[发明专利]目标跟踪方法、装置、系统和计算机可读存储介质

说明书

本公开涉及一种目标跟踪方法、装置、系统和计算机可读存储介质。该方法包括对当前帧图像进行目标检测，确定当前目标所在区域；提取当前目标所在区域的当前位置信息；根据历史帧图像中各历史目标所在区域的历史位置信息，预测各历史目标所在区域在当前帧时刻的位置信息；根据当前位置信息和预测得到的位置信息之间的位置差异，确定与当前目标为同一个目标的历史目标，以便对当前目标进行跟踪。

技术领域

本公开涉及人工智能技术领域，特别涉及目标跟踪方法、目标跟踪装置、目标跟踪系统和计算机可读存储介质。

背景技术

目前，很多领域都需要对监控范围内的行人进行目标检测和跟踪。随着人工智能的发展，基于深度学习的行人轨迹跟踪处理能力已经得到很大的发展。

在相关技术中，基于深度学习方法将同一个人在多帧图像中的位置匹配、连接起来，从而得到一个人的轨迹。

发明内容

根据本公开实施例的第一方面，提供了一种目标跟踪方法，包括：对当前帧图像进行目标检测，确定当前目标所在区域；提取所述当前目标所在区域的当前位置信息；根据历史帧图像中各历史目标所在区域的历史位置信息，预测所述各历史目标所在区域在当前帧时刻的位置信息；根据所述当前位置信息和预测得到的位置信息之间的位置差异，确定与所述当前目标为同一个目标的历史目标，以便对所述当前目标进行跟踪。

在一些实施例中，所述预测所述各历史目标所在区域在当前帧时刻的位置信息包括：通过非线性滤波方法，预测所述各历史目标所在区域在当前帧时刻的位置信息。

在一些实施例中，所述预测所述各历史目标所在区域在当前帧时刻的位置信息包括：以历史目标所在区域中心点坐标、纵横比和高度，以及所述中心点坐标的变化率、所述纵横比的变化率和所述高度的变化率作为所述非线性滤波方法的输入，预测所述各历史目标所在区域在当前帧时刻的位置信息。

在一些实施例中，所述的目标跟踪方法，还包括：提取所述当前目标所在区域的当前特征向量；获取历史帧图像中各历史目标所在区域的历史特征向量；根据所述当前特征向量与各历史特征向量，确定所述当前目标与所述各历史目标之间的特征差异。

在一些实施例中，其中，所述确定与所述当前目标为同一个目标的历史目标包括：根据所述特征差异和所述位置差异，确定与所述当前目标为同一个目标的历史目标。

在一些实施例中，所述确定所述当前目标与所述各历史目标之间的特征差异包括：根据所述当前特征向量与各历史特征向量的最小余弦距离，确定所述特征差异。

在一些实施例中，所述位置差异根据所述当前位置信息和所述预测得到的位置信息之间的马氏距离确定。

在一些实施例中，所述对所述当前目标进行跟踪包括：根据所述当前位置信息，更新该历史目标所在轨迹，以形成所述当前目标的跟踪轨迹。

在一些实施例中，所述确定所述当前目标的跟踪轨迹包括：将更新后的历史轨迹中各轨迹点在图像坐标系中的坐标转换为在世界坐标系中的坐标以确定所述跟踪轨迹。

根据本公开实施例的第二方面，提供了一种目标跟踪装置，包括一个或多个处理器，所述处理器被配置为：对当前帧图像进行目标检测，确定当前目标所在区域；提取所述当前目标所在区域的当前位置信息；根据历史帧图像中各历史目标所在区域的历史位置信息，预测所述各历史目标所在区域在当前帧时刻的位置信息；根据所述当前位置信息和预测得到的位置信息之间的位置差异，确定与所述当前目标为同一个目标的历史目标，以便对所述当前目标进行跟踪。

在一些实施例中，所述预测所述各历史目标所在区域在当前帧时刻的位置信息包括：通过非线性滤波方法，预测所述各历史目标所在区域在当前帧时刻的位置信息。