用于多目标跟踪的方法及装置、存储介质及电子设备制造方法及图纸

本公开提供了一种用于多目标跟踪的方法、装置、电子设备及存储介质，涉及图像处理技术领域。该方法包括：获取目标帧图像和目标帧图像之后一帧的第二图像；比对目标帧图像和第二图像，确定出现在目标帧图像中且未出现在第二图像中的目标对象；根据目标帧图像和第二图像，预测目标对象在第二图像中是否被遮挡；在预测出目标对象在第二图像中被遮挡的情况下，通过卡尔曼滤波运动模型确定目标对象在第二图像中的预测位置。该方法可以对于未匹配到目标的对象(即目标对象)，可以进一步判断其是否被遮挡，而不是直接舍弃，减少由于漏检或短时遮挡等原因带来的跟踪误差，从而提升了目标跟踪的准确率。踪的准确率。踪的准确率。

【技术实现步骤摘要】
用于多目标跟踪的方法及装置、存储介质及电子设备


[0001]本公开涉及图像处理
，尤其涉及一种用于多目标跟踪的方法及装置、存储介质及电子设备。

技术介绍

[0002]在智慧交通的应用中，目标跟踪算法在很多场景下都有着重要作用。其中，多目标跟踪算法的准确率与效率直接或间接地影响着众多领域相关应用的落地，已成为一个研究热点。相关技术中的目标跟踪算法包括：基于检测算法的多目标跟踪，基于深度学习网络实现端到端的多目标跟踪等。
[0003]在相关技术的目标跟踪算法中，对于有遮挡物的目标跟踪场景，常常无法进行准确跟踪。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本公开的目的在于提供一种用于多目标跟踪的方法、装置、电子设备及存储介质，以解决在有遮挡物的目标跟踪场景中跟踪不准确的问题。
[0006]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0007]根据本公开的一个方面，提供一种用于多目标跟踪的方法，包括：获取目标帧图像和目标帧图像之后一帧的第二图像；比对目标帧图像和第二图像，确定出现在目标帧图像中且未出现在第二图像中的目标对象；根据目标帧图像和第二图像，预测目标对象在第二图像中是否被遮挡；在预测出目标对象在第二图像中被遮挡的情况下，通过卡尔曼滤波运动模型确定目标对象在第二图像中的预测位置。
[0008]在本公开一个实施例中，比对目标帧图像和第二图像，确定出现在目标帧图像中且未出现在第二图像中的目标对象的步骤，包括：对目标帧图像和第二图像进行目标检测，获得对目标帧图像检测出的第一对象集合，以及对第二图像检测出的第二对象集合；比对第一对象集合和第二对象集合中的对象，确定出现在目标帧图像中且未出现在第二图像中的目标对象。
[0009]在本公开一个实施例中，根据目标帧图像和第二图像，预测目标对象在第二图像中是否被遮挡的步骤，包括：根据目标帧图像确定目标对象在空间特征维度的第一预测值；根据目标帧图像和第二图像确定目标对象在响应图特征维度的第二预测值；对第一预测值和第二预测值进行融合处理，获得目标对象在第二图像中的遮挡预测量化值；获取预设置的遮挡阈值，根据遮挡阈值和遮挡预测量化值确定目标对象在第二图像中是否被遮挡。
[0010]在本公开一个实施例中，根据目标帧图像确定目标对象在空间特征维度的第一预测值的步骤，包括：在目标帧图像中截取包含目标对象的第一区域块；将第一区域块划分为
一个中心块和多个边缘块；其中，中心块对应于目标对象；分别确定各个边缘块与中心块的局部HOG特征距离，将多个局部HOG特征距离中的最小值作为第一预测值。
[0011]在本公开一个实施例中，根据目标帧图像和第二图像确定目标对象在响应图特征维度的第二预测值的步骤，包括：将第二图像中与第一区域块位置相同的区域确定为第二区域块；获取第一区域块的第一响应图、获取第二区域块的第二响应图，以及获取目标对象的目标框信息；根据第一响应图、第二响应图和目标框信息确定第二预测值。
[0012]在本公开一个实施例中，通过卡尔曼滤波运动模型确定目标对象在第二图像中的预测位置的步骤，包括：获取卡尔曼滤波运动模型的当前运动状态向量；通过当前运动状态向量预测目标对象在第二图像中的位置，以作为预测位置；以及，调整运动向量中各运动状态变化率的加权系数，进而将当前运动状态向量更新为更新后运动状态向量。
[0013]在本公开一个实施例中，还包括：获取第二图像之后一帧的第三图像；在对第三图像进行目标检测未得到目标对象，且预测出目标对象在第三图像中被遮挡的情况下，获取更新后运动状态向量；通过更新后运动状态向量预测目标对象在第三图像中的位置，以作为目标对象在第三图像中的预测位置。
[0014]根据本公开的另一个方面，提供一种用于多目标跟踪的装置，包括：获取模块，用于获取目标帧图像和目标帧图像之后一帧的第二图像；确定目标对象模块，用于比对目标帧图像和第二图像，确定出现在目标帧图像中且未出现在第二图像中的目标对象；预测遮挡模块，用于根据目标帧图像和第二图像，预测目标对象在第二图像中是否被遮挡；预测位置模块，用于在预测出目标对象在第二图像中被遮挡的情况下，通过卡尔曼滤波运动模型确定目标对象在第二图像中的预测位置。
[0015]根据本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的用于多目标跟踪的方法。
[0016]根据本公开的再一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述的用于多目标跟踪的方法。
[0017]本公开的实施例所提供的用于多目标跟踪的方法，能够通过比对目标帧图像和目标帧图像之后一帧的第二图像，确定出出现在目标帧图像中且未出现在第二图像中的目标对象，然后根据目标帧图像和第二图像，通过图像处理的方式预测目标对象在第二图像中是否被遮挡，并在预测出目标对象在第二图像中被遮挡的情况下，通过卡尔曼滤波运动模型确定目标对象在第二图像中的预测位置，以用于多目标跟踪。本公开提供的方法中对于未匹配到目标的对象(即目标对象)，可以进一步判断其是否被遮挡，而不是直接舍弃，减少由于漏检或短时遮挡等原因带来的跟踪误差，从而提升了目标跟踪的准确率。
[0018]进一步，本公开实施例提供的用于多目标跟踪的方法中，在通过卡尔曼滤波运动模型进行位置预测时，还提供一种调整运动状态变化率的加权系数的方法，从而获取更贴近真实情况的卡尔曼运动状态，使预测效果更准确。
[0019]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0020]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，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。
[0021]图1示出了可以应用本公开实施例的用于多目标跟踪的方法的示例性系统架构的示意图；
[0022]图2示出了本公开一个实施例的用于多目标跟踪的方法的流程图；
[0023]图3示出了本公开一个实施例的用于多目标跟踪的方法中预测目标对象在第二图像中是否被遮挡的流程图；
[0024]图4示出了本公开又一个实施例的用于多目标跟踪的方法的流程图；
[0025]图5示出了本公开又一个实施例的用于多目标跟踪的方法中预测目标对象在第二图像中是否被遮挡的流程图；
[0026]图6示出了本公开一个实施例的用于多目标跟踪的方法中更新运动状态向量的流程图；
[0027]图7示出了本公开一个实施例的用于多目标跟踪的装置的框本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于多目标跟踪的方法，其特征在于，包括：获取目标帧图像和所述目标帧图像之后一帧的第二图像；比对所述目标帧图像和所述第二图像，确定出现在所述目标帧图像中且未出现在所述第二图像中的目标对象；根据所述目标帧图像和所述第二图像，预测所述目标对象在所述第二图像中是否被遮挡；在预测出所述目标对象在所述第二图像中被遮挡的情况下，通过卡尔曼滤波运动模型确定所述目标对象在所述第二图像中的预测位置。2.根据权利要求1所述的方法，其特征在于，所述比对所述目标帧图像和所述第二图像，确定出现在所述目标帧图像中且未出现在所述第二图像中的目标对象的步骤，包括：对所述目标帧图像和所述第二图像进行目标检测，获得对所述目标帧图像检测出的第一对象集合，以及对所述第二图像检测出的第二对象集合；比对所述第一对象集合和所述第二对象集合中的对象，确定出现在所述目标帧图像中且未出现在所述第二图像中的目标对象。3.根据权利要求1所述的方法，其特征在于，所述根据所述目标帧图像和所述第二图像，预测所述目标对象在所述第二图像中是否被遮挡的步骤，包括：根据所述目标帧图像确定所述目标对象在空间特征维度的第一预测值；根据所述目标帧图像和所述第二图像确定所述目标对象在响应图特征维度的第二预测值；对所述第一预测值和所述第二预测值进行融合处理，获得所述目标对象在所述第二图像中的遮挡预测量化值；获取预设置的遮挡阈值，根据所述遮挡阈值和所述遮挡预测量化值确定所述目标对象在所述第二图像中是否被遮挡。4.根据权利要求3所述的方法，其特征在于，根据所述目标帧图像确定所述目标对象在空间特征维度的第一预测值的步骤，包括：在所述目标帧图像中截取包含所述目标对象的第一区域块；将所述第一区域块划分为一个中心块和多个边缘块；其中，所述中心块对应于所述目标对象；分别确定各个边缘块与所述中心块的局部HOG特征距离，将所述多个局部HOG特征距离中的最小值作为所述第一预测值。5.根据权利要求4所述的方法，其特征在于，所述根据所述目标帧图像和所述第二图像确定所述目标对象在响应图特征维度的第二预测值的步骤，包括：...

【专利技术属性】
技术研发人员：廖婷婷，
申请(专利权)人：天翼云科技有限公司，
类型：发明
国别省市：