CN111862161A - 一种目标跟踪处理方法及装置 - Google Patents

一种目标跟踪处理方法及装置 Download PDF

Info

Publication number
CN111862161A
CN111862161A CN202010754392.6A CN202010754392A CN111862161A CN 111862161 A CN111862161 A CN 111862161A CN 202010754392 A CN202010754392 A CN 202010754392A CN 111862161 A CN111862161 A CN 111862161A
Authority
CN
China
Prior art keywords
target
similarity
determining
similarities
video
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
Application number
CN202010754392.6A
Other languages
English (en)
Inventor
覃涛杰
韩建强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202010754392.6A priority Critical patent/CN111862161A/zh
Publication of CN111862161A publication Critical patent/CN111862161A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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

本发明提供了一种目标跟踪处理方法及装置，其中，该方法包括：对视频数据的当前帧进行目标检测，得到目标对象的目标特征信息；确定所述目标特征信息与预先确定的待跟踪目标的特征信息的第一相似度；接收相邻视频设备发送的一个或多个第二相似度，其中，所述一个或多个第二相似度为所述相邻视频设备确定的所述目标对象的特征信息与所述待跟踪目标的特征信息的相似度；根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备，可以解决相关技术中基于单摄像头对目标进行跟踪，其目标搜索是从当前位置按照一定比例扩大搜索范围，导致跟踪范围受到限制的问题。

Description

一种目标跟踪处理方法及装置
技术领域
本发明涉及图像处理领域，具体而言，涉及一种目标跟踪处理方法及装置。
背景技术
在监控领域，对目标进行跟踪，大都是通过单摄像机对目标的运动状态进行跟踪。相关技术中利用神经网络检测目标框中的目标特性和给定的目标特性进行相似度对比，相对高于某一个阈值，认为目标被跟踪成功。目标搜索时，按照一定的比例逐步扩大搜索范围，来查找目标。单机摄像机的目标跟踪，并且其目标搜索是从当前位置按照一定比例扩大搜索范围的。
针对相关技术中基于单摄像头对目标进行跟踪，其目标搜索是从当前位置按照一定比例扩大搜索范围，导致跟踪范围受到限制的问题，尚未提出解决方案。
发明内容
本发明实施例提供了一种目标跟踪处理方法及装置，以至少解决相关技术中基于单摄像头对目标进行跟踪，其目标搜索是从当前位置按照一定比例扩大搜索范围，导致跟踪范围受到限制的问题。
根据本发明的一个实施例，提供了一种目标跟踪处理方法，包括：
对视频数据的当前帧进行目标检测，得到目标对象的目标特征信息；
确定所述目标特征信息与预先确定的待跟踪目标的特征信息的第一相似度；
接收相邻视频设备发送的一个或多个第二相似度，其中，所述一个或多个第二相似度为所述相邻视频设备确定的所述目标对象的特征信息与所述待跟踪目标的特征信息的相似度；
根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
可选地，根据所述第一相似度与所述一个或多个第二相似度确定跟踪所目标对象的目标视频设备包括：
对所述第一相似度、所述一个或多个第二相似度由大到小进行排序；
确定排在第一的所述第一相似度为第一目标相似度以及排在第二的所述第二相似度为第二目标相似度；
确定所述第一目标相似度或所述第二目标相似度对应的视频设备为所述目标视频设备。
可选地，根据所述第一相似度与所述一个或多个第二相似度确定跟踪所目标对象的目标视频设备包括：
分别确定所述第一相似度与所述一个或多个第二相似度的差值；
确定最小所述差值对应的第一相似度为第一目标相似度，对应的第二相似度为第二目标相似度；
确定所述第一目标相似度或是第二目标相似度对应的视频设备为所述目标视频设备。
可选地，确定所述第一目标相似度或所述第二目标相似度对应的视频设备为所述目标视频设备包括：
判断所述第一目标相似度对应的视频设备正在跟踪的目标对象的数量是否大于预设阈值；
在判断结果为否的情况下，确定所述第一目标相似度对应的视频设备为所述目标视频设备；
在判断结果为是的情况下，确定所述第二目标相似度对应的视频设备为所述目标视频设备。
可选地，所述方法还包括：
将所述第一相似度发送给相邻视频设备，其中，所述相邻视频设备用于根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
可选地，在对视频数据的当前帧进行目标检测，得到第一目标的特征信息之前，所述方法还包括：
接收服务器下发的所述待跟踪目标的特征信息；或者
对视频数据进行目标检测，得到所述待跟踪目标的特征信息。
根据本发明的另一个实施例，还提供了一种目标跟踪处理装置，包括：
目标检测模块，用于对视频数据的当前帧进行目标检测，得到目标对象的目标特征信息；
第一确定模块，用于确定所述目标特征信息与预先确定的待跟踪目标的特征信息的第一相似度；
第一接收模块，用于接收相邻视频设备发送的一个或多个第二相似度，其中，所述一个或多个第二相似度为所述相邻视频设备确定的所述目标对象的特征信息与所述待跟踪目标的特征信息的相似度；
第二确定模块，用于根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
可选地，所述第二确定模块包括：
排序子模块，用于对所述第一相似度、所述一个或多个第二相似度由大到小进行排序；
第一确定子模块，用于确定排在第一的所述第一相似度为第一目标相似度以及排在第二的所述第二相似度为第二目标相似度；
第二确定子模块，用于确定所述第一目标相似度或所述第二目标相似度对应的视频设备为所述目标视频设备。
可选地，所述第二确定模块包括：
第三确定子模块，用于分别确定所述第一相似度与所述一个或多个第二相似度的差值；
第四确定子模块，用于确定最小所述差值对应的第一相似度为第一目标相似度，对应的第二相似度为第二目标相似度；
第二确定子模块，用于确定所述第一目标相似度或是第二目标相似度对应的视频设备为所述目标视频设备。
可选地，所述第二确定子模块包括：
判断单元，用于判断所述第一目标相似度对应的视频设备正在跟踪的目标对象的数量是否大于预设阈值；
第一确定单元，用于在判断结果为否的情况下，确定所述第一目标相似度对应的视频设备为所述目标视频设备；
第二确定单元，用于在判断结果为是的情况下，确定所述第二目标相似度对应的视频设备为所述目标视频设备。
可选地，所述装置还包括：
发送模块，用于将所述第一相似度发送给相邻视频设备，其中，所述相邻视频设备用于根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
可选地，所述装置还包括：
第二接收模块，用于接收服务器下发的所述待跟踪目标的特征信息；或者
检测模块，用于对视频数据进行目标检测，得到所述待跟踪目标的特征信息。
根据本发明的又一个实施例，还提供了一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，对视频数据的当前帧进行目标检测，得到目标对象的目标特征信息；确定所述目标特征信息与预先确定的待跟踪目标的特征信息的第一相似度；接收相邻视频设备发送的一个或多个第二相似度，其中，所述一个或多个第二相似度为所述相邻视频设备确定的所述目标对象的特征信息与所述待跟踪目标的特征信息的相似度；根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备，可以解决相关技术中基于单摄像头对目标进行跟踪，其目标搜索是从当前位置按照一定比例扩大搜索范围，导致跟踪范围受到限制的问题，通过多个摄像头中，根据采集到的目标的特征信息与待跟踪目标的特征信息的相似度确定对目标进行跟踪的目标视频设备，实现了多视频设备联合跟踪目标，扩大了跟踪范围，且实现了多目标在不同摄像设备中移动的位置的跟踪。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的目标跟踪处理方法的移动终端的硬件结构框图；
图2是根据本发明实施例的目标跟踪处理方法的流程图；
图3是根据本发明实施例的多级联合跟踪目标的流程图；
图4是根据本发明实施例的目标跟踪的示意图；
图5是根据本发明实施例的目标跟踪处理装置的框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
实施例1
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的目标跟踪处理方法的移动终端的硬件结构框图，如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的目标跟踪处理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端或网络架构的目标跟踪处理方法，图2是根据本发明实施例的目标跟踪处理方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，对视频数据的当前帧进行目标检测，得到目标对象的目标特征信息；
步骤S204，确定所述目标特征信息与预先确定的待跟踪目标的特征信息的第一相似度；
步骤S206，接收相邻视频设备发送的一个或多个第二相似度，其中，所述一个或多个第二相似度为所述相邻视频设备确定的所述目标对象的特征信息与所述待跟踪目标的特征信息的相似度；
步骤S208，根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
通过上述步骤S202至S208，可以解决相关技术中基于单摄像头对目标进行跟踪，其目标搜索是从当前位置按照一定比例扩大搜索范围，导致跟踪范围受到限制的问题，通过多个摄像头中，根据采集到的目标的特征信息与待跟踪目标的特征信息的相似度确定对目标进行跟踪的目标视频设备，实现了多视频设备联合跟踪目标，扩大了跟踪范围，且实现了多目标在不同摄像设备中移动的位置的跟踪。
在一可选的实施例中，步骤S208具体可以包括：对所述第一相似度、所述一个或多个第二相似度由大到小进行排序；确定排在第一的所述第一相似度为第一目标相似度以及排在第二的所述第二相似度为第二目标相似度；确定所述第一目标相似度或所述第二目标相似度对应的视频设备为所述目标视频设备。
在另一可选的实施例中，步骤S208具体还可以包括：分别确定所述第一相似度与所述一个或多个第二相似度的差值；确定最小所述差值对应的第一相似度为第一目标相似度，对应的第二相似度为第二目标相似度；确定所述第一目标相似度或是第二目标相似度对应的视频设备为所述目标视频设备。
本发明实施例中，确定所述第一目标相似度或所述第二目标相似度对应的视频设备为所述目标视频设备具体可以包括：判断所述第一目标相似度对应的视频设备正在跟踪的目标对象的数量是否大于预设阈值；在判断结果为否的情况下，确定所述第一目标相似度对应的视频设备为所述目标视频设备；在判断结果为是的情况下，确定所述第二目标相似度对应的视频设备为所述目标视频设备。
本发明实施例中，将所述第一相似度发送给相邻视频设备，以便所述相邻视频设备根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
可选地，在对视频数据的当前帧进行目标检测，得到第一目标的特征信息之前，接收服务器下发的所述待跟踪目标的特征信息；或者对视频数据进行目标检测，得到所述待跟踪目标的特征信息。
本发明实施例对视频图像当前帧进行目标检测，得到需要被跟踪的目标，然后和临近的视频设备交换需要被跟踪的目标信息，如需要被跟踪目标的位置信息和相似度信息。根据设定的决策的策略来决定哪些目标需要被跟踪，然后在视频中标记出目标并存储或者发送到远程。图3是根据本发明实施例的多级联合跟踪目标的流程图，如图3所示，包括：
步骤S301，对视频图像当前帧进行目标检测，得到目标的特征信息，并确定目标和待跟踪目标的相似度；
步骤S302，与相邻设备交换需要跟踪的目标的特征信息、相似度；
步骤S303，根据预先设置的决策策略确定自己需要跟踪的目标，其中决策策略具体可以为对所述第一相似度、所述一个或多个第二相似度由大到小进行排序，确定排在第一的所述第一相似度为第一目标相似度以及排在第二的所述第二相似度为第二目标相似度，确定所述第一目标相似度或所述第二目标相似度对应的视频设备为所述目标视频设备。或者，分别确定所述第一相似度与所述一个或多个第二相似度的差值；确定最小所述差值对应的第一相似度为第一目标相似度，对应的第二相似度为第二目标相似度；确定所述第一目标相似度或是第二目标相似度对应的视频设备为所述目标视频设备，每个设备均以相同的决策策略确定身份跟踪目标，最终便可实现所有设备确定的跟踪目标的目标设备为同一个；
步骤S304，标记需要跟踪的目标并存储相关信息。
图4是根据本发明实施例的目标跟踪的示意图，如图4所示，多个需要跟踪的目标n＝1,2,…,N分布在多个摄像设备k＝1,2,…,K中。部分跟踪目标在移动的过程中，可能落在多个摄像设备的监控视野中，如何分配这些目标成为本发明的重点。
各个摄像设备采用机器学习的算法(如Yolo)检测目标，然后通过机器学习提取检测对象的特征并与需要跟踪目标进行相似度ck,n对比并确认是否是跟踪目标，各个摄像设备对应的跟踪目标的置信度为：
Figure BDA0002611053550000091
其中，pthre为用于确定是否为跟踪目标的门限值。
设备交换信息后，对于设备k，如果没有获得的置信度，则设置pk,n＝0。在跟踪能力受限的情况下，每个设备需要确定自己跟踪的目标，使得跟踪的整体收益最大化。
设备k跟踪目标n获得的收益，就是pk,n，但是如果两个设备同时跟踪一个目标，那么总的收益只是两者收益中的较大者，而不是两者相加。建立如下优化问题：
Figure BDA0002611053550000092
其中，σk,n＝0表示设备k对目标n不进行跟踪，σk,n＝1表示设备k对目标n进行跟踪，且设备k最多可以跟踪
Figure BDA0002611053550000105
个目标。下面对本发明实施例进行详细说明：
步骤一，初始化收益值uk,n＝pk,n和跟踪策略σk,n＝0，k＝1,…,K,n＝1,…,N；
步骤二，对所有目标，计算相对收益值
Figure BDA0002611053550000101
其中max表示数组中最大元素的值，max2表示数组中第二大元素的值；
步骤三，搜索得到所有目标中相对收益值的最大者
Figure BDA0002611053550000102
以及该目标的最大收益设备
Figure BDA0002611053550000103
设置σk',n'＝1。
步骤四，更新当前收益值，如果存在收益值不为零，则返回步骤二继续执行，否则结束。收益值的更新方法为：对于步骤三中的k'和n'，令
uk,n'＝0,k＝1,…K，
uk',n＝0,n＝1,…N，如果
Figure BDA0002611053550000104
表示目标n'已经有跟踪设备，添加新的跟踪设备将无收益；且设备k'已经达到跟踪能力上限，无法添加新的跟踪目标。计算结果是满足优化问题的两个约束条件的，并且充分考虑了不同的设备对同一跟踪目标的影响。对于每一个设备，只需确定自己需要跟踪的目标之后，即可提前终止算法，提高了设备跟踪的自主性。
本发明实施例通过多台摄像设备联合跟踪多个目标，不仅仅缓解了单台设备跟踪多个设备的压力，而且扩大了跟踪的范围；相比单个视频设备跟踪多个目标时，在距离较远的位置的目标的相似度较低，多个视频设备发挥各个设备所在位置的优势，使得跟踪目标由相似度较高的视频设备来跟踪；本发明没有中央控制器的集中控制，增强了设备布置和分布的灵活性，通过优化，提高了系统的性能；本发明限制了各个设备的跟踪的数量，这样可以使得各个不同性能的视频设备能够及时处理一帧的数据。
实施例2
根据本发明的另一个实施例，还提供了一种目标跟踪处理装置，图5是根据本发明实施例的目标跟踪处理装置的框图，如图5所示，包括：
目标检测模块52，用于对视频数据的当前帧进行目标检测，得到目标对象的目标特征信息；
第一确定模块54，用于确定所述目标特征信息与预先确定的待跟踪目标的特征信息的第一相似度；
第一接收模块56，用于接收相邻视频设备发送的一个或多个第二相似度，其中，所述一个或多个第二相似度为所述相邻视频设备确定的所述目标对象的特征信息与所述待跟踪目标的特征信息的相似度；
第二确定模块58，用于根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
可选地，所述第二确定模块58包括：
排序子模块，用于对所述第一相似度、所述一个或多个第二相似度由大到小进行排序；
第一确定子模块，用于确定排在第一的所述第一相似度为第一目标相似度以及排在第二的所述第二相似度为第二目标相似度；
第二确定子模块，用于确定所述第一目标相似度或所述第二目标相似度对应的视频设备为所述目标视频设备。
可选地，所述第二确定模块58包括：
第三确定子模块，用于分别确定所述第一相似度与所述一个或多个第二相似度的差值；
第四确定子模块，用于确定最小所述差值对应的第一相似度为第一目标相似度，对应的第二相似度为第二目标相似度；
第二确定子模块，用于确定所述第一目标相似度或是第二目标相似度对应的视频设备为所述目标视频设备。
可选地，所述第二确定子模块包括：
判断单元，用于判断所述第一目标相似度对应的视频设备正在跟踪的目标对象的数量是否大于预设阈值；
第一确定单元，用于在判断结果为否的情况下，确定所述第一目标相似度对应的视频设备为所述目标视频设备；
第二确定单元，用于在判断结果为是的情况下，确定所述第二目标相似度对应的视频设备为所述目标视频设备。
可选地，所述装置还包括：
发送模块，用于将所述第一相似度发送给相邻视频设备，其中，所述相邻视频设备用于根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
可选地，所述装置还包括：
第二接收模块，用于接收服务器下发的所述待跟踪目标的特征信息；或者
检测模块，用于对视频数据进行目标检测，得到所述待跟踪目标的特征信息。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，对视频数据的当前帧进行目标检测，得到目标对象的目标特征信息；
S2，确定所述目标特征信息与预先确定的待跟踪目标的特征信息的第一相似度；
S3，接收相邻视频设备发送的一个或多个第二相似度，其中，所述一个或多个第二相似度为所述相邻视频设备确定的所述目标对象的特征信息与所述待跟踪目标的特征信息的相似度；
S4，根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(RandomAccess Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例4
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，对视频数据的当前帧进行目标检测，得到目标对象的目标特征信息；
S2，确定所述目标特征信息与预先确定的待跟踪目标的特征信息的第一相似度；
S3，接收相邻视频设备发送的一个或多个第二相似度，其中，所述一个或多个第二相似度为所述相邻视频设备确定的所述目标对象的特征信息与所述待跟踪目标的特征信息的相似度；
S4，根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，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 (10)

1.一种目标跟踪处理方法，其特征在于，包括：
对视频数据的当前帧进行目标检测，得到目标对象的目标特征信息；
确定所述目标特征信息与预先确定的待跟踪目标的特征信息的第一相似度；
接收相邻视频设备发送的一个或多个第二相似度，其中，所述一个或多个第二相似度为所述相邻视频设备确定的所述目标对象的特征信息与所述待跟踪目标的特征信息的相似度；
根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
2.根据权利要求1所述的方法，其特征在于，根据所述第一相似度与所述一个或多个第二相似度确定跟踪所目标对象的目标视频设备包括：
对所述第一相似度、所述一个或多个第二相似度由大到小进行排序；
确定排在第一的所述第一相似度为第一目标相似度以及排在第二的所述第二相似度为第二目标相似度；
确定所述第一目标相似度或所述第二目标相似度对应的视频设备为所述目标视频设备。
3.根据权利要求1所述的方法，其特征在于，根据所述第一相似度与所述一个或多个第二相似度确定跟踪所目标对象的目标视频设备包括：
分别确定所述第一相似度与所述一个或多个第二相似度的差值；
确定最小所述差值对应的第一相似度为第一目标相似度，对应的第二相似度为第二目标相似度；
确定所述第一目标相似度或是第二目标相似度对应的视频设备为所述目标视频设备。
4.根据权利要求2或3所述的方法，其特征在于，确定所述第一目标相似度或所述第二目标相似度对应的视频设备为所述目标视频设备包括：
判断所述第一目标相似度对应的视频设备正在跟踪的目标对象的数量是否大于预设阈值；
在判断结果为否的情况下，确定所述第一目标相似度对应的视频设备为所述目标视频设备；
在判断结果为是的情况下，确定所述第二目标相似度对应的视频设备为所述目标视频设备。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
将所述第一相似度发送给相邻视频设备，其中，所述相邻视频设备用于根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
6.根据权利要求1至3中任一项所述的方法，其特征在于，在对视频数据的当前帧进行目标检测，得到第一目标的特征信息之前，所述方法还包括：
接收服务器下发的所述待跟踪目标的特征信息；或者
对视频数据进行目标检测，得到所述待跟踪目标的特征信息。
7.一种目标跟踪处理装置，其特征在于，包括：
目标检测模块，用于对视频数据的当前帧进行目标检测，得到目标对象的目标特征信息；
第一确定模块，用于确定所述目标特征信息与预先确定的待跟踪目标的特征信息的第一相似度；
第一接收模块，用于接收相邻视频设备发送的一个或多个第二相似度，其中，所述一个或多个第二相似度为所述相邻视频设备确定的所述目标对象的特征信息与所述待跟踪目标的特征信息的相似度；
第二确定模块，用于根据所述第一相似度与所述一个或多个第二相似度确定跟踪所述目标对象的目标视频设备。
8.根据权利要求7所述的装置，其特征在于，所述第二确定模块包括：
排序子模块，用于对所述第一相似度、所述一个或多个第二相似度由大到小进行排序；
第一确定子模块，用于确定排在第一的所述第一相似度为第一目标相似度以及排在第二的所述第二相似度为第二目标相似度；
第二确定子模块，用于确定所述第一目标相似度或所述第二目标相似度对应的视频设备为所述目标视频设备。
9.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6中任一项所述的方法。
CN202010754392.6A 2020-07-30 2020-07-30 一种目标跟踪处理方法及装置 Pending CN111862161A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010754392.6A CN111862161A (zh) 2020-07-30 2020-07-30 一种目标跟踪处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010754392.6A CN111862161A (zh) 2020-07-30 2020-07-30 一种目标跟踪处理方法及装置

Publications (1)

Publication Number Publication Date
CN111862161A true CN111862161A (zh) 2020-10-30

Family

ID=72945269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010754392.6A Pending CN111862161A (zh) 2020-07-30 2020-07-30 一种目标跟踪处理方法及装置

Country Status (1)

Country Link
CN (1) CN111862161A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985162A (zh) * 2018-06-11 2018-12-11 平安科技（深圳）有限公司 目标实时跟踪方法、装置、计算机设备及存储介质
CN109035299A (zh) * 2018-06-11 2018-12-18 平安科技（深圳）有限公司 目标跟踪方法、装置、计算机设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985162A (zh) * 2018-06-11 2018-12-11 平安科技（深圳）有限公司 目标实时跟踪方法、装置、计算机设备及存储介质
CN109035299A (zh) * 2018-06-11 2018-12-18 平安科技（深圳）有限公司 目标跟踪方法、装置、计算机设备及存储介质
WO2019237536A1 (zh) * 2018-06-11 2019-12-19 平安科技（深圳）有限公司 目标实时跟踪方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN108491794B (zh) 面部识别的方法和装置
CN109783685B (zh) 一种查询方法及装置
WO2020098606A1 (zh) 节点分类方法、模型训练方法、装置、设备及存储介质
CN109711228B (zh) 一种实现图像识别的图像处理方法及装置、电子设备
US8706711B2 (en) Descriptor storage and searches of k-dimensional trees
CN111091106B (zh) 图像聚类方法及装置、存储介质、电子装置
CN109325548B (zh) 图像处理方法、装置、电子设备及存储介质
CN111651624B (zh) 一种图像检索方法及装置
US20210312587A1 (en) Distributed image analysis method and system, and storage medium
CN112001948B (zh) 一种目标跟踪处理方法及装置
CN111325276A (zh) 图像分类方法及装置、电子设备、计算机可读存储介质
CN111309946B (zh) 一种已建立档案优化方法及装置
CN112651321A (zh) 档案处理方法、装置及服务器
JP5430636B2 (ja) データ取得装置、方法及びプログラム
CN115358308A (zh) 一种大数据实例约简方法、装置、电子设备及存储介质
CN115019360A (zh) 匹配方法、装置、非易失性存储介质及计算机设备
CN111291606A (zh) 基于边缘计算的场景自适应目标识别人工智能方法及系统
Mohan et al. Location based cloud resource management for analyzing real-time videos from globally distributed network cameras
CN111862161A (zh) 一种目标跟踪处理方法及装置
CN115830342A (zh) 检测框的确定方法、装置、存储介质及电子装置
CN110738175A (zh) 人脸图像处理方法、装置、计算机设备和存储介质
CN114422776A (zh) 摄像设备的检测方法及装置、存储介质、电子装置
CN111866468B (zh) 对象跟踪分配方法、装置、存储介质及电子装置
CN112257666B (zh) 目标图像内容的聚合方法、装置、设备及可读存储介质
CN112989869A (zh) 人脸质量检测模型的优化方法、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