[发明专利]基于多目标跟踪算法的图像处理方法、装置、设备及介质

权利要求书

1.一种基于多目标跟踪算法的图像处理方法，其特征在于，包括：

获取待处理的视频帧，并利用JDE多目标跟踪算法提取所述视频帧对应的特征图，其中，所述JDE多目标跟踪算法的检测头中的卷积单元为可变形卷积单元；

利用所述可变形卷积单元，从所述特征图中提取每个检测框中的特征点对应的偏移量；

根据每个所述检测框中的特征点对应的偏移量，确定每个所述检测框的位置信息；以及，

根据每个所述检测框中的特征点对应的偏移量，提取每个所述检测框中的初始锚点对应的特征向量；

将每个所述检测框的所述位置信息，与每个所述检测框中的初始锚点对应的特征向量进行关联，并将关联后的所述特征向量作为所述检测头的输出，以基于关联后的所述特征向量执行所述视频帧对应的图像跟踪处理。

2.如权利要求1所述的基于多目标跟踪算法的图像处理方法，其特征在于，所述根据每个所述检测框中的特征点对应的偏移量，确定每个所述检测框的位置信息的步骤包括：

根据每个所述检测框中的各个特征点对应的偏移量，确定每个所述检测框中的各个所述特征点对应的X轴方向上的第一分量，以及Y轴方向上的第二分量；

确定每个所述检测框对应的数值最小的所述第一分量、数值最大的所述第一分量、数值最小的所述第二分量和数值最大的所述第二分量，并获取每个所述检测框对应的中心点坐标；

根据每个所述检测框对应的数值最小的所述第一分量、数值最大的所述第一分量、数值最小的所述第二分量、数值最大的所述第二分量和所述中心点坐标，确定每个所述检测框对应的位置信息。

3.如权利要求1或2所述的基于多目标跟踪算法的图像处理方法，其特征在于，所述将关联后的所述特征向量作为所述检测头的输出的步骤之后，还包括：

在执行所述视频帧对应的图像跟踪处理时，根据每个所述初始锚点对应的关联后的所述特征向量，计算特征向量损失；以及，

获取每个所述初始锚点对应的检测框位置回归和检测框类别，并根据每个所述初始锚点对应的检测框位置回归，计算检测框位置回归损失，以及根据每个所述初始锚点对应的检测框类别，计算检测框类别损失；

根据所述特征向量损失、所述检测框位置回归损失和所述检测框类别损失，计算所述JDE多目标跟踪算法对应的模型总损失。

4.如权利要求3所述的基于多目标跟踪算法的图像处理方法，其特征在于，所述获取待处理的视频帧，并利用JDE多目标跟踪算法提取所述视频帧对应的特征图的步骤之前，还包括：

基于所述JDE多目标跟踪算法构建多目标跟踪模型；

所述根据所述特征向量损失、所述检测框位置回归损失和所述检测框类别损失，计算所述JDE多目标跟踪算法对应的模型总损失的步骤之后，还包括：

检测所述模型总损失是否满足预设条件；

若是，判定所述多目标跟踪模型训练完成，并将训练完成的所述多目标跟踪模型存储至区块链网络；

若否，返回执行所述获取待处理的视频帧，并利用JDE多目标跟踪算法提取所述视频帧对应的特征图的步骤。

5.如权利要求4所述的基于多目标跟踪算法的图像处理方法，其特征在于，所述判定所述多目标跟踪模型训练完成的步骤之后，还包括：

接收到目标视频时，将所述目标视频切分为多个目标视频帧；

将多个所述目标视频帧输入到训练完成的所述多目标跟踪模型中进行分析，以预测所述目标视频对应的多目标跟踪结果；

根据所述多目标跟踪结果对所述目标视频进行标注。

6.如权利要求5所述的基于多目标跟踪算法的图像处理方法，其特征在于，所述根据所述多目标跟踪结果对所述目标视频进行标注的步骤之后，还包括：

接收到标注后的所述目标视频的确认操作时，根据多个所述目标视频帧和所述多目标跟踪结果生成训练样本；

根据所述训练样本更新所述多目标跟踪模型。

7.如权利要求4所述的基于多目标跟踪算法的图像处理方法，其特征在于，所述预设条件包括：

所述模型总损失小于预设阈值；

所述模型总损失对应的变化率小于预设变化率。