：

根据所述特征向量计算所述筛选后的目标框与所述前一帧图像的各个目标框的差异值，根据所述差异值确定所述筛选后的目标框中与所述前一帧图像的各个目标框匹配的目标框。

7.如权利要求6所述的方法，其特征在于，所述根据所述特征向量计算所述筛选后的目标框与所述前一帧图像的各个目标框的差异值包括：

计算所述筛选后的目标框的特征向量与所述前一帧图像的各个目标框的特征向量的余弦距离，将所述余弦距离作为所述筛选后的目标框与所述前一帧图像的各个目标框的差异值；或

计算所述筛选后的目标框的特征向量与所述前一帧图像的各个目标框的特征向量的欧氏距离，将所述欧氏距离作为所述筛选后的目标框与所述前一帧图像的各个目标框的差异值。

8.一种多目标跟踪装置，其特征在于，所述装置包括：

检测模块，用于利用目标检测器检测图像中的预定类型目标，得到所述预定类型目标的目标框；

打分模块，用于利用目标分类器对所述目标框打分，得到所述目标框属于指定目标的分数；

删除模块，用于删除所述目标框中所述分数低于预设阈值的目标框，得到筛选后的目标框；

提取模块，用于利用特征提取器提取所述筛选后的目标框的特征，得到所述筛选后的目标框的特征向量；

匹配模块，用于根据所述特征向量将所述筛选后的目标框与所述图像的前一帧图像的各个目标框进行匹配，得到更新后的目标框。

9.一种计算机装置，其特征在于：所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1-7中任一项所述多目标跟踪方法。

10.一种计算机存储介质，所述计算机存储介质上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述多目标跟踪方法。