本申请提供目标跟踪方法、装置、电子设备及存储介质，涉及目标跟踪技术领域。所述方法使用目标检测网络和分类网络分别从视频序列帧中提取第一分类信息和第二分类信息。基于第一分类信息中的检测类别和第二分类信息中的分类类别，对背景类目标进行过滤，并得到映射分类信息。基于映射分类信息计算第二特征图，以与第二分类信息中的第一特征图进行匹配，以确定用于表征跟踪目标的检测目标框。根据检测目标框执行目标跟踪。所述方法在计算映射分类信息和第二特征图时，均可以对背景类目标进行过滤，以缓解因背景误检导致的跟踪目标误检率高的问题。高的问题。高的问题。
【技术实现步骤摘要】
目标跟踪方法、装置、电子设备及存储介质
[0001]本申请涉及目标跟踪
，尤其涉及一种目标跟踪方法、装置、电子设备及存储介质。
技术介绍
[0002]目标跟踪可以应用于体育赛事转播、安防监控、无人机等多个领域。通过利用视频序列或图像序列的上下文信息，对跟踪目标的外观和运动信息进行建模，进而对跟踪目标的运动状态进行预测以及位置标定。
[0003]目标跟踪需要基于检测的方式标定跟踪目标，并对跟踪目标执行预测、跟踪等操作。预测、跟踪等操作容易受跟踪目标的检测结果影响，在跟踪目标为背景类目标时，导致误检现象增加。
[0004]在检测跟踪目标时，可以通过将检测结果分组，并将检测结果与预测结果进行多次匹配，以降低跟踪目标的误检率。但在检测过程中出现持续性背景误检时，仍会将背景类目标视为跟踪目标，导致跟踪目标误检率提高。
技术实现思路
[0005]本申请提供一种目标跟踪方法、装置、电子设备及存储介质，以解决因将背景类目标视为跟踪目标，导致跟踪目标误检的问题。
[0006]第一方面，本申请提供一种目标跟踪方法，包括：使用目标检测网络从视频序列帧中提取跟踪目标的第一分类信息，以及使用分类网络从所述视频序列帧中提取所述跟踪目标的第二分类信息；基于第一分类信息中的检测类别和第二分类信息中的分类类别，修正所述跟踪目标的第一分类信息，得到映射分类信息；根据所述映射分类信息中的检测目标框计算得到第二特征图；匹配所述第二分类信息中的第一特征图与所述第二特征图，输出匹配成功的检测目标框；基于匹配成功的检测目标框，执行目标跟踪。
[0007]在一些可行的实施例中，第一分类信息包括检测目标框、检测类别、检测置信度；第二分类信息包括分类类别、分类置信度、第一特征图；基于第一分类信息中的检测类别和第二分类信息中的分类类别，修正所述跟踪目标的第一分类信息，得到映射分类信息时，包括：若所述检测类别与所述分类类别相同，且所述检测类别的检测置信度大于所述分类类别的分类置信度，则标记所述检测置信度为所述检测目标框的置信度；若所述检测类别与所述分类类别不同，且所述检测类别的检测置信度大于所述分类类别的分类置信度，则根据所述检测类别标记所述跟踪目标，以及标记所述检测置信度为所述检测目标框的置信度。
[0008]在一些可行的实施例中，基于第一分类信息中的检测类别和第二分类信息中的分类类别，修正所述跟踪目标的第一分类信息，得到映射分类信息之后，包括：基于所述映射分类信息，若所述跟踪目标的检测类别为背景，且所述跟踪目标的类别的置信度大于置信度阈值，则标记所述跟踪目标为背景；以及停止跟踪所述跟踪目标；若所述跟踪目标的类别为非背景，且所述跟踪目标的类别的置信度大于置信度阈值，则执行根据所述映射分类信息中的检测目标框计算得到第二特征图的步骤。
[0009]在一些可行的实施例中，根据所述映射分类信息中的检测目标框计算得到第二特征图时，包括：根据所述跟踪目标的检测置信度和分类置信度，建立自适应噪声模型；基于所述自适应噪声模型，对所述跟踪目标的检测目标框执行无迹卡尔曼滤波，得到所述检测目标框的预测区域；使用分类网络对所述预测区域执行特征计算，得到第二特征图。
[0010]在一些可行的实施例中，根据所述跟踪目标的检测置信度和分类置信度，建立自适应噪声模型时，包括：获取所述跟踪目标的检测置信度和分类置信度；根据所述跟踪目标归属的视频序列帧的灰度图计算噪声协方差矩阵，所述噪声协方差矩阵归属于所述自适应噪声模型；基于所述检测置信度和分类置信度，自适应更新所述噪声协方差矩阵。
[0011]在一些可行的实施例中，匹配所述第二分类信息中的第一特征图与所述第二特征图，输出匹配成功的检测目标框之前，包括：计算所述第一特征图与所述第二特征图的相似度；若所述相似度大于或等于相似度阈值，则将与所述第二特征图关联的检测目标框划分至高分框组；若所述相似度小于相似度阈值，则将与所述第二特征图关联的检测目标框划分至低分框组。
[0012]在一些可行的实施例中，匹配所述第二分类信息中的第一特征图与所述第二特征图，输出匹配成功的目标框时，包括：基于所述高分框组，对与所述第二特征图关联的检测目标框与第一特征图关联的检测目标框执行匹配；若高分框组中，所述第二特征图关联的检测目标框与所述第一特征图关联的检测目标框匹配成功，则根据所述第二特征图更新所述第一特征图，以及输出匹配成功的检测目标框；若高分框组中，所述第二特征图关联的检测目标框与所述第一特征图关联的检测目标框匹配失败，则将匹配失败的高分框组中的检测目标框划分至高分未匹配集合。
[0013]在一些可行的实施例中，基于所述高分框组，对与所述第二特征图关联的检测目标框与第一特征图执行匹配之后，包括：基于低分框组，对与所述第二特征图关联的检测目标框与所述高分未匹配集合中的检测目标框执行匹配；若低分框组中，与所述第二特征图关联的检测目标框与所述高分未匹配集合中的
检测目标框匹配成功，则输出匹配成功的检测目标框；若低分框组中，与所述第二特征图关联的检测目标框与所述高分未匹配集合中的检测目标框匹配失败，则删除低分框组中匹配失败的检测目标框。
[0014]在一些可行的实施例中，匹配所述第二分类信息中的第一特征图与所述第二特征图，输出匹配成功的目标框时，包括：根据当前视频序列帧的前一帧输出的第一目标检测框，以及根据当前视频序列帧的后一帧输出的第二目标检测框，计算以及输出所述当前视频序列帧的预测目标框；所述第一目标检测框与所述第二目标检测框表征的跟踪目标相同。
[0015]第二方面，本申请提供一种目标跟踪装置，包括：提取模块、运算模块、执行模块；所述提取模块用于使用目标检测网络从视频序列帧中提取跟踪目标的第一分类信息，以及使用分类网络从所述视频序列帧中提取所述跟踪目标的第二分类信息；所述运算模块用于基于第一分类信息中的检测类别和第二分类信息中的分类类别，修正所述跟踪目标的第一分类信息，得到映射分类信息；所述运算模块还用于根据所述映射分类信息中的检测目标框计算得到第二特征图；所述执行模块用于匹配所述第二分类信息中的第一特征图与所述第二特征图，输出匹配成功的检测目标框；所述执行模块还用于基于匹配成功的检测目标框，执行目标跟踪。
[0016]第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，以使所述处理器执行如第一方面中任一项所述的方法的步骤。
[0017]第四方面，本申请提供一种计算机可读存储介质，包括：所述计算机可读存储介质中包括至少一个计算机指令，所述至少一个计算机指令用于使计算机执行如第一方面中任一项所述的方法的步骤。
[0018]由上述
技术实现思路
可知，本申请提供一种目标跟踪方法、装置、电子设备及存储介质。所述方法使用目标检测网络和分类网络分别从视频序列帧中提取第一分类信息和第二分类信息。基于第一分类信息中的检测类别和第二分类信息中的分类类别，对背景类目标进行过滤，并得到映射分类信息。基于映射分类本文档来自技高网...
【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：使用目标检测网络从视频序列帧中提取跟踪目标的第一分类信息，以及使用分类网络从所述视频序列帧中提取所述跟踪目标的第二分类信息；基于第一分类信息中的检测类别和第二分类信息中的分类类别，修正所述跟踪目标的第一分类信息，得到映射分类信息；根据所述映射分类信息中的检测目标框计算得到第二特征图；匹配所述第二分类信息中的第一特征图与所述第二特征图，输出匹配成功的检测目标框；基于匹配成功的检测目标框，执行目标跟踪。2.根据权利要求1所述的目标跟踪方法，其特征在于，第一分类信息包括检测目标框、检测类别、检测置信度；第二分类信息包括分类类别、分类置信度、第一特征图；基于第一分类信息中的检测类别和第二分类信息中的分类类别，修正所述跟踪目标的第一分类信息，得到映射分类信息时，包括：若所述检测类别与所述分类类别相同，且所述检测类别的检测置信度大于所述分类类别的分类置信度，则标记所述检测置信度为所述检测目标框的置信度；若所述检测类别与所述分类类别不同，且所述检测类别的检测置信度大于所述分类类别的分类置信度，则根据所述检测类别标记所述跟踪目标，以及标记所述检测置信度为所述检测目标框的置信度。3.根据权利要求1所述的目标跟踪方法，其特征在于，基于第一分类信息中的检测类别和第二分类信息中的分类类别，修正所述跟踪目标的第一分类信息，得到映射分类信息之后，包括：基于所述映射分类信息，若所述跟踪目标的类别为背景，且所述跟踪目标的类别的置信度大于置信度阈值，则标记所述跟踪目标为背景；以及停止跟踪所述跟踪目标；若所述跟踪目标的类别为非背景，且所述跟踪目标的类别的置信度大于置信度阈值，则执行根据所述映射分类信息中的检测目标框计算得到第二特征图的步骤。4.根据权利要求1所述的目标跟踪方法，其特征在于，根据所述映射分类信息中的检测目标框计算得到第二特征图时，包括：根据所述跟踪目标的检测置信度和分类置信度，建立自适应噪声模型；基于所述自适应噪声模型，对所述跟踪目标的检测目标框执行无迹卡尔曼滤波，得到所述检测目标框的预测区域；使用分类网络对所述预测区域执行特征计算，得到第二特征图。5.根据权利要求4所述的目标跟踪方法，其特征在于，根据所述跟踪目标的检测置信度和分类置信度，建立自适应噪声模型时，包括：获取所述跟踪目标的检测置信度和分类置信度；根据所述跟踪目标归属的视频序列帧的灰度图计算噪声协方差矩阵，所述噪声协方差矩阵归属于所述自适应噪声模型；基于所述检测置信度和分类置信度，自适应更新所述噪声协方差矩阵。6.根据权利要求1所述的目标跟踪方法，其特征在于，匹配所述第二分类信息中的第一特征图与所述第二特征图，输出匹配成功的检测目标框之前，还包括：
计算所述第一特征图与所述第二特征图的相似度；若所述相似度大于或等于相似度阈值，则将与所述第二特征图关联的检测目标框划分至高分框组；...
【专利技术属性】
技术研发人员：姚震，陆金刚，王为，方伟，
申请(专利权)人：上海砹芯科技有限公司，
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。