[发明专利]一种行人多目标跟踪方法、装置、智能终端及存储介质

说明书

本发明公开了一种行人多目标跟踪方法、装置、智能终端及存储介质，其中，上述行人多目标跟踪方法包括：获取目标神经网络模型，其中，上述目标神经网络模型包括：用于提取输入图像的总特征获取特征图的合一模型，用于对上述特征图进行分离的分离结构，和基于分离后的特征图分别预测获取目标的外观特征向量和目标信息的外观特征提取子模型和检测子模型；获取目标视频序列；基于上述目标神经网络模型对上述目标视频序列进行行人多目标跟踪，获取跟踪结果；输出上述跟踪结果。本发明方案有利于提高跟踪速度，满足实时性要求。

技术领域

本发明涉及多目标跟踪技术领域，尤其涉及的是一种行人多目标跟踪方法、装置、智能终端及存储介质。

背景技术

随着深度学习技术的不断发展，多目标跟踪技术越来越得到重视。多目标跟踪，其主要任务是给定一个图像序列，找到图像序列中运动的物体，并将图像序列不同帧中的运动物体一一对应，然后给出不同物体的运动轨迹。这些物体可以是任意的，如行人、车辆、运动员、各种动物等等，而研究最多、最有价值，且应用最广泛的是行人跟踪。

近年来，随着无人驾驶技术的发展，行人多目标跟踪技术逐渐成为研究热点，利用多目标跟踪技术可以将车辆周围对应的目标运行轨迹预测出来，提前规避障碍，保证行驶安全。这种场景下，要求行人多目标跟踪的跟踪速度快，能满足实时性要求。但现有技术中，通常将行人多目标跟踪分成检测与外观特征预测两个单独的子任务进行处理。现有技术的问题在于，将行人多目标跟踪分成检测与外观特征预测两个单独的子任务，影响跟踪速度，无法满足实时性要求。

因此，现有技术还有待改进和发展。

发明内容

本发明的目的在于提供一种行人多目标跟踪方法、装置、智能终端及存储介质，旨在解决现有技术中行人多目标跟踪的跟踪速度慢，不能满足实时性要求的问题。

为了实现上述目的，本发明第一方面提供一种行人多目标跟踪方法，其中，上述方法包括：

获取目标神经网络模型，其中，上述目标神经网络模型包括：用于提取输入图像的总特征获取特征图的合一模型，用于对上述特征图进行分离的分离结构，和基于分离后的特征图分别预测获取目标的外观特征向量和目标信息的外观特征提取子模型和检测子模型；

获取目标视频序列；

基于上述目标神经网络模型对上述目标视频序列进行行人多目标跟踪，获取跟踪结果；

输出上述跟踪结果。

可选的，上述获取目标神经网络模型，包括：

构建待训练神经网络模型；

获取训练集；

基于上述训练集对上述待训练神经网络模型进行训练，获取上述目标神经网络模型。

可选的，上述获取训练集包括：

获取检测数据集和行人重识别数据集；

基于上述检测数据集和上述行人重识别数据集中的数据进行自动标注获取训练集。

可选的，上述基于上述检测数据集和上述行人重识别数据集中的数据进行自动标注获取训练集包括：

分别基于上述检测数据集和上述行人重识别数据集获取检测图像和行人重识别图像；

将上述行人重识别图像分割为黑白二值图像；

提取分割后的掩膜在上述行人重识别图像中的对应部分，作为分割图像；

预测上述检测图像的深度信息，基于上述深度信息对上述检测图像划分区域；

基于上述分割图像的尺寸将上述分割图像贴在上述检测图像的对应区域，获得训练图像；