基于单阶段目标追踪模型的目标追踪方法、装置及介质制造方法及图纸

本申请提供一种基于单阶段目标追踪模型的目标追踪方法、装置及介质。该方法包括：获取包含追踪对象的视频数据，将视频数据输入到预定的单阶段目标追踪模型中；利用单阶段目标追踪模型中的特征提取模块对每一帧图像进行处理得到特征图；将特征图输入到检测分支，利用检测分支对追踪对象在图像中的位置进行回归，得到追踪对象对应的目标框；将特征图输入到行人重识别分支，利用行人重识别分支对特征图的低维特征向量进行提取，得到行人重识别低维特征向量；基于追踪对象对应的目标框以及行人重识别低维特征向量，对追踪对象在视频数据中产生的轨迹进行追踪。本申请提升了追踪算法的精度，提升追踪速度，提高追踪的鲁棒性。提高追踪的鲁棒性。提高追踪的鲁棒性。

【技术实现步骤摘要】
基于单阶段目标追踪模型的目标追踪方法、装置及介质


[0001]本申请涉及计算机
，尤其涉及一种基于单阶段目标追踪模型的目标追踪方法、装置及介质。

技术介绍

[0002]行人检测是利用计算机视觉技术识别图像或者视频流中是否存在行人并给予精确定位。该技术应用领域广泛，可与行人跟踪、行人重识别等技术结合，能够很好地应用于人工智能系统、车辆辅助驾驶系统、智能视频监控、人体行为分析、智能交通等现实场景领域。
[0003]目前基于行人重识别网络的目标追踪方法中，从视频流中提取每一帧图像，然后将图像输入到行人重识别网络中进行目标检测，根据目标检测的结果确定行人在图像中的位置。当前的目标检测方式主要分为单阶段目标检测方式和两阶段目标检测方式，其中，单阶段目标检测方式的推理时间较短，追踪速度较快，但是追踪精度较低，两阶段目标检测方式虽然具有一定精度，但是两阶段目标检测算法的推理时间较长，降低了目标追踪的速度。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种基于单阶段目标追踪模型的目标追踪方法、装置及介质，以解决现有技术存在的目标追踪算法推理时间较长，降低目标追踪速度，且追踪精度较低的问题。
[0005]本申请实施例的第一方面，提供了一种基于单阶段目标追踪模型的目标追踪方法，包括：获取包含追踪对象的视频数据，将视频数据输入到预定的单阶段目标追踪模型中；利用单阶段目标追踪模型中的特征提取模块对视频数据中的每一帧图像进行处理，得到特征图；将特征图输入到单阶段目标追踪模型中的检测分支，利用检测分支对追踪对象在图像中的位置进行回归，得到追踪对象对应的目标框，其中检测分支采用基于Anchor
‑
Free的检测模块；将特征图输入到单阶段目标追踪模型中的行人重识别分支，利用行人重识别分支对特征图的低维特征向量进行提取，得到行人重识别低维特征向量；基于追踪对象对应的目标框以及行人重识别低维特征向量，对追踪对象在视频数据中产生的轨迹进行追踪。
[0006]本申请实施例的第二方面，提供了一种基于单阶段目标追踪模型的目标追踪装置，包括：输入模块，被配置为获取包含追踪对象的视频数据，将视频数据输入到预定的单阶段目标追踪模型中；处理模块，被配置为利用单阶段目标追踪模型中的特征提取模块对视频数据中的每一帧图像进行处理，得到特征图；回归模块，被配置为将特征图输入到单阶段目标追踪模型中的检测分支，利用检测分支对追踪对象在图像中的位置进行回归，得到追踪对象对应的目标框，其中检测分支采用基于Anchor
‑
Free的检测模块；提取模块，被配置为将特征图输入到单阶段目标追踪模型中的行人重识别分支，利用行人重识别分支对特征图的低维特征向量进行提取，得到行人重识别低维特征向量；追踪模块，被配置为基于追
踪对象对应的目标框以及行人重识别低维特征向量，对追踪对象在视频数据中产生的轨迹进行追踪。
[0007]本申请实施例的第三方面，提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述方法的步骤。
[0008]本申请实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0009]本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0010]通过获取包含追踪对象的视频数据，将视频数据输入到预定的单阶段目标追踪模型中；利用单阶段目标追踪模型中的特征提取模块对视频数据中的每一帧图像进行处理，得到特征图；将特征图输入到单阶段目标追踪模型中的检测分支，利用检测分支对追踪对象在图像中的位置进行回归，得到追踪对象对应的目标框，其中检测分支采用基于Anchor
‑
Free的检测模块；将特征图输入到单阶段目标追踪模型中的行人重识别分支，利用行人重识别分支对特征图的低维特征向量进行提取，得到行人重识别低维特征向量；基于追踪对象对应的目标框以及行人重识别低维特征向量，对追踪对象在视频数据中产生的轨迹进行追踪。本申请基于Anchor
‑
Free的单阶段目标追踪模型在保证追踪速度的前提下，提升了目标追踪的精度，提高跟踪的鲁棒性。
附图说明
[0011]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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它的附图。
[0012]图1是本申请实施例提供的单阶段目标追踪模型的结构示意图；
[0013]图2是本申请实施例提供的基于单阶段目标追踪模型的目标追踪方法的流程示意图；
[0014]图3是本申请实施例提供的利用MixUp增强算法进行数据增强的原理示意图；
[0015]图4是本申请实施例提供的基于Anchor
‑
Free的检测分支的结构示意图；
[0016]图5是本申请实施例提供的Re
‑
ID分支的结构示意图；
[0017]图6是本申请实施例提供的基于单阶段目标追踪模型的目标追踪装置的结构示意图；
[0018]图7是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0019]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0020]多目标跟踪(MOT)一直是计算机视觉的一个长期目标，目标是估计视频中多个目标的轨迹，该任务的成功解决将有利于许多应用，如动作识别、运动视频分析、老年护理和
人机交互。现存的SOTA方法当中大部分都是采用两阶段目标检测方式(two
‑
step方法)两步走，尽管随着近年来目标检测算法与Re
‑
ID的发展，two
‑
step方法在目标跟踪上有明显的性能提升，但是two
‑
step方法不会共享检测算法与Re
‑
ID的特征图，所以其速度很慢，很难在视频速率下进行推理，因此亟需提供一种快速的目标追踪算法。
[0021]当前的目标检测方式主要分为单阶段目标检测方式和两阶段目标检测方式，其中，两阶段目标检测方式虽然具有一定精度，但是两阶段目标检测算法的推理时间较长，降低了目标追踪的速度。随着two
‑
step目标追踪算法的成熟，更多的研究人员开始研究同时检测目标和学习Re
‑
ID特征的one
‑
shot算法，当特征图在目标检测与Re
‑
ID之间共享之后，可以大大的减少推理时间，但在精度上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于单阶段目标追踪模型的目标追踪方法，其特征在于，包括：获取包含追踪对象的视频数据，将所述视频数据输入到预定的单阶段目标追踪模型中；利用所述单阶段目标追踪模型中的特征提取模块对所述视频数据中的每一帧图像进行处理，得到特征图；将所述特征图输入到所述单阶段目标追踪模型中的检测分支，利用所述检测分支对所述追踪对象在图像中的位置进行回归，得到所述追踪对象对应的目标框，其中所述检测分支采用基于Anchor
‑
Free的检测模块；将所述特征图输入到所述单阶段目标追踪模型中的行人重识别分支，利用所述行人重识别分支对所述特征图的低维特征向量进行提取，得到行人重识别低维特征向量；基于所述追踪对象对应的目标框以及所述行人重识别低维特征向量，对所述追踪对象在视频数据中产生的轨迹进行追踪。2.根据权利要求1所述的方法，其特征在于，所述单阶段目标追踪模型的预训练过程包括：获取预先配置的检测数据，利用MixUp增强算法对所述检测数据进行数据增强，得到新的检测数据，利用所述新的检测数据对所述单阶段目标追踪模型中的检测分支进行训练；在训练完所述检测分支后，利用预先配置的追踪数据对完整的所述单阶段目标追踪模型进行训练，得到训练后的单阶段目标追踪模型，其中所述追踪数据中包含目标框以及每个目标框对应的对象标识。3.根据权利要求2所述的方法，其特征在于，所述利用MixUp增强算法对所述检测数据进行数据增强，得到新的检测数据，包括：将所述检测数据中的任意两张原始图像进行融合，以便将两张原始图像融合成一张图像，得到融合后的图像，在所述融合后的图像中将所述原始图像中的目标框进行叠加，依据所述原始图像以及所述融合后的图像生成所述新的检测数据。4.根据权利要求1所述的方法，其特征在于，所述特征提取模块中插入有可变形卷积网络，所述可变形卷积网络采用ResNet34残差网络，所述ResNet34残差网络中的stem阶段设有2个3
×
3卷积层，将原始残差模块中的残差分支前两个卷积层的步长进行交换，并将原始短路分支中步长为2的1
×
1卷积层替换为步长为2的平均池化层和1
×
1卷积层。5.根据权利要求1所述的方法，其特征在于，所述检测分支中包含热图分支、中心偏移分支和框分支，所述热图分支、所述中心偏移分支和所述框分支均由2...

【专利技术属性】
技术研发人员：蒋召，黄泽元，祁晓婷，杨战波，
申请(专利权)人：深圳须弥云图空间科技有限公司，
类型：发明
国别省市：