[发明专利]一种行人跟踪方法、装置及设备

说明书

本发明实施例提供了一种行人跟踪方法、装置及设备，其中，该方法包括：获取待检测视频帧；检测待检测视频帧中的候选行人；提取候选行人的候选行人特征；确定候选行人特征与特征队列中已保存特征的差异，并在差异满足预设条件时，确定候选行人为目标行人；其中，特征队列中已保存特征为与所述目标行人匹配的特征。能够提高行人跟踪过程的效率。

技术领域

本发明涉及计算机技术领域，特别是涉及一种行人跟踪方法、装置及设备。

背景技术

目标跟踪，如行人跟踪是计算机视觉领域一个重要方面，在人工智能(ArtificialIntelligence，AI)、视频监控、人机交互、机器人、军事制导等领域都有广泛的应用前景。

现有一种方式中，通过深度学习的方式完成行人跟踪。以多域卷积神经网络(Multi-Domain Convolutional Neural Networks，MDNet)为例，使用多域训练，使用卷积神经网络(Convolutional Neural Networks，CNN)特征，使用全连接进行在线微调，同样以选择候选目标框集合的过程，结合判断每个目标框是目标的概率的过程，最终确定最大概率的候选框即为预测的目标框的方式进行跟踪。

然而，发明人在实现本发明的过程中发现，现有技术至少存在如下问题：

由于深度学习方式中，神经网络中有大量的卷积和全连接操作，而卷积和全连接操作消耗的计算量比较多，使得计算占用的时间也比较长。如此使得，通过深度学习的方式实现行人跟踪效率较低。

发明内容

本发明实施例的目的在于提供一种行人跟踪方法、装置及设备，以提高行人跟踪过程的效率。具体技术方案如下：

第一方面，本发明实施例提供了一种行人跟踪方法，包括：

获取待检测视频帧；

检测所述待检测视频帧中的候选行人；

提取所述候选行人的候选行人特征；

确定所述候选行人特征与特征队列中已保存特征的差异，并在所述差异满足预设条件时，确定所述候选行人为目标行人；其中，所述特征队列中已保存特征为与所述目标行人匹配的特征。

可选的，所述特征队列包括短周期队列和长周期队列；

所述确定所述候选行人特征与特征队列中已保存特征的差异，并在所述差异满足预设条件时，确定所述候选行人为目标行人，包括：

当所述短周期队列的队列长度达到第一预设队列长度和所述长周期队列的队列长度达到第二预设队列长度中至少有一个未满足时，确定所述候选行人特征与所述短周期队列中已保存特征的第一差异，并在所述第一差异满足第一预设条件时，确定所述候选行人为目标行人；其中，所述第一预设队列长度小于所述第二预设队列长度；

当所述短周期队列的队列长度达到所述第一预设队列长度且所述长周期队列的队列长度达到所述第二预设队列长度时，确定所述候选行人特征与所述短周期队列和所述长周期队列中已保存特征的第二差异，并在所述第二差异满足第二预设条件时，确定所述候选行人为目标行人。

可选的，所述在所述第一差异满足第一预设条件时，确定所述候选行人为目标行人，包括：

当所述候选行人特征对应的所述第一差异，小于预设差异阈值的个数达到预设个数阈值时，确定所述候选行人特征对应的所述候选行人为所述目标行人。

可选的，所述确定所述候选行人特征与所述短周期队列中已保存特征的第一差异，包括：

针对所述短周期队列中各个已保存特征，计算所述候选行人特征与该已保存特征之间的欧氏距离，并将所述欧氏距离作为所述候选行人特征与该已保存特征之间的第一差异。

可选的，所述方法还包括：