CN111028272A

CN111028272A - 对象追踪方法及装置

Info

Publication number: CN111028272A
Application number: CN201911267482.6A
Authority: CN
Inventors: 杨喜鹏; 谭啸; 孙昊; 文石磊; 丁二锐
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2019-12-11
Filing date: 2019-12-11
Publication date: 2020-04-17
Anticipated expiration: 2039-12-11
Also published as: CN111028272B

Abstract

本申请公开了对象追踪方法及装置，涉及图像处理领域。具体实现方案为：获取第一摄像装置拍摄得到的多帧第一图像和每帧第一图像的第一拍摄时刻，第一图像中包括第一对象；获取第二摄像装置拍摄得到的多帧第二图像和每帧第二图像的第二拍摄时刻，第二图像中包括第二对象；获取第一摄像装置和第二摄像装置的相对关系；根据多帧第一图像、每帧第一图像的第一拍摄时刻、多帧第二图像、每帧第二图像的第二拍摄时刻和相对关系，判断第一对象和第二对象是否为同一对象。本申请实施例提供的对象追踪方法及装置，能解决现有方案受图像拍摄的角度影响较大，导致方案鲁棒性较差的问题，追踪结果更加精确。

Description

对象追踪方法及装置

技术领域

本申请涉及图像处理技术领域，尤其涉及一种对象追踪方法及装置。

背景技术

在城市生活中，经常需要对行驶状态的车辆进行追踪，主要的追踪手段是通过安装在城市路网中的摄像头的拍摄数据来实现。

由于车辆处于行驶状态，因此单个的摄像头无法获取车辆的行驶轨迹，需要针对不同摄像头下的车辆进行追踪。现有的方案在对不同摄像头下的车辆进行追踪时，采用的方案是通过不同摄像头下的一帧图像数据来判断不同摄像头拍摄的车辆是否为同一辆车，当两帧图像上的车辆的相似度到达一定程度时，认为两帧图像上的车辆为同一车辆，从而通过判断结果来实现对目标车辆的追踪。

现有方案的主要问题是，通过两帧图像来判断两辆车是否为同一辆车，受图像拍摄的角度影响较大，拍摄的车辆的姿态和大小对结果影响较大，方案的鲁棒性较差。

发明内容

本申请实施例提供一种对象追踪方法及装置，以解决现有方案受图像拍摄的角度影响较大的问题。

第一方面，本申请实施例提供一种对象追踪方法，包括：

获取第一摄像装置拍摄得到的多帧第一图像和每帧第一图像的第一拍摄时刻，所述第一图像中包括第一对象；

获取第二摄像装置拍摄得到的多帧第二图像和每帧第二图像的第二拍摄时刻，所述第二图像中包括第二对象；

获取第一摄像装置和第二摄像装置的相对关系，所述相对关系用于指示所述第一摄像装置的第一监控区域与所述第二摄像装置的第二监控区域重叠，或，所述第一监控区域与所述第二监控区域不重叠；

根据多帧所述第一图像、每帧第一图像的第一拍摄时刻、多帧所述第二图像、每帧第二图像的第二拍摄时刻和所述相对关系，判断所述第一对象和所述第二对象是否为同一对象。

第二方面，本申请实施例提供一种对象追踪装置，包括：

第一获取模块，用于获取第一摄像装置拍摄得到的多帧第一图像和每帧第一图像的第一拍摄时刻，所述第一图像中包括第一对象；

第二获取模块，用于获取第二摄像装置拍摄得到的多帧第二图像和每帧第二图像的第二拍摄时刻，所述第二图像中包括第二对象；

第三获取模块，用于获取第一摄像装置和第二摄像装置的相对关系，所述相对关系用于指示所述第一摄像装置的第一监控区域与所述第二摄像装置的第二监控区域重叠，或，所述第一监控区域与所述第二监控区域不重叠；

处理模块，用于根据多帧所述第一图像、每帧第一图像的第一拍摄时刻、多帧所述第二图像、每帧第二图像的第二拍摄时刻和所述相对关系，判断所述第一对象和所述第二对象是否为同一对象。

第三方面，本申请实施例提供一种电子设备，包括：

至少一个处理器；以及

与所述至少一个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至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面中任一项所述的对象追踪方法。

第四方面，本发明实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面中任一项所述的对象追踪方法。

本申请实施例提供的对象追踪方法及装置，首先获取第一摄像装置拍摄得到的多帧第一图像和每帧第一图像的第一拍摄时刻，第一图像中包括第一对象；获取第二摄像装置拍摄得到的多帧第二图像和每帧第二图像的第二拍摄时刻，第二图像中包括第二对象；然后获取第一摄像装置和第二摄像装置之间的相对关系；最后，根据多帧第一图像、每帧第一图像的第一拍摄时刻、多帧第二图像、每帧第二图像的第二拍摄时刻和相对关系，判断第一对象和第二对象是否为同一对象。本申请实施例提供的方案，通过两个方面来对对象进行追踪，其中一个方面是通过拍摄的多帧图像来进行匹配判断，另一个方面是根据两个摄像装置之间的相对关系来辅助进行判断，且第一摄像装置装置和第二摄像装置采集的图像均有多帧，因此本申请实施例提供的方案能够减小图片拍摄角度和对象姿态对追踪结果的影响，同时，通过多帧第一图像或多帧第二图像能够估算对象的移动速度，并进一步结合两个摄像装置之间的相对关系来辅助进行判断，提高判断的准确度，追踪方案的鲁棒性较好，追踪结果也更加精确。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请实施例提供的对象追踪方法的应用场景示意图；

图2为本申请实施例提供的对象追踪方法的流程示意图；

图3为本申请实施例提供的判断第一对象和第二对象是否为同一对象的流程示意图；

图4为本申请实施例提供的监控区域重叠示意图；

图5为本申请实施例提供的重叠区域的示意图一；

图6为本申请实施例提供的重叠区域的示意图二；

图7为本申请实施例提供的根据重叠区域获取概率的流程示意图；

图8A为本申请实施例提供的获取第一参数信息的示意图；

图8B为本申请实施例提供的获取第二参数信息的示意图；

图9为本申请实施例提供的获取各概率的示意图；

图10为本申请实施例提供的无重叠区域时获取概率的流程示意图；

图11为本申请实施例提供的获取第五概率的示意图；

图12为本申请实施例提供的获取第六概率的示意图；

图13为本申请实施例提供的对象追踪装置的结构示意图；

图14为本申请实施例提供的对象追踪方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1为本申请实施例提供的对象追踪方法的应用场景示意图，在本申请中所指的对象是可以移动的对象，例如小轿车、货车、客车等不同类型的车辆，还可以是行走的人。在图1中以所指对象为车辆为例对本申请的应用场景进行说明。

参见图1中示出的，包括服务器10、第一摄像装置11、第二摄像装置12、第一车辆111和第二车辆121，其中第一摄像装置11的监控范围为第一监控区域112，第二摄像装置12的监控范围为第二监控区域122。图1的右上边为城市中的某一段道路，第一车辆111行驶在该段道路上，在该段道路的一处设置有第一摄像装置11，当第一车辆111经过第一监控区域112时，第一摄像装置11能够拍摄得到关于第一车辆111的多帧第一图像。

图1的右下边为城市中的另一段道路，第二车辆121行驶在该段道路上，在该段道路的一处设置有第二摄像装置12，当第二车辆121经过第二监控区域122时，第二摄像装置12能够拍摄得到关于第二车辆121的多帧第二图像。

若第一车辆111为需要追踪的对象，则当第一车辆111驶出第一监控区域112后，第一摄像装置11无法监控到第一车辆111，此时需要判断其他摄像装置下的车辆是否为第一车辆111，例如追踪到第二摄像装置12，则需要根据拍摄得到的多帧第一图像和多帧第二图像判断第一车辆111和第二车辆121是否为同一车辆。

在图1中，还包括服务器10，服务器10与第一摄像装置11之间通过无线网络连接，同时服务器10与第二摄像装置12之间也通过无线网络连接。当第一摄像装置11得到多帧第一图像、第二摄像装置12得到多帧第二图像后，服务器10会分别接收第一摄像装置11发送的多帧第一图像和第二摄像装置12发送的多帧第二图像，然后服务器10对多帧第一图像和多帧第二图像进行处理，得到判断结果。若根据判断结果获知第一车辆111 与第二车辆121不是同一车辆，则服务器10继续获取其他摄像装置的多帧图像，重复上述过程，直至找到另一摄像装置下的第一车辆111。若根据判断结果获知第一车辆111与第二车辆121是同一车辆，则实现了从第一摄像装置11到第二摄像装置12之间的追踪，此时可以以第二摄像装置 12为基础，继续追踪第一车辆111在下一摄像装置下的行踪，进一步的，还可以将第一车辆111在各个摄像装置下的行踪轨迹进行连接，并标注在地图上，从而观察第一车辆111的移动轨迹，等等。

下面以具体的实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

图2为本申请实施例提供的对象追踪方法的流程示意图，如图2所示，包括：

S21，获取第一摄像装置拍摄得到的多帧第一图像和每帧第一图像的第一拍摄时刻，所述第一图像中包括第一对象。

S22，获取第二摄像装置拍摄得到的多帧第二图像和每帧第二图像的第二拍摄时刻，所述第二图像中包括第二对象。

第一摄像装置和第二摄像装置分别为两个不同的摄像装置，第一对象经过第一摄像装置的监控区域，根据第一摄像装置拍摄得到多帧第一图像，以及每帧第一图像的第一拍摄时刻。第一摄像装置可以是一个摄像头、一个监控设备等等。在第一对象经过第一摄像装置的监控区域时，第一摄像装置拍摄得到的可以是多帧第一图像，也可以是一段监控视频，然后由服务器将该段监控视频转换为一帧一帧的第一图像。

同样的，在第二对象经过第二摄像装置的监控区域时，根据第二摄像装置拍摄得到多帧第二图像，以及每帧第二图像的第二拍摄时刻。多帧第一图像可以组成一个第一图像序列，多帧第二图像可以组成一个第二图像序列。第一图像的帧数和第二图像的帧数可以相等，也可以不相等，此处不作特别限定。

S23，获取第一摄像装置和第二摄像装置的相对关系，所述相对关系用于指示所述第一摄像装置的第一监控区域与所述第二摄像装置的第二监控区域重叠，或，所述第一监控区域与所述第二监控区域不重叠。

第一摄像装置与第二摄像装置的相对关系有两种，第一种是相对关系指示第一摄像装置的第一监控区域与第二摄像装置的第二监控区域重叠，第二种是相对关系指示第一摄像装置的第一监控区域与第二摄像装置的第二监控区域不重叠。本申请实施例根据不同的相对关系，采取不同的处理方式。

相对关系的获取也有多种方式。在摄像装置安装固定之后，摄像装置的安装位置、镜头朝向以及监控区域就都确定下来，此时各个摄像装置可以向服务器上报各自的监控区域以及各个摄像装置的标识，由服务器确定哪些摄像装置的监控区域之间有重叠以及重叠的监控区域所处位置，同时也能够确定哪些摄像装置的监控区域之间没有重叠。

在获取到上述信息后，可以将其存储起来。在需要得到第一摄像装置和第二摄像装置之间的相对关系时，可以根据第一摄像装置和第二摄像装置的标识来获取，得到第一摄像装置和第二摄像装置的相对关系。

S24，根据多帧所述第一图像、每帧第一图像的第一拍摄时刻、多帧所述第二图像、每帧第二图像的第二拍摄时刻和所述相对关系，判断所述第一对象和所述第二对象是否为同一对象。

首先，需要根据第一摄像装置和第二摄像装置的相对关系，来确定追踪的方式。当第一监控区域与第二监控区域有重叠时，可以理解的是，在同一对象在一个时刻下只能在一个位置，若第一对象和第二对象为同一对象，则第一对象在重叠区域所经过的位置与第二对象在重叠区域所经过的位置是相同的。

因此，在获取到多帧第一图像和多帧第二图像后，根据每帧第一图像的第一拍摄时刻和每帧第二图像的第二拍摄时刻，可将第一拍摄时刻和第二拍摄时刻相同或者十分接近的图像进行比较确定，判断在第一拍摄时刻第一对象所在的位置和第二拍摄时刻第二对象所在的位置是否为同一位置、第一拍摄时刻第一对象的运动方向和速度与第二拍摄时刻第二对象的运动方向和速度是否相同，等等方面来判断第一对象和第二对象是否为同一对象。同时，还能够，辅助判断第一对象和第二对象是否为同一对象。

当第一监控区域与第二监控区域没有重叠时，首先，仍旧可以根据多帧第一图像提取第一对象的特征，根据多帧第二图像提取第二对象的特征，提取的特征可以为全局特征、属性特征以及局部特征等多种特征中的一种或多种，进行匹配确定。当第一对象和第二对象的特征越匹配时，则第一对象和第二对象为同一对象的可能性越大。进一步的，由于不同摄像装置拍摄得到的图像的角度、大小以及与拍摄对象的距离的不同，仅仅依靠提取的对象的特征进行判定不够准确，受摄像装置的角度和姿态的影响较大，此时，针对第一监控区域和第二监控区域没有重叠的情况，还能够根据第一摄像装置和第二摄像装置之间的距离进行辅助判断。

例如，当第一拍摄时刻早于第二拍摄时刻时，可根据多帧第一图像、每帧第一图像的第一拍摄时刻、以及第一对象在第一监控区域内的移动距离，得到第一对象在第一监控区域下的平均速度，然后根据第一拍摄装置和第二拍摄装置之间的距离，估算第一对象从第一监控区域到第二监控区域下所需的时间，将该时间与第二拍摄时刻进行比对，若比对越相近，则表示第一对象和第二对象为同一对象的可能性越大，反之则越小。除了通过移动速度来判断，还可以根据运动方向、路网数据等等因素来综合判断，此次不再赘述。

本申请实施例提供的对象追踪方法，首先获取第一摄像装置拍摄得到的多帧第一图像和每帧第一图像的第一拍摄时刻，第一图像中包括第一对象；获取第二摄像装置拍摄得到的多帧第二图像和每帧第二图像的第二拍摄时刻，第二图像中包括第二对象；然后获取第一摄像装置和第二摄像装置之间的相对关系；最后，根据多帧第一图像、每帧第一图像的第一拍摄时刻、多帧第二图像、每帧第二图像的第二拍摄时刻和相对关系，判断第一对象和第二对象是否为同一对象。本申请实施例提供的方案，通过两个方面来对对象进行追踪，其中一个方面是通过拍摄的多帧图像来进行匹配判断，另一个方面是根据两个摄像装置之间的相对关系来辅助进行判断，且第一摄像装置装置和第二摄像装置采集的图像均有多帧，因此本申请实施例提供的方案能够减小图片拍摄角度和对象姿态对追踪结果的影响，同时，通过多帧第一图像或多帧第二图像能够估算对象的移动速度，并进一步结合两个摄像装置之间的相对关系来辅助进行判断，提高判断的准确度，追踪方案的鲁棒性较好，追踪结果也更加精确。

下面结合图3，并采用具体的实施例，对本申请实施例的方案进行详细说明。图3为本申请实施例提供的判断第一对象和第二对象是否为同一对象的流程示意图，如图3所示，包括：

S31，根据全局特征模型获取多帧所述第一图像中所述第一对象的全局特征和多帧所述第二图像中所述第二对象的全局特征，其中所述全局特征模型是根据多帧第一样本图像进行训练得到的。

在对第一对象进行全局特征提取之前，首先要对全局特征模型进行训练。训练时，需要获取多帧第一样本图像，每一帧第一样本图像中都包括一个对象。对于每个对象，会为其分配一个唯一的标识。例如，以对象为车辆举例进行说明，可以为每一辆车辆分配一个ID号，根据ID号能够唯一确定对应的车辆。

对于每一帧第一样本图像，将其中的背景部分去除，得到样本车辆图像。然后将样本车辆图像输入到全局特征模型中，得到全局特征模型提取的全局特征。对全局特征模型提取的全局特征进行相应的处理，得到对应的车辆ID，然后将对应的车辆ID与样本车辆的ID进行比对，根据比对结果来训练全局特征模型，得到训练好的全局特征模型。

然后，将多帧第一图像输入训练好的全局特征模型中，即可得到第一对象的全局特征。当第一对象为第一车辆时，则获取到的是第一车辆的全局特征。同样的，将多帧第二图像输入训练好的全局特征模型中，即可得到第二对象的全局特征。当第二对象为第二车辆时，则获取到的是第二车辆的全局特征。

S32，根据所述第一对象的全局特征和所述第二对象的全局特征得到第一对象和第二对象的全局特征相似度。

由于第一图像有多帧，根据每一帧第一图像都能得到一个第一对象的全局特征，同样的，根据每一帧第二图像都能得到一个第二对象的全局特征。因此，本发明实施例会将第一对象的全局特征和第二对象的全局特征进行组合。

具体的，根据每对图像中第一对象的全局特征和第二对象的全局特征得到每对图像的全局特征相似度，其中，每对图像包括一帧第一图像和一帧第二图像，然后，对多个每对图像的全局特征相似度进行均值处理，得到全局特征相似度。

例如，根据第一摄像装置得到了15帧第一图像，这15帧第一图像中均包括第一对象，根据第二摄像装置也得到了20帧第二图像，这20帧第二图像中均包括第二对象。将每一帧第一图像输入至全局特征模型中，可以得到每一帧第一图像中第一对象的全局特征，总共15帧第一图像的全局特征。同样的，将每一帧第二图像输入至全局特征模型中，可以得到每一帧第二图像中第二对象的全局特征，总共20帧第二图像的全局特征。

然后，根据每一帧第一图像和每一帧第二图像，可以得到一对图像，因此根据15帧第一图像和20帧第二图像，可以得到300对图像，每对图像中包括一帧第一图像和一帧第二图像。对于每对图像，将每对图像中第一图像的全局特征与第二图像的全局特征进行匹配，得到该对图像的全局特征相似度。对每对图像都进行如上的处理后，能够得到300个全局特征相似度。最后，对这300个全局特征相似度取均值，得到第一对象和第二对象的全局特征相似度Pa。

S33，根据多帧所述第一图像、每帧第一图像的第一拍摄时刻、多帧所述第二图像、每帧第二图像的第二拍摄时刻和所述相对关系，得到所述第一对象和所述第二对象为同一对象的概率。

在本申请实施例中，在得到第一对象和第二对象为同一对象的概率之前，首先要确定第一摄像装置和第二摄像装置的相对关系，即，判断第一摄像装置的第一监控区域与第二摄像装置的第二监控区域重叠还是不重叠，然后根据第一摄像装置和第二摄像装置的相对关系，分别进行处理。下面，将针对两种不同的相对关系的处理方式进行详细说明。

首先是相对关系指示第一监控区域与第二监控区域重叠，图4为本申请实施例提供的监控区域重叠示意图，如图4所示，包括第一摄像装置41 和第二摄像装置42，第一摄像装置41的第一监控区域401和第二摄像装置42的第二监控区域402。由于第一摄像装置41和第二摄像装置42的安装位置、镜头朝向等信息已知，因此能够获取第一监控区域401与第二监控区域402的重叠区域400。

在确定第一监控区域401与第二监控区域402的重叠区域400后，还需要根据重叠区域400确定第一目标图像和第二目标图像，其中，第一目标图像为多帧第一图像中第一对象处于重叠区域400的图像，第二目标图像为多帧第二图像中第二对象处于重叠区域400的图像。

在本申请实施例中，当第一监控区域401与第二监控区域402有重叠区域400时，需要第一对象和第二对象经过重叠区域400，才能够进行判断。

图5为本申请实施例提供的重叠区域的示意图一，如图5所示，包括第一对象501和第二对象502，其中，在长为S1的道路A和道路C上，是第一摄像装置的第一监控区域，在道路C上长为S2的区域为第二摄像装置的第二监控区域，道路A为一条主干道，道路B和道路C均为道路 A的岔路。图5中的黑色部分为第一摄像装置和第二摄像装置的重叠区域 50。当根据第一摄像装置拍摄得到的多帧第一图像获知第一对象不经过重叠区域50，而是进入道路B上时，此时即使第二摄像装置在重叠区域50 拍摄到第二对象502，第一对象501和第二对象502也不是同一对象。

当第二对象经过重叠区域时，与上述同理，此处不再赘述。图6为本申请实施例提供的重叠区域的示意图二，如图6所示，包括道路A和道路 C上长为S1的第一监控区域、道路C上长为S2的第二监控区域和重叠区域50。若第一对象501从左到右行驶，根据第一摄像装置拍摄得到的多帧第一图像获知第一对象501经过重叠区域50，此时根据第二摄像装置拍摄得到的多帧第二图像也获知第二对象502经过重叠区域50，则第一对象 501和第二对象502有可能是同一对象，但仍需要进一步判定。当第一对象501和第二对象502都经过重叠区域50时，且第一拍摄时刻和第二拍摄时刻有重叠时，可根据重叠区域50确定第一目标图像和第二目标图像。

然后，根据多帧第一目标图像、每帧第一目标图像的第一目标拍摄时刻、多帧第二目标图像、每帧第二目标图像的第二目标拍摄时刻，得到第一对象和第二对象为同一对象的概率。

图7为本申请实施例提供的根据重叠区域获取概率的流程示意图，如图7所示，包括：

S71，根据多帧所述第一目标图像以及每帧第一目标图像的第一目标拍摄时刻获取多帧所述第一目标图像的第一参数信息，所述第一参数信息包括每帧所述第一目标图像的所述第一对象的第一坐标和第一速度、所述第一对象在所述重叠区域的第一运动方向和第一运动轨迹。

下面将结合图8对第一参数信息的获取进行详细说明。图8A为本申请实施例提供的获取第一参数信息的示意图，如图8A所示，首先在第一对象111经过重叠区域时，根据第一摄像装置11多帧第一目标图像，在图8A中示出了6帧第一目标图像，然后对每一帧第一目标图像中的第一对象进行识别，并根据第一目标图像的位置，获取每一帧第一目标图像中第一对象的第一坐标。

在本申请实施例中，第一对象的第一坐标指的是第一摄像装置拍摄得到的第一目标图像中第一对象的位置投影到大地坐标上的位置坐标，因此，每一帧第一目标图像都对应一个第一对象的第一坐标，同时每帧第一目标图像都有一个对应的第一拍摄时刻。在获取第一对象的每个第一坐标的同时，还能够获取每个第一坐标的时间信息。

在本申请实施例中，第一坐标可以是第一对象的空间三维坐标，也可以是第一对象的经纬度坐标，此处不作特别限定。如图8A中所示，6帧第一目标图像分别对应的第一拍摄时刻从早到晚依次为100ms、200ms、 300ms、400ms、500ms和600ms，这6帧第一目标图像中的第一对象的坐标根据第一拍摄时刻从早到晚的顺序依次为A1(x1,y1)、B1(x2,y2)、 C1(x3,y3)、D1(x4,y4)、E1(x5,y5)和F1(x6,y6)。本申请实施例中，图8A示出的第一对象的第一坐标为三维坐标，为了示例方便，第一对象在行驶时的竖直坐标不变，因此在本申请实施例中省略了竖直坐标，仅示出了水平坐标和垂直坐标。可以理解的是，第一对象的第一坐标还可以是投影到地球上的经纬度坐标，其实施原理与此类似，此处不再赘述。

得到第一对象的各个坐标后，还需要得到第一对象的第一速度、第一对象在重叠区域的第一运动方向和第一运动轨迹。其中，第一运动轨迹可直接根据各个第一坐标以及每个第一坐标对应的第一拍摄时刻，依次连接起来，即为第一运动轨迹。第一速度可以是第一对象在经过重叠区域时的平均速度，也可以对第一对象处于每个第一坐标处时的速度。例如，当第一速度为第一对象在经过重叠区域时的平均速度时，可以计算A1到F1 的距离，以及A1到F1之间的时间差，从而得到第一速度：

其中，V1为第一速度，S_A1-B1为A1至B1的距离，S_B1-C1为B1至C1 的距离，S_C1-D1为C1至D1的距离，S_D1-E1为D1至E1的距离，S_E1-F1为E1 至F1的距离，Δt为F1点的第一拍摄时刻与A1点的第一拍摄时刻之间的差值，在图8A中为500ms。上述计算第一速度的方式，假设第一对象经过重叠区域时，在任一第一坐标处的速度相同，从而得到一个平均速度。

另一种可能的方式是，分别计算每个第一坐标点处的第一速度，以图 8A中的D1点为例，要得到D1处的第一速度，也可以先计算得到S_C1-D1和 S_D1-E1，然后得到C1与E1之间的时间差，从而得到D1处的第一速度，其他第一坐标点处的第一速度的计算方式与此类似。

第一运动方向的获取可以根据坐标点之间的连线获取，通过设置一个参考方向，获取运动方向与参考方向的夹角来表示第一运动方向。例如，若需要获取D1处的第一运动方向，可以将C1与D1的连线作为D1的第一运动方向，也可以将D1与E1的连线作为D1的第一运动方向，也可以将C1与D1的连线作为D1的第一运动方向。还有一种可能的方式是，当第一对象为车辆时，第一对象只能在公路上行驶，则第一对象在公路上的第一运动方向与公路的方向大致相同，即使由于驾驶员的原因在公路上有部分的角度倾斜，使得第一对象在公路上的方向与公路的方向有轻微差别，也可认为是误差范围内的，此时可将公路的方向作为第一对象的第一运动方向。

S72，根据多帧所述第二目标图像以及每帧第二目标图像的第二目标拍摄时刻获取多帧所述第二目标图像的第二参数信息，所述第二参数信息包括每帧所述第二目标图像的所述第二对象的第二坐标和第二速度、所述第二对象在所述重叠区域的第二运动方向和第二运动轨迹。

图8B为本申请实施例提供的获取第二参数信息的示意图，如图8B 所示，根据第二对象121经过重叠区域时、第二摄像装置12拍摄得到的多帧第二目标图像，以及每帧第二目标图像的第二拍摄时刻，可得到第二参数信息。图8B中示出了6帧第二目标图像，6帧第二目标图像分别对应的第二拍摄时刻从早到晚依次为110ms、210ms、310ms、410ms、510ms和610ms，这6帧第二目标图像中的第二对象的坐标根据第二拍摄时刻从早到晚的顺序依次为A2(x7,y7)、B2(x8,y8)、C2(x9,y9)、D2(x10,y10)、 E2(x11,y11)和F2(x12,y12)。与图8A中类似，图8B中示出的也是第二坐标的三维坐标，并省去了竖直坐标，当图8B中的第二坐标为对应到大地上的经纬度坐标时，实施原理与此类似。

根据每个第二坐标获取其他第二参数信息的方式与根据每个第一坐标获取其他第一参数信息的方式类似，此处不再赘述。可以理解的是，上述第一目标图像的帧数和第二目标图像的帧数仅仅是一种参考，实际的数量并不受此限制。

S73，根据所述第一参数信息和所述第二参数信息，得到所述第一对象和所述第二对象为同一对象的概率。

具体的，首先根据每个目标图像对中所述第一对象的第一坐标和所述第二对象的第二坐标，得到第一概率，所述第一概率指示当第一监控区域与第二监控区域重叠时、所述第一对象和所述第二对象在坐标维度上为同一对象的概率，其中，且每个目标图像对中的第一目标图像的第一目标拍摄时刻与第二目标图像的第二目标拍摄时刻之间的时间差小于预设值；

然后，根据每个目标图像对中所述第一对象的第一速度和所述第二对象的第二速度，得到第二概率，所述第二概率指示当第一监控区域与第二监控区域重叠时、所述第一对象和所述第二对象在速度维度上为同一对象的概率；

根据所述第一运动方向和所述第二运动方向，得到第三概率，所述第三概率指示当第一监控区域与第二监控区域重叠时、所述第一对象和所述第二对象在运动方向维度上为同一对象的概率；

根据所述第一运动轨迹和所述第二运动轨迹，得到第四概率，所述第四概率指示当第一监控区域与第二监控区域重叠时、所述第一对象和所述第二对象在运动轨迹维度上为同一对象的概率；

最后，根据所述第一概率、所述第二概率、所述第三概率和所述第四概率，得到所述第一对象和所述第二对象为同一对象的概率。

下面将结合图9进行说明。图9为本申请实施例提供的获取各概率的示意图，如图9所示，首先获取每一帧第一目标图像上的第一坐标，分别为A1(x1,y1)、B1(x2,y2)、C1(x3,y3)、D1(x4,y4)、E1(x5,y5)和F1(x6,y6)，第一目标图像的每一帧之间的间隔为100ms，上述六个第一坐标的第一拍摄时刻分别为100ms、200ms、300ms、400ms、500ms和600ms。第二目标图像的每一帧之间的间隔也为100ms，得到的六帧第二目标图像上的第二坐标分别为A2(x7,y7)、B2(x8,y8)、C2(x9,y9)、D2(x10,y10)、E2(x11,y11) 和F2(x12,y12)，上述六个第二坐标的第二拍摄时刻分别为110ms、210ms、 310ms、410ms、510ms和610ms，预设值设定为30ms。

此时，根据A1(x1,y1)和A2(x7,y7)、B1(x2,y2)和B2(x8,y8)、C1(x3,y3) 和C2(x9,y9)、D1(x4,y4)和D2(x10,y10)、E1(x5,y5)和E2(x11,y11)、F1(x6,y6) 和F2(x12,y12)，分别得到六组第一坐标和第二坐标的差异值。

其中，ΔK_A1-A2为A1和A2的坐标差异值，ΔK_B1-B2为B1和B2的坐标差异值，ΔK_C1-C2为C1和C2的坐标差异值，ΔK_D1-D2为D1和D2的坐标差异值，ΔK_E1-E2为E1和E2的坐标差异值，ΔK_F1-F2为F1和F2的坐标差异值。

此时，第一概率为：

当|(Pl1-Pl2)²|<δl时，

否则，Pl＝0，其中，Pl为第一概率，

δl为第一预设阈值，m为根据Pl的权重设计的预设参数。在图9的示例中，共有六组目标图像对，因此得到的差异值是六组差异值的平均值。若目标图像对的数量为其他数值，则根据实际情况调整即可。

第二概率为：

当|(Pe1-Pe2)²|<δe时，

否则，Pe＝0，其中，Pe为第二概率，Pe1-Pe2＝ΔV_A1-A2+ΔV_B1-B2+ΔV_C1-C2+ΔV_D1-D2+ΔV_E1-E2+ΔV_F1-F2， ΔV_A1-A2为A1与A2的速度差异值，ΔV_B1-B2为B1与B2的速度差异值，ΔV_C1-C2为C1与C2的速度差异值，ΔV_D1-D2为D1与D2的速度差异值，ΔV_E1-E2为 E1与E2的速度差异值，ΔV_F1-F2为F1与F2的速度差异值，δe为第二预设阈值，n为根据Pe的权重设计的预设参数。如上所述，当目标图像对的数量为其他数值时，可根据实际情况调整第二概率中速度差异值的数量。

第三概率为：

当|(Pd1-Pd2)²|<δd时，

否则，Pd＝0，其中，Pd为第三概率，Pd1-Pd2为第一运动方向和第二运动方向的差异值，δd为第三预设阈值，k为根据Pd的权重设计的预设参数。

第四概率为：

当|(Ps1-Ps2)²|<δs时，

否则，Ps＝0，其中，Ps为第四概率，Ps1-Ps2＝ΔK_A1-A2+ΔK_B1-B2+ΔK_C1-C2+ΔK_D1-D2+ΔK_E1-E2+ΔK_F1-F2，δs 为第四预设阈值，t为根据Ps的权重设计的预设参数。

上述实施例示出的是第一监控区域与第二监控区域有重叠区域的情况，下面将结合图10对第一监控区域与第二监控区域没有重叠的情况进行说明。图10为本申请实施例提供的无重叠区域时获取概率的流程示意图，如图10所示，所述第一拍摄时刻位于所述第二拍摄时刻之前，包括：

S101，根据多帧所述第一图像获取所述第一对象在所述第一监控区域下的第一方向，根据多帧所述第二图像获取所述第二对象在所述第二监控区域下的第二方向；

S102，根据所述第一方向和所述第二方向确定第五概率，所述第五概率指示当第一监控区域与第二监控区域不重叠时、所述第一对象和所述第二对象在方向维度上为同一对象的概率；

具体的，首先获取所述第一摄像装置和所述第二摄像装置的安装信息，所述安装信息包括摄像装置的安装位置和摄像装置的朝向；

其次，根据所述第一方向、所述第一摄像装置和所述第二摄像装置的安装信息以及路网数据，确定目标方向，所述目标方向为第一对象经过所述第二摄像装置的第二监控区域时的方向；

然后，根据所述路网数据获取从所述第一摄像装置所在位置至所述第二摄像装置所在位置的路径数目；

最后根据所述第二方向、所述目标方向和所述路径数目，确定所述第五概率。

图11为本申请实施例提供的获取第五概率的示意图，如图11所示，以追踪对象为车辆为例，在第一摄像装置和第二摄像装置安装固定之后，相应的监控范围已确定，分别我第一监控区域101和第二监控区域102。在图11中，若第一摄像装置和第二摄像装置之间只有一条路径，第一车辆在经过第一监控区域101时，在第一摄像装置的第一监控画面111上留下的移动方向应当是从右至左的。而第一摄像装置与第二摄像装置分设在一条道路的两边，当第一车辆离开第一监控区域101而进入第二监控区域 102后，其移动方向应当与在第一摄像装置的监控区域下的移动方向相同。由于第一摄像装置与第二摄像装置在一条道路的两边，因此此时第二摄像装置拍摄得到第二监控画面112应当是从左到右，此时的从左到右即为目标方向。若根据多帧第二图像得到的第二方向与目标方向一致，此时第五概率即为1，若第二方向与目标方向不一致，此时第五概率小于1。

当第一摄像装置和第二摄像装置不是安装在同一条道路上时，如图11 所示此时从第一监控区域101前往第二监控区域102的路径可能有多条，此时得到的目标方向也可能有多条。在图11中，第二监控区域102包括一个十字路口，因此当第一监控区域101到第二监控区域102之间的路径有多条时，第一车辆可能从各个方向进入第二监控区域102，得到不同的监控画面，例如包括第三监控画面113，此时第一车辆从左到右进入第二监控区域102，例如包括第四监控画面114，此时第一车辆右转进入第二监控区域102，例如包括第五监控画面115，此时第一车辆左转进入第二监控区域102，例如包括第六监控画面，此时第一车辆从右至左进入第二监控区域102，等等。因此，若根据路网数据获取从第一摄像装置所在位置至第二摄像装置所在位置的路径数目有多个，此时根据路径数目来确定第五概率，其中，路径数目与第五概率Pc呈正相关，即：

当第二方向与目标方向一致时，Pc＝1；

当第二方向与目标方向不一致时，Pc＝m，m的取值与路径数目呈正相关，且m为0-1之间的数值。

S103，根据每帧第一图像的第一拍摄时刻，确定所述第一对象的移动速度。

其中，根据每帧第一图像的第一拍摄时刻确定第一对象的移动速度的方式与上述实施例中根据每帧第一目标图像的拍摄时刻确定第一图像的移动速度的方式类似，此处不再赘述。

S104，根据所述第一对象的移动速度、所述第一摄像装置和所述第二摄像装置之间的距离、所述第一拍摄时刻和所述第二拍摄时刻，确定第六概率，所述第六概率指示当第一监控区域与第二监控区域不重叠时、所述第一对象和所述第二对象在时间维度上为同一对象的概率。

图12为本申请实施例提供的获取第六概率的示意图，如图12所示，第一摄像装置和第二摄像装置中对象的匹配在时间上也存在相应关系，以对象为车辆为例，例如从第一摄像装置的第一监控区域运动到第二摄像装置的第二监控区域的车辆，在第一摄像装置出现的时间应当早于在第二摄像装置出现的时间，且根据第一摄像装置与第二摄像装置之间的距离，以及第一车辆的运动速度，能够大致估算出第一车辆从第一监控区域到第二监控区域的时间，从而将该时间与第二拍摄时刻进行比较，得到第六概率。

在图12中，M为第一车辆在第一监控区域下的一个位置，根据多帧第一图像，能够得到第一车辆在第一监控区域下的速度V，N为第二监控区域下的一个位置，MN之间的距离为S，则根据V和S能够得到第一车辆从M点到N点所需的时间t＝S/V，然后根据t确定预设时段，预设时段在t附近。

当第一车辆从第一摄像装置的第一监控区域到第二摄像装置的第二监控区域出现的时间差在预设时段内时，第六概率Pt为1，当不在预设时段内时，Pt的取值与具体需要的时间段有关，具体需要的时间段与预设时段越接近，Pt的取值越大，反之则越小。

S105，根据所述第五概率和所述第六概率，得到所述第一对象和所述第二对象为同一对象的概率。

S34，根据所述全局特征相似度和所述概率，判断所述第一对象和所述第二对象是否为同一对象。

具体的，首先获取所述全局特征相似度对应的第一权重以及所述概率对应的第二权重；

然后根据所述第一权重和所述第二权重，将所述全局特征相似度和所述概率进行融合，得到融合参数；

最后当所述融合参数超过预设值时，确定所述第一对象和所述第二对象为同一对象，反之，则第一对象和第二对象不是同一对象。

例如，当第一监控区域与第二监控区域重叠时，根据第一概率、第二概率、第三概率和第四概率得到第一对象和第二对象为同一对象的概率：

P1＝mPl+nPe+kPd+tPs，

其中，P1为当第一监控区域与第二监控区域重叠时第一对象和第二对象为同一对象的概率，m、n、k和t分别为第一概率、第二概率、第三概率和第四概率的权重，Pl为第一概率、Pe为第二概率、Pd为第三概率、 Ps为第四概率。

当第一监控区域与第二监控区域无重叠时，根据第五概率和第六概率得到第一对象和第二对象为同一对象的概率：

P2＝aPc+bPt，

其中，P2为当第一监控区域与第二监控区域没有重叠时第一对象和第二对象为同一对象的概率，a和b分别为第五概率和第六概率的权重，Pc 为第五概率、Pt为第六概率。

然后根据相对关系进行融合，当第一摄像装置与第二摄像装置的监控区域有重叠时：

f＝α*Pa+xP1＝α*Pa+β*Pl+γ*Pe+μ*Pd+θ*Ps，

当第一摄像装置与第二摄像装置的监控区域没有重叠时：

f＝α*Pa+yP2＝α*Pa+β*Pc+γ*Pt。

两个序列间的f值越大表明，两个序列越相似，如果f超过预设阈值，表明两个序列为相同的对象，反之则为不同的对象。

本申请实施例提供的对象追踪方法，首先获取第一摄像装置拍摄得到的多帧第一图像和每帧第一图像的第一拍摄时刻，第一图像中包括第一对象；获取第二摄像装置拍摄得到的多帧第二图像和每帧第二图像的第二拍摄时刻，第二图像中包括第二对象；然后获取第一摄像装置和第二摄像装置之间的相对关系；最后，根据多帧第一图像、每帧第一图像的第一拍摄时刻、多帧第二图像、每帧第二图像的第二拍摄时刻和相对关系，判断第一对象和第二对象是否为同一对象。本申请实施例提供的方案，通过两个方面来对对象进行追踪，其中一个方面是通过拍摄的多帧图像来进行匹配判断，另一个方面是根据两个摄像装置之间的相对关系来辅助进行判断，且第一摄像装置装置和第二摄像装置采集的图像均有多帧，因此本申请实施例提供的方案能够减小图片拍摄角度和对象姿态对追踪结果的影响，同时，通过多帧第一图像或多帧第二图像能够估算对象的移动速度，并进一步结合两个摄像装置之间的相对关系来辅助进行判断，通过不同的相对关系采取不同的追踪方法，提高判断的准确度，追踪方案的鲁棒性较好，追踪结果也更加精确。

图13为本申请实施例提供的对象追踪装置的结构示意图，如图13所示，包括第一获取模块131、第二获取模块132、第三获取模块133和处理模块134，其中：

第一获取模块131用于获取第一摄像装置拍摄得到的多帧第一图像和每帧第一图像的第一拍摄时刻，所述第一图像中包括第一对象；

第二获取模块132用于获取第二摄像装置拍摄得到的多帧第二图像和每帧第二图像的第二拍摄时刻，所述第二图像中包括第二对象；

第三获取模块133用于获取第一摄像装置和第二摄像装置的相对关系，所述相对关系用于指示所述第一摄像装置的第一监控区域与所述第二摄像装置的第二监控区域重叠，或，所述第一监控区域与所述第二监控区域不重叠；

处理模块134用于根据多帧所述第一图像、每帧第一图像的第一拍摄时刻、多帧所述第二图像、每帧第二图像的第二拍摄时刻和所述相对关系，判断所述第一对象和所述第二对象是否为同一对象。

在一种可能的实现方式中，所述处理模块134具体用于：

根据全局特征模型获取多帧所述第一图像中所述第一对象的全局特征和多帧所述第二图像中所述第二对象的全局特征，其中所述全局特征模型是根据多帧第一样本图像进行训练得到的；

根据所述第一对象的全局特征和所述第二对象的全局特征得到第一对象和第二对象的全局特征相似度；

根据多帧所述第一图像、每帧第一图像的第一拍摄时刻、多帧所述第二图像、每帧第二图像的第二拍摄时刻和所述相对关系，得到所述第一对象和所述第二对象为同一对象的概率；

根据所述全局特征相似度和所述概率，判断所述第一对象和所述第二对象是否为同一对象。

在一种可能的实现方式中，所述相对关系指示所述第一监控区域与所述第二监控区域重叠，所述处理模块134具体用于：

确定所述第一监控区域与所述第二监控区域的重叠区域，并根据所述重叠区域确定第一目标图像和第二目标图像，其中，所述第一目标图像为多帧所述第一图像中所述第一对象处于所述重叠区域的图像，所述第二目标图像为多帧所述第二图像中所述第二对象处于所述重叠区域的图像；

根据多帧所述第一目标图像、每帧第一目标图像的第一目标拍摄时刻、多帧所述第二目标图像、每帧第二目标图像的第二目标拍摄时刻，得到所述第一对象和所述第二对象为同一对象的概率。

在一种可能的实现方式中，所述处理模块134具体用于：

根据多帧所述第一目标图像以及每帧第一目标图像的第一目标拍摄时刻获取多帧所述第一目标图像的第一参数信息，所述第一参数信息包括每帧所述第一目标图像的所述第一对象的第一坐标和第一速度、所述第一对象在所述重叠区域的第一运动方向和第一运动轨迹；

根据多帧所述第二目标图像以及每帧第二目标图像的第二目标拍摄时刻获取多帧所述第二目标图像的第二参数信息，所述第二参数信息包括每帧所述第二目标图像的所述第二对象的第二坐标和第二速度、所述第二对象在所述重叠区域的第二运动方向和第二运动轨迹；

根据所述第一参数信息和所述第二参数信息，得到所述第一对象和所述第二对象为同一对象的概率。

在一种可能的实现方式中，所述处理模块134具体用于：

根据每个目标图像对中所述第一对象的第一坐标和所述第二对象的第二坐标，得到第一概率，所述第一概率指示当第一监控区域与第二监控区域重叠时、所述第一对象和所述第二对象在坐标维度上为同一对象的概率，其中，且每个目标图像对中的第一目标图像的第一目标拍摄时刻与第二目标图像的第二目标拍摄时刻之间的时间差小于预设值；

根据每个目标图像对中所述第一对象的第一速度和所述第二对象的第二速度，得到第二概率，所述第二概率指示当第一监控区域与第二监控区域重叠时、所述第一对象和所述第二对象在速度维度上为同一对象的概率；

根据所述第一概率、所述第二概率、所述第三概率和所述第四概率，得到所述第一对象和所述第二对象为同一对象的概率。

在一种可能的实现方式中，所述第一拍摄时刻位于所述第二拍摄时刻之前，所述相对关系指示所述第一监控区域与所述第二监控区域不重叠，所述处理模块134具体用于：

根据多帧所述第一图像获取所述第一对象在所述第一监控区域下的第一方向，根据多帧所述第二图像获取所述第二对象在所述第二监控区域下的第二方向；

根据所述第一方向和所述第二方向确定第五概率，所述第五概率指示当第一监控区域与第二监控区域不重叠时、所述第一对象和所述第二对象在方向维度上为同一对象的概率；

根据每帧第一图像的第一拍摄时刻，确定所述第一对象的移动速度；

根据所述第一对象的移动速度、所述第一摄像装置和所述第二摄像装置之间的距离、所述第一拍摄时刻和所述第二拍摄时刻，确定第六概率，所述第六概率指示当第一监控区域与第二监控区域不重叠时、所述第一对象和所述第二对象在时间维度上为同一对象的概率；

根据所述第五概率和所述第六概率，得到所述第一对象和所述第二对象为同一对象的概率。

在一种可能的实现方式中，所述处理模块134具体用于：

获取所述第一摄像装置和所述第二摄像装置的安装信息，所述安装信息包括摄像装置的安装位置和摄像装置的朝向；

根据所述第一方向、所述第一摄像装置和所述第二摄像装置的安装信息以及路网数据，确定目标方向，所述目标方向为第一对象经过所述第二摄像装置的第二监控区域时的方向；

根据所述路网数据获取从所述第一摄像装置所在位置至所述第二摄像装置所在位置的路径数目；

根据所述第二方向、所述目标方向和所述路径数目，确定所述第五概率。

在一种可能的实现方式中，所述处理模块134具体用于：

根据每对图像中第一对象的全局特征和第二对象的全局特征得到每对图像的全局特征相似度，其中，每对图像包括一帧所述第一图像和一帧所述第二图像；

对多个每对图像的全局特征相似度进行均值处理，得到所述全局特征相似度。

在一种可能的实现方式中，所述处理模块134具体用于：

获取所述全局特征相似度对应的第一权重以及所述概率对应的第二权重；

根据所述第一权重和所述第二权重，将所述全局特征相似度和所述概率进行融合，得到融合参数；

当所述融合参数超过预设值时，确定所述第一对象和所述第二对象为同一对象。

本申请实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

图14为本申请实施例提供的对象追踪方法的电子设备的框图，如图 14所示，电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图14所示，该电子设备包括：一个或多个处理器141、存储器142，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。

存储器142即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的对象追踪方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的对象追踪方法。

存储器142作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的对象追踪方法对应的程序指令/模块(例如，附图13所示的第一获取模块131、第二获取模块132、第三获取模块133和处理模块134)。处理器141通过运行存储在存储器142中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的对象追踪方法。

存储器142可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据对象追踪的电子设备的使用所创建的数据等。此外，存储器142可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器 142可选包括相对于处理器141远程设置的存储器，这些远程存储器可以通过网络连接至对象追踪的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

对象追踪方法的电子设备还可以包括：输入装置143和输出装置144。处理器141、存储器142、输入装置143和输出装置144可以通过总线145 或者其他方式连接，图14中以通过总线连接为例。

输入装置143可接收输入的数字或字符信息，以及产生与对象追踪的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置144可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和 /或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入) 来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims

1.一种对象追踪方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据多帧所述第一图像、每帧第一图像的第一拍摄时刻、多帧所述第二图像、每帧第二图像的第二拍摄时刻和所述相对关系，判断所述第一对象和所述第二对象是否为同一对象，包括：

3.根据权利要求2所述的方法，其特征在于，所述相对关系指示所述第一监控区域与所述第二监控区域重叠，所述根据多帧所述第一图像、每帧第一图像的第一拍摄时刻、多帧所述第二图像、每帧第二图像的第二拍摄时刻和所述相对关系，得到所述第一对象和所述第二对象为同一对象的概率，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据多帧所述第一目标图像、每帧第一目标图像的第一目标拍摄时刻、多帧所述第二目标图像、每帧第二目标图像的第二目标拍摄时刻，得到所述第一对象和所述第二对象为同一对象的概率，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一参数信息和所述第二参数信息，得到所述第一对象和所述第二对象为同一对象的概率，包括：

6.根据权利要求2所述的方法，其特征在于，所述第一拍摄时刻位于所述第二拍摄时刻之前，所述相对关系指示所述第一监控区域与所述第二监控区域不重叠，所述根据多帧所述第一图像、每帧第一图像的第一拍摄时刻、多帧所述第二图像、每帧第二图像的第二拍摄时刻和所述相对关系，得到所述第一对象和所述第二对象为同一对象的概率，包括：

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一方向和所述第二方向确定第五概率，包括：

8.根据权利要求2-7任一项所述的方法，其特征在于，所述根据所述第一对象的全局特征和所述第二对象的全局特征得到第一对象和第二对象的全局特征相似度，包括：

9.根据权利要求2-7任一项所述的方法，其特征在于，所述根据所述全局特征相似度和所述概率，判断所述第一对象和所述第二对象是否为同一对象，包括：

10.一种对象追踪装置，其特征在于，包括：

11.根据权利要求10所述的装置，其特征在于，所述处理模块具体用于：

12.根据权利要求11所述的装置，其特征在于，所述相对关系指示所述第一监控区域与所述第二监控区域重叠，所述处理模块具体用于：

13.根据权利要求12所述的装置，其特征在于，所述处理模块具体用于：

14.根据权利要求13所述的装置，其特征在于，所述处理模块具体用于：

15.根据权利要求11所述的装置，其特征在于，所述第一拍摄时刻位于所述第二拍摄时刻之前，所述相对关系指示所述第一监控区域与所述第二监控区域不重叠，所述处理模块具体用于：

16.根据权利要求15所述的装置，其特征在于，所述处理模块具体用于：

17.根据权利要求11-16任一项所述的装置，其特征在于，所述处理模块具体用于：

18.根据权利要求11-16任一项所述的装置，其特征在于，所述处理模块具体用于：

19.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个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至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的对象追踪方法。

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的对象追踪方法。