CN112150505A - 目标对象跟踪器的更新方法和装置、存储介质及电子装置 - Google Patents
目标对象跟踪器的更新方法和装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN112150505A CN112150505A CN202010955180.4A CN202010955180A CN112150505A CN 112150505 A CN112150505 A CN 112150505A CN 202010955180 A CN202010955180 A CN 202010955180A CN 112150505 A CN112150505 A CN 112150505A
- Authority
- CN
- China
- Prior art keywords
- tracking
- detection frame
- target
- target object
- appearance
- 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 48
- 238000001514 detection method Methods 0.000 claims abstract description 114
- 230000015654 memory Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 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
- 230000008569 process Effects 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- GIYXAJPCNFJEHY-UHFFFAOYSA-N N-methyl-3-phenyl-3-[4-(trifluoromethyl)phenoxy]-1-propanamine hydrochloride (1:1) Chemical compound Cl.C=1C=CC=CC=1C(CCNC)OC1=CC=C(C(F)(F)F)C=C1 GIYXAJPCNFJEHY-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical 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
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种目标对象跟踪器的更新方法和装置、存储介质及电子装置。其中,该方法包括:获取目标视频中第t‑1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度,第三跟踪置信度用于表示第一目标对象在第t帧图像中的第二检测框与第一目标对象在第t‑1帧图像中的第一检测框干扰的置信度;在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器的参数,达到了通过跟踪置信度分值更新目标跟踪器,进而解决了相关技术中,跟踪器长时间不刷新造成的误差积累问题,导致的目标对象跟踪轨迹的跟踪质量较低的技术问题。
Description
技术领域
本发明涉及计算机视觉技术领域,具体而言,涉及一种目标对象跟踪器的更新方法和装置、存储介质及电子装置。
背景技术
目标跟踪(Multi-object tracking,MOT)技术属于计算机视觉领域,它在行人行为分析、车辆无人驾驶、机器人导航定位都有广泛的应用。
目标跟踪主要实现识别图像帧中的所有相关类别目标,并在视频序列中关联它们的位置,确定它们的目标ID,获得目标轨迹。
轨迹质量主要体现在两个方面:轨迹质量衰减和干扰物影响;轨迹质量衰减主要由于长时间跟踪造成的误差积累;干扰物影响主要是指跟踪器容易受周围相似目标(干扰物)的影响,发生轨迹ID漂移,跟踪器无法区分目标和相似干扰物。目标轨迹的轨迹质量是反映目标轨迹的精确性,因此,获取高质量的目标轨迹是人们关注的重点。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种目标对象跟踪器的更新方法和装置、存储介质及电子装置,以至少解决相关技术中,跟踪器长时间不刷新造成的误差积累问题,导致的目标对象跟踪轨迹的跟踪质量较低的技术问题。
根据本发明实施例的一个方面,提供了一种目标对象跟踪器的更新方法,包括:获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;根据所述第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪所述第一目标对象的第二跟踪置信度,其中,所述第三跟踪置信度用于表示所述第一目标对象在所述第t帧图像中的第二检测框与所述第一目标对象在第t-1帧图像中的第一检测框干扰的置信度;在所述第二跟踪置信度小于等于第一预定阈值的情况下,更新所述目标跟踪器的参数。
根据本发明实施例的另一方面,还提供了一种目标对象跟踪器的更新装置,包括:第一获取单元,用于获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;第一确定单元,用于根据所述第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪所述第一目标对象的第二跟踪置信度,其中,所述第三跟踪置信度用于表示所述第一目标对象在所述第t帧图像中的第二检测框与所述第一目标对象在第t-1帧图像中的第一检测框干扰的置信度;更新单元,用于在所述第二跟踪置信度小于等于第一预定阈值的情况下,更新所述目标跟踪器的参数。
根据本发明实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的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目标对象跟踪器的更新方法。
根据本发明实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述的目标对象跟踪器的更新方法。
在本发明实施例中,通过获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度,其中,第三跟踪置信度用于表示第一目标对象在第t帧图像中的第二检测框与第一目标对象在第t-1帧图像中的第一检测框干扰的置信度;在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器的参数,达到了考虑到干扰物影响,通过跟踪置信度分值更新目标跟踪器,进而解决了相关技术中,跟踪器长时间不刷新造成的误差积累问题,导致的目标对象跟踪轨迹的跟踪质量较低的技术问题。
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是根据本发明实施例的一种可选的目标对象跟踪器的更新方法的应用环境的示意图;
图2是根据本发明实施例的一种可选的目标对象跟踪器的更新方法的流程图;
图3是根据本发明实施例的一种可选的目标对象跟踪器的更新装置的结构示意图;
图4是根据本发明实施例的一种可选的电子装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例的一个方面,提供了一种目标对象跟踪器的更新方法,可选地,作为一种可选的实施方式,上述目标对象跟踪器的更新方法可以但不限于应用于如图1所示的硬件环境中,其中,可以包括但不限于终端设备102、网络110及服务器112。其中,终端设备102中用于显示目标视频。
上述方法可以用于服务器112中,具体过程如以下步骤:服务器112获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度,其中,第三跟踪置信度用于表示第一目标对象在第t帧图像中的第二检测框与第一目标对象在第t-1帧图像中的第一检测框干扰的置信度;在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器的参数,达到了考虑到干扰物影响,通过跟踪置信度分值更新目标跟踪器,进而解决了相关技术中,跟踪器长时间不刷新造成的误差积累问题,导致的目标对象跟踪轨迹的跟踪质量较低的技术问题。
其中,上述方法还可以包括但不限于应用于终端设备102、以及终端设备102与服务器112之间的交互。
可选地,在本实施例中,上述目标对象跟踪器的更新方法可以但不限于应用于服务器112中,用于协助终端设备102目标视频中目标对象的跟踪。其中,上述应用客户端可以但不限于运行在终端设备102中,该终端设备102可以但不限于为手机、平板电脑、笔记本电脑、PC机等支持运行应用客户端的终端设备。上述服务器112和终端设备102可以但不限于通过网络实现数据交互,上述网络可以包括但不限于无线网络或有线网络。其中,该无线网络包括:蓝牙、WIFI及其他实现无线通信的网络。上述有线网络可以包括但不限于:广域网、城域网、局域网。上述仅是一种示例,本实施例中对此不作任何限定。
可选地,作为一种可选的实施方式,如图2所示,上述目标对象跟踪器的更新方法包括:
步骤S202,获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度。
步骤S204,根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度,其中,第三跟踪置信度用于表示第一目标对象在第t帧图像中的第二检测框与第一目标对象在第t-1帧图像中的第一检测框干扰的置信度。
步骤S204,在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器的参数。
可选的,在本实施例中,上述方案可以包括但不限于单目标跟踪方案、多目标跟踪方案以及单目标跟踪与多目标跟踪的结合的方案中。
其中,在本实施例中针对跟踪器长时间不刷新造成的误差积累问题以及干扰物造成的目标漂移等问题,考虑到轨迹衰减及干扰物影响,提出整体置信度评分机制,给出了更为严谨的轨迹置信度得分。
可选的,在本实施例中,根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度,包括:
将第一跟踪置信度和第二跟踪置信度的平均值确定为第二跟踪置信度。
通过本申请提供的实施例,获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度,其中,第三跟踪置信度用于表示第一目标对象在第t帧图像中的第二检测框与第一目标对象在第t-1帧图像中的第一检测框干扰的置信度;在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器的参数,达到了考虑到干扰物影响,通过跟踪置信度分值更新目标跟踪器,进而解决了相关技术中,跟踪器长时间不刷新造成的误差积累问题,导致的目标对象跟踪轨迹的跟踪质量较低的技术问题。
可选的,在本实施例中,在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器之后,还可以包括:
更新后的目标跟踪器在目标视频中第t+1帧图像中跟踪第一目标对象输出的第四跟踪置信度大于等于第二预设阈值的情况下,将第一目标对象的位置信息匹配到第一目标对象的目标轨迹中。
可选的,在本实施例中,根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度之前,还可以包括:
根据第一检测框的外貌特征和第二检测框的外貌特征确定目标跟踪外貌相似度;
根据第一检测框的面积区域和第二检测框的面积区域确定跟踪面积交叠比;
根据第一跟踪置信度、目标跟踪外貌相似度以及跟踪面积交叠比确定第三跟踪置信度。
其中,根据第一检测框的面积区域和第二检测框的面积区域确定跟踪面积交叠比包括:
获取第一检测框的面积区域和第二检测框的面积区域相交的第一面积区域;
获取第一检测框的面积区域和第二检测框的面积区域合并的第二面积区域;
第一面积区域与第二面积区域的比值确定为跟踪面积交叠比。
其中,根据第一跟踪置信度、目标跟踪外貌相似度以及跟踪面积交叠比确定第三跟踪置信度包括:
通过如下公式确定第三跟踪置信度:
Score3=β·IOU(TTrack,DDet)·SiamAppearance·Score1
其中,Score1为第一跟踪置信度,β为超参数,SiamAppearance为目标跟踪外貌相似度,TTrack和DDet表示第一检测框和第二检测框,IOU(TTrack,DDet)为跟踪面积交叠比。
在本实施例中,单目标跟踪器输出的原始跟踪置信度为ScoreSOT(相对于第一跟踪置信度),当轨迹(对应第一目标对象的第一检测框所在的轨迹)与匹配的检测框(相对于第二检测框)的交叠比,也就是IOU越小,跟踪器跟踪的目标发生漂移的可能性越大,同时加入外貌特征相似度加以限制。因此感知干扰物的跟踪置信度(相对于第三跟踪置信度)为:
Scoredistractor=β·IOU(TTrack,DDet)·SiamAppearance·ScoreKALorSOT (3)
其中,ScoreKALorSOT代表ScoreSOT,β为超参数,SiamAppearance为轨迹跟踪框与检测框的外貌相似度,TTrack和DDet表示轨迹跟踪框和匹配的检测框。
综上,考虑到轨迹衰减及干扰物的影响,对于目标X,整体的跟踪质量置信度为:
其中,ScoreX,t为根据上一帧跟踪质量得分ScoreX,t-1得到的当前帧的跟踪质量,λ为超参数。
当分数小于一定阈值(相对于第一预定阈值)时,对跟踪器进行更新,抵消累计误差。
可选的,在本实施例中,上述方法还包括:
在第t帧图像中存在第一目标对象的第三检测框和第二目标对象的第四检测框,且第三检测框和第四检测框之间的重叠面积大于等于第三预设阈值的情况下,获取第三检测框的外貌特征和第四检测框的外貌特征;
根据第一检测框的外貌特征和第三检测框的外貌特征确定第一跟踪外貌特征相似度;
根据第一检测框的外貌特征和第四检测框的外貌特征分别确定第二跟踪外貌特征相似度;
将第一跟踪外貌特征相似度与第二跟踪外貌特征相似度中取值最大的确定为目标跟踪外貌相似度。
在本实施例中,当两个目标存在较大重叠区域时(第一目标对象的第三检测框和第二目标对象的第四检测框),易发生ID切换(ID switch),可以表示为:
Λ=Yt,whereIOU(Xt,Yt)>γ
其中,Xt表示跟踪结果,Yt表示跟踪结果周围同类物体。
在跟踪时除了关注目标对象外,还应关注与目标对象存在重叠的其他物体。当跟踪置信度小于一定阈值时,认为此时跟踪结果有偏差,有可能发生目标漂移。因此,选择与跟踪结果IOU大于γ物体作为候选目标,将这些候选目标与跟踪结果共同存入候选集中,求解候选集与跟踪结果之间的外貌特征相似度,选择候选集中特征相似度最高的作为跟踪目标。该方式在一定程度上缓解了多目标跟踪中因目标密集造成的ID频繁切换的问题。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面,还提供了一种用于实施上述目标对象跟踪器的更新方法的目标对象跟踪器的更新装置。如图3所示,该目标对象跟踪器的更新装置包括:第一获取单元31、第一确定单元33以及更新单元35。
第一获取单元31,用于获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度。
第一确定单元33,用于根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度,其中,第三跟踪置信度用于表示第一目标对象在第t帧图像中的第二检测框与第一目标对象在第t-1帧图像中的第一检测框干扰的置信度。
更新单元35,用于在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器的参数。
通过本申请提供的实施例,第一获取单元31获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;第一确定单元33根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度,其中,第三跟踪置信度用于表示第一目标对象在第t帧图像中的第二检测框与第一目标对象在第t-1帧图像中的第一检测框干扰的置信度;更新单元35在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器的参数。达到了考虑到干扰物影响,通过跟踪置信度分值更新目标跟踪器,进而解决了相关技术中,跟踪器长时间不刷新造成的误差积累问题,导致的目标对象跟踪轨迹的跟踪质量较低的技术问题。
可选的,上述第一确定单元33,可以包括:
第一确定模块,用于将第一跟踪置信度和第二跟踪置信度的平均值确定为第二跟踪置信度。
可选的,上述装置还包括:
匹配单元,用于在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器之后,更新后的目标跟踪器在目标视频中第t+1帧图像中跟踪第一目标对象输出的第四跟踪置信度大于等于第二预设阈值的情况下,将第一目标对象的位置信息匹配到第一目标对象的目标轨迹中。
可选的,上述装置还包括:
第二确定单元,用于根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度之前,根据第一检测框的外貌特征和第二检测框的外貌特征确定目标跟踪外貌相似度;
第三确定单元,用于根据第一检测框的面积区域和第二检测框的面积区域确定跟踪面积交叠比;
第四确定单元,用于根据第一跟踪置信度、目标跟踪外貌相似度以及跟踪面积交叠比确定第三跟踪置信度。
其中,第三确定单元,可以包括:
第一获取模块,用于获取第一检测框的面积区域和第二检测框的面积区域相交的第一面积区域;
第二获取模块,用于获取第一检测框的面积区域和第二检测框的面积区域合并的第二面积区域;
第二确定模块,用于第一面积区域与第二面积区域的比值确定为跟踪面积交叠比。
其中,上述第四确定单元包括:
第三确定模块,用于通过如下公式确定第三跟踪置信度:
Score3=β·IOU(TTrack,DDet)·SiamAppearance·Score1
其中,Score1为第一跟踪置信度,β为超参数,SiamAppearance为目标跟踪外貌相似度,TTrack和DDet表示第一检测框和第二检测框,IOU(TTrack,DDet)为跟踪面积交叠比。
可选的,上述装置还可以包括:
第二获取单元,用于在第t帧图像中存在第一目标对象的第三检测框和第二目标对象的第四检测框,且第三检测框和第四检测框之间的重叠面积大于等于第三预设阈值的情况下,获取第三检测框的外貌特征和第四检测框的外貌特征;
第五确定单元,用于根据第一检测框的外貌特征和第三检测框的外貌特征确定第一跟踪外貌特征相似度;
第六确定单元,用于根据第一检测框的外貌特征和第四检测框的外貌特征分别确定第二跟踪外貌特征相似度;
第七确定单元,用于将第一跟踪外貌特征相似度与第二跟踪外貌特征相似度中取值最大的确定为目标跟踪外貌相似度。
根据本发明实施例的又一个方面,还提供了一种用于实施上述目标对象跟踪器的更新方法的电子装置,如图4所示,该电子装置包括存储器402和处理器404,该存储器402中存储有计算机程序,该处理器404被设置为通过计算机程序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,上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。
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,获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;
S2,根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度,其中,第三跟踪置信度用于表示第一目标对象在第t帧图像中的第二检测框与第一目标对象在第t-1帧图像中的第一检测框干扰的置信度;
S3,在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器的参数。
可选地,本领域普通技术人员可以理解,图4所示的结构仅为示意,电子装置也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图4其并不对上述电子装置的结构造成限定。例如,电子装置还可包括比图4中所示更多或者更少的组件(如网络接口等),或者具有与图4所示不同的配置。
其中,存储器402可用于存储软件程序以及模块,如本发明实施例中的目标对象跟踪器的更新方法和装置对应的程序指令/模块,处理器404通过运行存储在存储器402内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的目标对象跟踪器的更新方法。存储器402可包括高速随机存储器,还可以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402可进一步包括相对于处理器404远程设置的存储器,这些远程存储器可以通过网络连接至终端。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。其中,存储器402具体可以但不限于用于存储第一跟踪置信度、第二跟踪置信度以及第三跟踪置信度等信息。作为一种示例,如图4所示,上述存储器402中可以但不限于包括上述目标对象跟踪器的更新装置中的第一获取单元31、第一确定单元33以及更新单元35。此外,还可以包括但不限于上述目标对象跟踪器的更新装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置406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有线网络及无线网络。在一个实例中,传输装置406包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置406为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
根据本发明的实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的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,上述计算机可读的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,获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;
S2,根据第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪第一目标对象的第二跟踪置信度,其中,第三跟踪置信度用于表示第一目标对象在第t帧图像中的第二检测框与第一目标对象在第t-1帧图像中的第一检测框干扰的置信度;
S3,在第二跟踪置信度小于等于第一预定阈值的情况下,更新目标跟踪器的参数。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的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,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明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存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,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,例如多个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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述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,或者也可以分布到多个网络单元上。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例方案的目的。
另外,在本发明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。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (16)
1.一种目标对象跟踪器的更新方法,其特征在于,包括:
获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;
根据所述第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪所述第一目标对象的第二跟踪置信度,其中,所述第三跟踪置信度用于表示所述第一目标对象在所述第t帧图像中的第二检测框与所述第一目标对象在第t-1帧图像中的第一检测框干扰的置信度;
在所述第二跟踪置信度小于等于第一预定阈值的情况下,更新所述目标跟踪器的参数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪所述第一目标对象的第二跟踪置信度,包括:
将所述第一跟踪置信度和所述第二跟踪置信度的平均值确定为所述第二跟踪置信度。
3.根据权利要求1所述的方法,其特征在于,所述在所述第二跟踪置信度小于等于第一预定阈值的情况下,更新所述目标跟踪器之后,所述方法还包括:
更新后的所述目标跟踪器在所述目标视频中第t+1帧图像中跟踪第一目标对象输出的第四跟踪置信度大于等于第二预设阈值的情况下,将所述第一目标对象的位置信息匹配到所述第一目标对象的目标轨迹中。
4.根据权利要求1所述的方法,其特征在于,根据所述第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪所述第一目标对象的第二跟踪置信度之前,所述方法还包括:
根据所述第一检测框的外貌特征和所述第二检测框的外貌特征确定目标跟踪外貌相似度;
根据所述第一检测框的面积区域和所述第二检测框的面积区域确定跟踪面积交叠比;
根据所述第一跟踪置信度、目标跟踪外貌相似度以及跟踪面积交叠比确定所述第三跟踪置信度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一检测框的面积区域和所述第二检测框的面积区域确定跟踪面积交叠比包括:
获取所述第一检测框的面积区域和所述第二检测框的面积区域相交的第一面积区域;
获取所述第一检测框的面积区域和所述第二检测框的面积区域合并的第二面积区域;
所述第一面积区域与所述第二面积区域的比值确定为所述跟踪面积交叠比。
6.根据权利要求4所述的方法,其特征在于,所述根据所述第一跟踪置信度、目标跟踪外貌相似度以及跟踪面积交叠比确定所述第三跟踪置信度包括:
通过如下公式确定所述第三跟踪置信度:
Score3=β·IOU(TTrack,DDet)·SiamAppearance·Score1
其中,Score1为所述第一跟踪置信度,β为超参数,SiamAppearance为目标跟踪外貌相似度,TTrack和DDet表示第一检测框和第二检测框,IOU(TTrack,DDet)为跟踪面积交叠比。
7.根据权利要求4所述的方法,其特征在于,所述方法包括:
在所述第t帧图像中存在第一目标对象的第三检测框和第二目标对象的第四检测框,且所述第三检测框和所述第四检测框之间的重叠面积大于等于第三预设阈值的情况下,获取所述第三检测框的外貌特征和所述第四检测框的外貌特征;
根据所述第一检测框的外貌特征和所述第三检测框的外貌特征确定第一跟踪外貌特征相似度;
根据所述第一检测框的外貌特征和所述第四检测框的外貌特征分别确定第二跟踪外貌特征相似度;
将所述第一跟踪外貌特征相似度与所述第二跟踪外貌特征相似度中取值最大的确定为目标跟踪外貌相似度。
8.一种目标对象跟踪器的更新装置,其特征在于,包括:
第一获取单元,用于获取目标视频中第t-1帧图像中目标跟踪器跟踪第一目标对象输出的第一跟踪置信度;
第一确定单元,用于根据所述第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪所述第一目标对象的第二跟踪置信度,其中,所述第三跟踪置信度用于表示所述第一目标对象在所述第t帧图像中的第二检测框与所述第一目标对象在第t-1帧图像中的第一检测框干扰的置信度;
更新单元,用于在所述第二跟踪置信度小于等于第一预定阈值的情况下,更新所述目标跟踪器的参数。
9.根据权利要求8所述的装置,其特征在于,所述第一确定单元,包括:
第一确定模块,用于将所述第一跟踪置信度和所述第二跟踪置信度的平均值确定为所述第二跟踪置信度。
10.根据权利要求8所述的装置,其特征在于,所述装置还包括:
匹配单元,用于所述在所述第二跟踪置信度小于等于第一预定阈值的情况下,更新所述目标跟踪器之后,更新后的所述目标跟踪器在所述目标视频中第t+1帧图像中跟踪第一目标对象输出的第四跟踪置信度大于等于第二预设阈值的情况下,将所述第一目标对象的位置信息匹配到所述第一目标对象的目标轨迹中。
11.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第二确定单元,用于根据所述第一跟踪置信度和第三跟踪置信度确定第t帧图像中跟踪所述第一目标对象的第二跟踪置信度之前,根据所述第一检测框的外貌特征和所述第二检测框的外貌特征确定目标跟踪外貌相似度;
第三确定单元,用于根据所述第一检测框的面积区域和所述第二检测框的面积区域确定跟踪面积交叠比;
第四确定单元,用于根据所述第一跟踪置信度、目标跟踪外貌相似度以及跟踪面积交叠比确定所述第三跟踪置信度。
12.根据权利要求11所述的装置,其特征在于,所述第三确定单元,包括:
第一获取模块,用于获取所述第一检测框的面积区域和所述第二检测框的面积区域相交的第一面积区域;
第二获取模块,用于获取所述第一检测框的面积区域和所述第二检测框的面积区域合并的第二面积区域;
第二确定模块,用于所述第一面积区域与所述第二面积区域的比值确定为所述跟踪面积交叠比。
13.根据权利要求11所述的装置,其特征在于,所述第四确定单元包括:
第三确定模块,用于通过如下公式确定所述第三跟踪置信度:
Score3=β·IOU(TTrack,DDet)·SiamAppearance·Score1
其中,Score1为所述第一跟踪置信度,β为超参数,SiamAppearance为目标跟踪外貌相似度,TTrack和DDet表示第一检测框和第二检测框,IOU(TTrack,DDet)为跟踪面积交叠比。
14.根据权利要求11所述的装置,其特征在于,所述装置包括:
第二获取单元,用于在所述第t帧图像中存在第一目标对象的第三检测框和第二目标对象的第四检测框,且所述第三检测框和所述第四检测框之间的重叠面积大于等于第三预设阈值的情况下,获取所述第三检测框的外貌特征和所述第四检测框的外貌特征;
第五确定单元,用于根据所述第一检测框的外貌特征和所述第三检测框的外貌特征确定第一跟踪外貌特征相似度;
第六确定单元,用于根据所述第一检测框的外貌特征和所述第四检测框的外貌特征分别确定第二跟踪外貌特征相似度;
第七确定单元,用于将所述第一跟踪外貌特征相似度与所述第二跟踪外貌特征相似度中取值最大的确定为目标跟踪外貌相似度。
15.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至7任一项中所述的方法。
16.一种电子装置,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通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955180.4A CN112150505A (zh) | 2020-09-11 | 2020-09-11 | 目标对象跟踪器的更新方法和装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955180.4A CN112150505A (zh) | 2020-09-11 | 2020-09-11 | 目标对象跟踪器的更新方法和装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112150505A true CN112150505A (zh) | 2020-12-29 |
Family
ID=73889578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010955180.4A Pending CN112150505A (zh) | 2020-09-11 | 2020-09-11 | 目标对象跟踪器的更新方法和装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150505A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836682A (zh) * | 2021-03-04 | 2021-05-25 | 广东建邦计算机软件股份有限公司 | 视频中对象的识别方法、装置、计算机设备和存储介质 |
WO2022237902A1 (zh) * | 2021-05-14 | 2022-11-17 | 长沙智能驾驶研究院有限公司 | 对象检测方法、装置、设备及计算机存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050031165A1 (en) * | 2003-08-08 | 2005-02-10 | Lockheed Martin Corporation. | Method and apparatus for tracking an object |
CN107292907A (zh) * | 2017-07-14 | 2017-10-24 | 灵动科技(北京)有限公司 | 一种对跟随目标进行定位的方法以及跟随设备 |
WO2018121286A1 (zh) * | 2016-12-30 | 2018-07-05 | 纳恩博(北京)科技有限公司 | 目标跟踪方法和装置 |
US20180285647A1 (en) * | 2017-03-28 | 2018-10-04 | Qualcomm Incorporated | Methods and systems for performing sleeping object detection and tracking in video analytics |
CN108898624A (zh) * | 2018-06-12 | 2018-11-27 | 浙江大华技术股份有限公司 | 一种运动物体跟踪的方法、装置、电子设备和存储介质 |
CN109903310A (zh) * | 2019-01-23 | 2019-06-18 | 平安科技(深圳)有限公司 | 目标跟踪方法、装置、计算机装置及计算机存储介质 |
CN110033012A (zh) * | 2018-12-28 | 2019-07-19 | 华中科技大学 | 一种基于通道特征加权卷积神经网络的生成式目标跟踪方法 |
CN110807377A (zh) * | 2019-10-17 | 2020-02-18 | 浙江大华技术股份有限公司 | 目标跟踪和入侵检测方法、装置、及存储介质 |
CN110895819A (zh) * | 2018-09-12 | 2020-03-20 | 长沙智能驾驶研究院有限公司 | 目标跟踪方法、装置、计算机可读存储介质和计算机设备 |
CN111369590A (zh) * | 2020-02-27 | 2020-07-03 | 北京三快在线科技有限公司 | 多目标跟踪方法、装置、存储介质及电子设备 |
-
2020
- 2020-09-11 CN CN202010955180.4A patent/CN112150505A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050031165A1 (en) * | 2003-08-08 | 2005-02-10 | Lockheed Martin Corporation. | Method and apparatus for tracking an object |
WO2018121286A1 (zh) * | 2016-12-30 | 2018-07-05 | 纳恩博(北京)科技有限公司 | 目标跟踪方法和装置 |
US20180285647A1 (en) * | 2017-03-28 | 2018-10-04 | Qualcomm Incorporated | Methods and systems for performing sleeping object detection and tracking in video analytics |
CN107292907A (zh) * | 2017-07-14 | 2017-10-24 | 灵动科技(北京)有限公司 | 一种对跟随目标进行定位的方法以及跟随设备 |
CN108898624A (zh) * | 2018-06-12 | 2018-11-27 | 浙江大华技术股份有限公司 | 一种运动物体跟踪的方法、装置、电子设备和存储介质 |
CN110895819A (zh) * | 2018-09-12 | 2020-03-20 | 长沙智能驾驶研究院有限公司 | 目标跟踪方法、装置、计算机可读存储介质和计算机设备 |
CN110033012A (zh) * | 2018-12-28 | 2019-07-19 | 华中科技大学 | 一种基于通道特征加权卷积神经网络的生成式目标跟踪方法 |
CN109903310A (zh) * | 2019-01-23 | 2019-06-18 | 平安科技(深圳)有限公司 | 目标跟踪方法、装置、计算机装置及计算机存储介质 |
CN110807377A (zh) * | 2019-10-17 | 2020-02-18 | 浙江大华技术股份有限公司 | 目标跟踪和入侵检测方法、装置、及存储介质 |
CN111369590A (zh) * | 2020-02-27 | 2020-07-03 | 北京三快在线科技有限公司 | 多目标跟踪方法、装置、存储介质及电子设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836682A (zh) * | 2021-03-04 | 2021-05-25 | 广东建邦计算机软件股份有限公司 | 视频中对象的识别方法、装置、计算机设备和存储介质 |
CN112836682B (zh) * | 2021-03-04 | 2024-05-28 | 广东建邦计算机软件股份有限公司 | 视频中对象的识别方法、装置、计算机设备和存储介质 |
WO2022237902A1 (zh) * | 2021-05-14 | 2022-11-17 | 长沙智能驾驶研究院有限公司 | 对象检测方法、装置、设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112150505A (zh) | 目标对象跟踪器的更新方法和装置、存储介质及电子装置 | |
CN107872534B (zh) | 信息推送方法、装置、服务器及可读存储介质 | |
CN111696132A (zh) | 目标跟踪方法、装置、计算机可读存储介质及机器人 | |
CN109806585B (zh) | 游戏的显示控制方法、装置、设备和存储介质 | |
CN110866497B (zh) | 基于点线特征融合的机器人定位与建图方法和装置 | |
US20130254014A1 (en) | Automatic Information Placement | |
CN111899285B (zh) | 目标对象的跟踪轨迹的确定方法和装置、存储介质 | |
CN105574170A (zh) | 一种网页链接打开方法及终端 | |
CN107544903B (zh) | 页面规范检测方法、装置及计算机设备 | |
CN113344016A (zh) | 深度迁移学习方法、装置、电子设备及存储介质 | |
CN112561954B (zh) | 目标对象跟踪轨迹的确定方法和装置、存储介质 | |
CN113052870A (zh) | 目标跟踪方法、目标检测方法和装置 | |
CN111047622A (zh) | 视频中对象的匹配方法和装置、存储介质及电子装置 | |
CN112819889A (zh) | 位置信息的确定方法及装置、存储介质、电子装置 | |
WO2018202127A1 (zh) | 信息推送方法及装置、存储介质和电子装置 | |
CN110929057A (zh) | 图像处理方法、装置和系统、存储介质及电子装置 | |
WO2024045489A1 (zh) | 基于扫地机器人的用户相似度计算方法及装置、存储介质 | |
EP4180836A1 (en) | System and method for ultrasonic sensor enhancement using lidar point cloud | |
KR20170121950A (ko) | 온라인 게임 내에서 비정상 계정을 탐지하는 방법 및 장치 | |
KR20190040863A (ko) | 네트워크에서의 랭킹 및 연결 예측을 위한 지도식 확장 랜덤 워크를 제공하는 방법 및 장치 | |
CN112729349B (zh) | 里程计在线标定的方法、装置、电子设备及存储介质 | |
CN112368718B (zh) | 用于深度记忆网络的系统和方法 | |
CN111563134B (zh) | 定位系统的指纹数据库聚类方法、系统、设备和存储介质 | |
AU2020230251B2 (en) | Method for relocating a mobile vehicle in a slam map and mobile vehicle | |
CN107566718A (zh) | 一种两用监控摄像机以及实现方法 |
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 |