CN112330717B - 目标跟踪方法及装置、电子设备和存储介质 - Google Patents

目标跟踪方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112330717B
CN112330717B CN202011256801.6A CN202011256801A CN112330717B CN 112330717 B CN112330717 B CN 112330717B CN 202011256801 A CN202011256801 A CN 202011256801A CN 112330717 B CN112330717 B CN 112330717B
Authority
CN
China
Prior art keywords
target object
target
target objects
determining
objects
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
Application number
CN202011256801.6A
Other languages
English (en)
Other versions
CN112330717A (zh
Inventor
关英妲
周杨
刘文韬
钱晨
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.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development 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 Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN202011256801.6A priority Critical patent/CN112330717B/zh
Publication of CN112330717A publication Critical patent/CN112330717A/zh
Priority to KR1020227002278A priority patent/KR102446688B1/ko
Priority to JP2022506434A priority patent/JP2022552772A/ja
Priority to PCT/CN2021/086020 priority patent/WO2022099988A1/zh
Application granted granted Critical
Publication of CN112330717B publication Critical patent/CN112330717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/292—Multi-camera tracking
    • 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
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • 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)
  • Signal Processing For Digital Recording And Reproducing (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本公开涉及一种目标跟踪方法及装置、电子设备和存储介质。所述方法包括：根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象；响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征；基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，其中，所述多个基准特征是在所述多个目标对象彼此冲突之前，分别对所述多个目标对象提取的特征；将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息。

Description

目标跟踪方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种目标跟踪方法及装置、电子设备和存储介质。
背景技术
目标跟踪是指在连续的视频帧中跟踪同一目标对象(例如行人、车辆等)。随着计算机视觉技术的发展，目标跟踪算法在安防等领域应用广泛，在打造智慧生活方面具有重要价值。相关技术中，在目标对象较密集的情况下，容易出现漏检、误检等情况，导致在目标跟踪的过程中，无法保持目标对象的ID的一致性。
发明内容
本公开提供了一种目标跟踪技术方案。
根据本公开的一方面，提供了一种目标跟踪方法，包括：
根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象；
响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征；
基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，其中，所述多个基准特征是在所述多个目标对象彼此冲突之前，分别对所述多个目标对象提取的特征；
将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息。
在本公开实施例中，通过根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象，响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征，基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，并将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息，由此能够保持目标对象的标识信息的一致性，即，可以保持同一目标对象在进出冲突区时标识信息的一致性，从而能够提高多目标跟踪的准确性。
在一种可能的实现方式中，彼此冲突的多个目标对象中的任一目标对象，与所述多个目标对象中的其他至少一个目标对象之间的距离小于或等于距离阈值；
所述响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征，包括：
对于所述多个目标对象中的任一目标对象，响应于该目标对象与所述多个目标对象中的其他目标对象之间的距离均大于所述距离阈值的情况，提取该目标对象的当前特征。
根据该实现方式确定目标对象之间的冲突关系，并基于此进行目标跟踪，有助于提高目标跟踪的准确性和效率。
在一种可能的实现方式中，所述方法还包括：
对于任一目标对象，确定该目标对象对应于多个摄像头的第一坐标；
根据该目标对象对应于所述多个摄像头的第一坐标，确定该目标对象在所述跟踪区域中所处的子区域，其中，所述跟踪区域包括多个子区域；
根据所述多个摄像头针对该目标对象所处的子区域的置信度，对该目标对象对应于所述多个摄像头的第一坐标进行融合，得到该目标对象的融合坐标；
在所述根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象之前，还包括：
根据所述跟踪区域中目标对象的融合坐标，确定所述跟踪区域中目标对象之间的距离。
在该实现方式中，通过结合目标对象对应于所述多个摄像头的第一坐标，得到该目标对象的融合坐标，并基于该目标对象的融合坐标进行目标跟踪，由此能够得到基于更精准的坐标进行目标跟踪，从而有助于提高目标跟踪的准确性。
在一种可能的实现方式中，所述提取该目标对象的当前特征，包括：
确定该目标对象在所述跟踪区域中所处的子区域；
根据多个摄像头针对该目标对象所处的子区域的置信度，确定用于提取该目标对象的当前特征的摄像头；
根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征。
在该实现方式中，通过根据多个摄像头针对该目标对象所处的子区域的置信度，确定用于提取该目标对象的当前特征的摄像头，并根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征，由此提取的该目标对象的当前特征能够具备更丰富的视觉信息，因此，根据该实现方式提取的该目标对象的当前特征进行目标匹配，能够提高目标匹配的准确性。
在一种可能的实现方式中，所述根据多个摄像头针对该目标对象所处的子区域的置信度，确定用于提取该目标对象的当前特征的摄像头，包括：
根据多个摄像头针对该目标对象所处的子区域的置信度，以及所述多个摄像头采集的视频帧中该目标对象的检测框与其他目标对象的检测框之间的重叠信息，确定用于提取该目标对象的当前特征的摄像头。
在该实现方式中，通过根据多个摄像头针对该目标对象所处的子区域的置信度，以及所述多个摄像头采集的视频帧中该目标对象的检测框与其他目标对象的检测框之间的重叠信息，确定用于提取该目标对象的当前特征的摄像头，并根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征，由此提取的该目标对象的当前特征能够具备更丰富的视觉信息，因此，根据该实现方式提取的该目标对象的当前特征进行目标匹配，能够进一步提高目标匹配的准确性。
在一种可能的实现方式中，所述重叠信息包括该目标对象的检测框与其他目标对象的检测框的交并比；
所述根据多个摄像头针对该目标对象所处的子区域的置信度，以及所述多个摄像头采集的视频帧中该目标对象的检测框与其他目标对象的检测框之间的重叠信息，确定用于提取该目标对象的当前特征的摄像头，包括：
从满足重叠条件的摄像头中，将针对该目标对象所处的子区域的置信度最高的摄像头确定为用于提取该目标对象的当前特征的摄像头，其中，所述重叠条件表示在所述当前采集的视频帧中该目标对象的检测框与其他目标对象的检测框的交并比均小于预定阈值。
在该实现方式中，通过将所述多个摄像头中当前采集的视频帧满足重叠条件的摄像头中，针对该目标对象所处的子区域的置信度最高的摄像头确定为用于提取该目标对象的当前特征的摄像头，并根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征，由此提取的该目标对象的当前特征能够具备更丰富的视觉信息，因此，根据该实现方式提取的该目标对象的当前特征进行目标匹配，能够进一步提高目标匹配的准确性。
在一种可能的实现方式中，所述方法还包括：
对于所述多个摄像头中的任一摄像头，根据该摄像头与所述跟踪区域的多个子区域之间的距离，确定该摄像头针对所述多个子区域的置信度。
在该实现方式中对于所述多个摄像头中的任一摄像头，根据该摄像头与所述跟踪区域的多个子区域之间的距离，确定该摄像头针对所述多个子区域的置信度，并基于由此确定的置信度进行坐标融合和/或确定用于提取目标对象的当前特征的摄像头，从而有助于提高目标跟踪的准确性。
在一种可能的实现方式中，在所述确定所述多个摄像头针对所述多个子区域的置信度之后，所述方法还包括：
对于所述多个摄像头中的任一摄像头，根据该摄像头采集的视频帧中目标对象之间的平均距离，调整该摄像头针对所述多个子区域的置信度。
在该实现方式中，通过对于所述多个摄像头中的任一摄像头，根据该摄像头采集的视频帧中目标对象之间的平均距离，动态调整该摄像头针对所述多个子区域的置信度，并基于由此确定的置信度进行坐标融合和/或确定用于提取目标对象的当前特征的摄像头，从而有助于提高目标跟踪的准确性。
在一种可能的实现方式中，所述基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，包括：
从所述多个目标对象对应的多个基准特征中，确定与该目标对象的当前特征的相似度最大的基准特征；
响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度大于或等于相似度阈值的情况，将该相似度最大的基准特征确定为与该目标对象的当前特征匹配的基准特征。
在该实现方式中，通过从所述多个目标对象对应的多个基准特征中，确定与该目标对象的当前特征的相似度最大的基准特征，并响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度大于或等于相似度阈值的情况，将该相似度最大的基准特征确定为与该目标对象的当前特征匹配的基准特征，由此在该目标对象与多个目标对象中的其他目标对象不再冲突的情况，首先基于所述多个目标对象对应的多个基准特征查找与该目标对象的当前特征匹配的基准特征，从而有助于提高查找与该目标对象的当前特征匹配的基准特征的速度和准确性。
在一种可能的实现方式中，在所述确定与该目标对象的当前特征的相似度最大的基准特征之后，所述方法还包括：
响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度小于相似度阈值的情况，基于不与该目标对象冲突、且与任一其他目标对象冲突的目标对象对应的基准特征，确定与该目标对象的当前特征匹配的基准特征。
在该实现方式中，通过响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度小于相似度阈值的情况，基于不与该目标对象冲突、且与任一其他目标对象冲突的目标对象对应的基准特征，确定与该目标对象的当前特征匹配的基准特征，由此能够在提高查找与该目标对象的当前特征匹配的基准特征的速度的前提下，进一步提高所确定的与该目标对象的当前特征匹配的基准特征的准确性。
在一种可能的实现方式中，所述方法还包括：
对于任一目标对象，响应于该目标对象在当前时刻和所述当前时刻的上一时刻均不与其他目标对象冲突的情况，将所述上一时刻不与其他目标对象冲突、且未与所述当前时刻的其他目标对象匹配的目标对象，确定为所述上一时刻的剩余目标对象；或者，响应于该目标对象在所述当前时刻和所述上一时刻与相同的其他目标对象冲突的情况，将该目标对象在所述上一时刻所属的冲突区中、未与所述当前时刻的其他目标对象匹配的目标对象，确定为所述上一时刻的剩余目标对象；
从所述上一时刻的剩余目标对象中，将与所述当前时刻的该目标对象距离最近的目标对象，确定为与所述当前时刻的该目标对象匹配的目标对象，并将该匹配的目标对象的标识信息作为该目标对象的标识信息。
根据该实现方式能够减少计算量，降低时间开销，满足目标跟踪的实时性要求。
根据本公开的一方面，提供了一种目标跟踪装置，包括：
第一确定模块，用于根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象；
提取模块，用于响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征；
第二确定模块，用于基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，其中，所述多个基准特征是在所述多个目标对象彼此冲突之前，分别对所述多个目标对象提取的特征；
第三确定模块，用于将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息。
在一种可能的实现方式中，彼此冲突的多个目标对象中的任一目标对象，与所述多个目标对象中的其他至少一个目标对象之间的距离小于或等于距离阈值；
所述提取模块用于：
对于所述多个目标对象中的任一目标对象，响应于该目标对象与所述多个目标对象中的其他目标对象之间的距离均大于所述距离阈值的情况，提取该目标对象的当前特征。
在一种可能的实现方式中，所述装置还包括：
第三确定模块，用于对于任一目标对象，确定该目标对象对应于多个摄像头的第一坐标；
第四确定模块，用于根据该目标对象对应于所述多个摄像头的第一坐标，确定该目标对象在所述跟踪区域中所处的子区域，其中，所述跟踪区域包括多个子区域；
融合模块，用于根据所述多个摄像头针对该目标对象所处的子区域的置信度，对该目标对象对应于所述多个摄像头的第一坐标进行融合，得到该目标对象的融合坐标；
第五确定模块，用于根据所述跟踪区域中目标对象的融合坐标，确定所述跟踪区域中目标对象之间的距离。
在一种可能的实现方式中，所述提取模块用于：
确定该目标对象在所述跟踪区域中所处的子区域；
根据多个摄像头针对该目标对象所处的子区域的置信度，确定用于提取该目标对象的当前特征的摄像头；
根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征。
在一种可能的实现方式中，所述提取模块用于：
根据多个摄像头针对该目标对象所处的子区域的置信度，以及所述多个摄像头采集的视频帧中该目标对象的检测框与其他目标对象的检测框之间的重叠信息，确定用于提取该目标对象的当前特征的摄像头。
在一种可能的实现方式中，所述重叠信息包括该目标对象的检测框与其他目标对象的检测框的交并比；
所述提取模块用于：
从满足重叠条件的摄像头中，将针对该目标对象所处的子区域的置信度最高的摄像头确定为用于提取该目标对象的当前特征的摄像头，其中，所述重叠条件表示在所述当前采集的视频帧中该目标对象的检测框与其他目标对象的检测框的交并比均小于预定阈值。
在一种可能的实现方式中，所述装置还包括：
第六确定模块，用于对于所述多个摄像头中的任一摄像头，根据该摄像头与所述跟踪区域的多个子区域之间的距离，确定该摄像头针对所述多个子区域的置信度。
在一种可能的实现方式中，所述装置还包括：
调整模块，用于对于所述多个摄像头中的任一摄像头，根据该摄像头采集的视频帧中目标对象之间的平均距离，调整该摄像头针对所述多个子区域的置信度。
在一种可能的实现方式中，所述第二确定模块用于：
从所述多个目标对象对应的多个基准特征中，确定与该目标对象的当前特征的相似度最大的基准特征；
响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度大于或等于相似度阈值的情况，将该相似度最大的基准特征确定为与该目标对象的当前特征匹配的基准特征。
在一种可能的实现方式中，所述装置还包括：
第七确定模块，用于响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度小于相似度阈值的情况，基于不与该目标对象冲突、且与任一其他目标对象冲突的目标对象对应的基准特征，确定与该目标对象的当前特征匹配的基准特征。
在一种可能的实现方式中，所述装置还包括：
第八确定模块，用于对于任一目标对象，响应于该目标对象在当前时刻和所述当前时刻的上一时刻均不与其他目标对象冲突的情况，将所述上一时刻不与其他目标对象冲突、且未与所述当前时刻的其他目标对象匹配的目标对象，确定为所述上一时刻的剩余目标对象；或者，响应于该目标对象在所述当前时刻和所述上一时刻与相同的其他目标对象冲突的情况，将该目标对象在所述上一时刻所属的冲突区中、未与所述当前时刻的其他目标对象匹配的目标对象，确定为所述上一时刻的剩余目标对象；
第九确定模块，用于从所述上一时刻的剩余目标对象中，将与所述当前时刻的该目标对象距离最近的目标对象，确定为与所述当前时刻的该目标对象匹配的目标对象，并将该匹配的目标对象的标识信息作为该目标对象的标识信息。
根据本公开的一方面，提供了一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，通过根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象，响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征，基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，并将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息，由此能够保持目标对象的标识信息的一致性，即，可以保持同一目标对象在进出冲突区时标识信息的一致性，从而能够提高多目标跟踪的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出本公开实施例提供的目标跟踪方法的流程图。
图2示出在第t时刻中彼此冲突的多个目标对象的示意图。
图3示出在第t+1时刻中彼此冲突的多个目标对象的示意图。
图4示出本公开实施例中多个目标对象以及多个目标对象对应的多个基准特征的示意图。
图5示出在本公开实施例中在跟踪区域中放置标志物的示意图。
图6示出本公开实施例提供的目标跟踪装置的框图。
图7示出本公开实施例提供的一种电子设备800的框图。
图8示出本公开实施例提供的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出本公开实施例提供的目标跟踪方法的流程图。所述目标跟踪方法的执行主体可以是目标跟踪装置。例如，所述目标跟踪方法可以由终端设备或服务器或其它处理设备执行。其中，终端设备可以是用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，所述目标跟踪方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，所述目标跟踪方法包括步骤S11至步骤S14。
在步骤S11中，根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象。
本公开实施例可以应用于智能监控、智能场景分析、安防、目标检测、目标跟踪等应用场景中。在本公开实施例中，跟踪区域表示需要进行目标跟踪的区域。本公开实施例中的跟踪区域可以是相对封闭的区域，也可以是相对开阔的区域。例如，跟踪区域可以是球场、商场、教室等。目标对象表示需要跟踪的对象。例如，目标对象可以是行人、车辆、运动场中的运动员(例如足球场中的球员)等任何需要跟踪的对象。在本公开实施例中，彼此冲突的目标对象可以表示彼此之间距离较近的目标对象。
在本公开实施例中，可以针对摄像头采集的每一视频帧，分别确定跟踪区域中目标对象之间的距离，从而确定在该视频帧对应的时刻目标对象之间彼此冲突的情况。当然，也可以不对摄像头采集的视频帧逐帧进行分析，例如，可以每隔若干个视频帧，确定跟踪区域中目标对象之间的距离，从而确定在该视频帧对应的时刻目标对象之间彼此冲突的情况。
在本公开实施例中，在任一时刻中，可能存在一组或多组彼此冲突的目标对象，当然，也可能不存在彼此冲突的目标对象。图2示出在第t时刻中彼此冲突的多个目标对象的示意图。如图2所示，在第t时刻，目标对象O1、O4与O3彼此冲突，目标对象O2与O5彼此冲突，目标对象O6与O7彼此冲突。
在一种可能的实现方式中，可以将彼此冲突的多个目标对象加入同一个冲突区中，即，可以认为彼此冲突的多个目标对象处于同一个冲突区中。其中，冲突区可以是虚拟的区域，任一冲突区中的目标对象之间彼此冲突。例如，在图2中，在第t时刻，冲突区1中包括目标对象O1、O4和O3，冲突区2中包括目标对象O2和O5，冲突区3中包括目标对象O6和O7。
在步骤S12中，响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征。
图3示出在第t+1时刻中彼此冲突的多个目标对象的示意图。如图3所示，在第t+1时刻，冲突区1中包括目标对象O1和O4，冲突区2中包括目标对象O2和O5，冲突区3中包括目标对象O6和O7。即，在第t+1时刻，目标对象O1与O4彼此冲突，目标对象O2与O5彼此冲突，目标对象O6与O7彼此冲突。比较第t+1时刻与第t时刻可知，在第t+1时刻，目标对象O3与O1、O4不再冲突。
在一种可能的实现方式中，相邻的两个时刻之间的时间间隔可以等于摄像头采集视频帧的帧率的倒数。在另一种可能的实现方式中，相邻的两个时刻之间的时间间隔可以大于摄像头采集视频帧的帧率的倒数，例如可以等于摄像头采集视频帧的帧率的倒数的H倍，其中，H是大于1的整数。
在一种可能的实现方式中，彼此冲突的多个目标对象中的任一目标对象，与所述多个目标对象中的其他至少一个目标对象之间的距离小于或等于距离阈值；所述响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征，包括：对于所述多个目标对象中的任一目标对象，响应于该目标对象与所述多个目标对象中的其他目标对象之间的距离均大于所述距离阈值的情况，提取该目标对象的当前特征。
在该实现方式中，在任一帧中，可以计算任意两个目标对象之间的距离，若该两个目标对象之间的距离小于或等于距离阈值，则可以确定该两个目标对象彼此冲突。若存在另一个目标对象与该两个目标对象中的至少一个目标对象之间的距离小于或等于距离阈值，则可以确定这三个目标对象彼此冲突。例如，在第t时刻，若目标对象O1与目标对象O4之间的距离小于或等于距离阈值，则可以确定目标对象O1与目标对象O4此冲突。若目标对象O3与目标对象O4之间的距离小于或等于距离阈值，则可以确定目标对象O1、O4与O3彼此冲突。
作为该实现方式的一个示例，在判断目标对象之间是否彼此冲突时，可以仅考虑目标对象的位置(例如融合坐标)之间的距离是否小于或等于距离阈值，例如，若任意两个目标对象的位置之间的距离小于或等于距离阈值，则可以确定该两个目标对象彼此冲突。作为该实现方式的另一个示例，可以不仅考虑目标对象的位置之间的距离，还考虑目标对象的视觉特征(例如基准特征和/或当前特征)之间的距离，例如，若任意两个目标对象的位置之间的距离小于或等于第一距离阈值，且该两个目标对象的视觉特征之间的距离小于或等于第二距离阈值，则可以确定该两个目标对象彼此冲突。其中，目标对象的视觉特征之间的距离可以表示目标对象的视觉特征之间的相似度。
在该实现方式中，若某一目标对象与另一目标对象之间的距离小于或等于距离阈值，则可以确定该两个目标对象彼此冲突；若某一目标对象与其他目标对象的距离均大于所述距离阈值，则可以确定该目标对象不与任何其他目标对象冲突。根据该实现方式确定目标对象之间的冲突关系，并基于此进行目标跟踪，有助于提高目标跟踪的准确性和效率。
在另一种可能的实现方式中，彼此冲突的多个目标对象中的任一目标对象，与所述多个目标对象中的其他所有目标对象之间的距离均小于或等于距离阈值；所述响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征，包括：对于所述多个目标对象中的任一目标对象，当该目标对象与所述多个目标对象中的任一目标对象之间的距离大于所述距离阈值时，提取该目标对象的当前特征。
在一种可能的实现方式中，所述提取该目标对象的当前特征，包括：确定该目标对象在所述跟踪区域中所处的子区域；根据多个摄像头针对该目标对象所处的子区域的置信度，确定用于提取该目标对象的当前特征的摄像头；根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征。
在该实现方式中，所述跟踪区域可以包括至少一个子区域，例如，所述跟踪区域可以划分为多个子区域。在该实现方式中，通过采用多个摄像头进行目标跟踪，能够获得多个摄像头对应的多个视角的视觉信息，多个视角捕捉到的视觉信息可以互相补充，从而有助于提高目标检测和跟踪的准确性。
在该实现方式中，通过根据多个摄像头针对该目标对象所处的子区域的置信度，确定用于提取该目标对象的当前特征的摄像头，并根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征，由此提取的该目标对象的当前特征能够具备更丰富的视觉信息，因此，根据该实现方式提取的该目标对象的当前特征进行目标匹配，能够提高目标匹配的准确性。
作为该实现方式的一个示例，所述根据多个摄像头针对该目标对象所处的子区域的置信度，确定用于提取该目标对象的当前特征的摄像头，包括：根据多个摄像头针对该目标对象所处的子区域的置信度，以及所述多个摄像头采集的视频帧中该目标对象的检测框与其他目标对象的检测框之间的重叠信息，确定用于提取该目标对象的当前特征的摄像头。
在该示例中，通过根据多个摄像头针对该目标对象所处的子区域的置信度，以及所述多个摄像头采集的视频帧中该目标对象的检测框与其他目标对象的检测框之间的重叠信息，确定用于提取该目标对象的当前特征的摄像头，并根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征，由此提取的该目标对象的当前特征能够具备更丰富的视觉信息，因此，根据该示例提取的该目标对象的当前特征进行目标匹配，能够进一步提高目标匹配的准确性。
在一个例子中，所述重叠信息包括该目标对象的检测框与其他目标对象的检测框的交并比；所述根据多个摄像头针对该目标对象所处的子区域的置信度，以及所述多个摄像头采集的视频帧中该目标对象的检测框与其他目标对象的检测框之间的重叠信息，确定用于提取该目标对象的当前特征的摄像头，包括：从满足重叠条件的摄像头中，将针对该目标对象所处的子区域的置信度最高的摄像头确定为用于提取该目标对象的当前特征的摄像头，其中，所述重叠条件表示在所述当前采集的视频帧中该目标对象的检测框与其他目标对象的检测框的交并比均小于预定阈值。
例如，目标对象所处的子区域是子区域A1，所述多个摄像头包括摄像头C1、摄像头C2、摄像头C3和摄像头C4，摄像头C1针对子区域A1的置信度是Z11，摄像头C2针对子区域A1的置信度是Z21，摄像头C3针对子区域A1的置信度是Z31，摄像头C4针对子区域A1的置信度是Z41，Z11＞Z21＞Z31＞Z41。若在摄像头C1当前采集的视频帧中，不存在与该目标对象的检测框的交并比大于或等于预定阈值的其他检测框，即，在摄像头C1当前采集的视频帧中，该目标对象的检测框与其他目标对象的检测框的交并比均小于预定阈值，则根据摄像头C1采集的视频帧，提取该目标对象的当前特征。若在摄像头C1当前采集的视频帧中，存在与该目标对象的检测框的交并比大于或等于预定阈值的其他检测框，则判断摄像头C2当前采集的视频帧中，是否存在与该目标对象的检测框的交并比大于或等于预定阈值的其他检测框，即，判断摄像头C2当前采集的视频帧中，该目标对象的检测框与其他目标对象的检测框的交并比是否均小于预定阈值。若摄像头C2当前采集的视频帧中，不存在与该目标对象的检测框的交并比大于或等于预定阈值的其他检测框，即，在摄像头C2当前采集的视频帧中，该目标对象的检测框与其他目标对象的检测框的交并比均小于预定阈值，则根据摄像头C2采集的视频帧，提取该目标对象的当前特征，以此类推。
在这个例子中，对于所述多个摄像头中的任一摄像头，该摄像头当前采集的视频帧中该目标对象的检测框与其他目标对象的检测框的交并比，可以表征该目标对象被其他目标对象遮挡的比例。该摄像头当前采集的视频帧中该目标对象的检测框与其他目标对象的检测框的交并比越大，则可以表征该目标对象被其他目标对象遮挡的比例越大；该摄像头当前采集的视频帧中该目标对象的检测框与其他目标对象的检测框的交并比越小，则可以表征该目标对象被其他目标对象遮挡的比例越小。在该摄像头当前采集的视频帧中，该目标对象被其他目标对象遮挡的比例越小，则基于该摄像头当前采集的视频帧所提取的该目标对象的当前特征所具备的该目标对象的视觉信息越丰富，例如，能够具备该目标对象的更多特征点的信息。这个例子通过将所述多个摄像头中当前采集的视频帧满足重叠条件的摄像头中，针对该目标对象所处的子区域的置信度最高的摄像头确定为用于提取该目标对象的当前特征的摄像头，并根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征，由此提取的该目标对象的当前特征能够具备更丰富的视觉信息，因此，根据该例子提取的该目标对象的当前特征进行目标匹配，能够进一步提高目标匹配的准确性。
在步骤S13中，基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，其中，所述多个基准特征是在所述多个目标对象彼此冲突之前，分别对所述多个目标对象提取的特征。
图4示出本公开实施例中多个目标对象以及多个目标对象对应的多个基准特征的示意图。如图4所示，所述多个目标对象包括目标对象O1、目标对象O2、目标对象O3和目标对象O4，其中，目标对象O1的基准特征是基准特征F01，目标对象O2的基准特征是基准特征F02，目标对象O3的基准特征是基准特征F03，目标对象O4的基准特征是基准特征F04。
在一种可能的实现方式中，可以在首帧提取目标对象的基准特征，并存储目标对象的基准特征。例如，可以在首帧提取所有目标对象的基准特征，并存储所有目标对象的基准特征。当然，若首帧中部分目标对象被严重遮挡，则可以在之后的视频帧中提取这些目标对象的基准特征，以获得质量更高的、包含更丰富的目标对象的视觉信息的基准特征。在提取了目标对象的基准特征之后，可以存储目标对象的标识信息与目标对象的基准特征之间的对应关系。在本公开实施例中，确定用于提取目标对象的基准特征的摄像头的方式，与上文中确定用于提取目标对象的当前特征的摄像头的方式类似，在此不再赘述。
作为该实现方式的一个示例，在提取目标对象的基准特征后，若在后续目标跟踪的过程中，提取了该目标对象的当前特征，则可以根据所提取的该目标对象的当前特征，更新该目标对象的基准特征，以提高根据存储的基准特征进行目标匹配的准确性。例如，可以将存储的目标对象的基准特征与该目标对象的当前特征加权，得到新的基准特征。当然，也可以不更新目标对象的基准特征，以减少计算量。
在一种可能的实现方式中，在目标对象是人(例如行人、球场上的球员等)的情况下，可以通过ReID(person Re-IDentificaion，行人重识别)模块提取目标对象的特征。例如，可以通过ReID模块提取目标对象的基准特征和/或当前特征。在一个例子中，ReID模块可以采用卷积神经网络来实现。当然，也可以采用其他特征提取方法提取目标对象的特征，只要所提取的目标对象的特征能够体现目标对象的视觉信息即可。
在一种可能的实现方式中，所述基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，包括：从所述多个目标对象对应的多个基准特征中，确定与该目标对象的当前特征的相似度最大的基准特征；响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度大于或等于相似度阈值的情况，将该相似度最大的基准特征确定为与该目标对象的当前特征匹配的基准特征。其中，相似度可以是余弦相似度等。
例如，在第t时刻，冲突区1中包括目标对象O1、O4和O3，冲突区1对应的基准特征包括目标对象O1的基准特征F01、目标对象O4的基准特征F04和目标对象O3的基准特征F03。在第t+1时刻，检测到有一个目标对象脱离冲突区1，即，冲突区1中的一个目标对象与另外两个目标对象不再冲突，那么，提取该目标对象的当前特征F1n，分别计算冲突区1对应的3个基准特征F01、F04和F03与该目标对象的当前特征F1n之间的相似度。若该3个基准特征中，与该目标对象的当前特征F1n相似度最大的是基准特征F03，且基准特征F03与该目标对象的当前特征F1n之间的相似度大于或等于相似度阈值，则可以将基准特征F03确定为与该目标对象的当前特征匹配的基准特征。
在该实现方式中，通过从所述多个目标对象对应的多个基准特征中，确定与该目标对象的当前特征的相似度最大的基准特征，并响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度大于或等于相似度阈值的情况，将该相似度最大的基准特征确定为与该目标对象的当前特征匹配的基准特征，由此在该目标对象与多个目标对象中的其他目标对象不再冲突的情况，首先基于所述多个目标对象对应的多个基准特征查找与该目标对象的当前特征匹配的基准特征，从而有助于提高查找与该目标对象的当前特征匹配的基准特征的速度和准确性。
作为该实现方式的一个示例，在所述确定与该目标对象的当前特征的相似度最大的基准特征之后，所述方法还包括：响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度小于相似度阈值的情况，基于不与该目标对象冲突、且与任一其他目标对象冲突的目标对象对应的基准特征，确定与该目标对象的当前特征匹配的基准特征。
在该示例中，若在所述多个目标对象对应的多个基准特征中，找不到与该目标对象的当前特征匹配的基准特征，则可以在其他冲突区对应的基准特征(即，不与该目标对象冲突，但与其他目标对象冲突的目标对象对应的基准特征)中查找与该目标对象的当前特征匹配的基准特征。例如，若所述多个目标对象对应的多个基准特征与该目标对象的当前特征的相似度均小于相似度阈值，则可以确定在所述多个目标对象对应的多个基准特征中，找不到与该目标对象的当前特征匹配的基准特征。在该示例中，通过响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度小于相似度阈值的情况，基于不与该目标对象冲突、且与任一其他目标对象冲突的目标对象对应的基准特征，确定与该目标对象的当前特征匹配的基准特征，由此能够在提高查找与该目标对象的当前特征匹配的基准特征的速度的前提下，进一步提高所确定的与该目标对象的当前特征匹配的基准特征的准确性。
在一个例子中，若在所有冲突区中均找不到与该目标对象的当前特征匹配的基准特征，则可以在非冲突区中查找与该目标对象的当前特征匹配的基准特征。
在另一种可能的实现方式中，所述基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，包括：确定所述多个目标对象对应的多个基准特征中，与该目标对象的当前特征的相似度最大的基准特征；将该相似度最大的基准特征确定为与该目标对象的当前特征匹配的基准特征。
在步骤S14中，将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息。
在本公开实施例中，目标对象的标识信息可以是能够用于唯一标识目标对象的信息，例如可以是ID、编号、姓名等。例如，若跟踪区域是足球场，目标对象包括足球场上的球员，则目标对象的标识信息可以是球员所属球队和球衣号码。
例如，与该目标对象的当前特征F1n匹配的基准特征是F03，基准特征F03对应的标识信息是O3，则可以将O3确定为该目标对象的标识信息。
在一种可能的实现方式中，任一目标对象对应的目标跟踪结果还可以包括该目标对象的位置信息。利用本公开实施例提供的目标跟踪方法提供的目标跟踪结果，可以对跟踪区域中目标对象的行为进行分析。例如，跟踪区域是足球场，目标对象包括足球场上的球员，则根据球员的标识信息(例如所属球队和球衣号码)和球员在至少一个视频帧中的位置信息，可以对球员的行为进行分析，例如分析球员是否越位等。
在本公开实施例中，通过根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象，响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征，基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，并将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息，由此能够保持目标对象的标识信息的一致性，即，可以保持同一目标对象在进出冲突区时标识信息的一致性，从而能够提高多目标跟踪的准确性。本公开实施例能够适用于复杂的目标跟踪场景，例如可以适用于跟踪区域中目标对象的尺寸不一、跟踪区域中存在小尺寸难检测的目标对象、跟踪区域中目标对象较密集、目标对象的外观相近、目标对象的运动复杂度较高、存在严重遮挡等目标跟踪场景。
在一种可能的实现方式中，在步骤S11之前，所述方法还包括：获取标志物的第一坐标；对于所述多个摄像头中的任一摄像头，根据该摄像头获得的所述标志物的第二坐标，以及所述标志物的第一坐标，确定该摄像头对应的转换矩阵。
在该实现方式中，在对所述多个摄像头进行标定时，可以先在跟踪区域中以一定的密度放置标志物。图5示出在本公开实施例中在跟踪区域中放置标志物的示意图。在图5所示的示例中，跟踪区域是足球场，标志物是白色的金属片。当然，本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活选择标志物，在此不作限定。通过采用标志物进行标定，能够提高在角点不丰富的跟踪区域中进行标定的准确性，从而有助于提高目标跟踪的准确性。
作为该实现方式的一个示例，第一坐标可以是世界坐标系下的坐标，第二坐标可以是像素坐标系下的坐标，转换矩阵可以是单应矩阵。由于目标对象在同一平面内运动，因此，可以采用式1确定转换矩阵H3×3：
Figure BDA0002773371450000171
其中，(Xw,Yω)表示标志物的第一坐标，例如可以是标志物在世界坐标系下的坐标；(u,v)表示摄像头获得的标志物的第二坐标，例如可以是标志物在像素坐标系下的坐标。
在该示例中，单应矩阵H3×3的自由度是8，理论上采用4个标志物对应的特征点就可以求解出所述单应矩阵。为了提高内外参的精度，可以如图5所示，可以设置更多的标志物，采用最小二乘法，并过滤孤立点，利用棋盘格标定的方法得到单应矩阵。由此得到的单应矩阵能够去除摄像头采集的图像中的畸变，并能提高所确定的第一坐标的准确性。
在该实现方式中，通过确定所述多个摄像头中的各个摄像头对应的转换矩阵，由此能够将所述多个摄像头获得的目标对象的第二坐标转换到统一的坐标系中，例如，转换到世界坐标系中，得到目标对象对应于所述多个摄像头中的各个摄像头的第一坐标，由此能够便于后续对所述目标对象进行跟踪。
在一种可能的实现方式中，所述方法还包括：对于任一目标对象，确定该目标对象对应于多个摄像头的第一坐标；根据该目标对象对应于所述多个摄像头的第一坐标，确定该目标对象在所述跟踪区域中所处的子区域，其中，所述跟踪区域包括多个子区域；根据所述多个摄像头针对该目标对象所处的子区域的置信度，对该目标对象对应于所述多个摄像头的第一坐标进行融合，得到该目标对象的融合坐标；在所述根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象之前，还包括：根据所述跟踪区域中目标对象的融合坐标，确定所述跟踪区域中目标对象之间的距离。
在该实现方式中，任一目标对象对应于任一摄像头的第一坐标，可以表示根据该摄像头采集的图像得到的该目标对象的第一坐标。第一坐标可以是第一坐标系下的坐标，例如，第一坐标系可以是世界坐标系或者其他虚拟坐标系。融合坐标和第一坐标可以是相同坐标系下的坐标，例如，融合坐标和第一坐标可以都是世界坐标系下的坐标。
作为该实现方式的一个示例，预先确定所述跟踪区域中的各个子区域在第一坐标系下的坐标范围。例如，子区域为矩形，任一子区域在第一坐标系下的坐标范围可以采用该子区域在第一坐标系下的四个顶点的坐标来表示，或者，该子区域在第一坐标系下的坐标范围可以采用该子区域在第一坐标系下的左上角顶点的坐标以及该子区域的宽度和高度来表示。当然，任一子区域在第一坐标系下的坐标范围还可以采用其他方式来表示，在此不作限定。另外，任一子区域的形状也可以不为矩形，例如可以为三角形等。跟踪区域中的不同子区域的大小可以相同，也可以不同。
在该实现方式中，根据目标对象对应于所述多个摄像头的第一坐标，以及子区域在第一坐标系下的坐标范围，可以确定该目标对象在所述跟踪区域中所处的子区域。在该实现方式中，可以根据目标对象对应于所述多个摄像头中的全部或部分摄像头的第一坐标，以及子区域在第一坐标系下的坐标范围，确定该目标对象在所述跟踪区域中所处的子区域。
作为该实现方式的一个示例，根据该目标对象对应于所述多个摄像头的第一坐标，确定该目标对象在所述跟踪区域中所处的子区域，包括：根据该目标对象对应于所述多个摄像头中的任一摄像头的第一坐标，以及子区域在第一坐标系下的坐标范围，确定该目标对象在所述跟踪区域中所处的候选子区域；将得票数最高的候选子区域确定为该目标对象所处的子区域。例如，所述多个摄像头包括摄像头C1、摄像头C2、摄像头C3和摄像头C4；根据该目标对象对应于摄像头C1的第一坐标，确定该目标对象在所述跟踪区域中所处的候选子区域是子区域A1；根据该目标对象对应于摄像头C2的第一坐标，确定该目标对象在所述跟踪区域中所处的候选子区域是子区域A1；根据该目标对象对应于摄像头C3的第一坐标，确定该目标对象在所述跟踪区域中所处的候选子区域是子区域A2；根据该目标对象对应于摄像头C4的第一坐标，确定该目标对象在所述跟踪区域中所处的候选子区域是子区域A1；那么，候选子区域A1的得票数是3，候选子区域A2的得票数是1，因此，可以将候选子区域A1确定为该目标对象所处的子区域。
作为该实现方式的另一个示例，根据该目标对象对应于所述多个摄像头的第一坐标，确定该目标对象在所述跟踪区域中所处的子区域，包括：根据该目标对象对应于所述多个摄像头的第一坐标，确定该目标对象对应于所述多个摄像头的第一坐标的平均值；根据子区域在第一坐标系下的坐标范围，确定所述第一坐标的平均值所处的子区域，并将所述第一坐标的平均值所处的子区域确定为该目标对象在所述跟踪区域中所处的子区域。
在该实现方式中，可以根据所述多个摄像头针对该目标对象所处的子区域的置信度，对该目标对象对应于所述多个摄像头中的全部或部分摄像头的第一坐标进行融合，得到该目标对象的融合坐标。例如，所述多个摄像头包括摄像头C1、摄像头C2、摄像头C3和摄像头C4，该目标对象处于子区域A1，摄像头C1针对子区域A1的置信度是Z11，摄像头C2针对子区域A1的置信度是Z21，摄像头C3针对子区域A1的置信度是Z31，摄像头C4针对子区域A1的置信度是Z41，该目标对象对应于摄像头C1的第一坐标是Pw1，该目标对象对应于摄像头C2的第一坐标是Pw2，该目标对象对应于摄像头C3的第一坐标是Pw3，该目标对象对应于摄像头C4的第一坐标是Pw4，则该目标对象的融合坐标可以为
Figure BDA0002773371450000191
又如，在所述多个摄像头中，可以选取针对该目标对象所处的子区域的置信度较大的部分摄像头，确定该目标对象的融合坐标。例如，Z11＞Z21＞Z31＞Z41，
Figure BDA0002773371450000192
在该实现方式中，通过结合目标对象对应于所述多个摄像头的第一坐标，得到该目标对象的融合坐标，并基于该目标对象的融合坐标进行目标跟踪，由此能够得到基于更精准的坐标进行目标跟踪，从而有助于提高目标跟踪的准确性。
在一种可能的实现方式中，对于任一目标对象和所述多个摄像头中的任一摄像头，根据该摄像头获得的该目标对象的第二坐标，以及该摄像头对应的转换矩阵，确定该目标对象对应于该摄像头的第一坐标。
作为该实现方式的一个示例，该摄像头获得的该目标对象的第二坐标，可以是该目标对象在该摄像头对应的像素坐标系下的坐标。即，第二坐标可以表示像素坐标系下的坐标。在该示例中，该目标对象对应于该摄像头的第一坐标，表示根据该摄像头获得的该目标对象第二坐标确定的该目标对象在世界坐标系下的坐标。在该示例中，该摄像头对应的转换矩阵可以是单应矩阵。
在其他示例中，该摄像头获得的该目标对象的第二坐标，还可以是该目标对象在该摄像头对应的图像坐标系等坐标系下的坐标。即，第二坐标还可以是图像坐标系等坐标系下的坐标。
作为该实现方式的一个示例，可以对该摄像头采集的图像进行目标检测，确定目标对象在所述图像中的检测框，并根据检测框的位置，确定该摄像头获得的该目标对象的第二坐标。在该示例中，可以将检测框上的任意一点或者检测框内部的任意一点作为该目标对象的第二坐标。例如，可以将检测框底边的中点作为该目标对象的第二坐标。
例如，所述多个摄像头中的任一摄像头对应的转换矩阵为H，该摄像头获得的任一目标对象的第二坐标为Pu，则该目标对象对应于该摄像头的第一坐标可以采用式2确定：
Pw＝(HTH)-1HTPu 式2。
在一种可能的实现方式中，所述方法还包括：对于所述多个摄像头中的任一摄像头，根据该摄像头与所述跟踪区域的多个子区域之间的距离，确定该摄像头针对所述多个子区域的置信度。
在该实现方式中，可以根据所述多个摄像头与所述跟踪区域的多个子区域之间的距离，确定所述多个摄像头针对所述多个子区域的置信度。在该实现方式中，任一摄像头针对任一子区域的置信度，与该摄像头与该子区域之间的距离负相关。即，该摄像头与该子区域之间的距离越大，则该摄像头针对该子区域的置信度越低；该摄像头与该子区域之间的距离越小，则该摄像头针对该子区域的置信度越高。例如，若摄像头C1与子区域A1之间的距离，小于摄像头C2与子区域A1之间的距离，则摄像头C1针对子区域A1的置信度Z11，可以大于摄像头C2针对子区域A1的置信度Z21。又如，若摄像头C1与子区域A1之间的距离，小于摄像头C1与子区域A2之间的距离，则摄像头C1针对子区域A1的置信度Z11，可以大于摄像头C1针对子区域A2的置信度Z12。
在该实现方式中，对于所述多个摄像头中的任一摄像头，该摄像头与任一子区域之间的距离越小，则该摄像头拍摄的该子区域的视频帧越清晰，从而越有利于准确识别视频帧中的信息。相反，该摄像头与任一子区域之间的距离越大，则该摄像头拍摄的该子区域的视频帧越模糊，从而越不利于准确识别视频帧中的信息。因此，在该实现方式中，对于所述多个摄像头中的任一摄像头，根据该摄像头与所述跟踪区域的多个子区域之间的距离，确定该摄像头针对所述多个子区域的置信度，由此将摄像头与子区域之间的距离作为摄像头针对子区域的置信度的考虑因素。基于由此确定的置信度进行坐标融合和/或确定用于提取目标对象的当前特征的摄像头，从而有助于提高目标跟踪的准确性。
在一种可能的实现方式中，在所述确定所述多个摄像头针对所述多个子区域的置信度之后，所述方法还包括：对于所述多个摄像头中的任一摄像头，根据该摄像头采集的视频帧中目标对象之间的平均距离，调整该摄像头针对所述多个子区域的置信度。
作为该实现方式的一个示例，可以在目标跟踪的过程中，根据该摄像头采集的视频帧中目标对象之间的平均距离，不断调整该摄像头针对所述多个子区域的置信度。例如，可以以预设频率调整该摄像头针对所述多个子区域的置信度。例如，预设频率可以是1秒。
对于所述多个摄像头中的任一摄像头，根据该摄像头采集的视频帧中所有目标对象两两之间的平均距离，调整该摄像头针对所述多个子区域的置信度。例如，所述多个摄像头包括摄像头C1、摄像头C2、摄像头C3和摄像头C4，摄像头C1采集的视频帧中目标对象之间的平均距离是D1，摄像头C2采集的视频帧中目标对象之间的平均距离是D2，摄像头C3采集的视频帧中目标对象之间的平均距离是D3，摄像头C4采集的视频帧中目标对象之间的平均距离是D4，D1＞D2＞D3＞D4，则可以将摄像头C1针对所述多个子区域中的各个子区域的置信度增加B1，将摄像头C2针对所述多个子区域中的各个子区域的置信度增加B2，将摄像头C3针对所述多个子区域中的各个子区域的置信度增加B3，将摄像头C4针对所述多个子区域中的各个子区域的置信度保持不变，其中，B1＞B2＞B3＞0，例如，B1＝1.5，B2＝1，B3＝0.5。
在该实现方式中，对于所述多个摄像头中的任一摄像头，该摄像头采集的视频帧中目标对象之间的平均距离越小，则该摄像头采集的视频帧中的目标对象之间相互遮挡的可能性越大，从而不利于对目标对象进行特征提取，进而不利于进行目标跟踪。相反，该摄像头采集的视频帧中目标对象之间的平均距离越大，则该摄像头采集的视频帧中的目标对象之间相互遮挡的可能性越小，从而有利于对目标对象进行特征提取，进而有利于进行目标跟踪。在该实现方式中，通过对于所述多个摄像头中的任一摄像头，根据该摄像头采集的视频帧中目标对象之间的平均距离，动态调整该摄像头针对所述多个子区域的置信度，并基于由此确定的置信度进行坐标融合和/或确定用于提取目标对象的当前特征的摄像头，从而有助于提高目标跟踪的准确性。
在一种可能的实现方式中，所述方法还包括：对于任一目标对象，响应于该目标对象在当前时刻和所述当前时刻的上一时刻均不与其他目标对象冲突的情况，将所述上一时刻不与其他目标对象冲突、且未与所述当前时刻的其他目标对象匹配的目标对象，确定为所述上一时刻的剩余目标对象；或者，响应于该目标对象在所述当前时刻和所述上一时刻与相同的其他目标对象冲突的情况，将该目标对象在所述上一时刻所属的冲突区中、未与所述当前时刻的其他目标对象匹配的目标对象，确定为所述上一时刻的剩余目标对象；从所述上一时刻的剩余目标对象中，将与所述当前时刻的该目标对象距离最近的目标对象，确定为与所述当前时刻的该目标对象匹配的目标对象，并将该匹配的目标对象的标识信息作为该目标对象的标识信息。
例如，某一目标对象在当前时刻和所述当前时刻的上一时刻均不与其他目标对象冲突，且所述上一时刻不与其他目标对象冲突的目标对象有15个，分别是目标对象O1至O15。若上一时刻中的目标对象O1和O2已与当前时刻的其他目标对象匹配，即，标识信息O1和O2已作为当前时刻的目标对象的标识信息，则可以将目标对象O3至O15确定为上一时刻的剩余目标对象。在确定上一时刻的剩余目标对象O3至O15之后，从上一时刻的剩余目标对象O3至O15中，将与当前时刻的该目标对象距离最近的目标对象，确定为与当前时刻的该目标对象匹配的目标对象。例如，若在上一时刻的剩余目标对象O3至O15中，O6与当前时刻的该目标对象距离最近，则将上一时刻的目标对象O6确定为与当前时刻的该目标对象匹配的目标对象，并将当前时刻的该目标对象的标识信息确定为O6。
又如，某一目标对象在当前时刻和所述上一时刻与相同的其他目标对象冲突，例如，该目标对象在所述上一时刻所属的冲突区包括目标对象O1、目标对象O2、目标对象O3和目标对象O4。若在该目标对象在所述上一时刻所属的冲突区中，目标对象O1和目标对象O2已与当前时刻的其他目标对象匹配，即，标识信息O1和O2已作为当前时刻的目标对象的标识信息，则可以将目标对象O3和目标对象O4确定为上一时刻的剩余目标对象。在确定上一时刻的剩余目标对象O3和O4之后，从上一时刻的剩余目标对象O3和O4中，将与当前时刻的该目标对象距离最近的目标对象，确定为与当前时刻的该目标对象匹配的目标对象。例如，若在上一时刻的剩余目标对象O3和O4中，O4与当前时刻的该目标对象距离最近，则将上一时刻的目标对象O4确定为与当前时刻的该目标对象匹配的目标对象，并将当前时刻的该目标对象的标识信息确定为O4。
在该实现方式中，对于任一目标对象，在该目标对象在当前时刻和所述当前时刻的上一时刻均不与其他目标对象冲突或者该目标对象在所述当前时刻和所述上一时刻与相同的其他目标对象冲突的情况下，从所述上一时刻的剩余目标对象中，将与所述当前时刻的该目标对象距离最近的目标对象，确定为与所述当前时刻的该目标对象匹配的目标对象，并将该匹配的目标对象的标识信息作为该目标对象的标识信息，由此采用基于距离的贪心算法来确定该目标对象的标识信息，而不考虑该目标对象的视觉特征，从而能够减少计算量，降低时间开销，满足目标跟踪的实时性要求。
在一种可能的实现方式中，本公开实施例提供的目标跟踪方法可以采用目标跟踪模型来实现。例如，所述目标跟踪模型可以采用Faster-RCNN(Faster RecurrentConvolutional Neural Network，更快速的递归卷积神经网络)或者Fast-RCNN(FasterRecurrent Convolutional Neural Network，快速递归卷积神经网络)等。所述目标跟踪模型的骨干网络可以采用ResNet-18等结构。为了提高所述目标跟踪模型的处理速度，可以通过通道剪枝的方法对所述目标跟踪模型进行模型压缩，由此在不降低模型精度的同时，提高模型速度。
在一种可能的实现方式中，所述方法还可以包括：输出目标对象的标识信息与坐标之间的对应关系。在一个例子中，可以按照标识信息的顺序，输出标识信息与坐标之间的对应关系。例如，标识信息包括球衣号码1-11，则可以按照球衣号码由小到大的顺序，输出对应的目标对象的坐标。
在一种可能的实现方式中，可以根据目标对象在多个时刻(例如多个连续时刻)的坐标，得到目标对象的运动轨迹。在一个示例中，还可以采用卡尔曼滤波算法对目标对象的运动轨迹进行处理，以使目标对象的运动轨迹更平滑。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了目标跟踪装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种目标跟踪方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图6示出本公开实施例提供的目标跟踪装置的框图。如图6所示，所述目标跟踪装置包括：
第一确定模块61，用于根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象；
提取模块62，用于响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征；
第二确定模块63，用于基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，其中，所述多个基准特征是在所述多个目标对象彼此冲突之前，分别对所述多个目标对象提取的特征；
第三确定模块64，用于将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息。
在一种可能的实现方式中，彼此冲突的多个目标对象中的任一目标对象，与所述多个目标对象中的其他至少一个目标对象之间的距离小于或等于距离阈值；
所述提取模块62用于：
对于所述多个目标对象中的任一目标对象，响应于该目标对象与所述多个目标对象中的其他目标对象之间的距离均大于所述距离阈值的情况，提取该目标对象的当前特征。
在一种可能的实现方式中，所述装置还包括：
第三确定模块64，用于对于任一目标对象，确定该目标对象对应于多个摄像头的第一坐标；
第四确定模块，用于根据该目标对象对应于所述多个摄像头的第一坐标，确定该目标对象在所述跟踪区域中所处的子区域，其中，所述跟踪区域包括多个子区域；
融合模块，用于根据所述多个摄像头针对该目标对象所处的子区域的置信度，对该目标对象对应于所述多个摄像头的第一坐标进行融合，得到该目标对象的融合坐标；
第五确定模块，用于根据所述跟踪区域中目标对象的融合坐标，确定所述跟踪区域中目标对象之间的距离。
在一种可能的实现方式中，所述提取模块62用于：
确定该目标对象在所述跟踪区域中所处的子区域；
根据多个摄像头针对该目标对象所处的子区域的置信度，确定用于提取该目标对象的当前特征的摄像头；
根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征。
在一种可能的实现方式中，所述提取模块62用于：
根据多个摄像头针对该目标对象所处的子区域的置信度，以及所述多个摄像头采集的视频帧中该目标对象的检测框与其他目标对象的检测框之间的重叠信息，确定用于提取该目标对象的当前特征的摄像头。
在一种可能的实现方式中，所述重叠信息包括该目标对象的检测框与其他目标对象的检测框的交并比；
所述提取模块62用于：
从满足重叠条件的摄像头中，将针对该目标对象所处的子区域的置信度最高的摄像头确定为用于提取该目标对象的当前特征的摄像头，其中，所述重叠条件表示在所述当前采集的视频帧中该目标对象的检测框与其他目标对象的检测框的交并比均小于预定阈值。
在一种可能的实现方式中，所述装置还包括：
第六确定模块，用于对于所述多个摄像头中的任一摄像头，根据该摄像头与所述跟踪区域的多个子区域之间的距离，确定该摄像头针对所述多个子区域的置信度。
在一种可能的实现方式中，所述装置还包括：
调整模块，用于对于所述多个摄像头中的任一摄像头，根据该摄像头采集的视频帧中目标对象之间的平均距离，调整该摄像头针对所述多个子区域的置信度。
在一种可能的实现方式中，所述第二确定模块63用于：
从所述多个目标对象对应的多个基准特征中，确定与该目标对象的当前特征的相似度最大的基准特征；
响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度大于或等于相似度阈值的情况，将该相似度最大的基准特征确定为与该目标对象的当前特征匹配的基准特征。
在一种可能的实现方式中，所述装置还包括：
第七确定模块，用于响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度小于相似度阈值的情况，基于不与该目标对象冲突、且与任一其他目标对象冲突的目标对象对应的基准特征，确定与该目标对象的当前特征匹配的基准特征。
在一种可能的实现方式中，所述装置还包括：
第八确定模块，用于对于任一目标对象，响应于该目标对象在当前时刻和所述当前时刻的上一时刻均不与其他目标对象冲突的情况，将所述上一时刻不与其他目标对象冲突、且未与所述当前时刻的其他目标对象匹配的目标对象，确定为所述上一时刻的剩余目标对象；或者，响应于该目标对象在所述当前时刻和所述上一时刻与相同的其他目标对象冲突的情况，将该目标对象在所述上一时刻所属的冲突区中、未与所述当前时刻的其他目标对象匹配的目标对象，确定为所述上一时刻的剩余目标对象；
第九确定模块，用于从所述上一时刻的剩余目标对象中，将与所述当前时刻的该目标对象距离最近的目标对象，确定为与所述当前时刻的该目标对象匹配的目标对象，并将该匹配的目标对象的标识信息作为该目标对象的标识信息。
在本公开实施例中，通过根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象，响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征，基于所述多个目标对象对应的多个基准特征，确定与该目标对象的当前特征匹配的基准特征，并将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息，由此能够保持目标对象的标识信息的一致性，即，可以保持同一目标对象在进出冲突区时标识信息的一致性，从而能够提高多目标跟踪的准确性。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。其中，所述计算机可读存储介质可以是非易失性计算机可读存储介质，或者可以是易失性计算机可读存储介质。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的目标跟踪方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的目标跟踪方法的操作。
本公开实施例还提供一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图7示出本公开实施例提供的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图7，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如Wi-Fi、2G、3G、4G/LTE、5G或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图8示出本公开实施例提供的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图8，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows
Figure BDA0002773371450000283
Mac OS
Figure BDA0002773371450000282
或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (13)

1.一种目标跟踪方法，其特征在于，包括：
根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象；
响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征；
从所述多个目标对象对应的多个基准特征中，确定与该目标对象的当前特征的相似度最大的基准特征，并响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度大于或等于相似度阈值的情况，将该相似度最大的基准特征确定为与该目标对象的当前特征匹配的基准特征，其中，所述多个基准特征是在所述多个目标对象彼此冲突之前，分别对所述多个目标对象提取的特征；
将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息。
2.根据权利要求1所述的方法，其特征在于，彼此冲突的多个目标对象中的任一目标对象，与所述多个目标对象中的其他至少一个目标对象之间的距离小于或等于距离阈值；
所述响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征，包括：
对于所述多个目标对象中的任一目标对象，响应于该目标对象与所述多个目标对象中的其他目标对象之间的距离均大于所述距离阈值的情况，提取该目标对象的当前特征。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
对于任一目标对象，确定该目标对象对应于多个摄像头的第一坐标；
根据该目标对象对应于所述多个摄像头的第一坐标，确定该目标对象在所述跟踪区域中所处的子区域，其中，所述跟踪区域包括多个子区域；
根据所述多个摄像头针对该目标对象所处的子区域的置信度，对该目标对象对应于所述多个摄像头的第一坐标进行融合，得到该目标对象的融合坐标；
在所述根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象之前，还包括：
根据所述跟踪区域中目标对象的融合坐标，确定所述跟踪区域中目标对象之间的距离。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述提取该目标对象的当前特征，包括：
确定该目标对象在所述跟踪区域中所处的子区域；
根据多个摄像头针对该目标对象所处的子区域的置信度，确定用于提取该目标对象的当前特征的摄像头；
根据用于提取该目标对象的当前特征的摄像头采集的视频帧，提取该目标对象的当前特征。
5.根据权利要求4所述的方法，其特征在于，所述根据多个摄像头针对该目标对象所处的子区域的置信度，确定用于提取该目标对象的当前特征的摄像头，包括：
根据多个摄像头针对该目标对象所处的子区域的置信度，以及所述多个摄像头采集的视频帧中该目标对象的检测框与其他目标对象的检测框之间的重叠信息，确定用于提取该目标对象的当前特征的摄像头。
6.根据权利要求5所述的方法，其特征在于，所述重叠信息包括该目标对象的检测框与其他目标对象的检测框的交并比；
所述根据多个摄像头针对该目标对象所处的子区域的置信度，以及所述多个摄像头采集的视频帧中该目标对象的检测框与其他目标对象的检测框之间的重叠信息，确定用于提取该目标对象的当前特征的摄像头，包括：
从满足重叠条件的摄像头中，将针对该目标对象所处的子区域的置信度最高的摄像头确定为用于提取该目标对象的当前特征的摄像头，其中，所述重叠条件表示在当前采集的视频帧中该目标对象的检测框与其他目标对象的检测框的交并比均小于预定阈值。
7.根据权利要求3至6中任意一项所述的方法，其特征在于，所述方法还包括：
对于所述多个摄像头中的任一摄像头，根据该摄像头与所述跟踪区域的多个子区域之间的距离，确定该摄像头针对所述多个子区域的置信度。
8.根据权利要求7所述的方法，其特征在于，在所述确定所述多个摄像头针对所述多个子区域的置信度之后，所述方法还包括：
对于所述多个摄像头中的任一摄像头，根据该摄像头采集的视频帧中目标对象之间的平均距离，调整该摄像头针对所述多个子区域的置信度。
9.根据权利要求1至8中任意一项所述的方法，其特征在于，在所述确定与该目标对象的当前特征的相似度最大的基准特征之后，所述方法还包括：
响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度小于相似度阈值的情况，基于不与该目标对象冲突、且与任一其他目标对象冲突的目标对象对应的基准特征，确定与该目标对象的当前特征匹配的基准特征。
10.根据权利要求1至9中任意一项所述的方法，其特征在于，所述方法还包括：
对于任一目标对象，响应于该目标对象在当前时刻和所述当前时刻的上一时刻均不与其他目标对象冲突的情况，将所述上一时刻不与其他目标对象冲突、且未与所述当前时刻的其他目标对象匹配的目标对象，确定为所述上一时刻的剩余目标对象；或者，响应于该目标对象在所述当前时刻和所述上一时刻与相同的其他目标对象冲突的情况，将该目标对象在所述上一时刻所属的冲突区中、未与所述当前时刻的其他目标对象匹配的目标对象，确定为所述上一时刻的剩余目标对象；
从所述上一时刻的剩余目标对象中，将与所述当前时刻的该目标对象距离最近的目标对象，确定为与所述当前时刻的该目标对象匹配的目标对象，并将该匹配的目标对象的标识信息作为该目标对象的标识信息。
11.一种目标跟踪装置，其特征在于，包括：
第一确定模块，用于根据跟踪区域中目标对象之间的距离，确定彼此冲突的多个目标对象；
提取模块，用于响应于所述多个目标对象中的任一目标对象与多个目标对象中的其他目标对象不再冲突的情况，提取该目标对象的当前特征；
第二确定模块，用于从所述多个目标对象对应的多个基准特征中，确定与该目标对象的当前特征的相似度最大的基准特征，并响应于该相似度最大的基准特征与该目标对象的当前特征之间的相似度大于或等于相似度阈值的情况，将该相似度最大的基准特征确定为与该目标对象的当前特征匹配的基准特征，其中，所述多个基准特征是在所述多个目标对象彼此冲突之前，分别对所述多个目标对象提取的特征；
第三确定模块，用于将与该目标对象的当前特征匹配的基准特征对应的标识信息，确定为该目标对象的标识信息。
12.一种电子设备，其特征在于，包括：
一个或多个处理器；
用于存储可执行指令的存储器；
其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行权利要求1至10中任意一项所述的方法。
13.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至10中任意一项所述的方法。
CN202011256801.6A 2020-11-11 2020-11-11 目标跟踪方法及装置、电子设备和存储介质 Active CN112330717B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202011256801.6A CN112330717B (zh) 2020-11-11 2020-11-11 目标跟踪方法及装置、电子设备和存储介质
KR1020227002278A KR102446688B1 (ko) 2020-11-11 2021-04-08 타깃 추적 방법 및 장치, 전자 기기 및 저장 매체
JP2022506434A JP2022552772A (ja) 2020-11-11 2021-04-08 目標追跡方法及び装置、電子デバイスと記憶媒体
PCT/CN2021/086020 WO2022099988A1 (zh) 2020-11-11 2021-04-08 目标跟踪方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011256801.6A CN112330717B (zh) 2020-11-11 2020-11-11 目标跟踪方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112330717A CN112330717A (zh) 2021-02-05
CN112330717B true CN112330717B (zh) 2023-03-10

Family

ID=74318993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011256801.6A Active CN112330717B (zh) 2020-11-11 2020-11-11 目标跟踪方法及装置、电子设备和存储介质

Country Status (4)

Country Link
JP (1) JP2022552772A (zh)
KR (1) KR102446688B1 (zh)
CN (1) CN112330717B (zh)
WO (1) WO2022099988A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330717B (zh) * 2020-11-11 2023-03-10 北京市商汤科技开发有限公司 目标跟踪方法及装置、电子设备和存储介质
CN113129339B (zh) * 2021-04-28 2023-03-10 北京市商汤科技开发有限公司 一种目标跟踪方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111275737A (zh) * 2020-01-14 2020-06-12 北京市商汤科技开发有限公司 一种目标跟踪方法、装置、设备及存储介质
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

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002342762A (ja) * 2001-05-22 2002-11-29 Matsushita Electric Ind Co Ltd 物体追跡方法
KR101355974B1 (ko) * 2010-08-24 2014-01-29 한국전자통신연구원 복수의 객체를 추적하는 객체 추적 방법 및 장치
US9147260B2 (en) * 2010-12-20 2015-09-29 International Business Machines Corporation Detection and tracking of moving objects
KR101406334B1 (ko) * 2013-04-18 2014-06-19 전북대학교산학협력단 신뢰도와 지연된 결정을 활용한 다중 객체 추적 시스템 및 방법
JP6439757B2 (ja) * 2016-07-08 2018-12-19 オムロン株式会社 画像処理装置および画像処理方法
KR101868103B1 (ko) * 2017-07-12 2018-06-18 군산대학교 산학협력단 다중 이동 물체의 식별 및 추적을 위한 영상 감시 장치 및 방법
CN107831490A (zh) * 2017-12-01 2018-03-23 南京理工大学 一种改进的多扩展目标跟踪方法
CN110827325B (zh) * 2019-11-13 2022-08-09 阿波罗智联(北京)科技有限公司 目标跟踪方法、装置、电子设备及存储介质
CN111860373B (zh) * 2020-07-24 2022-05-20 浙江商汤科技开发有限公司 目标检测方法及装置、电子设备和存储介质
CN112330717B (zh) * 2020-11-11 2023-03-10 北京市商汤科技开发有限公司 目标跟踪方法及装置、电子设备和存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111275737A (zh) * 2020-01-14 2020-06-12 北京市商汤科技开发有限公司 一种目标跟踪方法、装置、设备及存储介质
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Object Detection with Extended Attention and Spatial Information;Yingda Guan et al.;《IEEE Xplore》;20200928;全文 *
视频图像序列中人体目标的提取与跟踪;曹丽武;《计算机与数字工程》;20110320(第03期);全文 *

Also Published As

Publication number Publication date
WO2022099988A1 (zh) 2022-05-19
KR102446688B1 (ko) 2022-09-23
JP2022552772A (ja) 2022-12-20
CN112330717A (zh) 2021-02-05
KR20220066245A (ko) 2022-05-24

Similar Documents

Publication Publication Date Title
CN106651955B (zh) 图片中目标物的定位方法及装置
WO2020135127A1 (zh) 一种行人识别方法及装置
JP7061191B2 (ja) 画像処理方法及び装置、電子機器並びに記憶媒体
CN108010060B (zh) 目标检测方法及装置
CN107480665B (zh) 文字检测方法、装置及计算机可读存储介质
CN111104920B (zh) 视频处理方法及装置、电子设备和存储介质
CN107784279B (zh) 目标跟踪方法及装置
CN112219224B (zh) 图像处理方法及装置、电子设备和存储介质
CN111680646B (zh) 动作检测方法及装置、电子设备和存储介质
CN112330717B (zh) 目标跟踪方法及装置、电子设备和存储介质
CN109344703B (zh) 对象检测方法及装置、电子设备和存储介质
US20220383517A1 (en) Method and device for target tracking, and storage medium
CN111523346A (zh) 图像识别方法及装置、电子设备和存储介质
CN108171222B (zh) 一种基于多流神经网络的实时视频分类方法及装置
CN113261011B (zh) 图像处理方法及装置、电子设备和存储介质
CN112085097A (zh) 图像处理方法及装置、电子设备和存储介质
CN114187498A (zh) 遮挡检测方法及装置、电子设备和存储介质
CN110781842A (zh) 图像处理方法及装置、电子设备和存储介质
CN114549578A (zh) 目标跟踪方法、装置及存储介质
CN110929545A (zh) 人脸图像的整理方法及装置
CN109919126B (zh) 一种移动物体探测方法、装置及存储介质
CN112330721B (zh) 三维坐标的恢复方法及装置、电子设备和存储介质
CN111832338A (zh) 对象检测方法及装置、电子设备和存储介质
CN113506324B (zh) 图像处理方法及装置、电子设备和存储介质
CN113506325B (zh) 图像处理方法及装置、电子设备和存储介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40039152

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant