CN111310526B - 目标跟踪模型的参数确定方法、装置及存储介质 - Google Patents
目标跟踪模型的参数确定方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111310526B CN111310526B CN201811518099.9A CN201811518099A CN111310526B CN 111310526 B CN111310526 B CN 111310526B CN 201811518099 A CN201811518099 A CN 201811518099A CN 111310526 B CN111310526 B CN 111310526B
- Authority
- CN
- China
- Prior art keywords
- target
- value
- parameter
- preset
- values
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种目标跟踪模型的参数确定方法、装置及存储介质,属于数据处理技术领域。该方法包括:获取目标跟踪模型中的目标参数的多组预设参数值,每组预设参数值包括目标参数对应的一个预设参数值;基于每组预设参数值,分别对目标跟踪模型进行性能评估,得到多个第一性能评估值;根据多个第一性能评估值,确定目标参数对应的目标参数值。本发明可以自动确定目标参数对应的目标参数值,如此,避免需要由技术人员来确定,提高了操作便捷性,从而提高了参数确定效率。并且,由于目标参数的目标参数值是基于对目标跟踪模型的性能评估结果来确定的,因此,相比于人工确定来说更为合适,可以使得目标跟踪模型的性能更好。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种目标跟踪模型的参数确定方法、装置及存储介质。
背景技术
在一些诸如智能监控、机器人导航、医学诊断、无人驾驶之类的应用场景中,通常不仅会涉及视频监控,还可能需要对视频中某个或某些目标进行位置跟踪。目前,可以使用目标跟踪模型来实现目标的位置跟踪。
目标跟踪模型一般涉及一些参数,参数选取是否合适将影响目标跟踪模型的性能,因此,在使用目标跟踪模型对目标进行位置跟踪之前,通常需要确定参数。在相关技术中,一般需要由技术人员根据实际应用场景和历史经验来确定并设置该参数。
然而,由于需要由用户根据实际应用场景和历史经验来确定该参数,导致操作较为繁琐,参数确定效率较低,并且,由于技术人员的经验有限,可能导致所确定的参数并不合适,从而使得目标跟踪模型的性能较差。
发明内容
本发明实施例提供了一种目标跟踪模型的参数确定方法、装置及存储介质,可以解决相关技术中参数确定效率较低、以及选取不合适的问题。所述技术方案如下:
第一方面,提供了一种目标跟踪模型的参数确定方法,所述方法包括:
获取目标参数的多组预设参数值,所述目标参数为目标跟踪模型中的参数,每组预设参数值包括所述目标参数对应的一个预设参数值;
基于所述每组预设参数值,分别对所述目标跟踪模型进行性能评估,得到多个第一性能评估值;
根据所述多个第一性能评估值,确定所述目标参数对应的目标参数值。
可选地,所述根据所述多个第一性能评估值,确定所述目标参数对应的目标参数值,包括:
当所述目标参数的数量为一个时,从所述多个第一性能评估值中选择排名最靠前的第一性能评估值,将选择的第一性能评估值对应的预设参数值确定为所述目标参数值;
当所述目标参数的数量为多个时,根据所述多个第一性能评估值,确定每个目标参数对应的每个预设参数值的第二评分值,基于所述每个目标参数对应的每个预设参数值的第二评分值,确定所述每个目标参数对应的目标参数值。
可选地,所述根据所述多个第一性能评估值,确定每个目标参数对应的每个预设参数值的第二评分值,包括:
将所述多个第一性能评估值中每个第一性能评估值分别作为对应组预设参数值的第一评分值;
确定所述每个目标参数对应的相同预设参数值的第一评分值的平均值,得到所述每个目标参数对应的每个预设参数值的第二评分值。
可选地,所述基于所述每个目标参数对应的每个预设参数值的第二评分值,确定所述每个目标参数对应的目标参数值,包括:
从所述每个目标参数对应的每个预设参数值中选择第二评分值排名最靠前的两个预设参数值;
通过随机选取方式从所述每个目标参数对应的所述两个预设参数值中选择一个预设参数值,得到所述多个目标参数对应的一组参数值;
基于得到的一组参数值,对所述目标跟踪模型进行性能评估,得到第二性能评估值,统计目标次数,所述目标次数为从所述每个目标参数对应的两个预设参数值中选择预设参数值的次数;
基于所述第二性能评估值和所述目标次数,确定所述每个目标参数对应的目标参数值。
可选地,所述基于所述第二性能评估值和所述目标次数,确定所述每个目标参数对应的目标参数值,包括:
当所述第二性能评估值大于或等于评估值阈值,或者所述目标次数大于或等于预设阈值时,将当前得到的一组参数值确定为所述多个目标参数对应的目标参数值;
当所述第二性能评估值小于所述评估值阈值且所述目标次数小于所述预设阈值时,更新所述每个目标参数对应的每个预设参数值的第二评分值,基于更新后的所述每个目标参数对应的每个预设参数值的第二评分值,确定所述每个目标参数对应的目标参数值,直到得到的第二性能评估值大于或等于评估值阈值,或者所述目标次数大于或等于所述预设阈值时为止。
可选地,所述更新所述每个目标参数对应的每个预设参数值的第二评分值,包括:
确定所述每个目标参数对应的通过所述随机选取方式选择的预设参数值的第二评分值与所述第二性能评估值之间的平均值,得到更新后的所述每个目标参数对应的通过所述随机选取方式选择的预设参数值的第二评分值;
分别将所述每个目标参数对应的未选择的每个预设参数值与预设衰减系数相乘,得到更新后的所述每个目标参数对应的未选择的每个预设参数值的第二评分值。
可选地,所述基于所述每组预设参数值,分别对目标跟踪模型进行性能评估,得到多个性能评估值,包括:
获取多个视频帧样本中每个视频帧样本的真值数据,所述真值数值用于指示所述每个视频帧样本中真值目标的真实位置区域,所述真值目标为预先标定的目标;
基于所述每组预设参数值,通过所述目标跟踪模型,确定所述每个视频帧样本的跟踪数据,所述跟踪数据用于指示由所述目标跟踪模型确定的所述每个视频帧样本中跟踪目标的位置区域;
根据所述每个视频帧样本的真值数据和跟踪数据,确定目标代价值;
基于所述目标代价值,确定所述每组预设参数值对应的性能评估值,得到所述多个性能评估值。
可选地,所述基于所述目标代价值,确定所述每组预设参数值对应的性能评估值,包括:
基于所述目标代价值,通过匈牙利算法,确定所述每个视频帧样本中真值目标与所述跟踪目标之间的关联匹配矩阵;
基于所述关联匹配矩阵,确定误跟次数、漏跟次数和目标切换次数,所述目标切换次数是指对同一跟踪目标前后输出的跟踪目标标识发生变化的次数;
基于所述误跟次数、所述漏跟次数和所述目标切换次数,确定所述每组预设参数值对应的性能评估值。
第二方面,提供了一种目标跟踪模型的参数确定装置,所述装置包括:
获取模块,用于获取目标参数的多组预设参数值,所述目标参数为目标跟踪模型中的参数,每组预设参数值包括所述目标参数对应的一个预设参数值;
评估模块,用于基于所述每组预设参数值,分别对所述目标跟踪模型进行性能评估,得到多个第一性能评估值;
确定模块,用于根据所述多个第一性能评估值,确定所述目标参数对应的目标参数值。
可选地,所述确定模块用于:
当所述目标参数的数量为一个时,从所述多个第一性能评估值中选择排名最靠前的第一性能评估值,将选择的第一性能评估值对应的预设参数值确定为所述目标参数值;
当所述目标参数的数量为多个时,根据所述多个第一性能评估值,确定每个目标参数对应的每个预设参数值的第二评分值,基于所述每个目标参数对应的每个预设参数值的第二评分值,确定所述每个目标参数对应的目标参数值。
可选地,所述确定模块用于:
将所述多个第一性能评估值中每个第一性能评估值分别作为对应组预设参数值的第一评分值;
确定所述每个目标参数对应的相同预设参数值的第一评分值的平均值,得到所述每个目标参数对应的每个预设参数值的第二评分值。
可选地,所述确定模块用于:
从所述每个目标参数对应的每个预设参数值中选择第二评分值排名最靠前的两个预设参数值;
通过随机选取方式从所述每个目标参数对应的所述两个预设参数值中选择一个预设参数值,得到所述多个目标参数对应的一组参数值;
基于得到的一组参数值,对所述目标跟踪模型进行性能评估,得到第二性能评估值,统计目标次数,所述目标次数为从所述每个目标参数对应的两个预设参数值中选择预设参数值的次数;
基于所述第二性能评估值和所述目标次数,确定所述每个目标参数对应的目标参数值。
可选地,所述确定模块用于:
当所述第二性能评估值大于或等于评估值阈值,或者所述目标次数大于或等于预设阈值时,将当前得到的一组参数值确定为所述多个目标参数对应的目标参数值;
当所述第二性能评估值小于所述评估值阈值且所述目标次数小于所述预设阈值时,更新所述每个目标参数对应的每个预设参数值的第二评分值,基于更新后的所述每个目标参数对应的每个预设参数值的第二评分值,确定所述每个目标参数对应的目标参数值,直到得到的第二性能评估值大于或等于评估值阈值,或者所述目标次数大于或等于所述预设阈值时为止。
可选地,所述确定模块用于:
确定所述每个目标参数对应的通过所述随机选取方式选择的预设参数值的第二评分值与所述第二性能评估值之间的平均值,得到更新后的所述每个目标参数对应的通过所述随机选取方式选择的预设参数值的第二评分值;
分别将所述每个目标参数对应的未选择的每个预设参数值与预设衰减系数相乘,得到更新后的所述每个目标参数对应的未选择的每个预设参数值的第二评分值。
可选地,所述评估模块用于:
获取多个视频帧样本中每个视频帧样本的真值数据,所述真值数值用于指示所述每个视频帧样本中真值目标的真实位置区域,所述真值目标为预先标定的目标;
基于所述每组预设参数值,通过所述目标跟踪模型,确定所述每个视频帧样本的跟踪数据,所述跟踪数据用于指示由所述目标跟踪模型确定的所述每个视频帧样本中跟踪目标的位置区域;
根据所述每个视频帧样本的真值数据和跟踪数据,确定目标代价值;
基于所述目标代价值,确定所述每组预设参数值对应的性能评估值,得到所述多个性能评估值。
可选地,所述评估模块用于:
基于所述目标代价值,通过匈牙利算法,确定所述每个视频帧样本中真值目标与所述跟踪目标之间的关联匹配矩阵;
基于所述关联匹配矩阵,确定误跟次数、漏跟次数和目标切换次数,所述目标切换次数是指对同一跟踪目标前后输出的跟踪目标标识发生变化的次数;
基于所述误跟次数、所述漏跟次数和所述目标切换次数,确定所述每组预设参数值对应的性能评估值。
第三方面,提供了一种计算机设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为实现上述第一方面所述的目标跟踪模型的参数确定方法。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现上述第一方面所述的目标跟踪模型的参数确定方法。
第五方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面所述的目标跟踪模型的参数确定方法。
本发明实施例提供的技术方案带来的有益效果是:
获取目标跟踪模型中的目标参数的多组预设参数值,每组预设参数值包括目标参数对应的一个预设参数值。基于该多组预设参数值中的每组预设参数值,分别对该目标跟踪模型进行性能评估,得到多个第一性能评估值,即每个第一性能评估值与每组预设参数值对应。之后,基于该多个第一性能评估值,自动确定目标参数对应的目标参数值,如此,避免需要由技术人员来确定,提高了操作便捷性,从而提高了参数确定效率。并且,由于该目标参数的目标参数值是基于对目标跟踪模型的性能评估结果来确定的,因此,相比于人工确定来说更为合适,可以使得目标跟踪模型的性能更好。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,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他的附图。
图1是根据一示例性实施例示出的一种目标跟踪模型的参数确定方法的流程图;
图2是根据一示例性实施例示出的一种跟踪结果和真值结果的示意图;
图3是根据另一示例性实施例示出的一种目标跟踪模型的参数确定方法的流程图;
图4是根据一示例性实施例示出的一种目标跟踪模型的参数确定装置的结构示意图;
图5是根据一示例性实施例示出的一种计算机设备500的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
在对本发明实施例提供的目标跟踪模型的参数确定方法进行详细介绍之前,先对本发明实施例涉及的应用场景和实施环境进行简单介绍。
首先,对本发明实施例涉及的应用场景进行简单介绍。
随着多媒体技术的快速发展,视频监控和视频分析的应用越来越广泛,当前主流的目标跟踪模型是视频监控和视频分析中的重要内容。目前,在使用目标跟踪模型对视频中的目标进行位置跟踪时,更多注重的是选择何种类型的目标跟踪模型来实现,然而,目标跟踪模型往往会使用到参数,且在不同应用场景中,该参数一般采用不同的参数值,参数选取是否合适将会影响目标跟踪模型的性能。因此,在利用目标跟踪模型对视频中的目标进行位置跟踪之前,需要确定其中的参数的参数值。
目前,一般由技术人员根据历史经验来确定该参数的参数值,然而,由于该参数的数量一般会很多,譬如,在多目标跟踪模型中,一般会包括多个模块,(比如该多个模块包括运动模块、外观模块、交互模块、关联模块、单目标跟踪模块等,该运动模块可以用于计算已跟踪目标与检测目标的运动相似度,该外观模块可以用于计算已跟踪目标与检测目标的外观相似度,交互模块可以用于计算已跟踪目标与检测目标的交互相似度,该关联模块可以用于根据上述运动模块、外观模块和交互模块确定的几个相似度值,通过寻找最小代价来确定最终关联结果,另外,上述单目标跟踪模块可以用于对感兴趣的目标进行位置预测,以较低的计算代价完成部分目标关联),该多个模块中每个模块均可能涉及多个参数,因此,多目标跟踪模型一般会涉及到很多个参数,当由人工来确定时比较繁琐,如此会导致参数确定效率较低。另外,由于人工经验有限,可能导致确定的参数不合适,从而影响目标跟踪模型的性能。为此,本发明实施例提供了一种自动确定参数的方法,其具体实现请参见如下图1和图3所示实施例。
接下来,对本发明实施例涉及的实施环境进行简单介绍。
本发明实施例提供的目标跟踪模型的参数确定方法可以由计算机设备来执行,该计算机设备可以具有视频监控和视频分析功能。在一些实施例中,该计算机设备可以为平板电脑、笔记本电脑、台式计算机、便携式计算机等等,本发明实施例对此不做限定。
在介绍完本发明实施例涉及的应用场景和实施环境后,接下来将结合附图对本发明实施例提供的目标跟踪模型的参数确定方法进行介绍。由于目标跟踪模型中的参数的数量可以为多个,也可以为一个,因此,接下来将基于图1和图3所示实施例分别针对该两种情况进行介绍。
请参考图1,图1是根据一示例性实施例示出的一种目标跟踪模型的参数确定方法的流程图,这里以该目标跟踪模型的参数的数量为多个为例进行说明,该方法可以由上述计算机设备来执行,该方法可以包括如下几个实现步骤:
步骤101:获取多个目标参数的多组预设参数值,该多个目标参数为目标跟踪模型中的参数,每组预设参数值包括每个目标参数对应的一个预设参数值。
其中,该多个目标参数为目标跟踪算法中待确定的多个参数,另外,该多组预设参数值可以根据实际需求预先进行设置,也就是说,可以预先为待确定的多个目标参数设置多组预设参数值。譬如,假设该多个目标参数包括目标参数a、目标参数b和目标参数c,该多个目标参数的多组预设参数值可以包括[1,3,2]、[1,4,2]、[2,4,3]、[2,4,4]、[3,4,2]、[3,5,3]、[4,6,5]、[4,6,4]和[5,7,3],请参如下表1所示:
表1
此时,该目标参数a对应的预设参数值包括1、2、3、4和5,该目标参数b对应的预设参数值包括3、4、5、6和7,该目标参数c对应的预设参数值包括2、3、4和5。
在一种可能的实现方式中,可以预先设置每个目标参数对应的预设取值范围以及预设取值步长,如此,可以根据每个目标参数对应的预设取值范围,按照该预设取值步长进行取值,从而得到该多个目标参数的多组预设参数值。
譬如,假设该多个目标参数包括目标参数a、目标参数b和目标参数c,该目标参数a对应的预设取值范围为[1,6],该目标参数b对应的预设取值范围为[3,7],该目标参数c对应的预设取值范围为[2,5],该预设取值步长为1,则可以根据各个目标参数对应的预设取值范围,按照该预设取值步长1,确定该多个目标参数对应的多组预设参数值可以包括[1,3,2]、[1,4,2]、[2,4,3]、[2,4,4]、[3,4,2]、[3,5,3]、[4,6,5]、[5,6,4]和[6,7,3]。
步骤102:基于该每组预设参数值,分别对目标跟踪模型进行性能评估,得到多个第一性能评估值。
在一些实施例中,基于该每组预设参数值,分别对目标跟踪模型进行性能评估,得到多个第一性能评估值的具体实现可以包括如下几个实现步骤:
1021:获取多个视频帧样本中每个视频帧样本的真值数据,该真值数值用于指示该每个视频帧样本中真值目标的真实位置区域,该真值目标为预先标定的目标。
在本发明实施例中,该每个视频帧样本均包括真值目标,该真值目标可能为一个,也可能为多个,且预先可以采用目标框对该每个视频帧样本中的真值目标进行标定,即确定真值目标在每个视频帧样本中的真实位置区域,这里可以用真实数据来指示该每个视频帧样本中真值目标的真实位置区域。进一步地,还可以将用于标定每个视频帧样本中真值目标的真实位置区域的目标框称为真值框。
譬如,如图2所示,某视频帧样本包括三个真值目标,分别为真值目标A、真值目标B和真值目标C,基于每个真值目标所占的真实位置区域,可以确定该视频帧样本的真实数据,譬如,该真实数据可以包括真值目标A所在区域的左上顶角坐标、所占区域的长度和宽度,真值目标B所在区域的左上顶角坐标、所占区域的长度和宽度,以及真值目标C所在区域的左上顶角坐标、所占区域的长度和宽度。
1022:基于该每组预设参数值,通过该目标跟踪模型,确定该每个视频帧样本的跟踪数据,该跟踪数据用于指示由该目标跟踪模型确定的该每个视频帧样本中跟踪目标的位置区域。
也即是,计算机设备还可以基于上述预先设置的多组预设参数值中的每组预设参数值,通过目标跟踪模型对该多个视频帧样本中的每个视频帧样本进行分析处理,得到每个视频帧样本的跟踪结果,即得到跟踪数据,该跟踪数据用于指示由该目标跟踪模型确定的跟踪目标在每个视频帧样本中所占的位置区域,这里也可以采用目标框来表示跟踪目标在每个视频帧样本中所占的位置区域,为了与上述预先标定的目标框进行区分,这里可以将该目标框称为跟踪框。
譬如,请参考图2,假设基于某组预设参数值,通过目标跟踪模型确定上述某个视频帧样本中包括跟踪目标A1、跟踪目标B1和跟踪目标D1,则该跟踪数据可以包括跟踪目标A1所在区域的左上顶角坐标、所占区域的长度和宽度,跟踪目标B1所在区域的左上顶角坐标、所占区域的长度和宽度,以及跟踪目标D1所在区域的左上顶角坐标、所占区域的长度和宽度。
1023:根据该每个视频帧样本的真值数据和跟踪数据,确定目标代价值。
其中,该目标代价值可以用于指示每个视频帧样本中真值框与跟踪框之间的代价。在一种可能的实现方式中,根据该每个视频帧样本的真值数据和跟踪数据,确定目标代价值的实现过程可以包括:根据每个视频帧样本的真值数据和跟踪数据,通过公式(1),确定真值目标和跟踪目标之间的相似度,根据该真值目标和跟踪目标之间的相似度,通过公式(2),确定目标代价值。其中,上述公式(1)和公式(2)分别如下所示:
Iou=Area3/(Area1+Area2-Area3) (1);
cost=1-Iou (2);
其中,Iou表示真值目标与跟踪目标之间的相似度,Area1表示真值目标所在区域的面积,Area2表示跟踪目标所在区域的面积,Area3表示真值目标所在区域与跟踪目标所在区域的重叠区域面积,上述cost为目标代价值。
1024:基于该目标代价值,确定该每组预设参数值对应的性能评估值,得到该多个性能评估值。
进一步地,基于该目标代价值,确定该每组预设参数值对应的性能评估值的实现过程可以包括:基于该目标代价值,通过匈牙利算法,确定该每个视频帧样本中真值目标与该跟踪目标之间的关联匹配矩阵;基于该关联匹配矩阵,确定误跟次数、漏跟次数和目标切换次数,该目标切换次数是指对同一跟踪目标前后输出的跟踪目标标识发生变化的次数;基于该误跟次数、该漏跟次数和该目标切换次数,确定该每组预设参数值对应的性能评估值。
即将该目标代价值输入至匈牙利算法中,可以确定每个视频帧样本中真值目标与该跟踪目标之间的关联匹配矩阵,根据该关联匹配矩阵可以确定误跟次数、漏跟次数和目标切换次数。譬如,假设基于图2所确定的关联匹配矩阵为如下所示:
由于在第一行中A与A1之间的匹配关联值最大,因此,可以确定A与A1匹配,同理,可以确定B与B1匹配。然而,没有与C匹配的目标,此时可以确定在该帧视频帧样本中漏跟一次,且也没有与D匹配的目标,此时可以确定在该帧视频帧样本中误跟一次。
也就是说,真值目标所占区域与跟踪目标所占区域之间的重叠区域面积越大,真值目标与跟踪目标之间的相似度越大,说明真值目标与跟踪目标之间越相似,此时可以确定跟踪正确。当真值目标所占区域与跟踪目标所占区域之间的重叠区域面积为零时,真值目标与跟踪目标之间的相似度也为零,说明真值目标与跟踪目标之间不相似。当没有与真值目标匹配的跟踪目标时,说明漏跟,当没有与跟踪目标匹配的真值目标时,说明误跟。
另外,每当跟踪目标中同一跟踪目标前后输出的跟踪目标标识发生变化时,譬如某跟踪目标被遮挡即会导致目标跟踪模型输出的目标跟踪标识发生变化,此时对目标切换次数进行一次统计。其中,该跟踪目标标识可以用于唯一标识一个跟踪目标,譬如,该跟踪目标标识可以为跟踪目标ID等。
按照上述方式对多个视频帧样本进行统计,可以确定误跟次数、漏跟次数和目标切换次数。之后,基于该误跟次数、该漏跟次数和该目标切换次数,确定该每组预设参数值对应的性能评估值,在一种可能的实现方式中,可以基于该误跟次数、该漏跟次数和该目标切换次数,通过目标指标性能公式确定该每组预设参数值对应的性能评估值,其中,该目标指标性能公式可以包括如下公式(3)和公式(4):
其中,fp、fn和ids分别为误跟次数、漏跟次数和目标切换次数,t表示多个视频帧样本中的第t个视频帧样本,i表示第i个真值目标,gt表示第t个视频帧样本中真值目标的数量,表示第t个视频帧样本中第i个真值目标对应的Iou值,ct表示第t个视频帧样本中真值目标与跟踪目标匹配的个数,MOTA用于表示跟踪数量的准确性,MOTP用于表示跟踪位置的准确性。
在一种可能的实现方式中,可以根据实际需求对该MOTA和MOTP进行加权并求和处理,得到每组预设参数值对应的性能评估值。
步骤103:将该多个第一性能评估值中每个第一性能评估值分别作为对应组预设参数值的第一评分值。
譬如,假设基于[1,3,2]这一组预设参数值对目标跟踪模型进行性能评估得到的第一性能评估值为90分,则该组预设参数值中每个预设参数值的第一评分值均为90分,假设基于[1,4,2]这一组预设参数值对目标跟踪模型进行性能评估得到的第一性能评估值为70分,则该组预设参数值中每个预设参数值的第一评分值均为70分,假设基于[2,4,3]这一组预设参数值对目标跟踪模型进行性能评估得到的第一性能评估值为80分,则该组预设参数值中每个预设参数值的第一评分值均为80分。以此类推,可以确定该多组预设参数值中每组预设参数值的第一评分值。
需要说明的是,这里仅是以将该多个第一性能评估值中每个第一性能评估值分别作为对应组预设参数值的第一评分值为例进行说明,在另一实施例中,还可以基于该多个第一性能评估值,按照预设策略确定每个第一性能评估值对应组预设参数的第一评分值,其中,该预设策略可以根据实际需求进行设置。譬如,还可以按照预设比例对该多个第一性能评估值中的每个第一性能评估值进行运算,并将运算后得到的多个第一性能评估值中每个第一性能评估值分别作为对应组预设参数值的第一评分值,其中,该预设比例可以由用户根据实际需求自定义设置,也可以由该计算机设备默认设置,本发明实施例对此不做限定。
步骤104:确定该每个目标参数对应的相同预设参数值的第一评分值的平均值,得到该每个目标参数对应的每个预设参数值的第二评分值。
譬如,继续以表1为例,在[1,3,2]这一组预设参数值中目标参数a对应的预设参数值为1,在[1,4,2]这一组预设参数值中目标参数a对应的预设参数值也为1,则基于该两组预设参数值可以确定目标参数a对应的预设参数值1的第一评分值的平均值为(90+70)/2,即为80分,从而得到目标参数a对应的预设参数值1的第二评分值为80分。按照上述实现方式,继续确定目标参数a对应的预设参数值2的第二评分值,目标参数a对应的预设参数值3的第二评分值,目标参数a对应的预设参数值4的第二评分值,以及目标参数a对应的预设参数值5的第二评分值。同理,可以确定目标参数b和目标参数c对应的每个预设参数值的第二评分值。
需要说明的是,上述步骤103至步骤104用于实现根据该多个第一性能评估值,确定每个目标参数对应的每个预设参数值的第二评分值的操作。
步骤105:基于该每个目标参数对应的每个预设参数值的第二评分值,确定该每个目标参数对应的目标参数值。
在一种可能的实现方式中,该步骤105的具体实现可以包括:从该每个目标参数对应的每个预设参数值中选择第二评分值排名最靠前的两个预设参数值,通过随机选取方式从该每个目标参数对应的该两个预设参数值中选择一个预设参数值,得到多个目标参数对应的一组参数值,基于得到的一组参数值,对该目标跟踪模型进行性能评估,得到第二性能评估值,统计目标次数,该目标次数为从每个目标参数对应的两个预设参数值中选择预设参数值的次数,基于第二性能评估值和该目标次数,确定该每个目标参数对应的目标参数值。
也即是,从每个目标参数对应的每个预设参数值中,选择第二评分值排名第一和排名第二的两个预设参数值。之后,通过随机选取方式从选择的每个目标参数对应的两个预设参数值中选择一个预设参数值,譬如,对于选择的目标参数a对应的两个预设参数值,可以为该两个预设参数值分别设置扰动系数,假设分别为0.8和0.2,此时,计算机设备可以通过随机函数生成一个数值,当生成的数值大于0.8时,选择0.8对应的预设参数值,否则,当生成的数值大于0.2时,选择0.2对应的预设参数值。依次类推,从其它每个目标参数对应的两个预设参数值中选择一个预设参数值,如此,即可以得到该多个目标参数对应的一组参数值。
计算机设备基于得到的该组参数值,继续对该目标跟踪模型进行性能评估,得到第二性能评估值,以便于根据得到的第二性能评估值,确定该每个目标参数对应的目标参数值。进一步地,为了确定何时终止计算,这里可以统计从每个目标参数对应的两个预设参数值中选择预设参数值的次数,也即是,统计重新确定该多个目标参数对应的一组参数值的次数。
进一步地,上述基于得到的第二性能评估值和该目标次数,确定该每个目标参数对应的目标参数值的实现可以包括如下两种情况:
第一种情况:当第二性能评估值大于或等于评估值阈值,或者该目标次数大于或等于预设阈值时,将当前得到的一组参数值确定为该多个目标参数对应的目标参数值。
其中,该评估值阈值可以由用户根据实际需求自定义设置,也可以由该计算机设备默认设置,本发明实施例对此不做限定。
其中,该预设阈值可以由用户根据实际需求自定义设置,也可以由该计算机设备默认设置,本发明实施例对此不做限定。
当第二性能评估值大于或等于评估值阈值时,说明当前得到的一组参数值已经可以使得目标跟踪模型达到较好的性能,因此,可以将当前得到的该组参数值确定为该多个目标参数对应的目标参数值。或者,当该目标次数大于或等于预设阈值时,说明迭代次数已经达到实际要求,在该种情况下,可以结束操作,即可以直接将当前得到的该组参数值确定为该多个目标参数对应的目标参数值。
第二种情况:当第二性能评估值小于该评估值阈值且该目标次数小于该预设阈值时,更新该每个目标参数对应的每个预设参数值的第二评分值,基于更新后的该每个目标参数对应的每个预设参数值的第二评分值,确定该每个目标参数对应的目标参数,直到得到的第二性能评估值大于或等于评估值阈值,或者所述目标次数大于或等于所述预设阈值时为止。
当第二性能评估值小于该评估值阈值且该目标次数小于该预设阈值时,说明当前得到的参数值还不能使得目标跟踪模型达到较好的性能,并且,迭代次数也未达到实际要求,此时,需要更新选择的该每个目标参数对应的每个预设参数值的第二评分值,以继续基于更新后的该每个目标参数对应的每个预设参数值的第二评分值,确定该每个目标参数对应的目标参数值。
进一步地,更新每个目标参数对应的每个预设参数值的第二评分值的实现可以包括:确定该每个目标参数对应的通过随机选取方式选择的预设参数值的第二评分值与第二性能评估值之间的平均值,得到更新后的该每个目标参数对应的通过随机选取方式选择的预设参数值的第二评分值,分别将每个目标参数对应的未选择的每个预设参数值与预设衰减系数相乘,得到更新后的每个目标参数对应的未选择的每个预设参数值的第二评分值。
譬如,以对目标参数a对应的两个预设参数值的第二评分值进行更新为例,假设该目标参数a对应的预设参数值包括1、2、3、4和5,他们的第二评分值分别为85、80、90、75和60,预设衰减系数为x。此时,选择的两个预设参数值分别为3和1,假设通过随机选取方式选择预设参数值3,其对应的第二性能评估值为80分,则将90与80求平均得到预设参数值3对应的更新后的第二评分值为85分。另外,将目标参数a对应的其它每个预设参数值与预设衰减系数x相乘,可以得到预设参数值1、2、4和5对应的更新后的第二评分值分别为85x、80x,75x,60x。
另外,上述基于更新后的该每个目标参数对应的每个预设参数值的第二评分值,确定该每个目标参数对应的目标参数值的具体实现可以参数上述基于该每个目标参数对应的每个预设参数值的第二评分值,确定该每个目标参数对应的目标参数值的实现。也即是,从更新后的每个目标参数对应的每个预设参数值中选择第二评分值排名最靠前的两个预设参数值,通过随机选取方式从每个目标参数对应的两个预设参数值中选择一个预设参数值,得到多个目标参数对应的一组参数值;基于得到的一组参数值,对目标跟踪模型进行性能评估,得到第二性能评估值,统计目标次数,此时目标次数加1,判断得到的第二性能评估值是否大于或等于评估值阈值,或者目标次数是否大于或等于预设阈值。若是,则将当前得到的一组参数值确定为多个目标参数对应的目标参数值,若否,则继续更新每个目标参数对应的每个预设参数值的第二评分值,基于再次更新后的每个目标参数对应的每个预设参数值的第二评分值,确定每个目标参数对应的目标参数值,直到当第二性能评估值大于或等于评估值阈值,或者该目标次数大于或等于预设阈值时,结束操作。
需要说明的是,上述步骤103至步骤105用于实现根据该多个第一性能评估值,确定该每个目标参数对应的目标参数值的操作。
在本发明实施例中,获取目标跟踪模型中的多个目标参数的多组预设参数值,每组预设参数值包括每个目标参数对应的一个预设参数值。基于该多组预设参数值中的每组预设参数值,分别对该目标跟踪模型进行性能评估,得到多个第一性能评估值,即每个第一性能评估值与每组预设参数值对应。之后,基于该多个第一性能评估值,自动确定每个目标参数对应的目标参数值,如此,避免需要由技术人员来确定,提高了操作便捷性,从而提高了参数确定效率。并且,由于该多个目标参数的目标参数值是基于对目标跟踪模型根据所述多个第一性能评估值,确定每个目标参数对应的每个预设参数值的第二评分值的性能评估结果来确定的,因此,相比于人工确定来说更为合适,可以使得目标跟踪模型的性能更好。
请参考图3,图3是根据一示例性实施例示出的一种目标跟踪模型的参数确定方法的流程图,这里以该目标跟踪模型的参数的数量为一个为例进行说明,该方法可以由上述计算机设备来执行,该方法可以包括如下几个实现步骤:
步骤301:获取目标参数的多组预设参数值,该目标参数为目标跟踪模型中的参数,每组预设参数值包括目标参数对应的一个预设参数值。
其中,该目标参数为目标跟踪算法中待确定的参数,另外,该多组预设参数值可以根据实际需求预先进行设置,也就是说,可以预先为待确定的目标参数设置多组预设参数值。譬如,假设该目标参数为k,该目标参数k的多组预设参数值可以包括[1]、[2]、[3]、[4]、[5]等等。
在一种可能的实现方式中,可以预先设置目标参数对应的预设取值范围以及预设取值步长,如此,可以根据目标参数对应的预设取值范围,按照该预设取值步长进行取值,从而得到该目标参数的多组预设参数值。
譬如,假设该目标参数对应的预设取值范围为[1,6],该预设取值步长为1,则可以根据目标参数对应的预设取值范围,按照该预设取值步长1,确定该目标参数对应的多组预设参数值可以包括[1]、[2]、[3]、[4]、[5]和[6]。
当然,需要说明的是,在实际实现时,可以设置大量的预设参数值,以使得后续基于预设参数值确定的目标参数对应的目标参数值更接近实际需求。
步骤302:基于该每组预设参数值,分别对目标跟踪模型进行性能评估,得到多个第一性能评估值。
其具体实现可以参见上述图1所示实施例中的步骤102。
步骤303:从多个第一性能评估值中选择排名最靠前的第一性能评估值。
也就是说,可以对该多个第一性能评估值按照性能好坏进行排序,从排序后的多个第一性能评估值中选择排名最靠前的第一性能评估值,即选择性能最优值。
步骤304:将选择的第一性能评估值对应的预设参数值确定为目标参数值。
由于选择的第一性能评估值为最优值,因此,可以说明其对应的预设参数值是所有预设参数值中最适合该目标跟踪模型的,即可以使得目标跟踪模型的性能较好,所以,计算机设备将选择的第一性能评估值对应的预设参数值确定为目标参数值。
在本发明实施例中,获取目标跟踪模型中的目标参数的多组预设参数值,每组预设参数值包括目标参数对应的一个预设参数值。基于该多组预设参数值中的每组预设参数值,分别对该目标跟踪模型进行性能评估,得到多个第一性能评估值,即每个第一性能评估值与每组预设参数值对应。之后,基于该多个第一性能评估值,自动确定目标参数对应的目标参数值,如此,避免需要由技术人员来确定,提高了操作便捷性,从而提高了参数确定效率。并且,由于该目标参数的目标参数值是基于对目标跟踪模型的性能评估结果来确定的,因此,相比于人工确定来说更为合适,可以使得目标跟踪模型的性能更好。
图4是根据一示例性实施例示出的一种目标跟踪模型的参数确定装置的结构示意图,该目标跟踪模型的参数确定装置可以由软件、硬件或者两者的结合实现。该目标跟踪模型的参数确定装置可以包括:
获取模块410,用于目标参数的多组预设参数值,所述目标参数为目标跟踪模型中的参数,每组预设参数值包括所述目标参数对应的一个预设参数值;
评估模块420,用于基于所述每组预设参数值,分别对所述目标跟踪模型进行性能评估,得到多个第一性能评估值;
确定模块430,用于根据所述多个第一性能评估值,确定所述目标参数对应的目标参数值。
可选地,所述确定模块430用于:
当所述目标参数的数量为一个时,从所述多个第一性能评估值中选择排名最靠前的第一性能评估值,将选择的第一性能评估值对应的预设参数值确定为所述目标参数值;
当所述目标参数的数量为多个时,根据所述多个第一性能评估值,确定每个目标参数对应的每个预设参数值的第二评分值,基于所述每个目标参数对应的每个预设参数值的第二评分值,确定所述每个目标参数对应的目标参数值。
可选地,所述确定模块430用于:
将所述多个第一性能评估值中每个第一性能评估值分别作为对应组预设参数值的第一评分值;
确定所述每个目标参数对应的相同预设参数值的第一评分值的平均值,得到所述每个目标参数对应的每个预设参数值的第二评分值。
可选地,所述确定模块430用于:
从所述每个目标参数对应的每个预设参数值中选择第二评分值排名最靠前的两个预设参数值;
通过随机选取方式从所述每个目标参数对应的所述两个预设参数值中选择一个预设参数值,得到所述多个目标参数对应的一组参数值;
基于得到的一组参数值,对所述目标跟踪模型进行性能评估,得到第二性能评估值,统计目标次数,所述目标次数为从所述每个目标参数对应的两个预设参数值中选择预设参数值的次数;
基于所述第二性能评估值和所述目标次数,确定所述每个目标参数对应的目标参数值。
可选地,所述确定模块430用于:
当所述第二性能评估值大于或等于评估值阈值,或者所述目标次数大于或等于预设阈值时,将当前得到的一组参数值确定为所述多个目标参数对应的目标参数值;
当所述第二性能评估值小于所述评估值阈值且所述目标次数小于所述预设阈值时,更新所述每个目标参数对应的每个预设参数值的第二评分值,基于更新后的所述每个目标参数对应的每个预设参数值的第二评分值,确定所述每个目标参数对应的目标参数值,直到得到的第二性能评估值大于或等于评估值阈值,或者所述目标次数大于或等于所述预设阈值时为止。
可选地,所述确定模块430用于:
确定所述每个目标参数对应的通过所述随机选取方式选择的预设参数值的第二评分值与所述第二性能评估值之间的平均值,得到更新后的所述每个目标参数对应的通过所述随机选取方式选择的预设参数值的第二评分值;
分别将所述每个目标参数对应的未选择的每个预设参数值与预设衰减系数相乘,得到更新后的所述每个目标参数对应的未选择的每个预设参数值的第二评分值。
可选地,所述评估模块420用于:
获取多个视频帧样本中每个视频帧样本的真值数据,所述真值数值用于指示所述每个视频帧样本中真值目标的真实位置区域,所述真值目标为预先标定的目标;
基于所述每组预设参数值,通过所述目标跟踪模型,确定所述每个视频帧样本的跟踪数据,所述跟踪数据用于指示由所述目标跟踪模型确定的所述每个视频帧样本中跟踪目标的位置区域;
根据所述每个视频帧样本的真值数据和跟踪数据,确定目标代价值;
基于所述目标代价值,确定所述每组预设参数值对应的性能评估值,得到所述多个性能评估值。
可选地,所述评估模块420用于:
基于所述目标代价值,通过匈牙利算法,确定所述每个视频帧样本中真值目标与所述跟踪目标之间的关联匹配矩阵;
基于所述关联匹配矩阵,确定误跟次数、漏跟次数和目标切换次数,所述目标切换次数是指对同一跟踪目标前后输出的跟踪目标标识发生变化的次数;
基于所述误跟次数、所述漏跟次数和所述目标切换次数,通过目标指标性能算法,确定所述每组预设参数值对应的性能评估值。
在本发明实施例中,获取目标跟踪模型中的目标参数的多组预设参数值,每组预设参数值包括目标参数对应的一个预设参数值。基于该多组预设参数值中的每组预设参数值,分别对该目标跟踪模型进行性能评估,得到多个第一性能评估值,即每个第一性能评估值与每组预设参数值对应。之后,基于该多个第一性能评估值,自动确定目标参数对应的目标参数值,如此,避免需要由技术人员来确定,提高了操作便捷性,从而提高了参数确定效率。并且,由于该目标参数的目标参数值是基于对目标跟踪模型的性能评估结果来确定的,因此,相比于人工确定来说更为合适,可以使得目标跟踪模型的性能更好。
需要说明的是:上述实施例提供的目标跟踪模型的参数确定装置在实现目标跟踪模型的参数方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的目标跟踪模型的参数确定装置与目标跟踪模型的参数确定方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图5示出了本发明一个示例性实施例提供的计算机设备500的结构框图。通常,计算机设备500包括有:处理器501和存储器502。
处理器501可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器501可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器501也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器501可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器501还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器502可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器502还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器502中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器501所执行以实现本申请中方法实施例提供的目标跟踪模型的参数确定方法。
在一些实施例中,计算机设备500还可选包括有:外围设备接口503和至少一个外围设备。处理器501、存储器502和外围设备接口503之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口503相连。具体地,外围设备包括:射频电路504、触摸显示屏505、摄像头506、音频电路507、定位组件508和电源509中的至少一种。
外围设备接口503可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器501和存储器502。在一些实施例中,处理器501、存储器502和外围设备接口503被集成在同一芯片或电路板上;在一些其他实施例中,处理器501、存储器502和外围设备接口503中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路504用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路504通过电磁信号与通信网络以及其他通信设备进行通信。射频电路504将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路504包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路504可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、5G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路504还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏505用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏505是触摸显示屏时,显示屏505还具有采集在显示屏505的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器501进行处理。此时,显示屏505还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏505可以为一个,设置计算机设备500的前面板;在另一些实施例中,显示屏505可以为至少两个,分别设置在计算机设备500的不同表面或呈折叠设计;在再一些实施例中,显示屏505可以是柔性显示屏,设置在计算机设备500的弯曲表面上或折叠面上。甚至,显示屏505还可以设置成非矩形的不规则图形,也即异形屏。显示屏505可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-EmittingDiode,有机发光二极管)等材质制备。
摄像头组件506用于采集图像或视频。可选地,摄像头组件506包括前置摄像头和后置摄像头。通常,前置摄像头设置在计算机设备的前面板,后置摄像头设置在计算机设备的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件506还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路507可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器501进行处理,或者输入至射频电路504以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在计算机设备500的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器501或射频电路504的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路507还可以包括耳机插孔。
定位组件508用于定位计算机设备500的当前地理位置,以实现导航或LBS(Location Based Service,基于位置的服务)。定位组件508可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源509用于为计算机设备500中的各个组件进行供电。电源509可以是交流电、直流电、一次性电池或可充电电池。当电源509包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,计算机设备500还包括有一个或多个传感器510。该一个或多个传感器510包括但不限于:加速度传感器511、陀螺仪传感器512、压力传感器513、指纹传感器514、光学传感器515以及接近传感器516。
加速度传感器511可以检测以计算机设备500建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器511可以用于检测重力加速度在三个坐标轴上的分量。处理器501可以根据加速度传感器511采集的重力加速度信号,控制触摸显示屏505以横向视图或纵向视图进行用户界面的显示。加速度传感器511还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器512可以检测计算机设备500的机体方向及转动角度,陀螺仪传感器512可以与加速度传感器511协同采集用户对计算机设备500的3D动作。处理器501根据陀螺仪传感器512采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器513可以设置在计算机设备500的侧边框和/或触摸显示屏505的下层。当压力传感器513设置在计算机设备500的侧边框时,可以检测用户对计算机设备500的握持信号,由处理器501根据压力传感器513采集的握持信号进行左右手识别或快捷操作。当压力传感器513设置在触摸显示屏505的下层时,由处理器501根据用户对触摸显示屏505的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器514用于采集用户的指纹,由处理器501根据指纹传感器514采集到的指纹识别用户的身份,或者,由指纹传感器514根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器501授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器514可以被设置计算机设备500的正面、背面或侧面。当计算机设备500上设置有物理按键或厂商Logo时,指纹传感器514可以与物理按键或厂商Logo集成在一起。
光学传感器515用于采集环境光强度。在一个实施例中,处理器501可以根据光学传感器515采集的环境光强度,控制触摸显示屏505的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏505的显示亮度;当环境光强度较低时,调低触摸显示屏505的显示亮度。在另一个实施例中,处理器501还可以根据光学传感器515采集的环境光强度,动态调整摄像头组件506的拍摄参数。
接近传感器516,也称距离传感器,通常设置在计算机设备500的前面板。接近传感器516用于采集用户与计算机设备500的正面之间的距离。在一个实施例中,当接近传感器516检测到用户与计算机设备500的正面之间的距离逐渐变小时,由处理器501控制触摸显示屏505从亮屏状态切换为息屏状态;当接近传感器516检测到用户与计算机设备500的正面之间的距离逐渐变大时,由处理器501控制触摸显示屏505从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图5中示出的结构并不构成对计算机设备500的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本申请实施例还提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由计算机设备的处理器执行时,使得计算机设备能够执行上述实施例提供的目标跟踪模型的参数确定方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例提供的目标跟踪模型的参数确定方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种目标跟踪模型的参数确定方法,其特征在于,所述方法包括:
在多个目标参数中的每个目标参数对应的预设取值范围中,按照每个目标参数对应的预设取值步长进行取值,得到所述多个目标参数的多组预设参数值,所述目标参数为目标跟踪模型中待确定的参数,每组预设参数值包括所述多个目标参数中的每个目标参数对应的预设参数值;
基于所述每组预设参数值,分别对所述目标跟踪模型进行性能评估,得到多个第一性能评估值;
将所述多个第一性能评估值中每个第一性能评估值分别作为对应组预设参数值的第一评分值;
确定所述每个目标参数对应的相同预设参数值的第一评分值的平均值,得到所述每个目标参数对应的每个预设参数值的第二评分值,从所述每个目标参数对应的每个预设参数值中选择第二评分值排名最靠前的两个预设参数值;
通过随机选取方式从所述每个目标参数对应的所述两个预设参数值中选择一个预设参数值,得到所述多个目标参数对应的一组参数值;
基于得到的一组参数值,对所述目标跟踪模型进行性能评估,得到第二性能评估值,统计目标次数,所述目标次数为从所述每个目标参数对应的两个预设参数值中选择预设参数值的次数;
当所述第二性能评估值大于或等于评估值阈值,或者所述目标次数大于或等于预设阈值时,将当前得到的一组参数值确定为所述多个目标参数对应的目标参数值;
当所述第二性能评估值小于所述评估值阈值且所述目标次数小于所述预设阈值时,确定所述每个目标参数对应的通过所述随机选取方式选择的预设参数值的第二评分值与所述第二性能评估值之间的平均值,得到更新后的所述每个目标参数对应的通过所述随机选取方式选择的预设参数值的第二评分值;
分别将所述每个目标参数对应的未选择的每个预设参数值与预设衰减系数相乘,得到更新后的所述每个目标参数对应的未选择的每个预设参数值的第二评分值,基于更新后的所述每个目标参数对应的每个预设参数值的第二评分值,确定所述每个目标参数对应的目标参数值,直到得到的第二性能评估值大于或等于所述评估值阈值,或者所述目标次数大于或等于所述预设阈值时为止。
2.如权利要求1所述的方法,其特征在于,所述基于所述每组预设参数值,分别对目标跟踪模型进行性能评估,得到多个第一性能评估值,包括:
获取多个视频帧样本中每个视频帧样本的真值数据,所述真值数据用于指示所述每个视频帧样本中真值目标的真实位置区域,所述真值目标为预先标定的目标;
基于所述每组预设参数值,通过所述目标跟踪模型,确定所述每个视频帧样本的跟踪数据,所述跟踪数据用于指示由所述目标跟踪模型确定的所述每个视频帧样本中跟踪目标的位置区域;
根据所述每个视频帧样本的真值数据和跟踪数据,确定目标代价值;
基于所述目标代价值,确定所述每组预设参数值对应的性能评估值,得到所述多个第一性能评估值。
3.如权利要求2所述的方法,其特征在于,所述基于所述目标代价值,确定所述每组预设参数值对应的性能评估值,包括:
基于所述目标代价值,通过匈牙利算法,确定所述每个视频帧样本中真值目标与所述跟踪目标之间的关联匹配矩阵;
基于所述关联匹配矩阵,确定误跟次数、漏跟次数和目标切换次数,所述目标切换次数是指对同一跟踪目标前后输出的跟踪目标标识发生变化的次数;
基于所述误跟次数、所述漏跟次数和所述目标切换次数,确定所述每组预设参数值对应的性能评估值。
4.一种目标跟踪模型的参数确定装置,其特征在于,所述装置包括:
获取模块,用于获取目标参数的多组预设参数值,所述目标参数为目标跟踪模型中的参数,每组预设参数值包括所述目标参数对应的一个预设参数值;
评估模块,用于基于所述每组预设参数值,分别对所述目标跟踪模型进行性能评估,得到多个第一性能评估值;
确定模块,用于将所述多个第一性能评估值中每个第一性能评估值分别作为对应组预设参数值的第一评分值;确定每个目标参数对应的相同预设参数值的第一评分值的平均值,得到所述每个目标参数对应的每个预设参数值的第二评分值,从所述每个目标参数对应的每个预设参数值中选择第二评分值排名最靠前的两个预设参数值;通过随机选取方式从所述每个目标参数对应的所述两个预设参数值中选择一个预设参数值,得到多个目标参数对应的一组参数值;基于得到的一组参数值,对所述目标跟踪模型进行性能评估,得到第二性能评估值,统计目标次数,所述目标次数为从所述每个目标参数对应的两个预设参数值中选择预设参数值的次数;当所述第二性能评估值大于或等于评估值阈值,或者所述目标次数大于或等于预设阈值时,将当前得到的一组参数值确定为所述多个目标参数对应的目标参数值;当所述第二性能评估值小于所述评估值阈值且所述目标次数小于所述预设阈值时,确定所述每个目标参数对应的通过所述随机选取方式选择的预设参数值的第二评分值与所述第二性能评估值之间的平均值,得到更新后的所述每个目标参数对应的通过所述随机选取方式选择的预设参数值的第二评分值;分别将所述每个目标参数对应的未选择的每个预设参数值与预设衰减系数相乘,得到更新后的所述每个目标参数对应的未选择的每个预设参数值的第二评分值,基于更新后的所述每个目标参数对应的每个预设参数值的第二评分值,确定所述每个目标参数对应的目标参数值,直到得到的第二性能评估值大于或等于所述评估值阈值,或者所述目标次数大于或等于所述预设阈值时为止。
5.如权利要求4所述的装置,其特征在于,所述评估模块用于:
获取多个视频帧样本中每个视频帧样本的真值数据,所述真值数据用于指示所述每个视频帧样本中真值目标的真实位置区域,所述真值目标为预先标定的目标;
基于所述每组预设参数值,通过所述目标跟踪模型,确定所述每个视频帧样本的跟踪数据,所述跟踪数据用于指示由所述目标跟踪模型确定的所述每个视频帧样本中跟踪目标的位置区域;
根据所述每个视频帧样本的真值数据和跟踪数据,确定目标代价值;
基于所述目标代价值,确定所述每组预设参数值对应的性能评估值,得到所述多个第一性能评估值。
6.如权利要求5所述的装置,其特征在于,所述评估模块用于:
基于所述目标代价值,通过匈牙利算法,确定所述每个视频帧样本中真值目标与所述跟踪目标之间的关联匹配矩阵;
基于所述关联匹配矩阵,确定误跟次数、漏跟次数和目标切换次数,所述目标切换次数是指对同一跟踪目标前后输出的跟踪目标标识发生变化的次数;
基于所述误跟次数、所述漏跟次数和所述目标切换次数,确定所述每组预设参数值对应的性能评估值。
7.一种计算机设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为实现权利要求1-3所述的任一项方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现权利要求1-3所述的任一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811518099.9A CN111310526B (zh) | 2018-12-12 | 2018-12-12 | 目标跟踪模型的参数确定方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811518099.9A CN111310526B (zh) | 2018-12-12 | 2018-12-12 | 目标跟踪模型的参数确定方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111310526A CN111310526A (zh) | 2020-06-19 |
CN111310526B true CN111310526B (zh) | 2023-10-20 |
Family
ID=71150477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811518099.9A Active CN111310526B (zh) | 2018-12-12 | 2018-12-12 | 目标跟踪模型的参数确定方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111310526B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962138B (zh) * | 2020-07-21 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 移动平台的参数值确定方法、装置、设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009169771A (ja) * | 2008-01-18 | 2009-07-30 | Yokogawa Electric Corp | プラント運転支援装置 |
CN102713933A (zh) * | 2009-12-22 | 2012-10-03 | 罗伯特·博世有限公司 | 用于监视视频目标的装置和方法 |
CN103503025A (zh) * | 2011-02-25 | 2014-01-08 | 弗劳恩霍夫应用研究促进协会 | 基于对对象的模型进行变换来确定模型参数 |
CN106097388A (zh) * | 2016-06-07 | 2016-11-09 | 大连理工大学 | 视频目标跟踪中目标位置预测、搜索范围自适应调整及双重匹配融合的方法 |
CN106384079A (zh) * | 2016-08-31 | 2017-02-08 | 东南大学 | 一种基于rgb‑d信息的实时行人跟踪方法 |
CN106960447A (zh) * | 2017-05-17 | 2017-07-18 | 成都通甲优博科技有限责任公司 | 一种视频目标跟踪的位置修正方法及系统 |
CN107403426A (zh) * | 2017-06-20 | 2017-11-28 | 北京工业大学 | 一种目标物体检测方法及设备 |
CN107452015A (zh) * | 2017-07-28 | 2017-12-08 | 南京工业职业技术学院 | 一种具有重检测机制的目标跟踪系统 |
CN107679455A (zh) * | 2017-08-29 | 2018-02-09 | 平安科技(深圳)有限公司 | 目标跟踪装置、方法及计算机可读存储介质 |
CN107895378A (zh) * | 2017-10-12 | 2018-04-10 | 西安天和防务技术股份有限公司 | 目标检测方法和装置、存储介质、电子设备 |
WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 视频目标跟踪方法和装置 |
JP2018128838A (ja) * | 2017-02-08 | 2018-08-16 | オムロン株式会社 | 制御装置、制御方法、および、制御プログラム |
CN108805900A (zh) * | 2017-05-03 | 2018-11-13 | 杭州海康威视数字技术股份有限公司 | 一种跟踪目标的确定方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7912698B2 (en) * | 2005-08-26 | 2011-03-22 | Alexander Statnikov | Method and system for automated supervised data analysis |
US8812410B2 (en) * | 2011-08-25 | 2014-08-19 | International Business Machines Corporation | Efficient data profiling to optimize system performance |
JP2016057803A (ja) * | 2014-09-09 | 2016-04-21 | 株式会社日立製作所 | 異常検知手順開発装置および異常検知手順開発方法 |
-
2018
- 2018-12-12 CN CN201811518099.9A patent/CN111310526B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009169771A (ja) * | 2008-01-18 | 2009-07-30 | Yokogawa Electric Corp | プラント運転支援装置 |
CN102713933A (zh) * | 2009-12-22 | 2012-10-03 | 罗伯特·博世有限公司 | 用于监视视频目标的装置和方法 |
CN103503025A (zh) * | 2011-02-25 | 2014-01-08 | 弗劳恩霍夫应用研究促进协会 | 基于对对象的模型进行变换来确定模型参数 |
CN106097388A (zh) * | 2016-06-07 | 2016-11-09 | 大连理工大学 | 视频目标跟踪中目标位置预测、搜索范围自适应调整及双重匹配融合的方法 |
CN106384079A (zh) * | 2016-08-31 | 2017-02-08 | 东南大学 | 一种基于rgb‑d信息的实时行人跟踪方法 |
WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 视频目标跟踪方法和装置 |
JP2018128838A (ja) * | 2017-02-08 | 2018-08-16 | オムロン株式会社 | 制御装置、制御方法、および、制御プログラム |
CN108805900A (zh) * | 2017-05-03 | 2018-11-13 | 杭州海康威视数字技术股份有限公司 | 一种跟踪目标的确定方法及装置 |
CN106960447A (zh) * | 2017-05-17 | 2017-07-18 | 成都通甲优博科技有限责任公司 | 一种视频目标跟踪的位置修正方法及系统 |
CN107403426A (zh) * | 2017-06-20 | 2017-11-28 | 北京工业大学 | 一种目标物体检测方法及设备 |
CN107452015A (zh) * | 2017-07-28 | 2017-12-08 | 南京工业职业技术学院 | 一种具有重检测机制的目标跟踪系统 |
CN107679455A (zh) * | 2017-08-29 | 2018-02-09 | 平安科技(深圳)有限公司 | 目标跟踪装置、方法及计算机可读存储介质 |
CN107895378A (zh) * | 2017-10-12 | 2018-04-10 | 西安天和防务技术股份有限公司 | 目标检测方法和装置、存储介质、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111310526A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108710525B (zh) | 虚拟场景中的地图展示方法、装置、设备及存储介质 | |
CN111127509B (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
CN108363982B (zh) | 确定对象数量的方法及装置 | |
CN109922356B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN112084811B (zh) | 身份信息的确定方法、装置及存储介质 | |
CN111754386B (zh) | 图像区域屏蔽方法、装置、设备及存储介质 | |
CN112749590B (zh) | 目标检测方法、装置、计算机设备和计算机可读存储介质 | |
CN111796990A (zh) | 资源显示方法、装置、终端及存储介质 | |
CN111385525B (zh) | 视频监控方法、装置、终端及系统 | |
CN111127541B (zh) | 车辆尺寸的确定方法、装置及存储介质 | |
CN113160031B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111931712B (zh) | 人脸识别方法、装置、抓拍机及系统 | |
CN111611414B (zh) | 车辆检索方法、装置及存储介质 | |
CN111860064B (zh) | 基于视频的目标检测方法、装置、设备及存储介质 | |
CN111310526B (zh) | 目标跟踪模型的参数确定方法、装置及存储介质 | |
CN111753606A (zh) | 一种智能模型的升级方法及装置 | |
CN113592874B (zh) | 图像显示方法、装置和计算机设备 | |
CN112365088B (zh) | 行程关键点的确定方法、装置、设备及可读存储介质 | |
CN112882094B (zh) | 初至波的获取方法、装置、计算机设备及存储介质 | |
CN112990424B (zh) | 神经网络模型训练的方法和装置 | |
CN113469322B (zh) | 确定模型的可执行程序的方法、装置、设备及存储介质 | |
CN112861565B (zh) | 确定轨迹相似度的方法、装置、计算机设备和存储介质 | |
CN111984738B (zh) | 数据关联方法、装置、设备及存储介质 | |
CN112214115A (zh) | 输入方式的识别方法、装置、电子设备及存储介质 | |
CN112052806A (zh) | 图像处理方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |