本申请公开了一种行人跟踪方法，包括：将当前帧图像输入行人检测网络模型进行行人检测得到粗检框和精检框；其中，精检框的置信度高于粗检框的置信度；将精检框对应的行人图像输入行人重识别网络模型，并根据行人重识别网络模型输出的结果更新行人轨迹库中的行人信息；根据行人轨迹库中未更新行人信息的行人构建丢失索引集合；将粗检框对应的行人图像输入行人重识别网络模型，并根据行人重识别网络模型输出的结果与丢失索引集合的行人信息进行匹配，根据所述匹配结果更新所述行人轨迹库；利用所述行人轨迹库执行行人跟踪操作，能够提高行人跟踪的准确率。本申请还公开了一种行人跟踪系统、一种存储介质及一种电子设备，具有以上有益效果。以上有益效果。以上有益效果。
【技术实现步骤摘要】
一种行人跟踪方法、行人跟踪系统、电子设备及存储介质
[0001]本申请涉及图像处理
，特别涉及一种行人跟踪方法、行人跟踪系统、电子设备及存储介质。
技术介绍
[0002]一直以来，行人目标跟踪（又称行人跟踪）都是计算机视觉领域最重要的研究方向之一，由于较高的落地价值和实用性，行人目标跟踪受到各方面研究人员的重视，大量科研人员跻身其科研社区中。在过去几十年，目标跟踪取得了长足的发展。
[0003]多目标跟踪（MOT）是目标跟踪领域一个较难的课题，现阶段，该领域从业研究者们通常会结合目标检测和度量学习来实现，通常会采用目标检测算法进行行人定位，并将定位到的行人用度量学习提取特征，进而通过特征的匹配策略来实现同一行人轨迹的计算。但由于跟踪目标数量较多，现有策略会造成较多的漏帧（False Negative）现象及ID漂移（ID
‑
Switch）现象。其中，拥挤人群、障碍物遮挡、摄像头分辨率较低等因素都会导致行人跟踪的错误。因此，如何利用目标检测及度量学习，设计更高精度的目标跟踪算法策略，成为该领域技术落地量产的必要条件。
[0004]因此，如何提高行人跟踪的准确率是本领域技术人员目前需要解决的技术问题。
技术实现思路
[0005]本申请的目的是提供一种行人跟踪方法、行人跟踪系统、电子设备及存储介质，能够提高行人跟踪的准确率。
[0006]为解决上述技术问题，本申请提供一种行人跟踪方法，包括：将当前帧图像输入行人检测网络模型进行行人检测得到粗检框和精检框；其中，所述精检框的置信度高于所述粗检框的置信度；将所述精检框对应的行人图像输入行人重识别网络模型，并根据所述行人重识别网络模型输出的结果更新行人轨迹库中的行人信息；根据所述行人轨迹库中未更新行人信息的行人构建丢失索引集合；将所述粗检框对应的行人图像输入所述行人重识别网络模型，并根据所述行人重识别网络模型输出的结果与所述丢失索引集合的行人信息进行匹配，根据所述匹配结果更新所述行人轨迹库；利用所述行人轨迹库执行行人跟踪操作。
[0007]可选的，所述将当前帧图像输入行人检测网络模型进行行人检测得到粗检框和精检框，包括：将所述当前帧图像输入所述行人检测网络模型进行行人检测，以便所述行人检测网络模型输出多个行人框；确定第一阈值和第二阈值；其中，所述第一阈值小于所述第二阈值；删除所有所述行人框中置信度小于所述第一阈值的行人框得到所述粗检框的集
合；删除所述粗检框的集合中置信度小于所述第二阈值的行人框得到备选框集合，对所述备选框集合中的重合框进行删减得到所述精检框的集合。
[0008]可选的，将所述精检框对应的行人图像输入行人重识别网络模型，并根据所述行人重识别网络模型输出的结果更新行人轨迹库中的行人信息，包括：根据所述精检框的坐标位置对所述当前帧图像进行裁剪得到精检行人图像；将所述精检行人图像输入所述行人重识别网络模型，以便所述行人重识别网络模型输出所述精检行人图像对应的精检行人外观特征；将所述精检行人外观特征与所述行人轨迹库的行人外观特征进行余弦距离运算，得到精检外观特征矩阵；根据所述精检框的坐标位置与所述行人轨迹库的行人历史位置进行马氏距离运算，得到精检空间距离矩阵；根据所述精检外观特征矩阵和所述精检空间距离矩阵计算精检框综合距离矩阵；根据所述精检框综合距离矩阵将所述行人轨迹库中精检框综合距离最小的行人设置为精检匹配行人；根据所述精检框对应的行人信息更新所述行人轨迹库中所述精检匹配行人的行人信息；其中，行人信息包括行人外观特征和行人历史位置；可选的，根据所述精检框对应的行人信息更新所述行人轨迹库中所述精检匹配行人的行人信息包括：对所述精检框对应的精检行人外观特征和所述行人轨迹库中所述精检匹配行人的行人外观特征进行加权计算，得到新的行人外观特征，并将所述新的行人外观特征更新至所述行人轨迹库；对所述精检框的坐标位置和所述行人轨迹库中所述精检匹配行人的行人历史位置进行最小二乘法拟合轨迹计算，得到新的行人历史位置，并将所述新的行人历史位置更新至所述行人轨迹库。
[0009]可选的，将所述粗检框对应的行人图像输入所述行人重识别网络模型，包括：删除与所述精检框坐标位置相同的粗检框，得到修正粗检框；将丢失索引集合中行人历史位置与所述修正粗检框的坐标位置进行匹配，将匹配成功的修正粗检框设置为候选框；根据所述候选框的坐标位置对所述当前帧图像进行裁剪得到粗检行人图像，并将所述粗检行人图像输入所述行人重识别网络模型，以便所述行人重识别网络模型输出所述粗检行人图像对应的粗检行人外观特征。
[0010]可选的，根据所述行人重识别网络模型输出的结果与所述丢失索引集合的行人信息进行匹配，根据所述匹配结果更新所述行人轨迹库，包括：将所述粗检行人外观特征与所述丢失索引集合的行人外观特征进行余弦距离运算，得到粗检外观特征矩阵；根据所述候选框的坐标位置与所述丢失索引集合的行人历史位置进行马氏距离运算，得到粗检空间距离矩阵；根据所述粗检外观特征矩阵和所述粗检空间距离矩阵计算粗检框综合距离矩阵；
根据所述粗检框综合距离矩阵将所述丢失索引集合中粗检框综合距离最小的行人设置为粗检匹配行人；根据所述粗检框对应的行人信息更新所述行人轨迹库中所述粗检匹配行人的行人信息；其中，所述粗检框对应的行人信息包括所述粗检行人外观特征和所述粗检框的坐标位置。
[0011]可选的，利用所述行人轨迹库执行行人跟踪操作包括：接收行人跟踪指令，从所述行人轨迹库中读取所述行人跟踪指令对应的目标行人信息；根据所述目标行人信息在视频画面中对跟踪对象进行标注。
[0012]本申请还提供了一种行人跟踪系统，包括：行人检测模块，用于将当前帧图像输入行人检测网络模型进行行人检测得到粗检框和精检框；其中，所述精检框的置信度高于所述粗检框的置信度；第一重识别模块，用于将所述精检框对应的行人图像输入行人重识别网络模型，并根据所述行人重识别网络模型输出的结果更新行人轨迹库中的行人信息；丢失索引集合确定模块，用于根据所述行人轨迹库中未更新行人信息的行人构建丢失索引集合；第二重识别模块，用于将所述粗检框对应的行人图像输入所述行人重识别网络模型，并根据所述行人重识别网络模型输出的结果与所述丢失索引集合的行人信息进行匹配，根据所述匹配结果更新所述行人轨迹库；跟踪模块，用于利用所述行人轨迹库执行行人跟踪操作。本申请还提供了一种存储介质，其上存储有计算机程序，所述计算机程序执行时实现上述行人跟踪方法执行的步骤。
[0013]本申请还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时实现上述行人跟踪方法执行的步骤。
[0014]本申请还提供了一种存储介质，其上存储有计算机程序，所述计算机程序执行时实现上述行人跟踪方法执行的步骤。
[0015]本申请提供了一种行人跟踪方法，包括：将当前帧图像输入行人检测网络模型进行行人检测得到粗检框和精检框；其中，所述精检框的置信度高于所述粗检框的置信度；将所述精检框对应的行人本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种行人跟踪方法，其特征在于，包括：将当前帧图像输入行人检测网络模型进行行人检测得到粗检框和精检框；其中，所述精检框的置信度高于所述粗检框的置信度；将所述精检框对应的行人图像输入行人重识别网络模型，并根据所述行人重识别网络模型输出的结果更新行人轨迹库中的行人信息；根据所述行人轨迹库中未更新行人信息的行人构建丢失索引集合；将所述粗检框对应的行人图像输入所述行人重识别网络模型，并根据所述行人重识别网络模型输出的结果与所述丢失索引集合的行人信息进行匹配，根据所述匹配结果更新所述行人轨迹库；利用所述行人轨迹库执行行人跟踪操作。2.根据权利要求1所述行人跟踪方法，其特征在于，所述将当前帧图像输入行人检测网络模型进行行人检测得到粗检框和精检框，包括：将所述当前帧图像输入所述行人检测网络模型进行行人检测，以便所述行人检测网络模型输出多个行人框；确定第一阈值和第二阈值；其中，所述第一阈值小于所述第二阈值；删除所有所述行人框中置信度小于所述第一阈值的行人框得到所述粗检框的集合；删除所述粗检框的集合中置信度小于所述第二阈值的行人框得到备选框集合，对所述备选框集合中的重合框进行删减得到所述精检框的集合。3.根据权利要求1所述行人跟踪方法，其特征在于，将所述精检框对应的行人图像输入行人重识别网络模型，并根据所述行人重识别网络模型输出的结果更新行人轨迹库中的行人信息，包括：根据所述精检框的坐标位置对所述当前帧图像进行裁剪得到精检行人图像；将所述精检行人图像输入所述行人重识别网络模型，以便所述行人重识别网络模型输出所述精检行人图像对应的精检行人外观特征；将所述精检行人外观特征与所述行人轨迹库的行人外观特征进行余弦距离运算，得到精检外观特征矩阵；根据所述精检框的坐标位置与所述行人轨迹库的行人历史位置进行马氏距离运算，得到精检空间距离矩阵；根据所述精检外观特征矩阵和所述精检空间距离矩阵计算精检框综合距离矩阵；根据所述精检框综合距离矩阵将所述行人轨迹库中精检框综合距离最小的行人设置为精检匹配行人；根据所述精检框对应的行人信息更新所述行人轨迹库中所述精检匹配行人的行人信息；其中，行人信息包括行人外观特征和行人历史位置。4.根据权利要求3所述行人跟踪方法，其特征在于，根据所述精检框对应的行人信息更新所述行人轨迹库中所述精检匹配行人的行人信息包括：对所述精检框对应的精检行人外观特征和所述行人轨迹库中所述精检匹配行人的行人外观特征进行加权计算，得到新的行人外观特征，并将所述新的行人外观特征更新至所述行人轨迹库；对所述精检框的坐标位置和所述行人轨迹库中所述精检匹配行人的行人历史位置进
行最小二乘法拟合轨迹计算，得到新的行人历史位置，并将所述新的行人历史位置更新至所述行人轨迹库。5.根据权利要求1...
【专利技术属性】
技术研发人员：李晓川，李仁刚，赵雅倩，郭振华，范宝余，张润泽，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。