【技术实现步骤摘要】
本申请涉及目标跟踪，尤其涉及联合检测跟踪方法、联合检测跟踪装置、电子设备及存储介质。
技术介绍
1、在日常生活中，交通场景较为复杂，车辆行驶过程中周围各种目标的运动可能对车辆行驶造成影响，如人员突然奔跑等。目标跟踪不仅可以提供目标的运动轨迹信息，而且后续系统可以根据这些信息判断是否发生异常情况，一旦发生异常马上发出警报信息，提醒人员关注相应区域，避免不必要的损失。目前先进的跟踪方法基于数据标签进行训练，但是场景及目标多种多样，获取大量的带有标注的监督数据是困难且昂贵。聚类方法容易在训练过程中积累误差。并且作为一个视频任务，多目标跟踪中的目标是随着时间一直变化的，这就导致了目标与目标之间，目标与非目标之间会不可避免地出现相互遮挡，以及旧目标消失与新目标出现的问题。遮挡会直接减少目标本身特征并且额外引入来自其他目标或者非目标的特征，使得遮挡目标在不同帧之间的表示不一致，降低同一目标的相似度，对数据关联产生负面影响。对于消失和新出现的目标，这些目标理论上不能与其他目标匹配成功，所以对整个关联阶段可以说是几乎都是负面影响。这些问题即使在有监督多目标跟踪中也是研究者需要面临的最大挑战。大部分工作是在数据关联阶段对相关目标进行后处理，很少在训练特征阶段直接同时平衡所有目标的特征。更何况在无监督情况下，无标签与多目标跟踪固有问题的双重限制使得无监督多目标跟踪更有困难。
技术实现思路
1、本专利技术的目的在于提供一种联合检测跟踪方法、装置、电子设备及存储介质，不使用大量标注数据的情况下对摄像头范围
2、本专利技术提供了下述方案：
3、根据本专利技术的一个方面，提供一种联合检测跟踪方法，所述联合检测跟踪方法包括：
4、通过帧内直接匹配和帧间间接匹配进行训练，计算自比对损失，获取具有判别性的表示；
5、利用跨帧匹配和连续匹配的一致性，调整匹配相似度，计算交叉比对损失，提取有益于目标关联的特征；
6、同时考虑遮挡、消失、重新出现的目标，通过将这些模糊目标进行再匹配，计算模糊比对损失，提高后续目标关联的确定性；
7、综合自对比损失、交叉对比损失以及模糊对比损失，计算总损失；
8、根据总损失，对目标进行跟踪识别。
9、可选的，所述通过帧内直接匹配和帧间间接匹配进行训练，计算自比对损失，获取具有判别性的表示，包括：
10、使用当前帧特征矩阵，直接计算帧内目标相似度；
11、通过在多帧上进行自身的对比学习，进一步衡量目标之间的相似度；
12、根据帧内目标相似度，以及目标之间的相似度，计算自比对损失。
13、可选的，所述根据帧内目标相似度，以及目标之间的相似度，计算自比对损失，包括：
14、根据如下公式计算自对比损失：
15、
16、其中，diag()表示获取对角矩阵操作，sdsc是直接自比对的匹配相似度矩阵，sisc是间接自比对的匹配相似度矩阵。
17、可选的，所述使用当前帧特征矩阵，直接计算帧内目标相似度，包括：
18、通过计算目标特征与其他目标特征之间的相似度，形成相似度矩阵；
19、利用对相似度矩阵的softmax操作，计算第一匹配相似度矩阵。
20、可选的，所述通过在多帧上进行自身的对比学习，进一步衡量目标之间的相似度，包括：
21、根据循环关联一致性，计算前向关联矩阵和反向关联矩阵；
22、根据前向关联矩阵，及反向关联矩阵，计算第二匹配相似度矩阵。
23、可选的，所述利用跨帧匹配和连续匹配的一致性，调整匹配相似度，计算交叉比对损失，提取有益于目标关联的特征，包括：
24、计算出不同帧之间的匹配相似度矩阵；
25、根据不同帧之间的匹配相似度矩阵，计算不同帧之间的js散度；
26、根据js散度，计算不同帧之间的交叉比对损失。
27、可选的，所述根据js散度，计算不同帧之间的交叉比对损失，包括：
28、根据如下公式，计算交叉比对损失：
29、
30、其中，s1→3表示帧1目标往帧3匹配的相似度矩阵，s3→1表示帧3目标往帧1匹配的相似度矩阵，表示帧1目标往帧3匹配的匹配相似度矩阵，表示帧3目标往帧1匹配的匹配相似度矩阵。
31、可选的，所述同时考虑遮挡、消失、重新出现的目标，通过将这些模糊目标进行再匹配，计算模糊比对损失，提高后续目标关联的确定性，包括：
32、根据相似度寻找第一帧中的模糊目标；
33、根据的相似度寻找第二帧中的模糊目标；
34、将这些模糊目标再次进行相似度计算，得到相似度矩阵。
35、可选的，所述将这些模糊目标再次进行相似度计算，得到相似度矩阵，包括：
36、根据如下公式进行相似度矩阵的计算：
37、
38、其中，及将这些模糊目标按照公式再次进行相似度计算得到相似度矩阵，nr和mr分别是帧1和帧2中模糊目标的数量。
39、可选的，所述综合自对比损失、交叉对比损失以及模糊对比损失，计算总损失，包括：
40、根据如下公式计算总损失：
41、lun_reid＝l(it,it-1,it-2)＝lsc+lcc+lac
42、其中，it,it-1,it-2表示作为输入的连续三帧，lun_reid表示总损失，lsc表示自比对损失，lcc表示交叉比对损失，lac表示模糊比对损失。
43、根据本专利技术的二个方面，提供一种联合检测跟踪装置，所述联合检测跟踪装置包括：
44、自比对模块，用于通过帧内直接匹配和帧间间接匹配进行训练，计算自比对损失，获取具有判别性的表示；
45、交叉比对模块，用于利用跨帧匹配和连续匹配的一致性，计算交叉比对损失，调整匹配相似度，提取有益于目标关联的特征；
46、模糊比对模块，用于同时考虑遮挡、消失、重新出现的目标，通过将这些模糊目标进行再匹配，计算模糊比对损失，提高后续目标关联的确定性；
47、损失计算模块，用于综合自对比损失、交叉对比损失以及模糊对比损失，计算总损失；
48、跟踪识别模块，用于根据总损失，对目标进行跟踪识别。
49、根据本专利技术的三个方面，提供一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
50、所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行所述联合检测跟踪方法的步骤。
51、根据本专利技术的四个方面，提供一种计算机可读存储介质，包括：其存储有可由电子设备执行的计算机程序，当计算机程序在电子设备上运行时，使得电子设备执行所述联合检测跟踪方法的步骤。
52、通过上述方案，获得如下有益的本文档来自技高网...
【技术保护点】
1.一种联合检测跟踪方法，其特征在于，所述联合检测跟踪方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过帧内直接匹配和帧间间接匹配进行训练，计算自比对损失，获取具有判别性的表示，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据帧内目标相似度，以及目标之间的相似度，计算自比对损失，包括：
4.根据权利要求2所述的方法，其特征在于，所述使用当前帧特征矩阵，直接计算帧内目标相似度，包括：
5.根据权利要求2所述的方法，其特征在于，所述通过在多帧上进行自身的对比学习，进一步衡量目标之间的相似度，包括：
6.根据权利要求1所述的方法，其特征在于，所述利用跨帧匹配和连续匹配的一致性，调整匹配相似度，计算交叉比对损失，提取有益于目标关联的特征，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据JS散度，计算不同帧之间的交叉比对损失，包括：
8.根据权利要求1所述的方法，其特征在于，所述同时考虑遮挡、消失、重新出现的目标，通过将这些模糊目标进行再匹配，计算模糊比对损失，提高后续目标关
9.根据权利要求8所述的方法，其特征在于，所述将这些模糊目标再次进行相似度计算，得到相似度矩阵，包括：
10.根据权利要求1所述的方法，其特征在于，所述综合自对比损失、交叉对比损失以及模糊对比损失，计算总损失，包括：
11.一种联合检测跟踪装置，其特征在于，所述联合检测跟踪装置包括：
12.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口、存储器通过通信总线完成相互间的通信；所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行权利要去1至10中任一项所述方法的步骤。
13.一种计算机可读存储介质，其特征在于，其存储有可由电子设备执行的计算机程序，当所述计算机程序在所述电子设备上运行时，使得所述电子设备执行权利要求1至10中任一项所述方法的步骤。
...【技术特征摘要】
1.一种联合检测跟踪方法，其特征在于，所述联合检测跟踪方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过帧内直接匹配和帧间间接匹配进行训练，计算自比对损失，获取具有判别性的表示，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据帧内目标相似度，以及目标之间的相似度，计算自比对损失，包括：
4.根据权利要求2所述的方法，其特征在于，所述使用当前帧特征矩阵，直接计算帧内目标相似度，包括：
5.根据权利要求2所述的方法，其特征在于，所述通过在多帧上进行自身的对比学习，进一步衡量目标之间的相似度，包括：
6.根据权利要求1所述的方法，其特征在于，所述利用跨帧匹配和连续匹配的一致性，调整匹配相似度，计算交叉比对损失，提取有益于目标关联的特征，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据js散度，计算不同帧之间的交叉比对损失，包括：
8.根据权利要求1所述的方法，其特征在于，所述同时...
【专利技术属性】
技术研发人员：孟莎，
申请(专利权)人：中国第一汽车股份有限公司，
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。