目标跟踪方法及相关系统、存储介质、智能驾驶车辆技术方案

本申请实施例提供一种目标跟踪方法及相关系统、存储介质、智能驾驶车辆，包括：获取第i帧图像中N个对象的帧内相对位置关系，并获取M帧图像中每帧图像中所述N个对象中至少一个对象的目标位置，获取在第一图像中对象A的第一预测位置；根据所述第i帧图像中N个对象的帧内相对位置关系得到所述第一图像中N个对象中每个对象的第二预测位置；根据所述对象A的第一预测位置和第二预测位置确定所述第一图像中所述对象A的预测位置。采用该手段，基于在时间获取上较前的图像中各对象的帧内相对位置关系得到各对象在当前帧图像中的预测位置，可有效抑制跟踪漂移的问题，提升了目标跟踪的稳定性。性。性。

【技术实现步骤摘要】
目标跟踪方法及相关系统、存储介质、智能驾驶车辆


[0001]本申请涉及计算机视觉
，尤其涉及一种目标跟踪方法及相关系统、存储介质、智能驾驶车辆。

技术介绍

[0002]视觉目标跟踪是指视频序列在给定当前帧目标位置的前提下，在后续的帧中找到对应目标位置的技术。
[0003]基于视频图像序列的多目标跟踪是自动驾驶系统中重要任务之一。现有技术在给定首帧图片以及目标的初始位置时，在接下来的各帧中跟踪器可给出目标的位置。然而由于遮挡、运动模糊、光照变化、目标表观变化、背景疑似目标、尺度变化等因素的影响，跟踪过程中容易出现漂移现象，即跟踪器跟踪失败。例如对于被部分遮挡的车辆目标，由于发生跟踪漂移，容易发生错误的位置预测。
[0004]视觉目标跟踪是计算机视觉的基础问题，在实际生活中有着广泛的应用，如无人驾驶，交通管理，智能视频监控AR/VR等。因此抑制目标跟踪漂移问题的意义和价值重大。
[0005]由于多目标跟踪过程中存在目标遮挡，运动模糊、光照变化、目标表观变化、背景疑似目标、尺度变化等困难场景，现有技术在进行目标跟踪时，常常无法判别该轨迹是因遮挡等原因暂时消失还是离开检测区域停止跟踪，造成一部分被遮挡的轨迹因为误判终止跟踪。在原跟踪的目标再次出现时，若原跟踪轨迹已停止跟踪，会导致目标的ID发生跳变。一些现有方法虽然尝试使用了多帧图像之间时序特征，然而在复杂场景中，仍容易对某个困难目标出现跟踪失败。

技术实现思路

[0006]本申请公开了一种目标跟踪方法及相关系统、存储介质、智能驾驶车辆，可以实现目标位置的准确预测。
[0007]第一方面，本申请实施例提供一种目标跟踪方法，包括：获取第i帧图像中N个对象的帧内相对位置关系，并获取M帧图像中每帧图像中所述N个对象中至少一个对象的位置，且所述第i帧图像为所述M帧中在时间上最后获取的图像，所述M、N、i均为正整数；对于N个对象中的任一个对象A，根据M
’
个位置获取在第一图像中所述对象A的第一预测位置，所述M
’
个位置为所述M帧图像中包含所述对象A的M
’
帧图像中所述对象A的位置，M
’
为不大于M的正整数，所述第一图像为时间上在所述第i帧之后获取的图像；根据所述第i帧图像中N个对象的帧内相对位置关系得到所述第一图像中N个对象中每个对象的第二预测位置；根据所述对象A的第一预测位置和第二预测位置确定所述第一图像中所述对象A的预测位置。
[0008]通过本申请实施例，通过获取第i帧图像之后的第一图像中各对象的第一预测位置，然后基于第i帧中各对象的帧内相对位置关系得到第一图像中各对象的第二预测位置，进而基于所得第一图像中各对象的第一预测位置和第二预测位置得到所述第一图像中各对象的预测位置。采用该手段，基于前帧图像中各对象的帧内相对位置关系得到各对象在
后续帧图像中的预测位置，可在存在目标被遮挡、存在相似物体等挑战性因素的场景中有效抑制跟踪漂移的问题，减少了目标跟踪过程中的误跟踪率，提升了目标跟踪的稳定性，可以使跟踪器长时间有效运行。其中，该第一图像可以是第i+1帧图像，也可以是第i+2帧图像、第i+3帧图像等。
[0009]其中，所述根据所述对象A的第一预测位置和第二预测位置确定所述第一图像中所述对象A的预测位置，包括：若所述对象A的第一预测位置与第二预测位置之间的距离大于预设阈值，根据平均滑动滤波算法获取所述第一图像中所述对象A的预测位置。
[0010]其中，所述根据所述对象A的第一预测位置和第二预测位置确定所述第一图像中所述对象A的预测位置，包括：若所述对象A的第一预测位置与第二预测位置之间的距离不大于预设阈值，则根据所述对象A的第一预测位置得到所述对象A的预测位置；或者，根据所述对象A的第二预测位置得到所述对象A的预测位置；或者，根据所述对象A的第一预测位置和第二预测位置得到所述对象A的预测位置。
[0011]其中，所述根据所述第i帧图像中N个对象的帧内相对位置关系得到所述第一图像中N个对象中每个对象的第二预测位置，包括：将对象E作为第一父节点，其中，所述对象E为所述第一图像中置信度最高的对象；获取所述第i帧图像中N个对象的帧内相对位置关系中所述第一父节点与子节点之间的帧内相对位置；根据所述第一父节点与子节点之间的帧内相对位置以及所述第一父节点的第一预测位置得到所述子节点的第二预测位置；将所述子节点作为第二父节点，获取所述第i帧图像中N个对象的帧内相对位置关系中所述第二父节点与子节点之间的帧内相对位置；根据所述第二父节点与子节点之间的帧内相对位置以及所述第二父节点的第二预测位置得到所述子节点的第二预测位置；以此类推，直到得到所述第一图像中N个对象中每个对象的第二预测位置，其中，所述对象E的第二预测位置与第一预测位置相同。
[0012]该实施例提供以最小生成树等树状结构来表示帧内相对位置关系。
[0013]其中，所述根据所述第i帧图像中N个对象的帧内相对位置关系得到所述第一图像中N个对象中每个对象的第二预测位置，包括：根据所述第i帧图像中N个对象的帧内相对位置关系以及对象E的第一预测位置得到所述第一图像中N个对象中每个对象的第二预测位置，其中，所述N个对象的帧内相对位置关系包括N-1个对象中每个对象相对于所述对象E的帧内相对位置，所述对象E为所述N个对象中的任一个对象，所述N-1个对象为所述N个对象中除所述对象E之外的对象，其中，所述对象E的第二预测位置与第一预测位置相同。
[0014]该实施例提供的帧内相对位置关系包括N-1个对象中每个对象相对于对象E的帧内相对位置。
[0015]其中，所述获取第i帧图像中N个对象的帧内相对位置关系，包括：获取第二图像中W个对象的帧内相对位置关系，并获取所述第i帧图像中N个对象的位置，其中，W为正整数，所述N个对象中包含所述W个对象中的至少一个对象，所述第二图像为时间上在所述第i帧之前获取的图像；根据所述第i帧图像中N个对象的位置得到所述第i帧图像中N个对象的位置之间的相对位置关系；根据所述N个对象的位置之间的相对位置关系和所述第二图像中W个对象的帧内相对位置关系，得到所述第i帧图像中N个对象的帧内相对位置关系。
[0016]其中，若所述N个对象不包含所述W个对象中的对象C，所述根据所述N个对象的位置之间的相对位置关系和所述第二图像中W个对象的帧内相对位置关系，得到所述第i帧图
像中N个对象的帧内相对位置关系，包括：删除所述第二图像中W个对象的帧内相对位置关系中各对象与所述对象C的相对位置关系，以得到所述第i帧图像的参考帧内相对位置关系；根据所述N个对象的位置之间的相对位置关系以及所述第i帧图像的参考帧内相对位置关系，得到所述第i帧图像中N个对象的帧内相对位置关系。
[0017]其中，所述方法还包括：根据所述对象A的预测位置确定第一图像中所述对象A的位置；其中，所述根据所述对象A的预测位置确定第一图像中所述对象A的位置，包括：获取第一图像，根据所述第一图像得到所述第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括：获取第i帧图像中N个对象的帧内相对位置关系，并获取M帧图像中每帧图像中所述N个对象中至少一个对象的位置，且所述第i帧图像为所述M帧中在时间上最后获取的图像，所述M、N、i均为正整数；对于N个对象中的任一个对象A，根据M
’
个位置获取在第一图像中所述对象A的第一预测位置，所述M
’
个位置为所述M帧图像中包含所述对象A的M
’
帧图像中所述对象A的位置，M
’
为不大于M的正整数，所述第一图像为时间上在所述第i帧之后获取的图像；根据所述第i帧图像中N个对象的帧内相对位置关系得到所述第一图像中N个对象中每个对象的第二预测位置；根据所述对象A的第一预测位置和第二预测位置确定所述第一图像中所述对象A的预测位置。2.根据权利要求1所述的方法，其特征在于，所述根据所述对象A的第一预测位置和第二预测位置确定所述第一图像中所述对象A的预测位置，包括：若所述对象A的第一预测位置与第二预测位置之间的距离大于预设阈值，根据平均滑动滤波算法获取所述第一图像中所述对象A的预测位置。3.根据权利要求1所述的方法，其特征在于，所述根据所述对象A的第一预测位置和第二预测位置确定所述第一图像中所述对象A的预测位置，包括：若所述对象A的第一预测位置与第二预测位置之间的距离不大于预设阈值，则根据所述对象A的第一预测位置得到所述对象A的预测位置；或者，根据所述对象A的第二预测位置得到所述对象A的预测位置；或者，根据所述对象A的第一预测位置和第二预测位置得到所述对象A的预测位置。4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述第i帧图像中N个对象的帧内相对位置关系得到所述第一图像中N个对象中每个对象的第二预测位置，包括：将对象E作为第一父节点，其中，所述对象E为所述第一图像中置信度最高的对象；获取所述第i帧图像中N个对象的帧内相对位置关系中所述第一父节点与子节点之间的帧内相对位置；根据所述第一父节点与子节点之间的帧内相对位置以及所述第一父节点的第一预测位置得到所述子节点的第二预测位置；将所述子节点作为第二父节点，获取所述第i帧图像中N个对象的帧内相对位置关系中所述第二父节点与子节点之间的帧内相对位置；根据所述第二父节点与子节点之间的帧内相对位置以及所述第二父节点的第二预测位置得到所述子节点的第二预测位置；以此类推，直到得到所述第一图像中N个对象中每个对象的第二预测位置，其中，所述对象E的第二预测位置与第一预测位置相同。5.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述第i帧图像中N个对象的帧内相对位置关系得到所述第一图像中N个对象中每个对象的第二预测位置，包括：根据所述第i帧图像中N个对象的帧内相对位置关系以及对象E的第一预测位置得到所述第一图像中N个对象中每个对象的第二预测位置，其中，所述N个对象的帧内相对位置关系包括N-1个对象中每个对象相对于所述对象E的帧内相对位置，所述对象E为所述N个对象
中的任一个对象，所述N-1个对象为所述N个对象中除所述对象E之外的对象，其中，所述对象E的第二预测位置与第一预测位置相同。6.根据权利要求1至5任一项所述的方法，其特征在于，所述获取第i帧图像中N个对象的帧内相对位置关系，包括：获取第二图像中W个对象的帧内相对位置关系，并获取所述第i帧图像中N个对象的位置，其中，W为正整数，所述N个对象中包含所述W个对象中的至少一个对象，所述第二图像为时间上在所述第i帧之前获取的图像；根据所述第i帧图像中N个对象的位置得到所述第i帧图像中N个对象的位置之间的相对位置关系；根据所述N个对象的位置之间的相对位置关系和所述第二图像中W个对象的帧内相对位置关系，得到所述第i帧图像中N个对象的帧内相对位置关系。7.根据权利要求6所述的方法，其特征在于，若所述N个对象不包含所述W个对象中的对象C，所述根据所述N个对象的位置之间的相对位置关系和所述第二图像中W个对象的帧内相对位置关系，得到所述第i帧图像中N个对象的帧内相对位置关系，包括：删除所述第二图像中W个对象的帧内相对位置关系中各对象与所述对象C的相对位置关系，以得到所述第i帧图像的参考帧内相对位置关系；根据所述N个对象的位置之间的相对位置关系以及所述第i帧图像的参考帧内相对位置关系，得到所述第i帧图像中N个对象的帧内相对位置关系。8.根据权利要求1至7任一项所述的方法，其特征在于，所述方法还包括：根据所述对象A的预测位置确定第一图像中所述对象A的位置；其中，所述根据所述对象A的预测位置确定第一图像中所述对象A的位置，包括：获取第一图像，根据所述第一图像得到所述第一图像中Q个对象的检测位置，Q为正整数；若所述Q个对象中包括所述对象A，则根据所述对象A的预测位置和所述对象A的检测位置，确定所述第一图像中所述对象A的位置。9.根据权利要求8所述的方法，其特征在于，若所述Q个对象不包括所述N个对象中的对象A，则确认所述第一图像中所述对象A消失。10.根据权利要求8或9所述的方法，其特征在于，若所述Q个对象包括对象B，所述对象B与所述N个对象中的任一个对象A均不匹配，则根据所述对象B的检测位置确定所述第一图像中所述对象B的位置。11.一种目标跟踪系统，其特征在于，包括：位置获取模块，用于获取第i帧图像中N个对象的帧内相对位置关系，并获取M帧图像中每帧图像中所述N个对象中至少一个对象的位置，且所述第i帧图像为所述M帧中在时间上最后获取的图像，所述M、N、i均为...

【专利技术属性】
技术研发人员：余大蒙，杨臻，李志刚，汤奇荣，张敬涛，
申请(专利权)人：同济大学，
类型：发明
国别省市：