[发明专利]行人跟踪方法及相关设备

说明书

本申请实施例提供一种行人跟踪方法及相关设备，其中，所述方法包括：确定当前帧图像中的目标行人；获取目标人体特征，以及获取K个历史人体特征，其中，所述目标人体特征为所述目标行人的人体特征，所述K个历史人体特征为前一帧图像中的历史行人的人体特征，所述前一帧图像为视频流中所述当前帧图像的前一帧图像，所述K为正整数；根据所述目标人体特征和所述K个历史人体特征进行特征融合，以确定所述目标行人是否为所述历史行人。采用本申请实施例，有利于提高行人跟踪的准确率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种行人跟踪方法及相关设备。

背景技术

随着深度学习的跨越式发展，目标跟踪的指标快速提高，例如多目标跟踪准确率(Multi-Object Tracking Accuracy，MOTA)；尤其是以多目标跟踪算法(deepsort)为代表的一系列跟踪算法，其通过人体特征模型(Reid)提取特征做跟踪，在实际应用中产生了巨大的实用价值，其重要性不言而喻。统观现在的目标跟踪领域，由于根据人体特征并不能百分百区分不同的人，尤其是穿着等相似时，导致人体特征并不具有明显的区分度，这导致了跟踪准确率的降低，对实际应用产生了巨大的影响。

发明内容

本申请实施例公开了一种行人跟踪方法及相关设备，有利于提高行人跟踪的准确率。

本申请实施例第一方面公开了一种行人跟踪方法，该方法包括：确定当前帧图像中的目标行人；获取目标人体特征，以及获取K个历史人体特征，其中，所述目标人体特征为所述目标行人的人体特征，所述K个历史人体特征为前一帧图像中的历史行人的人体特征，所述前一帧图像为视频流中所述当前帧图像的前一帧图像，所述K为正整数；根据所述目标人体特征和所述K个历史人体特征进行特征融合，以确定所述目标行人是否为所述历史行人。

在一种示例性的实施方式中，所述确定当前帧图像中的目标行人，包括：将所述当前帧图像进行多尺度特征分解，得到低频特征分量和高频特征分量；将所述低频特征分量划分为多个区域；确定所述多个区域中每一区域对应的信息熵，得到多个信息熵；依据所述多个信息熵确定平均信息熵和目标均方差；确定所述目标均方差对应的目标调节系数；依据所述目标调节系数对所述平均信息熵进行调节，得到目标信息熵；按照预设的信息熵与评分之间的映射关系，确定所述目标信息熵对应的第一评价值；获取所述当前帧图像对应的目标拍摄参数；按照预设的拍摄参数与低频权重之间的映射关系，确定所述目标拍摄参数对应的目标低频权重，依据该目标低频权重确定目标高频权重；依据所述高频特征分量确定目标特征点分布密度；按照预设的特征点分布密度与评分之间的映射关系，确定所述目标特征点分布密度对应的第二评价值；依据所述第一评价值、所述第二评价值、所述目标低频权重和所述目标高频权重进行加权运算，得到所述当前帧图像的目标清晰度；若所述目标清晰度小于所述预设清晰度阈值，则根据所述图像清晰度与图像增强算法之间的映射关系，确定所述目标清晰度对应的目标图像增强算法；根据所述目标图像增强算法对所述当前帧图像进行图像增强处理以得到增强后的当前帧图像；确定所述增强后的当前帧图像中的目标行人。

本申请实施例第二方面公开了一种行人跟踪装置，该装置包括：确定单元，用于确定当前帧图像中的目标行人；获取单元，用于获取目标人体特征，以及获取K个历史人体特征，其中，所述目标人体特征为所述目标行人的人体特征，所述K个历史人体特征为前一帧图像中的历史行人的人体特征，所述前一帧图像为视频流中所述当前帧图像的前一帧图像，所述K为正整数；跟踪单元，还用于根据所述目标人体特征和所述K个历史人体特征进行特征融合，以确定所述目标行人是否为所述历史行人。

本申请实施例第三方面公开了一种服务器，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如本申请实施例第一方面任一项所述的方法中的步骤的指令。