待跟踪目标对象的位置确定方法、装置、设备及存储介质制造方法及图纸

本申请提供一种待跟踪目标对象的位置确定方法、装置、设备及存储介质。该方法包括：获取待跟踪的目标对象的视频流数据信息；将第一视频帧数据信息以及第二视频帧数据信息中的目标对象的图像位置信息输入至预设模型中，由预设模型输出第一视频帧数据信息中的目标对象的图像位置信息；若第一视频帧数据信息的自然序列数等于第一预设数量的数值，则将目标对象的轨迹信息进行输出。采用本技术方案，能够在复杂环境下跟踪目标对象，并且实现在遮挡环境下预测目标对象的位置，实现持续性地跟踪范围内的目标对象，进而避免给银行等场所带来潜在的安防危险。在的安防危险。在的安防危险。

【技术实现步骤摘要】
待跟踪目标对象的位置确定方法、装置、设备及存储介质


[0001]本申请涉及信息安全领域，尤其涉及一种待跟踪目标对象的位置确定方法、装置、设备及存储介质。

技术介绍

[0002]银行作为群众存储财产及贵重物品的主要场所，其安防工作一直是银行乃至政府的工作重点。视频监控系统作为其中的核心部分，承担着保障银行安全运作的重要职能，可以说视频监控水平的高低直接决定着一个银行营业场所安防能力的高低。
[0003]近年来基于深度学习的检测跟踪算法取得了极大的发展，这些算法一般是对视频数据流进行图像处理、目标分析等工作，判断目标的动作，行为轨迹，同时对视频监控系统进行实时控制，使计算机代替人进行实时监控和报警。多目标跟踪技术是视频监控系统的核心技术，其研究涉及到计算机图像处理、模式识别、人工智能等众多领域知识。典型多目标跟踪算法基于卷积神经网络提取上一帧图像的表观特征，然后利用图像的表观特征对下一帧图像位置进行预测。
[0004]典型目标跟踪算法仅依靠目标的表观特征预测下一帧位置，忽视了目标的轨迹特征。这使得复杂环境下跟踪模板漂移，跟踪不准确，尤其是在遮挡环境下位置预测不准，无法实时持续地跟踪监控视野内的行人，从而给银行营业场所带来潜在的安防威胁。
[0005]因此，亟需一种待跟踪目标对象的位置确定方法，能够在复杂环境下跟踪目标对象，并且实现在遮挡环境下预测目标对象的位置，实现持续性地跟踪范围内的行人，进而避免给银行等场所带来潜在的安防危险。

技术实现思路

[0006]本申请提供一种待跟踪目标对象的位置确定方法、装置、设备及存储介质，能够在复杂环境下跟踪目标对象，并且实现在遮挡环境下预测目标对象的位置，实现持续性地跟踪范围内的目标对象，进而避免由于未跟踪到目标对象而给银行等其他场所带来潜在的安防危险。
[0007]第一方面，本申请提供一种待跟踪目标对象的位置确定方法，包括：
[0008]获取待跟踪的目标对象的视频流数据信息；其中，所述视频流数据信息中包括多个视频帧数据信息；所述视频流数据信息中的视频帧数据信息的帧数为第一预设数量；
[0009]将第一视频帧数据信息以及第二视频帧数据信息中的所述目标对象的图像位置信息输入至预设模型中，由所述预设模型输出所述第一视频帧数据信息中的所述目标对象的图像位置信息；其中，所述第一视频帧数据信息表征所述待跟踪的目标对象的当前视频帧数据信息；所述第二视频帧数据信息表征前第二预设数量的视频帧数据信息；
[0010]若所述第一视频帧数据信息的自然序列数等于所述第一预设数量的数值，则将所述目标对象的轨迹信息进行输出；其中，所述自然序列数表征所述第一视频帧数据信息在所述视频流数据信息中的排序数。
[0011]在一个示例中，将第一视频帧数据信息以及第二视频帧数据信息中的所述目标对象的图像位置信息输入至预设模型中，由所述预设模型输出所述第一视频帧数据信息中的所述目标对象的图像位置信息，包括：
[0012]基于所述预设模型对所述第一视频帧数据信息以及所述第二视频帧数据信息进行分辨率调整，得到第三视频帧数据信息；
[0013]基于所述预设模型对所述第三视频帧数据信息进行特征权重调整，得到第一特征序列数据信息；
[0014]基于所述预设模型对所述第一特征序列数据信息进行时间序列权重调整，输出所述第一视频帧数据信息中的所述目标对象的图像位置信息。
[0015]在一个示例中，基于所述预设模型对所述第三视频帧数据信息进行特征权重调整，得到第一特征序列数据信息，包括：
[0016]基于所述预设模型对所述第三视频帧数据信息进行空间特征的权重调整，得到第四视频帧数据信息；
[0017]基于所述预设模型对所述第四视频帧数据信息进行通道特征的权重调整，得到第一特征序列数据信息。
[0018]在一个示例中，基于所述预设模型对所述第一特征序列数据信息进行时间序列权重调整，输出所述第一视频帧数据信息中的所述目标对象的图像位置信息，包括：
[0019]根据所述预设模型中时间注意力机制的编码器，确定所述第一特征序列数据信息中的注意力权重；
[0020]根据所述预设模型中时间注意力机制的解码器和所述注意力权重，确定所述第一视频帧数据信息中的所述目标对象的图像位置信息。
[0021]在一个示例中，根据所述预设模型中时间注意力机制的编码器，确定所述第一特征序列数据信息中的注意力权重，包括：
[0022]根据前一视频帧数据信息对应时刻的所述编码器隐藏层状态和细胞状态，确定所述第一视频帧数据信息中的注意力权重；其中，所述编码器隐藏层状态由所述第一特征序列数据信息确定；
[0023]根据所述第一视频帧数据信息中的注意力权重，确定所述第一特征序列数据信息中的注意力权重。
[0024]在一个示例中，根据所述预设模型中时间注意力机制的解码器和所述注意力权重，确定所述第一视频帧数据信息中的所述目标对象的图像位置信息，包括：
[0025]根据所述注意力权重和所述编码器隐藏层状态，确定上下文向量；
[0026]根据所述解码器隐藏层状态、上下文向量以及参数，确定所述第一视频帧数据信息中的所述目标对象的图像位置信息。
[0027]在一个示例中，所述解码器隐藏层状态由前一视频帧数据信息对应时刻的解码器隐藏状态和前一视频帧数据信息对应时刻的线性变化数值确定。
[0028]在一个示例中，所述前一视频帧数据信息对应时刻的线性变化数值由前一视频帧数据信息对应时刻的所述目标对象的位置预测信息和所述上下文向量确定。
[0029]在一个示例中，在所述确定所述第一视频帧数据信息中的所述目标对象的图像位置信息之后，还包括：
[0030]根据所述目标对象的图像位置信息和预设比例值，确定所述目标对象的地图位置信息。
[0031]第二方面，本申请提供一种应用于待跟踪目标对象位置确定的预设模型训练方法，所述方法包括：
[0032]获取标注了待跟踪的目标对象的图像位置信息的视频流数据信息；其中，所述视频流数据信息中包括多个视频帧数据信息；所述视频流数据信息中的视频帧数据信息的帧数为第一预设数量；
[0033]将标注后的第一视频帧数据信息和标注后的第二视频帧数据信息输入至预设模型中，得到训练后的预设模型；其中，所述第一视频帧数据信息表征所述待跟踪的目标对象的当前视频帧数据信息；所述第二视频帧数据信息表征前第二预设数量的视频帧数据信息；其中，训练后的预设模型用于预测视频流数据信息中的所述目标对象的图像位置信息。
[0034]在一个示例中，将标注后的第一视频帧数据信息和标注后的第二视频帧数据信息输入至预设模型中，得到训练后的预设模型，包括：
[0035]基于所述预设模型对所述标注后的第一视频帧数据信息以及所述标注后的第二视频帧数据信息进行分辨率调整，得到第五视频帧数据信息；
[0036]基于所述预设模型对所述第五视频帧数据信息进行特征权重调整，得到第二特征序列数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种待跟踪目标对象的位置确定方法，其特征在于，所述方法包括：获取待跟踪的目标对象的视频流数据信息；其中，所述视频流数据信息中包括多个视频帧数据信息；所述视频流数据信息中的视频帧数据信息的帧数为第一预设数量；将第一视频帧数据信息以及第二视频帧数据信息中的所述目标对象的图像位置信息输入至预设模型中，由所述预设模型输出所述第一视频帧数据信息中的所述目标对象的图像位置信息；其中，所述第一视频帧数据信息表征所述待跟踪的目标对象的当前视频帧数据信息；所述第二视频帧数据信息表征前第二预设数量的视频帧数据信息；若所述第一视频帧数据信息的自然序列数等于所述第一预设数量的数值，则将所述目标对象的轨迹信息进行输出；其中，所述自然序列数表征所述第一视频帧数据信息在所述视频流数据信息中的排序数。2.根据权利要求1所述的方法，其特征在于，将第一视频帧数据信息以及第二视频帧数据信息中的所述目标对象的图像位置信息输入至预设模型中，由所述预设模型输出所述第一视频帧数据信息中的所述目标对象的图像位置信息，包括：基于所述预设模型对所述第一视频帧数据信息以及所述第二视频帧数据信息进行分辨率调整，得到第三视频帧数据信息；基于所述预设模型对所述第三视频帧数据信息进行特征权重调整，得到第一特征序列数据信息；基于所述预设模型对所述第一特征序列数据信息进行时间序列权重调整，输出所述第一视频帧数据信息中的所述目标对象的图像位置信息。3.根据权利要求2所述的方法，其特征在于，基于所述预设模型对所述第三视频帧数据信息进行特征权重调整，得到第一特征序列数据信息，包括：基于所述预设模型对所述第三视频帧数据信息进行空间特征的权重调整，得到第四视频帧数据信息；基于所述预设模型对所述第四视频帧数据信息进行通道特征的权重调整，得到第一特征序列数据信息。4.根据权利要求2所述的方法，其特征在于，基于所述预设模型对所述第一特征序列数据信息进行时间序列权重调整，输出所述第一视频帧数据信息中的所述目标对象的图像位置信息，包括：根据所述预设模型中时间注意力机制的编码器，确定所述第一特征序列数据信息中的注意力权重；根据所述预设模型中时间注意力机制的解码器和所述注意力权重，确定所述第一视频帧数据信息中的所述目标对象的图像位置信息。5.根据权利要求4所述的方法，其特征在于，根据所述预设模型中时间注意力机制的编码器，确定所述第一特征序列数据信息中的注意力权重，包括：根据前一视频帧数据信息对应时刻的所述编码器隐藏层状态和细胞状态，确定所述第一视频帧数据信息中的注意力权重；其中，所述编码器隐藏层状态由所述第一特征序列数据信息确定；根据所述第一视频帧数据信息中的注意力权重，确定所述第一特征序列数据信息中的注意力权重。
6.根据权利要求4或5所述的方法，其特征在于，根据所述预设模型中时间注意力机制的解码器和所述注意力权重，确定所述第一视频帧数据信息中的所述目标对象的图像位置信息，包括：根据所述注意力权重和所述编码器隐藏层状态，确定上下文向量；根据所述解码器隐藏层状态、上下文向量以及参数，确定所述第一视频帧数据信息中的所述目标对象的图像位置信息。7.根据权利要求6所述的方法，其特征在于，所述解码器隐藏层状态由前一视频帧数据信息对应时刻的解码器隐藏状态和前一视频帧数据信息对应时刻的线性变化数值确定。8.根据权利要求7所述的方法，其特征在于，所述前一视频帧数据信...

【专利技术属性】
技术研发人员：刘家奇，顾鹏，董俊杰，李思尚，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：