CN112634355A - 一种目标跟踪方法、装置、设备及存储介质 - Google Patents

一种目标跟踪方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112634355A
CN112634355A CN202011532146.2A CN202011532146A CN112634355A CN 112634355 A CN112634355 A CN 112634355A CN 202011532146 A CN202011532146 A CN 202011532146A CN 112634355 A CN112634355 A CN 112634355A
Authority
CN
China
Prior art keywords
target
tracking result
targets
selected target
determining
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.)
Granted
Application number
CN202011532146.2A
Other languages
English (en)
Other versions
CN112634355B (zh
Inventor
李亚学
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.)
Autel Robotics Co Ltd
Original Assignee
Autel Robotics 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 Autel Robotics Co Ltd filed Critical Autel Robotics Co Ltd
Priority to CN202011532146.2A priority Critical patent/CN112634355B/zh
Publication of CN112634355A publication Critical patent/CN112634355A/zh
Priority to PCT/CN2021/128768 priority patent/WO2022134886A1/zh
Priority to US18/203,644 priority patent/US20230306615A1/en
Application granted granted Critical
Publication of CN112634355B publication Critical patent/CN112634355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种目标跟踪方法、装置、设备及存储介质。该方法包括：获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标；根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪，通过本发明的技术方案，以实现能够提升单目标跟踪的鲁棒性。

Description

一种目标跟踪方法、装置、设备及存储介质
技术领域
本发明实施例涉及目标跟踪技术，尤其涉及一种目标跟踪方法、装置、设备及存储介质。
背景技术
目标跟踪在消费机领域有着广泛的应用，目的是提供跟踪目标在云台相机图像中的位置，当前基于视觉的单跟踪算法，不管是基于深度学习的跟踪算法，或者基于机器学习的传统算法，对相似的同类别干扰目标的鲁棒性差(例如同样颜色的车，穿同样颜色衣服的人等)，特别是相似目标发生遮挡后，容易跟踪到干扰目标上去。
发明内容
本发明实施例提供一种目标跟踪方法、装置、设备及存储介质，以实现能够提升单目标跟踪的鲁棒性。
第一方面，本发明实施例提供了一种目标跟踪方法，包括：
获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标；
根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；
根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪。
进一步的，根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息包括：
根据所述单目标跟踪结果确定已选目标的位置信息；
根据所述多目标跟踪结果确定多目标的位置信息；
若所述多目标的位置信息中的至少一个目标的位置信息与所述已选目标的位置信息的相似度大于或者等于相似度阈值，则确定所述已选目标处于被遮挡状态；
若所述多目标的位置信息均与所述已选目标的位置信息的相似度小于所述相似度阈值，则确定所述已选目标处于未被遮挡状态。
进一步的，根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息包括：
获取所述单目标跟踪结果的置信度；
若所述单目标跟踪结果的置信度小于置信度阈值，则确定所述已选目标处于丢失状态；
若所述单目标跟踪结果的置信度大于或者等于所述置信度阈值，且根据所述已选目标的位置信息未在所述多目标跟踪结果中查询到目标，则确定所述已选目标处于丢失状态。
进一步的，所述多目标跟踪结果包括：多目标的位置信息、多目标的类别信息和多目标的身份信息。
进一步的，根据所述已选目标的状态信息和所述多目标跟踪结果对所述已选目标进行跟踪包括：
若所述已选目标处于未被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与已选目标的类别信息相同的目标进行跟踪。
进一步的，根据所述已选目标的状态信息和所述多目标跟踪结果对所述已选目标进行跟踪包括：
若所述已选目标处于被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与所述已选目标的类别信息和身份信息均相同的目标进行跟踪。
进一步的，根据所述已选目标的状态信息和所述多目标跟踪结果对所述已选目标进行跟踪包括：
根据所述多目标跟踪结果建立第一集合；
获取与所述已选目标的身份信息不同，且类别信息相同的目标，并将其存储至第二集合；
若所述已选目标处于丢失状态，则从第三集合中确定已选目标，并对所述已选目标进行跟踪，其中，所述第三集合等于所述第一集合和所述第二集合的差值。
进一步的，在获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果之前，还包括：
获取用户输入的位置信息；
若所述位置信息处于一个目标内部，则将所述位置信息所属目标确定为已选目标；
若所述位置信息处于至少两个目标内部，则将至少两个目标中与所述位置信息的距离最小的目标确定为已选目标。
第二方面，本发明实施例还提供了一种目标跟踪装置，该装置包括：
获取模块，用于获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标；
确定模块，用于根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；
跟踪模块，用于根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪。
进一步的，所述确定模块具体用于：
根据所述单目标跟踪结果确定已选目标的位置信息；
根据所述多目标跟踪结果确定多目标的位置信息；
若所述多目标的位置信息中的至少一个目标的位置信息与所述已选目标的位置信息的相似度大于或者等于相似度阈值，则确定所述已选目标处于被遮挡状态；
若所述多目标的位置信息均与所述已选目标的位置信息的相似度小于所述相似度阈值，则确定所述已选目标处于未被遮挡状态。
进一步的，所述确定模块具体用于：
获取所述单目标跟踪结果的置信度；
若所述单目标跟踪结果的置信度小于置信度阈值，则确定所述已选目标处于丢失状态；
若所述单目标跟踪结果的置信度大于或者等于所述置信度阈值，且根据所述已选目标的位置信息未在所述多目标跟踪结果中查询到目标，则确定所述已选目标处于丢失状态。
进一步的，所述多目标跟踪结果包括：多目标的位置信息、多目标的类别信息和多目标的身份信息。
进一步的，所述跟踪模块具体用于：
若所述已选目标处于未被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与已选目标的类别信息相同的目标进行跟踪。
进一步的，所述跟踪模块具体用于：
若所述已选目标处于被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与所述已选目标的类别信息和身份信息均相同的目标进行跟踪。
进一步的，所述跟踪模块具体用于：
根据所述多目标跟踪结果建立第一集合；
获取与所述已选目标的身份信息不同，且类别信息相同的目标，并将其存储至第二集合；
若所述已选目标处于丢失状态，则从第三集合中确定已选目标，并对所述已选目标进行跟踪，其中，所述第三集合等于所述第一集合和所述第二集合的差值。
进一步的，还包括：
位置信息获取模块，用于在获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果之前，获取用户输入的位置信息；
第一目标确定模块，用于若所述位置信息处于一个目标内部，则将所述位置信息所属目标确定为已选目标；
第二目标确定模块，用于若所述位置信息处于至少两个目标内部，则将至少两个目标中与所述位置信息的距离最小的目标确定为已选目标。
第三方面，本发明实施例还提供了一种计算机设备，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，所述处理器执行所述程序时实现如本发明实施例中任一所述的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的方法。
本发明实施例通过获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标；根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪，以实现能够提升单目标跟踪的鲁棒性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种目标跟踪方法的流程图；
图2是本发明实施例二中的一种目标跟踪装置的结构示意图；
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种目标跟踪方法的流程图，本实施例可适用于目标跟踪的情况，该方法可以由本发明实施例中的目标跟踪装置来执行，该目标跟踪装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
S110，获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标。
S120，根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息。
S130，根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪。
可选的，根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息包括：
根据所述单目标跟踪结果确定已选目标的位置信息；
根据所述多目标跟踪结果确定多目标的位置信息；
若所述多目标的位置信息中的至少一个目标的位置信息与所述已选目标的位置信息的相似度大于或者等于相似度阈值，则确定所述已选目标处于被遮挡状态；
若所述多目标的位置信息均与所述已选目标的位置信息的相似度小于所述相似度阈值，则确定所述已选目标处于未被遮挡状态。
可选的，根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息包括：
获取所述单目标跟踪结果的置信度；
若所述单目标跟踪结果的置信度小于置信度阈值，则确定所述已选目标处于丢失状态。
若所述单目标跟踪结果的置信度大于或者等于所述置信度阈值，且根据所述已选目标的位置信息未在所述多目标跟踪结果中查询到目标，则确定所述已选目标处于丢失状态。
可选的，所述多目标跟踪结果包括：多目标的位置信息、多目标的类别信息和多目标的身份信息。
可选的，根据所述已选目标的状态信息和所述多目标跟踪结果对所述已选目标进行跟踪包括：
若所述已选目标处于未被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与已选目标的类别信息相同的目标进行跟踪。
可选的，根据所述已选目标的状态信息和所述多目标跟踪结果对所述已选目标进行跟踪包括：
若所述已选目标处于被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与所述已选目标的类别信息和身份信息均相同的目标进行跟踪。
可选的，根据所述已选目标的状态信息和所述多目标跟踪结果对所述已选目标进行跟踪包括：
根据所述多目标跟踪结果建立第一集合；
获取与所述已选目标的身份信息不同，且类别信息相同的目标，并将其存储至第二集合；
若所述已选目标处于丢失状态，则从第三集合中确定已选目标，并对所述已选目标进行跟踪，其中，所述第三集合等于所述第一集合和所述第二集合的差值。
其中，针对已选目标的单目标跟踪结果可以为已选目标的位置信息，已选目标的类别信息和已选目标的身份信息。
可选的，在获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果之前，还包括：
获取用户输入的位置信息；
若所述位置信息处于一个目标内部，则将所述位置信息所属目标确定为已选目标；
若所述位置信息处于至少两个目标内部，则将至少两个目标中与所述位置信息的距离最小的目标确定为已选目标。
其中，获取已选目标的方式可以为，用户输入一个位置信息，根据用户输入的位置信息进行确定已选目标，例如可以是，根据用户的选择信息，从当前集合C中选取目标作为跟踪的目标，通过用户选择位置的中心点是否落在目标内进行判断，若中心点落在多个目标内部，选取目标中心离所选中心点最近的那个目标。其表达式为：
Buser＝{startxu,startyu,wu,hu}表示用户输入的位置信息，分别表示在图像中的起始坐标，和宽高信息；
计算用户选择信息的中心点坐标：
centerxu＝startxu+wu/2？；
centeryu＝startyu+hu/2；
其中，startxu为用户输入的位置信息在图像中的起始点的横坐标，startyu为用户输入的位置信息在图像中的起始点的纵坐标，wu为用户输入的位置信息的宽，hu为用户输入的位置信息的高，例如可以是，用户输入的位置信息为一个长方形，长方形的起始点的坐标为(startxu，startyu)，长方形的宽为wu，长方形的高为hu。
判定中心点是否落在目标i内的表达式为：
startxi＜centerxu＜(startxi+wi)andstartyi＜centeryu＜(startyi+hi)；若用户输入的长方形的中心点落在多个目标上，用集合Cans表示，所选目标用集合Cans中离用户中心点最近的目标表示，表达式为：
Bselect＝min(dist(centeru,Cansi))；
其中，所述Cans为包含用户输入的长方形的中心点的目标的集合，centeru为用户输入的长方形的中心点坐标。
其中dist表示坐标点之间的欧式距离
Figure BDA0002852359620000111
其中，x为一个坐标点，y为另一个坐标点。在本发明实施例中，x为centeru，y为Cans集合中的任意目标。
其中，所述已选目标的状态信息根据多目标跟踪结果和单目标跟踪结果确定，本发明实施例对此不进行限制。
其中，所述多目标的位置信息中的至少一个目标的位置信息与所述已选目标的位置信息的相似度大于或者等于相似度阈值指的是，多目标中的目标与已选目标重叠较多。其中，所述相似度阈值可以根据需要设定，也可以为用户设定，本发明实施例对此不进行限制。
示例性的，若多目标中的目标与已选目标重叠较多，则确定所述已选目标被同类目标遮挡，则需要根据已选目标的ID确定已选目标，跟踪已选目标。
其中，所述置信度阈值可以根据需要设定，也可以为用户设定，本发明实施例对此不进行限制。
其中，所述已选目标的状态信息包括：已选目标丢失状态，已选目标被遮挡状态，已选目标未被遮挡状态等，本发明实施例对此不进行限制。
其中，所述多目标的身份信息包括多目标的ID，也可以包括其他身份信息，本发明实施例对此不进行限制。
其中，所述单目标跟踪结果包括：已选目标的位置信息、已选目标的类别信息和已选目标的身份信息。
其中，所述第一集合可以为多目标跟踪结果，例如可以是，第一结合为集合C＝{{b1，c1，ID1}，{b2，c2，ID2}，...{bn，cn，IDn}}。其中，{b1，c1，ID1}表示一个目标，{b1，b2，…，bn}为目标在图像中的位置信息，{c1，c2，…，cn}为类别信息，{ID1，ID2，…，IDn}为对当前目标所分配的ID。受限于多目标跟踪技术和自然环境的干扰，多目标跟踪过程中会出现同一目标的ID跳变的情况。
其中，所述第二集合用于存储与已选目标的身份信息不同，类别信息相同的目标。其中，所述第三集合等于所述第一集合和所述第二集合的差值，例如可以是，若第一集合包括：目标A、目标B和目标C，第二集合包括：目标B，则所述第三集合包括：目标A和目标C。
在一个具体的例子中，多目标跟踪技术：在连续的视频序列中，能够检测出当前帧中的目标，并且和前后帧进行关联，长时间在场景中的目标保持不变的ID，新出现的目标引入新的ID，消失的目标取消当前ID。
而对于单目标跟踪来说，只包含一个目标，跟踪目标由用户选择，在后续视频序列中，得到该目标的位置信息。
详细方案：
首先运行多目标跟踪技术，检测场景中的目标，并对每个目标进行跟踪，通过集合C＝{{b1，c1，ID1}，{b2，c2，ID2}，...{bn，cn，IDn}}来表示多目标跟踪的运行结果，其中，{b1，c1，ID1}表示一个目标，{b1，b2，…，bn}为目标在图像中的位置信息，{c1，c2，…，cn}为类别信息，{ID1，ID2，…，ID}为对当前目标所分配的ID。受限于多目标跟踪技术和自然环境的干扰，多目标跟踪过程中会出现同一目标的ID跳变的情况；
用户输入一个位置信息，根据用户输入的位置信息进行确定已选目标，例如可以是，根据用户的选择信息，从当前集合C中选取目标作为跟踪的目标，通过用户选择位置的中心点是否落在目标内进行判断，若中心点落在多个目标内部，选取目标中心离所选中心点最近的那个目标。
当确定选取目标后Bselect，能得到其相关的类别信息cselect和IDselect信息，此时，建立distractor集合，将当前检测集合中其他类别和所选目标类别cselect相同的ID放入distractor集合。
跟踪过程中，使用跟踪结果btk和检测结果bdet的IOU和类别来选取目标，可分为以下几种情况进行处理：
1)未发生同类目标遮挡的情况，ID不作为判定条件，使用IOU(intersect overunion，交并比)和类别信息作为判定条件，ID不作为判定条件的原因是防止ID跳变带来的跟踪失败：
Figure BDA0002852359620000141
其中，
Figure BDA0002852359620000142
为与已选节点的交并比最大的目标。
2)当发生同类目标遮挡的情况时，ID作为判定条件，防止因同类目标相似选到错误的目标:
Figure BDA0002852359620000143
3)当目标丢失时，重检目标也排除distractor集合中的目标，防止因同类目标相似而重检错误，只对相同ID和新出现的ID进行重检，公式如下：
redection∈(C-distractor)；
以上每种情况执行结束，都要根据当前多目标跟踪结果同步更distractor集合；判定是否发生同类目标遮挡的情况可以用当前跟踪目标和检测结果中是否存在同类目标IOU大于设定的阈值来判定。
本发明实施例在未发生同类目标遮挡情况下，未使用ID作为判定条件，降低多目标跟踪中ID跳变带来的影响；在发生遮挡情况下，根据多目标跟踪技术，做遮挡的同类目标，一直保持相同的ID作为distractor，防止这时候因目标相似而跟踪到错误的目标上；在已选目标丢失时，提前知道场景中其他同类的distractor，可以从新的ID中进行重检，排除distractor的干扰。在引入多目标跟踪技术后，消除多目标技术中ID跳变对跟踪的影响，进一步提升了单目标跟踪的鲁棒性。
本实施例的技术方案，通过获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标；根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪，以实现能够提升单目标跟踪的鲁棒性。
实施例二
图2为本发明实施例二提供的一种目标跟踪装置的结构示意图。本实施例可适用于目标跟踪的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供目标跟踪功能的设备中，如图2所示，所述目标跟踪装置具体包括：跟踪结果获取模块210、状态确定模块220和跟踪模块230。
其中，跟踪结果获取模块210，用于获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括至少两个目标，所述已选目标为根据用户输入的位置信息确定的目标；
状态确定模块220，用于根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；
跟踪模块230，用于根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪。
可选的，所述确定模块具体用于：
根据所述单目标跟踪结果确定已选目标的位置信息；
根据所述多目标跟踪结果确定多目标的位置信息；
若所述多目标的位置信息中的至少一个目标的位置信息与所述已选目标的位置信息的相似度大于或者等于相似度阈值，则确定所述已选目标处于被遮挡状态；
若所述多目标的位置信息均与所述已选目标的位置信息的相似度小于所述相似度阈值，则确定所述已选目标处于未被遮挡状态。
可选的，所述确定模块具体用于：
获取所述单目标跟踪结果的置信度；
若所述单目标跟踪结果的置信度小于置信度阈值，则确定所述已选目标处于丢失状态；
若所述单目标跟踪结果的置信度大于或者等于所述置信度阈值，且根据所述已选目标的位置信息未在所述多目标跟踪结果中查询到目标，则确定所述已选目标处于丢失状态。
可选的，所述多目标跟踪结果包括：多目标的位置信息、多目标的类别信息和多目标的身份信息。
可选的，所述跟踪模块具体用于：
若所述已选目标处于未被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与已选目标的类别信息相同的目标进行跟踪。
可选的，所述跟踪模块具体用于：
若所述已选目标处于被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与所述已选目标的类别信息和身份信息均相同的目标进行跟踪。
可选的，所述跟踪模块具体用于：
根据所述多目标跟踪结果建立第一集合；
获取与所述已选目标的身份信息不同，且类别信息相同的目标，并将其存储至第二集合；
若所述已选目标处于丢失状态，则从第三集合中确定已选目标，并对所述已选目标进行跟踪，其中，所述第三集合等于所述第一集合和所述第二集合的差值。
可选的，还包括：
位置信息获取模块，用于在获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果之前，获取用户输入的位置信息；
第一目标确定模块，用于若所述位置信息处于一个目标内部，则将所述位置信息所属目标确定为已选目标；
第二目标确定模块，用于若所述位置信息处于至少两个目标内部，则将至少两个目标中与所述位置信息的距离最小的目标确定为已选目标。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本实施例的技术方案，通过获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标；根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪，以实现能够提升单目标跟踪的鲁棒性。
实施例三
图3为本发明实施例三中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide AreaNetwork，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的目标跟踪方法：
获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标；
根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；
根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪。
实施例四
本发明实施例四提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的目标跟踪方法：
获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标；
根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；
根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、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)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收用户输入的源文本，将所述源文本翻译为目标语种对应的目标文本；获取所述用户的历史纠正行为；根据所述历史纠正行为对所述目标文本进行纠正，获得翻译结果，并将所述翻译结果推送至所述用户所在的客户端。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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操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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (18)

1.一种目标跟踪方法，其特征在于，包括：
获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标；
根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；
根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪。
2.根据权利要求1所述的方法，其特征在于，根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息包括：
根据所述单目标跟踪结果确定已选目标的位置信息；
根据所述多目标跟踪结果确定多目标的位置信息；
若所述多目标的位置信息中的至少一个目标的位置信息与所述已选目标的位置信息的相似度大于或者等于相似度阈值，则确定所述已选目标处于被遮挡状态；
若所述多目标的位置信息均与所述已选目标的位置信息的相似度小于所述相似度阈值，则确定所述已选目标处于未被遮挡状态。
3.根据权利要求1所述的方法，其特征在于，根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息包括：
获取所述单目标跟踪结果的置信度；
若所述单目标跟踪结果的置信度小于置信度阈值，则确定所述已选目标处于丢失状态；
若所述单目标跟踪结果的置信度大于或者等于所述置信度阈值，且根据所述已选目标的位置信息未在所述多目标跟踪结果中查询到目标，则确定所述已选目标处于丢失状态。
4.根据权利要求1所述的方法，其特征在于，所述多目标跟踪结果包括：多目标的位置信息、多目标的类别信息和多目标的身份信息。
5.根据权利要求4所述的方法，其特征在于，根据所述已选目标的状态信息和所述多目标跟踪结果对所述已选目标进行跟踪包括：
若所述已选目标处于未被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与已选目标的类别信息相同的目标进行跟踪。
6.根据权利要求4所述的方法，其特征在于，根据所述已选目标的状态信息和所述多目标跟踪结果对所述已选目标进行跟踪包括：
若所述已选目标处于被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与所述已选目标的类别信息和身份信息均相同的目标进行跟踪。
7.根据权利要求4所述的方法，其特征在于，根据所述已选目标的状态信息和所述多目标跟踪结果对所述已选目标进行跟踪包括：
根据所述多目标跟踪结果建立第一集合；
获取与所述已选目标的身份信息不同，且类别信息相同的目标，并将其存储至第二集合；
若所述已选目标处于丢失状态，则从第三集合中确定已选目标，并对所述已选目标进行跟踪，其中，所述第三集合等于所述第一集合和所述第二集合的差值。
8.根据权利要求1所述的方法，其特征在于，在获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果之前，还包括：
获取用户输入的位置信息；
若所述位置信息处于一个目标内部，则将所述位置信息所属目标确定为已选目标；
若所述位置信息处于至少两个目标内部，则将至少两个目标中与所述位置信息的距离最小的目标确定为已选目标。
9.一种目标跟踪装置，其特征在于，包括：
跟踪结果获取模块，用于获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果，其中，所述多目标包括所述已选目标，所述已选目标为根据用户输入的位置信息确定的目标；
状态确定模块，用于根据所述单目标跟踪结果和多目标跟踪结果确定所述已选目标的状态信息；
跟踪模块，用于根据所述已选目标的状态信息、所述单目标跟踪结果和所述多目标跟踪结果对所述已选目标进行跟踪。
10.根据权利要求9所述的装置，其特征在于，所述确定模块具体用于：
根据所述单目标跟踪结果确定已选目标的位置信息；
根据所述多目标跟踪结果确定多目标的位置信息；
若所述多目标的位置信息中的至少一个目标的位置信息与所述已选目标的位置信息的相似度大于或者等于相似度阈值，则确定所述已选目标处于被遮挡状态；
若所述多目标的位置信息均与所述已选目标的位置信息的相似度小于所述相似度阈值，则确定所述已选目标处于未被遮挡状态。
11.根据权利要求9所述的装置，其特征在于，所述确定模块具体用于：
获取所述单目标跟踪结果的置信度；
若所述单目标跟踪结果的置信度小于置信度阈值，则确定所述已选目标处于丢失状态；
若所述单目标跟踪结果的置信度大于或者等于所述置信度阈值，且根据所述已选目标的位置信息未在所述多目标跟踪结果中查询到目标，则确定所述已选目标处于丢失状态。
12.根据权利要求9所述的装置，其特征在于，所述多目标跟踪结果包括：多目标的位置信息、多目标的类别信息和多目标的身份信息。
13.根据权利要求12所述的装置，其特征在于，所述跟踪模块具体用于：
若所述已选目标处于未被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与已选目标的类别信息相同的目标进行跟踪。
14.根据权利要求12所述的装置，其特征在于，所述跟踪模块具体用于：
若所述已选目标处于被遮挡状态，则获取单目标跟踪结果和多目标跟踪结果的交并比和已选目标的类别信息；
根据单目标跟踪结果和多目标跟踪结果的交并比确定多目标中与所述已选目标的交并比最大的目标集合；
对所述目标集合中与所述已选目标的类别信息和身份信息均相同的目标进行跟踪。
15.根据权利要求12所述的装置，其特征在于，所述跟踪模块具体用于：
根据所述多目标跟踪结果建立第一集合；
获取与所述已选目标的身份信息不同，且类别信息相同的目标，并将其存储至第二集合；
若所述已选目标处于丢失状态，则从第三集合中确定已选目标，并对所述已选目标进行跟踪，其中，所述第三集合等于所述第一集合和所述第二集合的差值。
16.根据权利要求9所述的装置，其特征在于，还包括：
位置信息获取模块，用于在获取对已选目标的单目标跟踪结果和对多目标的多目标跟踪结果之前，获取用户输入的位置信息；
第一目标确定模块，用于若所述位置信息处于一个目标内部，则将所述位置信息所属目标确定为已选目标；
第二目标确定模块，用于若所述位置信息处于至少两个目标内部，则将至少两个目标中与所述位置信息的距离最小的目标确定为已选目标。
17.一种计算机设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。
18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
CN202011532146.2A 2020-12-22 2020-12-22 一种目标跟踪方法、装置、设备及存储介质 Active CN112634355B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011532146.2A CN112634355B (zh) 2020-12-22 2020-12-22 一种目标跟踪方法、装置、设备及存储介质
PCT/CN2021/128768 WO2022134886A1 (zh) 2020-12-22 2021-11-04 一种目标跟踪方法、装置、设备及存储介质
US18/203,644 US20230306615A1 (en) 2020-12-22 2023-05-30 Target tracking method, apparatus, device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011532146.2A CN112634355B (zh) 2020-12-22 2020-12-22 一种目标跟踪方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112634355A true CN112634355A (zh) 2021-04-09
CN112634355B CN112634355B (zh) 2024-08-09

Family

ID=75322023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011532146.2A Active CN112634355B (zh) 2020-12-22 2020-12-22 一种目标跟踪方法、装置、设备及存储介质

Country Status (3)

Country Link
US (1) US20230306615A1 (zh)
CN (1) CN112634355B (zh)
WO (1) WO2022134886A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022134886A1 (zh) * 2020-12-22 2022-06-30 深圳市道通智能航空技术股份有限公司 一种目标跟踪方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732187A (zh) * 2013-12-18 2015-06-24 杭州华为企业通信技术有限公司 一种图像跟踪处理的方法及设备
CN105118072A (zh) * 2015-08-19 2015-12-02 西华大学 一种对多个运动目标进行跟踪的方法及装置
CN110766715A (zh) * 2019-10-31 2020-02-07 智慧视通(杭州)科技发展有限公司 一种结合单目标轨迹的多目标跟踪方法
CN111242977A (zh) * 2020-01-09 2020-06-05 影石创新科技股份有限公司 全景视频的目标跟踪方法、可读存储介质及计算机设备
US20200202541A1 (en) * 2018-12-19 2020-06-25 International Business Machines Corporation Detection of visual tracker divergence

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108269269A (zh) * 2016-12-30 2018-07-10 纳恩博（北京）科技有限公司 目标跟踪方法和装置
CN112634355B (zh) * 2020-12-22 2024-08-09 深圳市道通智能航空技术股份有限公司 一种目标跟踪方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732187A (zh) * 2013-12-18 2015-06-24 杭州华为企业通信技术有限公司 一种图像跟踪处理的方法及设备
CN105118072A (zh) * 2015-08-19 2015-12-02 西华大学 一种对多个运动目标进行跟踪的方法及装置
US20200202541A1 (en) * 2018-12-19 2020-06-25 International Business Machines Corporation Detection of visual tracker divergence
CN110766715A (zh) * 2019-10-31 2020-02-07 智慧视通(杭州)科技发展有限公司 一种结合单目标轨迹的多目标跟踪方法
CN111242977A (zh) * 2020-01-09 2020-06-05 影石创新科技股份有限公司 全景视频的目标跟踪方法、可读存储介质及计算机设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022134886A1 (zh) * 2020-12-22 2022-06-30 深圳市道通智能航空技术股份有限公司 一种目标跟踪方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112634355B (zh) 2024-08-09
WO2022134886A1 (zh) 2022-06-30
US20230306615A1 (en) 2023-09-28

Similar Documents

Publication Publication Date Title
CN109584276B (zh) 关键点检测方法、装置、设备及可读介质
US11321593B2 (en) Method and apparatus for detecting object, method and apparatus for training neural network, and electronic device
CN109344755B (zh) 视频动作的识别方法、装置、设备及存储介质
JP2018063236A (ja) 点群データにアノテーションを付与する方法および装置
CN111553234B (zh) 融合人脸特征与Re-ID特征排序的行人跟踪方法及装置
EP2660753B1 (en) Image processing method and apparatus
US20220207889A1 (en) Method for recognizing vehicle license plate, electronic device and computer readable storage medium
CN110796108B (zh) 一种人脸质量检测的方法、装置、设备及存储介质
US20220415049A1 (en) Enhancing detection of occluded objects in a multiple object detection system
CN111814746A (zh) 一种识别车道线的方法、装置、设备及存储介质
CN110659600A (zh) 物体检测方法、装置及设备
CN115699096B (zh) 跟踪增强现实设备
WO2022199360A1 (zh) 运动物体的定位方法、装置、电子设备及存储介质
WO2019170024A1 (zh) 目标跟踪方法和装置、电子设备、存储介质
CN113392794A (zh) 车辆跨线识别方法、装置、电子设备和存储介质
US20230306615A1 (en) Target tracking method, apparatus, device and storage medium
CN112966654A (zh) 唇动检测方法、装置、终端设备及计算机可读存储介质
CN113298852A (zh) 目标跟踪方法、装置、电子设备及计算机可读存储介质
CN111401229A (zh) 视觉小目标自动标注方法、装置及电子设备
JP2019220163A (ja) ビジョンシステムでラインを検出するためのシステム及び方法
CN111488776A (zh) 对象检测方法、对象检测装置和电子设备
CN114445697A (zh) 一种目标检测方法、装置、电子设备及存储介质
CN112559342A (zh) 一种画面测试图像的获取方法、装置、设备及存储介质
CN112559340A (zh) 一种画面测试方法、装置、设备及存储介质
CN111310824A (zh) 多角度稠密目标检测抑制优化方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB02 Change of applicant information

Address after: 518055 Shenzhen, Guangdong, Nanshan District Xili street, No. 1001, Zhiyuan Road, B1 9.

Applicant after: Shenzhen daotong intelligent Aviation Technology Co.,Ltd.

Address before: 518055 Shenzhen, Guangdong, Nanshan District Xili street, No. 1001, Zhiyuan Road, B1 9.

Applicant before: AUTEL ROBOTICS Co.,Ltd.

CB02 Change of applicant information
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant