一种跟踪方法、装置、设备及介质制造方法及图纸

本申请实施例提供了一种跟踪方法、装置、设备及介质，用以解决现有技术中由于无法准确检测图像中非机动车的位置信息，导致对非机动车的跟踪不准确的问题。在本申请实施例中，在获取到第一图像及第二图像中非机动车的候选位置信息，进一步确定候选位置信息中为非机动车的位置信息，并根据第一图像及第二图像中非机动车的位置信息，通过Deepsort算法确定第二图像中与第一图像中的非机动车对应的目标非机动车，从而实现对非机动车的跟踪。由于在本申请实施例中，在确定出非机动车的候选位置信息后，进一步在候选位置信息中确定为非机动车的位置信息，从而提高非机动车的位置信息确定的准确性，进而可以准确的实现对非机动车的跟踪。踪。踪。

【技术实现步骤摘要】
一种跟踪方法、装置、设备及介质


[0001]本申请涉及图像处理
，尤其涉及一种跟踪方法、装置、设备及介质。

技术介绍

[0002]随着城市规模的增长，城市交通中非机动车出行的需求也持续增长，然而由于机动车与非机动车混行的粗放式管理，使得非机动车驾驶员的违法违规行驶现象加剧。目前通过平台接收报警信息以及人工查看监控的方法，确定非机动车是否出现违法违规的驾驶，然而此种判定方式由于需事后的报警信息、事后或事中的人工查看监控，因此往往是事故发生后才能获取到的。也就是说此种确定非机动车驾驶员的违法违规行为的方式存在确定的时间滞后等诸多问题。
[0003]现有技术中提出了采用视频分析技术进行对非机动车的行驶轨迹进行监测，从而通过非机动车的行驶轨迹进一步确定非机动车驾驶人员是否发生违法违规行为。具体的，采用机器学习技术或者基于深度学习技术对智能交通场景下的非机动车的行驶轨迹进行检测。其中，基于机器学习技术的目标检测算法为可变性部分模型(Deformable Part Model，DPM)算法、光流法等，然而由于机器学习技术中特征设计局限性及语义特征提取不完全，导致通过机器学习技术检测的非机动车的位置信息的效果较差，使得基于非机动车的位置信息对非机动车的形式轨迹进行检测时不够准确。另外，常用的基于深度学习的目标检测算法为角度学习(Faster
‑
RCNN)等算法，然而其往往是针对场景目标单一的环境进行检测，当场景内包含目标多，目标尺度变化大时，对形状特征较为固定的非机动车的检测效果并不好。也就是说现有技术中并不能准确的对图像中的非机动车的位置信息进行检测，导致无法准确地对非机动车进行跟踪。

技术实现思路

[0004]本申请实施例提供了一种跟踪方法、装置、设备及介质，用以解决现有技术中由于无法准确检测图像中非机动车的位置信息，导致对非机动车的跟踪不准确的问题。
[0005]第一方面，本申请实施例提供了一种跟踪方法，所述方法包括：
[0006]根据第一图像及第二图像，获取所述第一图像及所述第二图像中非机动车的候选位置信息；其中，所述第二图像和所述第一图像为采集到的相邻两帧图像，且所述第二图像的采集时间较所述第一图像的采集时间晚；
[0007]确定所述第一图像及所述第二图像的候选位置信息中非机动车的位置信息；
[0008]根据所述第一图像及所述第二图像中非机动车的位置信息，通过多目标跟踪Deepsort算法确定所述第二图像中与所述第一图像中的非机动车对应的目标非机动车。
[0009]第二方面，本申请实施例还提供了一种跟踪装置，所述装置包括：
[0010]获取模块，用于根据第一图像及第二图像，获取所述第一图像及所述第二图像中非机动车的候选位置信息；其中，所述第二图像和所述第一图像为采集到的相邻两帧图像，且所述第二图像的采集时间较所述第一图像的采集时间晚；
[0011]确定模块，用于确定所述第一图像及所述第二图像的候选位置信息中非机动车的位置信息；
[0012]处理模块，用于根据所述第一图像及所述第二图像中非机动车的位置信息，通过多目标跟踪Deepsort算法确定所述第二图像中与所述第一图像中的非机动车对应的目标非机动车。
[0013]第三方面，本申请实施例还提供了一种电子设备，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任一所述跟踪方法的步骤。
[0014]第四方面，本申请实施例还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一所述跟踪方法的步骤。
[0015]在本申请实施例中，在获取到第一图像及第二图像中非机动车的候选位置信息，进一步确定候选位置信息中为非机动车的位置信息，并根据第一图像及第二图像中非机动车的位置信息，通过Deepsort算法确定第二图像中与第一图像中的非机动车对应的目标非机动车，从而实现对非机动车的跟踪。由于在本申请实施例中，在确定出非机动车的候选位置信息后，进一步在候选位置信息中确定为非机动车的位置信息，从而提高非机动车的位置信息确定的准确性，进而可以准确的实现对非机动车的跟踪。
附图说明
[0016]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本申请实施例提供的一种跟踪过程示意图；
[0018]图2为本申请实施例提供的一种跟踪过程详细示意图；
[0019]图3为本申请实施例提供的一种跟踪装置结构示意图；
[0020]图4为本申请实施例提供的一种电子设备结构示意图。
具体实施方式
[0021]下面将结合附图对本申请作进一步地详细描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0022]在本申请实施例中，为了实现对非机动车的跟踪，获取第一图像及第二图像中非机动车的候选位置信息，由于所确定第一图像及第二图像中的非机动车的候选位置信息不一定准确，因此在获取第一图像及第二图像中非机动车的候选位置信息后，进一步确定候选位置信息中为非机动车的位置信息，并根据第一图像及第二图像中非机动车的位置信息，通过Deepsort算法，确定第二图像中与第一图像中的非机动车对应的目标非机动车，从而实现对非机动车的跟踪。
[0023]图1为本申请实施例提供的一种跟踪过程示意图，该过程包括以下步骤：
[0024]S101：根据第一图像及第二图像，获取所述第一图像及所述第二图像中非机动车
的候选位置信息；其中，所述第二图像和所述第一图像为采集到的相邻两帧图像，且所述第二图像的采集时间较所述第一图像的采集时间晚。
[0025]本申请实施例提供的跟踪方法应用于电子设备，该电子设备可以为图像采集设备、PC或服务器等智能设备。
[0026]在本申请实施例中，电子设备在获取到第一图像及第二图像之后，对第一图像及第二图像进行识别，获取第一图像及第二图像中非机动车的候选位置信息。其中第一图像及第二图像中非机动车的候选位置信息可以通过矩形框的形式进行标注。
[0027]具体的，获取第一图像及第二图像中非机动车的候选位置信息的方法可以为识别第一图像及第二图像中的特征，根据识别出的特征与预先保存的非机动车的特征进行比较，从而确定第一图像及第二图像中非机动车的候选位置信息。
[0028]并且采集第一图像及第二图像的图像采集设备可以为电警摄像头，在电警摄像头采集到智能交通场景的实时视频流后，对智能交通场景的视频流进行解码，获取解码后一帧一帧的图像，由于在进行非机动车的跟踪时，是为了确定相邻帧图像中同一非机动车的位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跟踪方法，其特征在于，所述方法包括：根据第一图像及第二图像，获取所述第一图像及所述第二图像中非机动车的候选位置信息；其中，所述第二图像和所述第一图像为采集到的相邻两帧图像，且所述第二图像的采集时间较所述第一图像的采集时间晚；确定所述第一图像及所述第二图像的候选位置信息中非机动车的位置信息；根据所述第一图像及所述第二图像中非机动车的位置信息，通过多目标跟踪Deepsort算法确定所述第二图像中与所述第一图像中的非机动车对应的目标非机动车。2.根据权利要求1所述的方法，其特征在于，所述根据第一图像及第二图像，获取所述第一图像及所述第二图像中非机动车的候选位置信息之后，所述确定所述第一图像及所述第二图像的候选位置信息中非机动车的位置信息之前，所述方法还包括：通过非极大值抑制NMS操作，去除所述第一图像中非机动车的候选位置信息中多余的候选位置信息及所述第二图像中非机动车的候选位置信息中多余的候选位置信息。3.根据权利要求1所述的方法，其特征在于，所述根据第一图像及第二图像，获取所述第一图像及所述第二图像中非机动车的候选位置信息包括：通过预先训练的目标检测模型，获取所述第一图像及所述第二图像中非机动车的候选位置信息；所述目标检测模型通过以下方式训练：获取样本集中的任一样本图像，以及所述样本图像中包含的每个非机动车的第一位置信息；将所述样本图像输入到目标检测模型中，获取所述样本图像中包含的每个非机动车的第二位置信息；根据所述第一位置信息和第二位置信息对所述目标检测模型进行训练。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一位置信息和第二位置信息对所述目标检测模型进行训练包括：判断所述第二位置信息对应的长宽比是否归属于预先保存的长宽比范围；若是，则根据所述第一位置信息和第二位置信息确定所述目标检测模型对应的损失函数的惩罚值；若否，则根据所述长宽比与预先保存的长宽比范围确定所述损失函数的惩罚值；对所述目标检测模型进行训练直至所述损失函数收敛。5.根据权利要求4所述的方法，其特征在于，所述根...

【专利技术属性】
技术研发人员：郑杰群，王雯雯，冯远宏，
申请(专利权)人：青岛海信网络科技股份有限公司，
类型：发明
国别省市：