CN111798482A - 一种目标跟踪方法及设备 - Google Patents
一种目标跟踪方法及设备 Download PDFInfo
- Publication number
- CN111798482A CN111798482A CN202010547661.1A CN202010547661A CN111798482A CN 111798482 A CN111798482 A CN 111798482A CN 202010547661 A CN202010547661 A CN 202010547661A CN 111798482 A CN111798482 A CN 111798482A
- Authority
- CN
- China
- Prior art keywords
- target
- tracking
- frame
- determining
- unmanned aerial
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 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)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种目标跟踪方法及设备,通过无人机获取到包括目标的当前帧图像,确定当前帧图像中目标对应的检测框,根据确定出的目标对应的检测框,确定目标的跟踪框,在从目标中确定出待跟踪的第一目标时,根据第一目标的跟踪框调整无人机的位置,以使无人机对第一目标进行跟踪。如此,可以自动确定出目标的跟踪框,解决了用户手动画目标的跟踪框的问题,减少了用户的工作量,同时避免了因用户手动画跟踪框不准确而导致无人机对目标跟踪效果差的问题,提高了无人机对目标跟踪的准确率。
Description
技术领域
本发明涉及图像处理技术领域,尤指一种目标跟踪方法及设备。
背景技术
随着科技的不断发展,无人机跟踪目标技术已经广泛的应用在领域中,因此,用户对于无人机跟踪目标的可靠性的要求也越来越高。
但现在技术中,无人机跟踪目标时,需要手动画目标的跟踪框,无人机才可以对目标进行跟踪。因此,不仅增加了用户的工作量,还可能出现因用户手动画目标的跟踪框不准确而导致无人机对目标跟踪的准确率降低。
基于此,如何提高无人机对目标跟踪的准确率,是本领域技术人员亟待解决的技术问题。
发明内容
本发明实施例提供一种目标跟踪方法及设备,用以提高无人机对目标跟踪的准确率。
第一方面,本发明实施例提供一种目标跟踪方法,包括:
在通过无人机获取到包括目标的当前帧图像时,确定所述当前帧图像中所述目标对应的检测框;
根据确定出的所述目标对应的检测框,确定所述目标的跟踪框;
在从所述目标中确定出待跟踪的第一目标时,根据所述第一目标的跟踪框调整所述无人机的位置,以使所述无人机对所述第一目标进行跟踪。
可选地,在本发明实施例中,在从所述目标中确定出待跟踪的第一目标之后,还包括:
在判断出所述第一目标跟踪丢失时,生成从所述目标中再次选择待跟踪目标的提醒信息。
可选地,在本发明实施例中,所述判断所述第一目标是否跟踪丢失,具体包括:
对从所述第一帧图像至所述当前帧图像中所述第一目标的置信度进行累加处理,得到参数置信度;
判断所述参考置信度是否小于第一预设值;
若是,则确定所述第一目标跟踪丢失;
若否,则确定所述第一目标未跟踪丢失。
可选地,在本发明实施例中,判断所述第一目标是否跟踪丢失,具体包括:
判断连续获取到的N帧图像中所述第一目标的跟踪框的位置是否未发生变化,且N大于或等于第二预设值;
若是,则确定所述第一目标跟踪丢失;
若否,则确定所述第一目标未跟踪丢失。
可选地,在本发明实施例中,所述无人机包括拍照设备,根据所述第一目标的跟踪框调整所述无人机的位置,具体包括:
将所述无人机中的所述拍照设备的拍照视野的中心位置,对准所述第一目标的跟踪框。
可选地,在本发明实施例中,在根据确定出的所述目标对应的检测框,确定所述目标的跟踪框之后,且在根据所述第一目标的跟踪框调整所述无人机的位置之前,还包括:
根据预设的匹配算法,对确定出的所述目标的跟踪框进行更新处理。
可选地,在本发明实施例中,在对所述当前帧图像进行目标识别处理之前,还包括:
对获取到的当前帧图像进行图像增强处理。
可选地,在本发明实施例中,在根据确定出的所述目标对应的检测框,确定所述目标的跟踪框之前,还包括:
对确定出的所述目标进行筛选处理;
对确定出的所述目标对应的检测框进行筛选处理。
第二方面,本发明实施例还提供了一种目标跟踪设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的所述程序指令,按照获得的程序执行:
在通过无人机获取到包括目标的当前帧图像时,确定所述当前帧图像中所述目标对应的检测框;
根据确定出的所述目标对应的检测框,确定所述目标的跟踪框;
在从所述目标中确定出待跟踪的第一目标时,根据所述第一目标的跟踪框调整所述无人机的位置,以使所述无人机对所述第一目标进行跟踪。
第三方面,本发明实施例提供了一种计算机可读的非易失性存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算执行上述目标跟踪方法。
本发明有益效果如下:
本发明实施例提供的一种目标跟踪方法及设备,通过无人机获取到包括目标的当前帧图像,确定当前帧图像中目标对应的检测框,根据确定出的目标对应的检测框,确定目标的跟踪框,在从目标中确定出待跟踪的第一目标时,根据第一目标的跟踪框调整无人机的位置,以使无人机对第一目标进行跟踪。如此,可以自动确定出目标的跟踪框,解决了用户手动画目标的跟踪框的问题,减少了用户的工作量,同时避免了因用户手动画跟踪框不准确而导致无人机对目标跟踪效果差的问题,提高了无人机对目标跟踪的准确率。
附图说明
图1为本发明实施例中提供的一种目标跟踪方法的流程图;
图2为本发明实施例中提供的第二种目标跟踪方法的流程图;
图3为本发明实施例中提供的第三种目标跟踪方法的流程图;
图4为本发明实施例中提供的一种更新跟踪框的方法的流程图;
图5为本发明实施例中提供的实施例一方法的流程图;
图6为本发明实施例中提供的一种目标跟踪设备的结构示意图。
具体实施方式
下面将结合附图,对本发明实施例提供的一种目标跟踪方法及设备的具体实施方式进行详细地说明。需要说明的是,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例提供了一种目标跟踪方法,如图1所示,可以包括:
S101、在通过无人机获取到包括目标的当前帧图像时,确定当前帧图像中目标对应的检测框;
其中,对于无人机获取到的当前帧图像,可以包括1个目标,或,可以包括多个目标,在此并不限定。
需要说明的是,无人机可以实时(或按一定周期)获取图像,且对采集到的图像进行目标识别处理,以确定图像中是否包括目标;因此,识别结果可能存在以下两种情况:
第一种情况:图像中包括目标;
第二种情况:图像中不包括目标。
因此,根据识别结果,若确定出采集到的图像不包括目标时,可以将该图像舍弃;若确定出采集到的图像中包括目标时,可以继续对该图像进行识别处理,以确定出该图像中目标对应的检测框。
其中,无人机可以通过拍照设备采集当前帧图像,可以根据YOLO模型(或深度学习技术)对采集到的当前帧图像进行目标识别,从而可以确定出行人、机动车、以及非机动车等类型的目标,以及行人框、机动车框、以及非机动车框等类型的检测框。
并且,具体的目标识别过程,可以采用现有技术来实现,在此不再详述。
说明一点,目标类型可以包括但不限于行人、机动车、以及非机动车类型。
S102、根据确定出的目标对应的检测框,确定目标的跟踪框;
其中,该步骤S102的具体实现方式,可以包括:
判断当前帧图像是否为初始帧图像;
若是,将当前帧图像包括的目标的检测框确定该目标的跟踪框;
若否,根据卡尔曼滤波预测算法,根据上一帧图像的跟踪框确定当前帧图像的跟踪框。
说明一点,根据卡尔曼滤波预测算法,根据上一帧图像的跟踪框确定当前帧图像的跟踪框的具体实现过程,可以采用现有技术来实现,在此不做限定。
S103、在从目标中确定出待跟踪的第一目标时,根据第一目标的跟踪框调整无人机的位置,以使无人机对第一目标进行跟踪。
其中,确定第一目标的方式,可以包括:
方式1、用户从目标中选择出一个第一目标。
方式2、通过预设算法,确定出一个第一目标。
如此,可以自动确定出目标的跟踪框,解决了用户手动画目标的跟踪框的问题,减少了用户的工作量,同时避免了因用户手动画跟踪框不准确而导致无人机对目标跟踪效果差的问题,提高了无人机对目标跟踪的准确率。
说明一点,上述步骤S101至S103的实现过程,可以理解为以下内容:
如图2所示。
S201、实时传输图像;
S202、目标检测;
S203、确定多个目标;
S204、选择出一个第一目标;
S205、判断跟踪的第一目标是否丢失;若是,执行步骤S203;若否,执行步骤S206;
S206、继续跟踪第一目标。
因此,通过无人机可以实时获取图像,并对获取到的图像进行目标检测;然后对于包括目标的图像而言,若图像中包括多个目标时,可以分别确定出各目标对应的跟踪框,然后在从多个目标中选择出第一目标时,对第一目标实现单目标跟踪,若第一目标跟踪丢失,则可以从多个目标中再次选择一个目标,并对该目标进行跟踪。
在实际情况中,无人机跟踪目标时,可能会受到环境的影响、其他目标遮挡的影响、以及与其他目标交错的影响,从而可能会导致无人机跟踪目标丢失。
因此,在具体实施时,在本发明实施例中,在从目标中确定出待跟踪的第一目标之后,还包括:
在判断出第一目标跟踪丢失时,生成从目标中再次选择待跟踪目标的提醒信息。
其中,若通过用户确定第一目标,那么,在判断出第一目标跟踪丢失时,生成的提醒信息可以向用户展示,并提醒用户第一目标已跟踪丢失,用户可以从确定出的目标中再次选择待跟踪目标;
若通过预设算法确定第一目标,那么,在判断出第一目标跟踪丢失时,生成的提醒信息可以提醒用于确定第一目标的确定模块第一目标已跟踪丢失,以使确定模块可以从确定出的目标中再次确定出待跟踪目标。
综上,通过不同的方式确定第一目标,使得接收提醒信息的对象(分别为:用户和确定模块)不同。
如此,在第一目标跟踪丢失时,可以提醒用户或确定模块第一目标已跟踪丢失,此情况更加符合实际情况,并且,也避免了因目标丢失而导致无人机跟踪其他错误的目标(用户不需要的目标)的问题。
具体地,在执行目标跟踪时,可以包括以下过程:
如图3所示。
S301、确定获取到的当前帧图像中的第一目标、以及第一目标对应的跟踪框;
S302、单目标跟踪算法;
其中,单目标跟踪算法可以理解为:
在确定出第一目标的跟踪框之后,将跟踪框传入到单目标跟踪算法模块中,以实现对第一目标的跟踪,且单目标跟踪算法模块可以采用深度卷积网络技术实现目标跟踪。
S303、确定第一目标在后续帧图像中对应的跟踪框;
其中,该步骤可以理解为:
对于待跟踪的目标(即上述内容中提及的第一目标),单目标跟踪算法模块中只需输入当前帧图像和第一目标对应的跟踪框,那么对于后续帧图像(如下一帧图像),若要实现目标跟踪,可以将后续帧图像输入至单目标跟踪算法模块中,从而可以自动确定出第一目标的在后续帧图像中对应的跟踪框。
S304、无人机云台相机控制模块控制无人机中相机的位置;
其中,在控制无人机中相机的位置时,可以设置为:
控制相机的中心靠近或对准第一目标的跟踪框。
S305、判断第一目标是否丢失;若否,执行步骤S302;若是,流程结束。
如此,通过上述过程,可以实现单目标跟踪,从而实现无人机对目标的跟踪。
具体地,在本发明实施例中,在判断第一目标是否跟踪丢失时,可以采用以下方式:
方式1:
可选地,在本发明实施例中,判断第一目标是否跟踪丢失,具体包括:
对从第一帧图像至当前帧图像中第一目标的置信度进行累加处理,得到参数置信度;
若是,则确定第一目标跟踪丢失;
若否,则确定第一目标未跟踪丢失。
需要说明的是,对于确定目标的置信度,可以但不限于在上述步骤S101步骤中同时确定出目标的置信度,只要是满足在需要置信度以进行计算之前,确定出目标的置信度即可,对于确定目标的置信度的时间,在此并不做限定。
其中,置信度也可以称为可靠度。目标对应的置信度越高,表示目标丢失的可能性越小;目标对应的置信度越低,表示目标丢失的可能性越大。
例如,以第一帧图像、第二帧图像、以及第三帧图像为例进行说明,其中,第一帧图像中第一目标的置信度0.3,第二帧图像中第一目标的置信度0.5,第三帧图像中第一目标的置信度0.4,并且,第一预设值可以为0.7。
将第一帧图、第二帧图、以及第三帧图中第一目标的置信度进行累加,得到参数置信度,即0.3+0.5+0.4=0.8,因此,参数置信度为0.8。
因为参考置信度0.8大于第一预设值0.7,所以可以确定出第一目标未跟踪丢失。
说明一点,对于第一预设值的设置,可以根据用户所需的实际情况进行设置,在此并不做具体限定,提高设计的灵活性。
如此,通过上述简单的计算方法,不仅减少了无人机的处理量,还可以准确的确定出第一目标是否跟踪丢失,降低了无人机跟踪目标的复杂度,并且,实用性较强。
方式2:
可选地,在本发明实施例中,判断第一目标是否跟踪丢失,具体包括:
判断连续获取到的N帧图像中第一目标的跟踪框的位置是否未发生变化,且N大于或等于第二预设值;
若是,则确定第一目标跟踪丢失;
若否,则确定第一目标未跟踪丢失。
例如,以5帧图像、第二预设值为4为例进行说明。其中,5帧图像分别为第1帧图像、第2帧图像、第3帧图像、第4帧图像、以及第5帧图像。
若第1帧图像、第2帧图像、第3帧图像、第4帧图像、以及第5帧图像中第一目标的跟踪框的位置均没有发生变化,且5大于4,则表示第一目标跟踪丢失,其中,目标丢失可以理解为目标被完全遮挡,或目标与无人机的距离过远;
也就是说,若在第1帧图像、第2帧图像、第3帧图像、第4帧图像、以及第5帧图像中,出现连续4帧或4帧以上的图像中第一目标的跟踪框的位置未发生变化时,则表示第一目标跟踪丢失;若没有出现连续4帧或4帧以上的图像中第一目标的跟踪框的位置未发生变化时,则可以表示第一目标没有跟踪丢失。
说明一点,对于第二预设值的设置,可以根据用户所需的实际情况进行设置,在此并不做具体限定。
如此,根据跟踪框的位置,判断第一目标是否丢失,可以确定出第一目标是否跟踪丢失,该方法简单且实用,并且也降低了无人机跟踪目标的复杂度。
当然,在实际情况中,在判断第一目标是否跟踪丢失,可以根据实际情况,选择上述方式1或方式2,以满足不用应用场景的需要,提高设计的灵活性。
在具体实施时,在本发明实施例中,无人机包括拍照设备,根据第一目标的跟踪框调整无人机的位置,具体包括:
将无人机中的拍照设备的拍照视野的中心位置,对准第一目标的跟踪框。
其中,可以根据第一目标的跟踪框,调整无人机的各个旋翼飞行角度,从而使得无人机中的拍照设备的拍照视野的中心位置,始终维持在第一目标的跟踪框附近。
需要说明的是,在调整无人机的位置时,不仅可以调整无人机的各个旋翼飞行角度,还可以调整无人机的拍照设备的方位等,只要能够使得无人机中的拍照设备的拍照视野的中心位置对准第一目标的跟踪框即可,在此并不做限定。
如此,无人机通过调整拍照设备的拍照视野,可以准确的跟踪到目标的跟踪框,避免了目标丢失的问题,实现了无人机能够稳定地追踪目标,也有利于后续根据第一目标的跟踪框的位置判断第一目标是否丢失。
在具体实施时,在本发明实施例中,在根据确定出的目标对应的检测框,确定目标的跟踪框之后,且在根据第一目标的跟踪框调整无人机的位置之前,还包括:
根据预设的匹配算法,对确定出的目标的跟踪框进行更新处理。
其中,可以基于外观信息的马氏距离确定出目标的检测框和跟踪框的代价矩阵,并且,通过级联匹配和IOU匹配,可以使得检测框和跟踪框一一匹配,然后根据匹配的检测框更新跟踪框。
例如,检测框A与跟踪框A是一一配对的,检测框B与跟踪框B是一一配对的。那么将检测框A替代跟踪框A,以实现对跟踪框A的更新;将检测框B替代跟踪框B,以实现对跟踪框B的更新。
具体地,目标的跟踪框的更新处理过程,可以包括:
如图4所示。
S401、在确定出当前帧图像中目标对应的置信度和检测框时,对目标的置信度、以及目标对应的检测框进行筛选;
其中,具体的筛选过程可参见下面内容。
S402、判断当前帧图像是否为初始帧图像;若是,执行步骤S403;若否,执行步骤S404;
S403、使用检测框初始化跟踪框;执行步骤S405;
其中,使用检测框初始化跟踪框可以理解为:
将当前帧图像包括的目标的检测框确定为该目标的跟踪框。
S404、采用卡尔曼滤波算法预测跟踪框;
其中,步骤S404可以具体为:
采用卡尔曼滤波预测算法,根据上一帧图像的跟踪框确定当前帧图像的跟踪框。
S405、执行级联匹配算法;
S406、执行IOU匹配算法;
S407、更新跟踪框。
其中,对于步骤S405-S407,可以如下理解:
根据级联匹配算法和IOU匹配算法,对确定出的检测框和确定出的跟踪框进行匹配处理,并根据匹配的检测框更新跟踪框。
如此,通过级联匹配和IOU匹配,能够准确的确定出与检测框对应的跟踪框,因此,根据检测框可以准确的替代跟踪框,减少更新跟踪框时出现的错误(例如,上述内容的检测框A替代跟踪框B,或检测框B替代跟踪框A),从而提高无人机目标跟踪的准确率。
在具体实施时,在本发明实施例中,在对当前帧图像进行目标识别处理之前,还包括:
对获取到的当前帧图像进行图像增强处理。
其中,对获取到的当前帧图像进行图像增强处理,目的是为了筛选用户所需要的目标,并且,可以滤去不相关目标。
说明一点,也可以对当前帧图像进行预处理,其中预处理的目的和上述图像增强处理的目的相同,重复之处不在赘述。
并且,对于从当前帧图像中筛选出用户所需要的目标,并不限于上述方法,还可以采用本领域技术人员所熟知的任何一种能够筛选出用户所需要的目标的方法,在此并不做限定。
如此,对当前帧图像进行图像增强处理之后,可以去除当前帧图像中的干扰,即去除无效的目标,有利于从当前帧图像中筛选出用户所需要的目标。
在具体实施时,在本发明实施例中,在根据确定出的目标对应的检测框,确定目标的跟踪框之前,还包括:
对确定出的目标进行筛选处理;
对确定出的目标对应的检测框进行筛选处理。
其中,对于目标的筛选处理,可以根据目标的置信度对目标进行筛选。
当目标的置信度小于第三预设值时,去除该目标;
当目标的置信度大于第三预设值时,保留该目标。
需要说明的是,对于第三预设值的设置,可以根据用户所需的实际情况进行设置,在此并不做具体限定,提高设计的灵活性。
并且,对于目标对应的检测框的筛选处理,可以根据NMS算法进行筛选。
说明一点,目标对应的检测框可以有N个,其中,N为大于等于1的整数,每个目标框中均包括目标(也可以理解为:每个目标框都检测到了目标,并且,框选出目标),基于NMS算法对N个检测框进行筛选,也就是说,从N个检测框中,筛选出最佳目标位置的检测框。
如下将具体解释基于NMS算法对检测框进行筛选。
例如,以6个检测框为例进行说明。
根据类别分类概率分别对6个检测框进行排列,从小到大的概率分别为A、B、C、D、E、F;
从最大的概率F开始,分别判断A至E与F的重叠率是否大于第四预设值;
假设B和D与F的重叠率大于第四预设值,那么就去除B和D,同时保留F;
从A、C、以及E中,选择出概率最大的E,分别判断E与A、C的重叠度;
假设A、C的重叠度大于第五预设值,那么就去除A和C,同时保留E。
综上,筛选后的检测框为E和F,也就是说,最终被保留下的检测框为E和F。
说明一点,基于NMS算法筛选出的检测框的数量是根据实际情况确定的,在此并不做限定,以满足不同场景的需求。
并且,对于第四、五预设值的设置,可以根据用户所需的实际情况进行设置,在此并不做具体限定,提高设计的灵活性。
如此,根据筛选后的目标和目标框,有利于无人机能够准确的跟踪目标,提高无人机对目标跟踪的准确率。
下面以具体实施例对本发明实施例提供的目标跟踪方法进行说明。
实施例一:以第i帧图像为例进行说明,如图5所示。
S501、通过无人机获取到第i帧图像,对第i帧图像进行目标识别处理;
S502、确定出第i帧图像包括的目标的类别、目标的置信度、以及目标对应的检测框;
S503、根据目标的置信度对目标进行筛选处理;
S504、基于NMS算法,对目标对应的检测框进行筛选处理;
S505、根据筛选后的目标对应的检测框,确定目标的跟踪框;
S506、根据级联匹配算法和IOU匹配算法,对筛选出的检测框和确定出的跟踪框进行匹配处理,并根据匹配的检测框更新跟踪框;
S507、用户从确定出的目标中选择出待跟踪的第一目标;
S508、判断第一目标是否跟踪丢失;若是,执行步骤S509;若否,执行步骤S510;
S509、提醒用户从确定出的目标中再次选择待跟踪目标;执行步骤S508;
S510、将无人机中的拍照设备的拍照视野的中心位置,对准第一目标对应的更新后的跟踪框。
说明一点,在调整无人机的位置之后,可以通过无人机继续获取第i+1帧图像,然后重复上述S501至S510的步骤。
基于同一发明构思,本发明实施例提供一种目标跟踪设备,结构如图6所示,包括:
存储器601,用于存储程序指令;
处理器602,用于调用存储器601中存储的程序指令,按照获得的程序执行:
在通过无人机获取到包括目标的当前帧图像时,确定当前帧图像中目标对应的检测框;
根据确定出的目标对应的检测框,确定目标的跟踪框;
在从目标中确定出待跟踪的第一目标时,根据第一目标的跟踪框调整无人机的位置,以使无人机对第一目标进行跟踪。
可选地,在本发明实施例中,处理器602还用于:
在从目标中确定出待跟踪的第一目标之后,在判断出第一目标跟踪丢失时,生成从目标中再次选择待跟踪目标的提醒信息。
可选地,在本发明实施例中,处理器602具体用于:
对从第一帧图像至当前帧图像中第一目标的置信度进行累加处理,得到参数置信度;
判断参考置信度是否小于第一预设值;
若是,则确定第一目标跟踪丢失;
若否,则确定第一目标未跟踪丢失。
可选地,在本发明实施例中,处理器602具体用于:
判断连续获取到的N帧图像中第一目标的跟踪框的位置是否未发生变化,且N大于或等于第二预设值;
若是,则确定第一目标跟踪丢失;
若否,则确定第一目标未跟踪丢失。
可选地,在本发明实施例中,处理器602具体用于:
将无人机中的拍照设备的拍照视野的中心位置,对准第一目标的跟踪框。
可选地,在本发明实施例中,处理器602还用于:
在根据确定出的目标对应的检测框,确定目标的跟踪框之后,且在根据第一目标的跟踪框调整无人机的位置之前,根据预设的匹配算法,对确定出的目标的跟踪框进行更新处理。
可选地,在本发明实施例中,处理器602还用于:
在对当前帧图像进行目标识别处理之前,对获取到的当前帧图像进行图像增强处理。
可选地,在本发明实施例中,处理器602还用于:
在根据确定出的目标对应的检测框,确定目标的跟踪框之前,对确定出的目标进行筛选处理;
对确定出的目标对应的检测框进行筛选处理。
基于同一发明构思,本发明实施例提供了一种计算机可读的非易失性存储介质,计算机可读的非易失性存储介质存储有计算机可执行指令,计算机可执行指令用于使计算执行上述目标跟踪方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器,使得通过该计算机或其他可编程数据处理设备的处理器执行的指令可实现流程图中的一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令的制造品,该指令实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图的一个流程或多个流程和/或方框图的一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种目标跟踪方法,其特征在于,包括:
在通过无人机获取到包括目标的当前帧图像时,确定所述当前帧图像中所述目标对应的检测框;
根据确定出的所述目标对应的检测框,确定所述目标的跟踪框;
在从所述目标中确定出待跟踪的第一目标时,根据所述第一目标的跟踪框调整所述无人机的位置,以使所述无人机对所述第一目标进行跟踪。
2.如权利要求1所述的方法,其特征在于,在从所述目标中确定出待跟踪的第一目标之后,还包括:
在判断出所述第一目标跟踪丢失时,生成从所述目标中再次选择待跟踪目标的提醒信息。
3.如权利要求2所述的方法,其特征在于,所述判断所述第一目标是否跟踪丢失,具体包括:
对从所述第一帧图像至所述当前帧图像中所述第一目标的置信度进行累加处理,得到参数置信度;
判断所述参考置信度是否小于第一预设值;
若是,则确定所述第一目标跟踪丢失;
若否,则确定所述第一目标未跟踪丢失。
4.如权利要求2所述的方法,其特征在于,判断所述第一目标是否跟踪丢失,具体包括:
判断连续获取到的N帧图像中所述第一目标的跟踪框的位置是否未发生变化,且N大于或等于第二预设值;
若是,则确定所述第一目标跟踪丢失;
若否,则确定所述第一目标未跟踪丢失。
5.如权利要求1所述的方法,其特征在于,所述无人机包括拍照设备,根据所述第一目标的跟踪框调整所述无人机的位置,具体包括:
将所述无人机中的所述拍照设备的拍照视野的中心位置,对准所述第一目标的跟踪框。
6.如权利要求1所述的方法,其特征在于,在根据确定出的所述目标对应的检测框,确定所述目标的跟踪框之后,且在根据所述第一目标的跟踪框调整所述无人机的位置之前,还包括:
根据预设的匹配算法,对确定出的所述目标的跟踪框进行更新处理。
7.如权利要求1所述的方法,其特征在于,在对所述当前帧图像进行目标识别处理之前,还包括:
对获取到的当前帧图像进行图像增强处理。
8.如权利要求1所述的方法,其特征在于,在根据确定出的所述目标对应的检测框,确定所述目标的跟踪框之前,还包括:
对确定出的所述目标进行筛选处理;
对确定出的所述目标对应的检测框进行筛选处理。
9.一种目标跟踪设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的所述程序指令,按照获得的程序执行:
在通过无人机获取到包括目标的当前帧图像时,确定所述当前帧图像中所述目标对应的检测框;
根据确定出的所述目标对应的检测框,确定所述目标的跟踪框;
在从所述目标中确定出待跟踪的第一目标时,根据所述第一目标的跟踪框调整所述无人机的位置,以使所述无人机对所述第一目标进行跟踪。
10.一种计算机可读的非易失性存储介质,其特征在于,所述计算机可读的非易失性存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算执行权利要求1-8任一项所述的目标跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010547661.1A CN111798482A (zh) | 2020-06-16 | 2020-06-16 | 一种目标跟踪方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010547661.1A CN111798482A (zh) | 2020-06-16 | 2020-06-16 | 一种目标跟踪方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111798482A true CN111798482A (zh) | 2020-10-20 |
Family
ID=72803389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010547661.1A Pending CN111798482A (zh) | 2020-06-16 | 2020-06-16 | 一种目标跟踪方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111798482A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128447A (zh) * | 2021-04-29 | 2021-07-16 | 深圳市道通智能航空技术股份有限公司 | 口罩识别方法及装置、无人机、存储介质 |
WO2022141333A1 (zh) * | 2020-12-31 | 2022-07-07 | 华为技术有限公司 | 一种图像处理方法以及装置 |
CN114973033A (zh) * | 2022-05-30 | 2022-08-30 | 青岛科技大学 | 一种无人机自动检测目标和跟踪方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447459A (zh) * | 2015-11-18 | 2016-03-30 | 上海海事大学 | 一种无人机自动检测目标和跟踪方法 |
US20180300895A1 (en) * | 2017-04-14 | 2018-10-18 | Thales | Target tracking method performed by a drone, related computer program, electronic system and drone |
CN110111363A (zh) * | 2019-04-28 | 2019-08-09 | 深兰科技(上海)有限公司 | 一种基于目标检测的跟踪方法及设备 |
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 |
CN111127518A (zh) * | 2019-12-24 | 2020-05-08 | 深圳火星探索科技有限公司 | 基于无人机的目标跟踪方法及装置 |
-
2020
- 2020-06-16 CN CN202010547661.1A patent/CN111798482A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447459A (zh) * | 2015-11-18 | 2016-03-30 | 上海海事大学 | 一种无人机自动检测目标和跟踪方法 |
US20180300895A1 (en) * | 2017-04-14 | 2018-10-18 | Thales | Target tracking method performed by a drone, related computer program, electronic system and drone |
CN110111363A (zh) * | 2019-04-28 | 2019-08-09 | 深兰科技(上海)有限公司 | 一种基于目标检测的跟踪方法及设备 |
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 |
CN111127518A (zh) * | 2019-12-24 | 2020-05-08 | 深圳火星探索科技有限公司 | 基于无人机的目标跟踪方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022141333A1 (zh) * | 2020-12-31 | 2022-07-07 | 华为技术有限公司 | 一种图像处理方法以及装置 |
CN113128447A (zh) * | 2021-04-29 | 2021-07-16 | 深圳市道通智能航空技术股份有限公司 | 口罩识别方法及装置、无人机、存储介质 |
CN114973033A (zh) * | 2022-05-30 | 2022-08-30 | 青岛科技大学 | 一种无人机自动检测目标和跟踪方法 |
CN114973033B (zh) * | 2022-05-30 | 2024-03-01 | 青岛科技大学 | 一种无人机自动检测目标和跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200342211A1 (en) | Face location tracking method, apparatus, and electronic device | |
CN111798482A (zh) | 一种目标跟踪方法及设备 | |
US9811732B2 (en) | Systems and methods for object tracking | |
CN109858309B (zh) | 一种识别道路线的方法和装置 | |
CN110298238B (zh) | 行人视觉跟踪方法、模型训练方法、装置、设备及存储介质 | |
US10474921B2 (en) | Tracker assisted image capture | |
CN109389135B (zh) | 一种图像筛选方法及装置 | |
CN111797657A (zh) | 车辆周边障碍检测方法、装置、存储介质及电子设备 | |
CN111667501A (zh) | 目标跟踪方法、装置、计算设备及存储介质 | |
JP7111175B2 (ja) | 物体認識システム、認識装置、物体認識方法および物体認識プログラム | |
JP6988698B2 (ja) | 物体認識装置 | |
CN108898057B (zh) | 跟踪目标检测的方法、装置、计算机设备和存储介质 | |
CN110291771B (zh) | 一种目标对象的深度信息获取方法及可移动平台 | |
CN117242489A (zh) | 目标跟踪方法及装置、电子设备、计算机可读介质 | |
CN107845105A (zh) | 一种基于全景枪球联动的监控方法、智能设备及存储介质 | |
CN110837760B (zh) | 目标检测方法、用于目标检测的训练方法和装置 | |
CN113160272B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN112631333B (zh) | 无人机的目标跟踪方法、装置及图像处理芯片 | |
CN113610884A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN110414374B (zh) | 一种障碍物位姿的确定方法、装置、设备及介质 | |
CN112329616A (zh) | 目标检测方法、装置、设备以及存储介质 | |
CN109669199B (zh) | 一种定位方法、终端和计算机和存储介质 | |
CN116363628A (zh) | 标志检测方法、装置、非易失性存储介质及计算机设备 | |
CN114659450B (zh) | 机器人跟随方法、装置、机器人及存储介质 | |
CN109993767B (zh) | 图像处理方法和系统 |
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 |