CN111652902B - 目标的跟踪检测方法、电子设备及装置 - Google Patents
目标的跟踪检测方法、电子设备及装置 Download PDFInfo
- Publication number
- CN111652902B CN111652902B CN202010491723.1A CN202010491723A CN111652902B CN 111652902 B CN111652902 B CN 111652902B CN 202010491723 A CN202010491723 A CN 202010491723A CN 111652902 B CN111652902 B CN 111652902B
- Authority
- CN
- China
- Prior art keywords
- frame
- tracking
- detection
- target
- occlusion
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 183
- 208000006440 Open Bite Diseases 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 23
- 230000003993 interaction Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开目标的跟踪检测方法、电子设备及装置。其中，跟踪检测方法包括：获取前一帧中所有目标的跟踪框，得到前一帧跟踪框集；获取当前帧中所有目标的检测框，得到当前帧检测框集；基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新；去除当前帧检测框集中用于更新的检测框，以及前一帧跟踪框集中更新后的跟踪框，得到当前帧非遮挡检测框集和前一帧非遮挡跟踪框集；基于预设的非遮挡关联规则，利用当前帧非遮挡检测框集对前一帧非遮挡跟踪框集进行更新；将更新后的前一帧跟踪框集作为当前帧跟踪框集。从而通过遮挡关联规则及非遮挡关联规则能够高效、可靠地实现目标的跟踪检测。
Description
技术领域
本申请属于目标跟踪技术领域，具体涉及目标的跟踪检测方法、电子设备及装置。
背景技术
目标跟踪技术随着近些年深度学习技术的崛起获得了巨大的关注与发展。然而，由于实际场景的复杂性难免存在目标在跟踪的过程中被遮挡的情况，这就会造成同一个目标具有多个ID的情况——即ID Switch增加，进而严重影响后续基于目标跟踪的其它业务，例如：目标检索、目标识别等等。为此，针对遮挡情况下的目标跟踪任务亟需一种有效的解决方案。
发明内容
本申请提供目标的跟踪检测方法、电子设备及装置，以解决遮挡情况下的目标跟踪任务的技术问题。
为解决上述技术问题，本申请采用的一个技术方案是：一种目标的跟踪检测方法，所述跟踪检测方法包括：获取前一帧中所有目标的跟踪框，得到前一帧跟踪框集；所述跟踪框包括跟踪标识、跟踪状态、跟踪坐标以及与其他目标的遮挡关系；获取当前帧中所有目标的检测框，得到当前帧检测框集；所述检测框包括检测坐标；基于预设的遮挡关联规则，利用所述当前帧检测框集对所述前一帧跟踪框集中具有遮挡关系的跟踪框进行更新；去除当前帧检测框集中用于更新的检测框，以及去除前一帧跟踪框集中更新后的跟踪框，得到当前帧非遮挡检测框集和前一帧非遮挡跟踪框集；基于预设的非遮挡关联规则，利用当前帧非遮挡检测框集对前一帧非遮挡跟踪框集进行更新；将更新后的前一帧跟踪框集作为当前帧跟踪框集。
根据本申请一实施方式，所述基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新，包括：对前一帧中具有部分遮挡关系的第一目标和第二目标进行第一遮挡关联，其中第一目标主动遮挡第二目标；所述第一遮挡关联包括：计算前一帧跟踪框集中第一目标的跟踪框和当前帧检测框集中所有检测框的交并比；统计大于阈值的交并比数量；若数量等于1，则利用交并比大于阈值的对应检测框更新前一帧跟踪框集中第一目标的跟踪框；并将前一帧的跟踪框集中第一目标的跟踪框的跟踪状态更新为匹配跟踪，将前一帧的跟踪框集中第二目标的跟踪框的跟踪状态更新为预测跟踪。
根据本申请一实施方式，所述基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新，包括：对前一帧中具有全部遮挡关系的第三目标和第四目标进行第二遮挡关联，其中第三目标主动遮挡第四目标；所述第二遮挡关联包括：计算前一帧跟踪框集中第三目标的跟踪框与当前帧检测框集中所有检测框的交并比；统计大于阈值的交并比数量；若数量等于1，则利用交并比大于阈值的对应检测框更新前一帧跟踪框集中第三目标的跟踪框；并将前一帧跟踪框集中第三目标的跟踪框的跟踪状态更新为匹配跟踪，将前一帧跟踪框集中第四目标的跟踪框的跟踪状态更新为预测跟踪。
根据本申请一实施方式，所述基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新，还包括：若数量等于2，判断出交并比大于阈值的两检测框中遮挡的第三检测框，以及被遮挡的第四检测框；利用第三检测框更新前一帧跟踪框集中第三目标的跟踪框，将第三目标的跟踪框的跟踪状态更新为匹配跟踪；若前一帧跟踪框集中第四目标的跟踪框与第四检测框的交并比大于阈值，则利用第四检测框更新前一帧跟踪框集中第四目标的跟踪框，将前一帧跟踪框集中第四目标的状态更新为匹配跟踪。
根据本申请一实施方式，所述基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新，还包括：若前一帧跟踪框集中第四目标的跟踪框与第四检测框的交并比小于或等于阈值，将前一帧跟踪框集中第四目标的状态更新为预测跟踪。
根据本申请一实施方式，所述判断出交并比大于阈值的两检测框中遮挡的第三检测框，以及被遮挡的第四检测框，包括：根据所述第三检测框的检测坐标和第四检测框的检测坐标，判断出第三检测框更靠前，即判定第三检测框遮挡，第四检测框被遮挡。
根据本申请一实施方式，所述方法还包括：获取当前帧跟踪框集中两两跟踪框之间的交并比，构成交并比矩阵；统计交并比矩阵中每行大于交互阈值的矩阵元素数量，若矩阵行元素数量等于1；则对大于交互阈值的矩阵元素所在的列，计算大于交互阈值的矩阵列元素数量，若矩阵列元素数量等于1；则对矩阵行元素数量等于1所对应的第一跟踪框和矩阵列元素数量等于1所对应的第二跟踪框进行遮挡关系判定。
根据本申请一实施方式，所述对第一跟踪框和第二跟踪框进行遮挡关系判定，包括：根据第一跟踪框的跟踪坐标和第二跟踪框的跟踪坐标，判断第一跟踪框更靠前；若第一跟踪框的跟踪状态为匹配跟踪，第二跟踪框的跟踪状态为匹配跟踪；则判定第一跟踪框的遮挡关系为主动遮挡及部分遮挡，第二跟踪框的遮挡关系为被动遮挡及部分遮挡；若第一跟踪框的跟踪状态为匹配跟踪，第二跟踪框的跟踪状态为预测跟踪，且第一跟踪框的遮挡关系为部分遮挡，第二跟踪框的遮挡关系为部分遮挡；则判断第一跟踪框的遮挡关系为主动遮挡及完全遮挡，第二跟踪框的遮挡关系为被动遮挡及完全遮挡。
根据本申请一实施方式，包括：基于预设的非遮挡关联规则，利用当前帧非遮挡检测框集对前一帧非遮挡跟踪框集进行更新。
为解决上述技术问题，本申请采用的又一个技术方案是：一种电子设备，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现上述任一方法。
为解决上述技术问题，本申请采用的又一个技术方案是：一种计算机可读存储介质，其上存储有程序数据，所述程序数据被处理器执行时实现上述任一方法。
本申请的有益效果是：本申请的方法通过遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新；并通过非遮挡关联规则，利用当前帧非遮挡检测框集对前一帧非遮挡跟踪框集进行更新，进而将更新后的前一帧跟踪框集作为当前帧跟踪框集。本方法逻辑计算量小，提高运算效率，并提高了算法的可靠性，当遮挡前后目标姿态变化差异较大时本方案依然有效，除此之外，本方法在目标的跟踪检测过程中不增加ID Switch，不影响后续基于目标跟踪的其他处理工作。
附图说明
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他的附图，其中：
图1是本申请的目标的跟踪检测方法一实施例的流程示意图；
图2是本申请的目标的跟踪检测方法一实施例中第一遮挡关联的流程示意图；
图3是本申请的目标的跟踪检测方法一实施例中第一遮挡关联的第一目标即将主动遮挡第二目标的示意图；
图4是本申请的目标的跟踪检测方法一实施例中第二遮挡关联的流程示意图；
图5是本申请的目标的跟踪检测方法一实施例中第二遮挡关联的第三目标仍然主动完全遮挡第四目标的示意图；
图6是本申请的目标的跟踪检测方法一实施例中第二遮挡关联的第三目标即将主动部分遮挡第四目标的示意图；
图7是本申请的目标的跟踪检测方法又一实施例的流程示意图；
图8是本申请电子设备一实施例的框架示意图；
图9是本申请的目标的跟踪检测装置一实施例的框架示意图；
图10是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1，图1是本申请的目标的跟踪检测方法一实施例的流程示意图。
本申请一实施例提供了一种目标的跟踪检测方法，包括如下步骤：
S11：获取前一帧中所有目标的跟踪框，得到前一帧跟踪框集。
获取前一帧图像中所有目标的跟踪框，得到前一帧图像中的跟踪框集，跟踪框包括跟踪标识、跟踪状态以及与其他目标的遮挡关系。其中，跟踪标识为每个目标对应的跟踪框的唯一标识，以区别不同目标的跟踪框；跟踪状态包括匹配跟踪和预测跟踪；遮挡关系包括部分遮挡关系和完全遮挡关系。
S12：获取当前帧中所有目标的检测框，得到当前帧检测框集。
获取当前帧图像中所有目标的检测框，得到当前帧检测框集，检测框包括检测坐标。
S13：基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新。
基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框集进行更新包括以下情况：
请参阅图2和图3，图2是本申请的目标的跟踪检测方法一实施例中第一遮挡关联的流程示意图；图3是本申请的目标的跟踪检测方法一实施例中第一遮挡关联的第一目标即将主动遮挡第二目标的示意图。
S131：对前一帧中具有部分遮挡关系的第一目标10和第二目标20进行第一遮挡关联，其中第一目标10主动遮挡第二目标20。
第一遮挡关联包括：
S1311：计算前一帧跟踪框集中第一目标10的跟踪框和当前帧检测框集中所有检测框的交并比，统计大于阈值的交并比数量。
S1312：响应于大于阈值的交并比数量等于1，则利用交并比大于阈值的对应检测框更新前一帧跟踪框集中第一目标10的跟踪框。
此时第一目标10即将主动遮挡第二目标20，即第一目标10即将与第二目标20相遇。
S1313：并将前一帧的跟踪框集中第一目标10的跟踪框的跟踪状态更新为匹配跟踪，将前一帧的跟踪框集中第二目标20的跟踪框的跟踪状态更新为预测跟踪。
请参阅图4至图6，图4是本申请的目标的跟踪检测方法一实施例中第二遮挡关联的流程示意图；图5是本申请的目标的跟踪检测方法一实施例中第二遮挡关联的第三目标仍然主动完全遮挡第四目标的示意图；图6是本申请的目标的跟踪检测方法一实施例中第二遮挡关联的第三目标即将主动部分遮挡第四目标的示意图。
S132：对前一帧中具有全部遮挡关系的第三目标30和第四目标40进行第二遮挡关联，其中第三目标30主动遮挡第四目标40。
第二遮挡关联包括：
S1321：计算前一帧跟踪框集中第三目标30的跟踪框与当前帧检测框集中所有检测框的交并比，统计大于阈值的交并比数量。
S1322：响应于大于阈值的交并比数量等于1，则利用交并比大于阈值的对应检测框更新前一帧跟踪框集中第三目标30的跟踪框。
此时第三目标30仍然主动完全遮挡第四目标40。
S1323：并将前一帧跟踪框集中第三目标30的跟踪框的跟踪状态更新为匹配跟踪，将前一帧跟踪框集中第四目标40的跟踪框的跟踪状态更新为预测跟踪。
S1323：响应于大于阈值的交并比数量等于2，则判断出交并比大于阈值的两检测框中遮挡的第三检测框，以及被遮挡的第四检测框。
此时第三目标30即将主动部分遮挡第四目标40，即第三目标30即将与第四目标40分离。
具体地，根据第三检测框的检测坐标和第四检测框的检测坐标，若判断出第三检测框更靠前，即判定第三检测框遮挡，第四检测框被遮挡。例如，可根据检测框的纵坐标的最大值判断。
S1324：利用第三检测框更新前一帧跟踪框集中第三目标30的跟踪框，将第三目标30的跟踪框的跟踪状态更新为匹配跟踪。
S1325：判断前一帧跟踪框集中第四目标40的跟踪框与第四检测框的交并比是否大于阈值。
S1326：若前一帧跟踪框集中第四目标40的跟踪框与第四检测框的交并比大于阈值，则利用第四检测框更新前一帧跟踪框集中第四目标40的跟踪框，将前一帧跟踪框集中第四目标40的状态更新为匹配跟踪。
S1327：若前一帧跟踪框集中第四目标40的跟踪框与第四检测框的交并比小于等于阈值，将前一帧跟踪框集中第四目标40的状态更新为预测跟踪。
通过预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新，仅需要目标遮挡前后的位置关系判断目标与目标之间的遮挡关系，逻辑计算量小，提高运算效率，并提高了算法的可靠性，当遮挡前后目标姿态变化差异较大时本方案依然有效。
S14：去除当前帧检测框集中用于更新的检测框，以及去除前一帧跟踪框集中更新后的跟踪框，得到当前帧非遮挡检测框集和前一帧非遮挡跟踪框集。
由于已利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新，去除当前帧检测框集中用于更新的检测框，以及前一帧跟踪框集中更新后的跟踪框，得到当前帧非遮挡检测框集和前一帧非遮挡跟踪框集，ID Switch没有发生变化，不影响后续基于目标跟踪的其他处理工作。
S15：基于预设的非遮挡关联规则，利用当前帧非遮挡检测框集对前一帧非遮挡跟踪框集进行更新。
基于预设的非遮挡关联规则，利用当前帧非遮挡检测框集对前一帧非遮挡跟踪框集进行更新。其中，当前帧非遮挡检测框集去除了当前帧检测框集中用于更新的检测框，前一帧非遮挡跟踪框集去除了前一帧跟踪框集中更新后的跟踪框。具体地，可以通过计算前一帧非遮挡跟踪框集和当前帧非遮挡检测框集的交并比矩阵，并利用匈牙利算法来得到关联后前一帧非遮挡跟踪框集。
S16：将更新后的前一帧跟踪框集作为当前帧跟踪框集。
结合更新后的前一帧跟踪框集中具有遮挡关系的跟踪框集，以及更新后的前一帧非遮挡跟踪框集，得到更新后的前一帧跟踪框集，并将将更新后的前一帧跟踪框集作为当前帧跟踪框集。
本申请的方法通过遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新；并通过非遮挡关联规则，利用当前帧非遮挡检测框集对前一帧非遮挡跟踪框集进行更新，进而将更新后的前一帧跟踪框集作为当前帧跟踪框集。本方法逻辑计算量小，提高运算效率，并提高了算法的可靠性，当遮挡前后目标姿态变化差异较大时本方案依然有效，除此之外，本方法在目标的跟踪检测过程中不增加ID Switch，不影响后续基于目标跟踪的其他处理工作。
请参阅图7，图7是本申请的目标的跟踪检测方法又一实施例的流程示意图。
本申请又一实施例提供了一种目标的跟踪检测方法，包括如下步骤：
S201：获取前一帧中所有目标的跟踪框，得到前一帧跟踪框集。
S202：获取当前帧中所有目标的检测框，得到当前帧检测框集。
S203：基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框集进行更新。
S204：去除当前帧检测框集中用于更新的检测框，以及前一帧跟踪框集中更新后的跟踪框，得到当前帧非遮挡检测框集和前一帧非遮挡跟踪框集。
S205：基于预设的非遮挡关联规则，利用当前帧非遮挡检测框集对前一帧非遮挡跟踪框集进行更新。
S206：将更新后的前一帧跟踪框集作为当前帧跟踪框集。
步骤S201-步骤S206的内容与上述实施例中的对应步骤基本相同，此处不再赘述。
S207：获取当前帧跟踪框集中两两跟踪框之间的交并比，构成交并比矩阵。
交并比矩阵如下所示：
其中，
表示第k与第g个检测框之间的iou(交并比)。
S208：统计交并比矩阵中每行大于交互阈值的矩阵元素数量。
S209：响应于矩阵行元素数量等于1，对大于交互阈值的矩阵元素所在的列，计算大于交互阈值的矩阵列元素数量。
S210：响应于矩阵列元素数量等于1，对矩阵列元素数量等于1所对应的第一跟踪框和矩阵列元素数量等于1所对应的第二跟踪框进行遮挡关系判定。
对第一跟踪框和第二跟踪框进行遮挡关系判定包括：
根据第一跟踪框的跟踪坐标和第二跟踪框的跟踪坐标，判断第一跟踪框更靠前。
若第一跟踪框的跟踪状态为匹配跟踪，第二跟踪框的跟踪状态为匹配跟踪，则判定第一跟踪框的遮挡关系为主动遮挡及部分遮挡，第二跟踪框的遮挡关系为被动遮挡及部分遮挡。
若第一跟踪框的跟踪状态为匹配跟踪，第二跟踪框的跟踪状态为预测跟踪，且第一跟踪框的遮挡关系为部分遮挡，第二跟踪框的遮挡关系为部分遮挡，则判断第一跟踪框的遮挡关系为主动遮挡及完全遮挡，第二跟踪框的遮挡关系为被动遮挡及完全遮挡。
以上为根据第一跟踪框的跟踪坐标和第二跟踪框的跟踪坐标，判断第一跟踪框更靠前的情况，若判断为第二跟踪框更靠前的情况，则反之同理。
通过计算当前帧跟踪框集中两两跟踪框之间的交并比，构成交并比矩阵，并与交互阈值进行比对后，即可确定对当前帧跟踪结果的遮挡关系，计算量小，提高运算效率，并提高了算法的可靠性。
请参阅图8，图8是本申请电子设备一实施例的框架示意图。
本申请又一实施例提供了一种电子设备30，包括相互耦接的存储器31和处理器32，处理器32用于执行存储器31中存储的程序指令，以实现上述任一实施例的目标的跟踪检测方法。在一个具体的实施场景中，电子设备30可以包括但不限于：微型计算机、服务器，此外，电子设备30还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。
具体而言，处理器32用于控制其自身以及存储器31以实现上述任一视频分析方法实施例的步骤，或实现上述任一用于视频分析的模型训练方法实施例中的步骤。处理器32还可以称为CPU(Central Processing Unit，中央处理单元)。处理器32可能是一种集成电路芯片，具有信号的处理能力。处理器32还可以是通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器32可以由集成电路芯片共同实现。
通过上述方案，能够高效、可靠地实现目标的跟踪检测。
请参阅图9，图9是本申请的目标的跟踪检测装置一实施例的框架示意图。
本申请又一实施例提供了一种目标的跟踪检测装置40，包括获取模块41和计算更新模块42。其中，获取模块41获取前一帧中所有目标的跟踪框，得到前一帧跟踪框集，跟踪框包括跟踪标识、跟踪状态、跟踪坐标以及与其他目标的遮挡关系。获取模块41还获取当前帧中所有目标的检测框，得到当前帧检测框集，检测框包括检测坐标。计算更新模块42基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框集进行更新。计算更新模块42还去除当前帧检测框集中用于更新的检测框，以及前一帧跟踪框集中更新后的跟踪框，得到当前帧非遮挡检测框集和前一帧非遮挡跟踪框集。计算更新模块42还基于预设的非遮挡关联规则，利用当前帧非遮挡检测框集对前一帧非遮挡跟踪框集进行更新。最后计算更新模块42将更新后的前一帧跟踪框集作为当前帧跟踪框集。
通过上述方案，能够高效、可靠地实现目标的跟踪检测。
请参阅图10，图10是本申请计算机可读存储介质一实施例的框架示意图。
本申请又一实施例提供了一种计算机可读存储介质50，其上存储有程序数据51，程序数据51被处理器执行时实现上述任一实施例的目标的跟踪检测方法。通过上述方案，能够高效、可靠地实现目标的跟踪检测。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质50中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质50中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质50包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (8)
1.一种目标的跟踪检测方法，其特征在于，所述跟踪检测方法包括：
获取前一帧中所有目标的跟踪框，得到前一帧跟踪框集；所述跟踪框包括跟踪标识、跟踪状态、跟踪坐标以及与其他目标的遮挡关系；
获取当前帧中所有目标的检测框，得到当前帧检测框集；所述检测框包括检测坐标；
基于预设的遮挡关联规则，利用所述当前帧检测框集对所述前一帧跟踪框集中具有遮挡关系的跟踪框集进行更新；
去除所述当前帧检测框集中用于更新的检测框，以及去除所述前一帧跟踪框集中更新后的跟踪框，得到当前帧非遮挡检测框集和前一帧非遮挡跟踪框集；
基于预设的非遮挡关联规则，利用所述当前帧非遮挡检测框集对所述前一帧非遮挡跟踪框集进行更新；
将更新后的前一帧跟踪框集作为当前帧跟踪框集；
所述基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新，包括：
对前一帧中具有部分遮挡关系的第一目标和第二目标进行第一遮挡关联，其中所述第一目标主动遮挡所述第二目标；所述第一遮挡关联包括：
计算所述前一帧跟踪框集中所述第一目标的跟踪框和所述当前帧检测框集中所有检测框的交并比；统计大于阈值的交并比数量；
若数量等于1，则利用交并比大于所述阈值的对应检测框更新所述前一帧跟踪框集中所述第一目标的跟踪框；
并将所述前一帧的跟踪框集中所述第一目标的跟踪框的跟踪状态更新为匹配跟踪，将所述前一帧的跟踪框集中所述第二目标的跟踪框的跟踪状态更新为预测跟踪；或者，
对前一帧中具有全部遮挡关系的第三目标和第四目标进行第二遮挡关联，其中所述第三目标主动遮挡所述第四目标；所述第二遮挡关联包括：
计算所述前一帧跟踪框集中所述第三目标的跟踪框与所述当前帧检测框集中所有检测框的交并比；统计大于阈值的交并比数量；
若数量等于1，则利用交并比大于阈值的对应检测框更新所述前一帧跟踪框集中所述第三目标的跟踪框；
并将所述前一帧跟踪框集中所述第三目标的跟踪框的跟踪状态更新为匹配跟踪，将所述前一帧跟踪框集中所述第四目标的跟踪框的跟踪状态更新为预测跟踪。
2.根据权利要求1所述的跟踪检测方法，其特征在于，所述基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新，还包括：
若数量等于2，判断出交并比大于阈值的两检测框中遮挡的第三检测框，以及被遮挡的第四检测框；
利用所述第三检测框更新所述前一帧跟踪框集中所述第三目标的跟踪框，将所述第三目标的跟踪框的跟踪状态更新为匹配跟踪；
若所述前一帧跟踪框集中所述第四目标的跟踪框与所述第四检测框的交并比大于阈值，则利用所述第四检测框更新所述前一帧跟踪框集中所述第四目标的跟踪框，将所述前一帧跟踪框集中所述第四目标的状态更新为匹配跟踪。
3.根据权利要求2所述的跟踪检测方法，其特征在于，所述基于预设的遮挡关联规则，利用当前帧检测框集对前一帧跟踪框集中具有遮挡关系的跟踪框进行更新，还包括：
若所述前一帧跟踪框集中所述第四目标的跟踪框与所述第四检测框的交并比小于或等于阈值，将所述前一帧跟踪框集中所述第四目标的状态更新为预测跟踪。
4.根据权利要求2所述的跟踪检测方法，其特征在于，所述判断出交并比大于阈值的两检测框中遮挡的第三检测框，以及被遮挡的第四检测框，包括：
根据所述第三检测框的检测坐标和所述第四检测框的检测坐标，判断出所述第三检测框更靠前，即判定所述第三检测框遮挡，所述第四检测框被遮挡。
5.根据权利要求1-4中任一项所述的跟踪检测方法，其特征在于，所述方法还包括：
获取所述当前帧跟踪框集中两两跟踪框之间的交并比，构成交并比矩阵；
统计所述交并比矩阵中每行大于交互阈值的矩阵元素数量，若矩阵行元素数量等于1；
则对大于交互阈值的矩阵元素所在的列，计算大于交互阈值的矩阵列元素数量，若矩阵列元素数量等于1；
则对矩阵行元素数量等于1所对应的第一跟踪框和矩阵列元素数量等于1所对应的第二跟踪框进行遮挡关系判定。
6.根据权利要求5所述的跟踪检测方法，其特征在于，所述对第一跟踪框和第二跟踪框进行遮挡关系判定，包括：
根据所述第一跟踪框的跟踪坐标和所述第二跟踪框的跟踪坐标，判断所述第一跟踪框更靠前；
若所述第一跟踪框的跟踪状态为匹配跟踪，所述第二跟踪框的跟踪状态为匹配跟踪；则判定所述第一跟踪框的遮挡关系为主动遮挡及部分遮挡，所述第二跟踪框的遮挡关系为被动遮挡及部分遮挡；
若所述第一跟踪框的跟踪状态为匹配跟踪，所述第二跟踪框的跟踪状态为预测跟踪，且所述第一跟踪框的遮挡关系为部分遮挡，所述第二跟踪框的遮挡关系为部分遮挡；则判断所述第一跟踪框的遮挡关系为主动遮挡及完全遮挡，所述第二跟踪框的遮挡关系为被动遮挡及完全遮挡。
7.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至6中任一项所述的方法。
8.一种计算机可读存储介质，其上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010491723.1A CN111652902B (zh) | 2020-06-02 | 2020-06-02 | 目标的跟踪检测方法、电子设备及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010491723.1A CN111652902B (zh) | 2020-06-02 | 2020-06-02 | 目标的跟踪检测方法、电子设备及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111652902A CN111652902A (zh) | 2020-09-11 |
| CN111652902B true CN111652902B (zh) | 2023-03-28 |
Family
ID=72344240
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010491723.1A Active CN111652902B (zh) | 2020-06-02 | 2020-06-02 | 目标的跟踪检测方法、电子设备及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111652902B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112102364A (zh) * | 2020-09-22 | 2020-12-18 | 广州华多网络科技有限公司 | 目标物跟踪方法、装置、电子设备及存储介质 |
| CN112200126A (zh) * | 2020-10-26 | 2021-01-08 | 上海盛奕数字科技有限公司 | 一种基于人工智能跑步肢体遮挡姿态识别方法 |
| CN112614154B (zh) * | 2020-12-08 | 2024-01-19 | 深圳市优必选科技股份有限公司 | 目标跟踪轨迹的获取方法、装置及计算机设备 |
| CN113033388B (zh) * | 2021-03-23 | 2024-06-21 | 维沃移动通信有限公司 | 检测跟踪方法和装置 |
| CN113096160B (zh) * | 2021-06-09 | 2021-10-29 | 深圳市优必选科技股份有限公司 | 多目标追踪方法、装置、设备及存储介质 |
| CN113298852A (zh) * | 2021-07-27 | 2021-08-24 | 第六镜科技(北京)有限公司 | 目标跟踪方法、装置、电子设备及计算机可读存储介质 |
| CN114022508A (zh) * | 2021-09-18 | 2022-02-08 | 浙江大华技术股份有限公司 | 一种目标跟踪方法、终端及计算机可读存储介质 |
| CN113989694B (zh) * | 2021-09-18 | 2022-10-14 | 北京远度互联科技有限公司 | 目标跟踪方法、装置、电子设备及存储介质 |
| CN116330658B (zh) * | 2023-01-12 | 2024-05-28 | 珠海视熙科技有限公司 | 基于深度图像的目标跟踪方法、装置、系统及摄像设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110853076A (zh) * | 2019-11-08 | 2020-02-28 | 重庆市亿飞智联科技有限公司 | 一种目标跟踪方法、装置、设备及存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8073196B2 (en) * | 2006-10-16 | 2011-12-06 | University Of Southern California | Detection and tracking of moving objects from a moving platform in presence of strong parallax |
| CN104318211A (zh) * | 2014-10-17 | 2015-01-28 | 中国传媒大学 | 一种抗遮挡人脸跟踪方法 |
| JP6597517B2 (ja) * | 2016-08-10 | 2019-10-30 | 株式会社デンソー | 物標検出装置 |
| US10068135B2 (en) * | 2016-12-22 | 2018-09-04 | TCL Research America Inc. | Face detection, identification, and tracking system for robotic devices |
| CN107423686B (zh) * | 2017-06-15 | 2020-07-31 | 深圳大学 | 视频多目标模糊数据关联方法及装置 |
| CN108470332B (zh) * | 2018-01-24 | 2023-07-07 | 博云视觉（北京）科技有限公司 | 一种多目标跟踪方法及装置 |
-
2020
- 2020-06-02 CN CN202010491723.1A patent/CN111652902B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110853076A (zh) * | 2019-11-08 | 2020-02-28 | 重庆市亿飞智联科技有限公司 | 一种目标跟踪方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111652902A (zh) | 2020-09-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111652902B (zh) | 目标的跟踪检测方法、电子设备及装置 | |
| CN111553234B (zh) | 融合人脸特征与Re-ID特征排序的行人跟踪方法及装置 | |
| CN109426785B (zh) | 一种人体目标身份识别方法及装置 | |
| CN112529942A (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
| CN111414949B (zh) | 图片聚类方法、装置、电子设备及存储介质 | |
| CN111753724A (zh) | 一种异常行为识别方法及装置 | |
| CN110866428B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
| CN110647818A (zh) | 一种遮挡目标物体的识别方法及装置 | |
| CN110765903A (zh) | 行人重识别方法、装置及存储介质 | |
| CN111814776B (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
| CN112087593B (zh) | 视频配置的更新装置、方法以及电子设备 | |
| CN116030280A (zh) | 一种模板匹配方法、装置、存储介质及设备 | |
| WO2022048578A1 (zh) | 图像内容检测方法、装置、电子设备和可读存储介质 | |
| CN113298852A (zh) | 目标跟踪方法、装置、电子设备及计算机可读存储介质 | |
| CN104616317A (zh) | 一种视频车辆跟踪有效性验证方法 | |
| CN116330658B (zh) | 基于深度图像的目标跟踪方法、装置、系统及摄像设备 | |
| CN112614154A (zh) | 目标跟踪轨迹的获取方法、装置及计算机设备 | |
| CN112819889A (zh) | 位置信息的确定方法及装置、存储介质、电子装置 | |
| CN116258748A (zh) | 轨迹跟踪方法 | |
| CN116258881A (zh) | 一种图像聚类方法、装置、终端及计算机可读存储介质 | |
| CN115565135A (zh) | 目标跟踪方法、装置及电子设备 | |
| CN111708908B (zh) | 视频标签的添加方法及装置、电子设备、计算机可读存储介质 | |
| CN114219938A (zh) | 感兴趣区域获取方法 | |
| CN114549584A (zh) | 信息处理的方法、装置、电子设备及存储介质 | |
| CN112634327A (zh) | 基于YOLOv4模型的跟踪方法 |
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 |