CN113450389B - 一种目标跟踪方法、装置及电子设备 - Google Patents

Abstract

本申请公开了一种目标跟踪方法、装置及电子设备，其中，所述方法包括：获取第一图像和第二图像，第一图像和第二图像分别为同一路侧摄像头采集的上一帧图像和当前帧图像，或为任意两个具有相邻拍摄视野的路侧摄像头在同一时间采集的图像；确定第一图像中的目标的多维特征向量和第二图像中的目标的多维特征向量，其中多维特征向量包括目标的属性信息和目标的位姿信息；将第一图像中的目标的多维特征向量和第二图像中的目标的多维特征向量进行匹配，得到匹配结果；根据匹配结果确定目标跟踪结果。本申请基于目标的属性信息和目标的位姿信息等构建了目标的多维特征向量，涵盖了更加真实和全面的目标特征信息，提高了目标跟踪的准确性。

Description

一种目标跟踪方法、装置及电子设备

技术领域

本申请涉及目标跟踪技术领域，尤其涉及一种目标跟踪方法、装置及电子设备。

背景技术

智慧交通是在智能交通的基础上，融入物联网、云计算、大数据、移动互联等高新信息技术，通过高新信息技术汇集交通信息，提供实时交通数据下的交通信息服务，实现了智慧交通的系统性、实时性、信息交流的交互性以及服务的广泛性。

在智慧交通的道路协同系统中，路侧设备需要获取道路中目标的多种属性信息，如车辆的运动轨迹等，来实现车辆与道路的协同管理，而想要获取车辆的运动轨迹，就需要通过图像匹配等方式进行长距离的目标跟踪。

现有技术中采用的图像匹配方法主要是利用深度学习事先训练好图像识别模型，再利用图像识别模型进行目标特征的提取，然后进行特征匹配，从而实现目标跟踪，然而，这种方式获得的跟踪结果的准确性在很大程度上取决于模型训练的效果。

发明内容

本申请实施例提供了一种目标跟踪方法、装置及电子设备，以提高目标跟踪的准确性。

本申请实施例采用下述技术方案：

第一方面，本申请实施例提供一种目标跟踪方法，其中，所述方法包括：

获取第一图像和第二图像，所述第一图像和所述第二图像分别为同一路侧摄像头采集的上一帧图像和当前帧图像，或者，所述第一图像和第二图像分别为任意两个具有相邻拍摄视野的路侧摄像头在同一时间采集的图像；

确定所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量，其中所述多维特征向量包括目标的属性信息和目标的位姿信息；

将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果；

根据所述匹配结果确定目标跟踪结果。

可选地，所述目标的属性信息包括目标的语义信息和唯一标识信息，所述目标的语义信息包括目标的颜色，所述目标的位姿信息包括目标的三维世界坐标、目标的航向角、目标所在的车道以及目标的速度中的至少一种。

可选地，所述目标的位姿信息包括目标的三维世界坐标，所述确定所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量包括：

确定所述第一图像中的目标的二维图像坐标和所述第二图像中的目标的二维图像坐标；

将所述第一图像中的目标的二维图像坐标转换到所述第一图像对应的世界坐标系下，以及将所述第二图像中的目标的二维图像坐标转换到所述第二图像对应的世界坐标系下；

将所述第一图像中的目标在所述第一图像对应的世界坐标系下的三维世界坐标和所述第二图像中的目标在所述第二图像对应的世界坐标系下的三维世界坐标转换到RTK实时差分定位坐标系下，得到所述第一图像中的目标和所述第二图像中的目标在同一世界坐标系下的三维世界坐标。

可选地，所述将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果包括：

计算所述第一图像中的目标的多维特征向量与所述第二图像中的目标的多维特征向量之间的欧氏距离；

若欧式距离小于预设距离阈值，则确定所述匹配结果为匹配成功；

若欧式距离不小于预设距离阈值，则确定所述匹配结果为匹配失败。

可选地，所述根据所述匹配结果确定目标跟踪结果包括：

若所述匹配结果为匹配成功，则确定所述目标跟踪结果为跟踪成功；

若所述匹配结果为匹配失败，则确定所述目标跟踪结果为跟踪失败。

可选地，在根据匹配结果确定目标跟踪结果之后，所述方法还包括：

根据所述目标跟踪结果更新预设目标列表，所述预设目标列表包括跟踪目标列表、丢失目标列表以及新进目标列表。

可选地，所述任意两个具有相邻拍摄视野的路侧摄像头包括第一摄像头和第二摄像头，所述第一图像为第一摄像头的丢失目标列表中的目标对应的图像，所述第二图像为第二摄像头的新进目标列表中的目标对应的图像，所述将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果包括：

确定所述第一摄像头的丢失目标列表中的目标的多维特征向量和所述第二摄像头的新进目标列表中的目标的多维特征向量；

将所述第一摄像头的丢失目标列表中的目标的多维特征向量与所述第二摄像头的新进目标列表中的目标的多维特征向量进行匹配；

所述根据所述目标跟踪结果更新预设目标列表包括：

若匹配成功，则确定所述丢失目标列表或者所述新进目标列表中的目标的多维特征向量对应的目标为跟踪目标，将所述跟踪目标的目标信息加入到所述第二摄像头的跟踪目标列表中，并将所述第一摄像头的丢失目标列表和所述第二摄像头的新进目标列表中的目标的多维特征向量对应的目标信息删除；

若匹配失败，则确定所述第二摄像头的新进目标列表中的目标的多维特征向量对应的目标为新进目标，将所述新进目标的目标信息加入到所述第二摄像头的跟踪目标列表中，并将所述第二摄像头的新进目标列表以及所述第一摄像头的丢失目标列表中的目标的多维特征向量对应的目标信息删除。

可选地，所述跟踪目标的目标信息包括跟踪目标的标识信息，所述将所述跟踪目标的目标信息加入到所述第二摄像头的跟踪目标列表中包括：

从所述第一摄像头的丢失目标列表中获取所述跟踪目标的标识信息，以及从所述第二摄像头的新进目标列表中获取所述跟踪目标的多维特征向量；

所述新进目标的目标信息还包括新进目标的标识信息，所述将所述新进目标的目标信息加入到所述第二摄像头的跟踪目标列表中包括：

根据预设标识生成策略生成所述新进目标的标识信息，以及从所述第二摄像头的新进目标列表中获取所述新进目标的多维特征向量。

第二方面，本申请实施例还提供一种目标跟踪装置，其中，所述装置用于实现前述之任一所述方法。

第三方面，本申请实施例还提供一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。

第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的目标跟踪方法在进行目标跟踪时，先获取第一图像和第二图像，第一图像和第二图像分别为同一路侧摄像头采集的上一帧图像和当前帧图像，或者，第一图像和第二图像分别为任意两个具有相邻拍摄视野的路侧摄像头在同一时间采集的图像；然后确定第一图像中的目标的多维特征向量和第二图像中的目标的多维特征向量，其中多维特征向量包括目标的属性信息和目标的位姿信息；之后将第一图像中的目标的多维特征向量和第二图像中的目标的多维特征向量进行匹配，得到匹配结果；最后根据匹配结果确定目标跟踪结果。本申请实施例基于目标的属性信息和目标的位姿信息等构建了目标的多维特征向量，多维特征向量涵盖了更加真实和全面的目标特征信息，利用该多维特征向量进行特征匹配能够得到更加准确的匹配结果，从而提高了目标跟踪的准确性。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中一种目标跟踪方法的流程示意图；

图2为本申请实施例中一种目标跟踪装置的结构示意图；

图3为本申请实施例中一种电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

本申请实施例提供了一种目标跟踪方法，如图1所示，提供了本申请实施例中一种目标跟踪方法的流程示意图，所述方法至少包括如下的步骤S110至步骤S140：

步骤S110，获取第一图像和第二图像，所述第一图像和所述第二图像分别为同一路侧摄像头采集的上一帧图像和当前帧图像，或者，所述第一图像和第二图像分别为任意两个具有相邻拍摄视野的路侧摄像头在同一时间采集的图像。

本申请实施例的目标跟踪方法可以由路侧设备来执行，在进行目标跟踪时，先获取第一图像和第二图像，这里的“目标图像”可以理解为是包含有车辆或者行人等任何需要跟踪的目标的图像。

为了实现目标在多帧图像之间的连续跟踪，这里的第一图像和第二图像可以分别是由一个摄像头连续拍摄到的前后帧图像，也可以是分别由具有相邻拍摄视野的摄像头拍摄到的图像，这里的具有相邻拍摄的摄像头可以是一个路侧设备的同一横杆上的摄像头，也可以是相邻路侧设备上的不同横杆上的摄像头。

步骤S120，确定所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量，其中所述多维特征向量包括目标的属性信息和目标的位姿信息。

在得到第一图像和第二图像后，需要分别确定出第一图像中的目标的多维特征向量和第二图像中的目标的多维特征向量，这里的多维特征向量涵盖了目标在不同维度的特征信息，能够更加全面的表征目标在图像中的特征。

上述多维特征向量具体可以包括目标的属性信息和目标的位姿信息等，目标的属性信息可以是指基于图像识别等算法得到的目标在图像中的特征信息，而目标的位姿信息则是指目标在真实环境下的位置、姿态等物理信息，从内在和外在两个维度表征一个目标的特征信息，为后续进行准确的目标跟踪提供基础。

步骤S130，将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果。

在得到第一图像中的目标的多维特征向量和第二图像中的目标的多维特征向量后，需要将第一图像中的目标的多维特征向量与第二图像中的目标的多维特征向量进行特征匹配，这里具体采用的匹配方法例如可以是卡尔曼滤波+匈牙利匹配算法，当然本领域技术人员也可以根据实际情况灵活采用其他匹配方法，在此不作具体限定。

步骤S140，根据所述匹配结果确定目标跟踪结果。

在得到匹配结果后，就可以根据匹配结果确定目标跟踪结果了，例如包括跟踪成功或者跟踪失败。

本申请实施例基于目标的属性信息和目标的位姿信息等构建了目标的多维特征向量，多维特征向量涵盖了更加真实和全面的目标特征信息，利用该多维特征向量进行特征匹配能够得到更加准确的匹配结果，从而提高了目标跟踪的准确性。

在本申请的一个实施例中，所述所述目标的属性信息包括目标的语义信息和唯一标识信息，所述目标的语义信息包括目标的颜色，所述目标的位姿信息包括目标的三维世界坐标、目标的航向角、目标所在的车道以及目标的速度中的至少一种。

本申请实施例中的目标的属性信息具体可以包括目标的语义信息和唯一标识信息，目标的语义信息是指利用图像识别算法等从图像中提取出的目标的内在特征信息，目标的唯一标识信息具体可以用UUID（Universally Unique Identifier，通用唯一识别码）来表示，对于同一个目标来说，其UUID标识应该是始终保持一致的，因此UUID标识是实现长距离的目标跟踪的基础。

目标的位姿信息具体可以包括目标的三维世界坐标、目标的航向角、目标所在的车道以及目标的速度等，目标的三维世界坐标用以表征目标在世界坐标系下的真实位置，可以基于目标在摄像头坐标系下的二维图像坐标转换得到，目标的航向角用来表征目标的行进方向，可以基于目标的三维世界坐标来得到，目标的速度可以通过传感器设备等测得，目标所在车道信息则可以利用目标的三维世界坐标以及高精地图提供的车道线信息来得到。

当然，除了上述列举的几种属性信息和位姿信息，本领域技术人员也可以根据实际情况设置其他维度的信息，在此不作具体限定。

在本申请的一个实施例中，所述目标的位姿信息包括目标的三维世界坐标，所述确定所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量包括：确定所述第一图像中的目标的二维图像坐标和所述第二图像中的目标的二维图像坐标；将所述第一图像中的目标的二维图像坐标转换到所述第一图像对应的世界坐标系下，以及将所述第二图像中的目标的二维图像坐标转换到所述第二图像对应的世界坐标系下；将所述第一图像中的目标在所述第一图像对应的世界坐标系下的三维世界坐标和所述第二图像中的目标在所述第二图像对应的世界坐标系下的三维世界坐标转换到RTK实时差分定位坐标系下，得到所述第一图像中的目标和所述第二图像中的目标在同一世界坐标系下的三维世界坐标。

本申请实施例的目标的位姿信息可以包括目标的三维世界坐标，具体是指第一图像中的目标和第二图像中的目标在同一世界坐标系下的三维世界坐标。一方面，将第一图像中的目标和第二图像中的目标的三维世界坐标转换到同一世界坐标系下，确保了目标的多维特征之间的可比性，另一方面，三维世界坐标反映了目标在世界坐标系下的真实位置，从而提高了后续特征匹配的准确性，相比于现有技术中利用训练好的图像识别模型等进行特征提取和匹配的方式来说，大大降低了对模型训练效果的依赖程度。

具体地，本申请实施例在获取第一图像中的目标和第二图像中的目标在同一世界坐标系下的三维世界坐标时，可以先对路侧设备的每个摄像头进行标定，从而得到每个摄像头采集的图像中每个像素点到摄像机坐标系的转换关系，基于该坐标转化关系可以得到第一图像中的目标和第二图像中的目标分别在各自对应的摄像头坐标系下的二维图像坐标，然后通过坐标转换将第一图像中的目标的二维图像坐标和第二图像中的目标的二维图像坐标分别转换到各自对应的世界坐标系下，得到第一图像中的目标的三维世界坐标和第二图像中的目标的三维世界坐标。

由于不同摄像头所采用的世界坐标系不同，如果这里的第一图像和第二图像是由具有相邻拍摄视野的摄像头分别拍摄到的，那么可以进一步进行世界坐标系的统一。具体地，可以将第一图像中的目标在第一图像对应的世界坐标系下的三维世界坐标和第二图像中的目标在第二图像对应的世界坐标系下的三维世界坐标分别转换到RTK（Real - timekinematic，实时差分定位）坐标系下，从而将两个不同的世界坐标系下的三维世界坐标统一到同一个世界坐标下，保证目标的三维世界坐标的可比性。

当然，需要说明的是，如果这里的第一图像和第二图像是由一个摄像头连续拍摄到的，那么就不涉及统一世界坐标系的问题了，因此可以省去上述步骤。

在本申请的一个实施例中，所述将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果包括：计算所述第一图像中的目标的多维特征向量与所述第二图像中的目标的多维特征向量之间的欧氏距离；若欧式距离小于预设距离阈值，则确定所述匹配结果为匹配成功；若欧式距离不小于预设距离阈值，则确定所述匹配结果为匹配失败。

本申请实施例在将第一图像中的目标的多维特征向量与第二图像中的目标的多维特征向量进行匹配时，可以计算前者与后者的多维特征向量之间的欧式距离，然后将该欧式距离与预设距离阈值进行比较，如果小于该预设距离阈值，说明两帧图像中的目标的多维特征向量之间的差异较小，即第一图像中的目标在第二图像中仍然能找到，因此可以得到匹配成功的匹配结果。而如果该欧式距离不小于该预设距离阈值，说明两帧图像中的目标的多维特征向量之间的差异较大，即第一图像中的目标在第二图像中不能找到，因此可以得到匹配失败的匹配结果。

在计算多维特征向量之间的欧式距离时，可以采用如下方式：

1）目标在两帧图像中的三维世界坐标点之间的距离计算：

两点距离d=R*arcos[cos(Y1)*cos(Y2)*cos(X1-X2)+sin(Y1)*sin(Y2)]，

其中，（X1,X2）为第一图像中的目标的三维世界坐标，（Y1,Y2）为第二图像中的目标的三维世界坐标，地球半径为R=6371.0 km

2）目标的航向角偏移量计算：

航向角偏移量δ₁= fabs(r – s(i))，

其中，ｓ(i)为目标的历史航向角队列，r为目标的当前航向角；

3）速度变化量计算：

速度偏移量δ₂= fabs(cv – v(i))，

其中，v(i)为目标的历史速度队列，cv为目标的当前速度；

4）车道信息计算：

如果当前车道的标识与历史车道的标识一致，取值为1，否则取值为0；

5）颜色信息计算：

如果第一图像中的目标的颜色与第二图像中的目标的颜色一致，取值为1，否则取值为0。

此外，在进行目标的航向角偏移量δ₁和速度变化量δ₂的计算时，还可以进行归一化处理，分别确定航向角偏移量δ₁的最大值max₁和速度变化量δ₂的最大值max₂，

那么，归一化值ƒ₁ = δ₁/max₁，ƒ₂= δ₂/max₂。

在本申请的一个实施例中，所述根据所述匹配结果确定目标跟踪结果包括：若所述匹配结果为匹配成功，则确定所述目标跟踪结果为跟踪成功；若所述匹配结果为匹配失败，则确定所述目标跟踪结果为跟踪失败。

如果得到匹配成功的匹配结果，说明第一图像中的目标在第二图像中仍然可以找到，那么可以得到目标跟踪成功的跟踪结果，如果得到匹配失败的匹配结果，说明第一图像中的目标不能在第二图像中被找到，那么可以得到目标跟踪失败的跟踪结果。

在本申请的一个实施例中，在根据匹配结果确定目标跟踪结果之后，所述方法还包括：根据所述目标跟踪结果更新预设目标列表，所述预设目标列表包括跟踪目标列表、丢失目标列表以及新进目标列表。

为了更好地实现目标跟踪，本申请实施例事先针对每个摄像头维护了预设目标列表，这里的预设目标列表具体可以包括跟踪目标列表、丢失目标列表以及新进目标列表，其中跟踪目标列表中用于存储当前跟踪成功的目标的图像信息，丢失目标列表则用于存储跟踪失败的目标的图像信息，具体是指上一帧图像存在但当前帧图像不存在的目标，新进目标列表用于存储当前帧图像新进入的目标的图像信息，具体是指上一帧图像不存在但当前帧图像存在的目标。

如果第一图像和第二图像是由一个摄像头连续拍摄到的，即第一图像为上一帧图像，第二图像为当前帧图像，那么上述得到的目标跟踪结果就可以看作是单摄像头的目标跟踪结果，进而可以根据单摄像头的目标跟踪结果更新单摄像头的预设目标列表。

而如果第一图像和第二图像是由具有相邻拍摄视野的摄像头拍摄到的，例如第一图像由第一摄像头拍摄得到，第二图像由第二摄像头拍摄得到，那么上述得到的目标跟踪结果就可以看作是跨摄像头的目标跟踪结果，进而可以根据跨摄像头的目标跟踪结果分别更新第一摄像头和第二摄像头的预设目标列表。

在本申请的一个实施例中，所述任意两个具有相邻拍摄视野的路侧摄像头包括第一摄像头和第二摄像头，所述第一图像为第一摄像头的丢失目标列表中的目标对应的图像，所述第二图像为第二摄像头的新进目标列表中的目标对应的图像，所述将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果包括：确定所述第一摄像头的丢失目标列表中的目标的多维特征向量和所述第二摄像头的新进目标列表中的目标的多维特征向量；将所述第一摄像头的丢失目标列表中的目标的多维特征向量与所述第二摄像头的新进目标列表中的目标的多维特征向量进行匹配；所述根据所述目标跟踪结果更新预设目标列表包括：若匹配成功，则确定所述丢失目标列表或者所述新进目标列表中的目标的多维特征向量对应的目标为跟踪目标，将所述跟踪目标的目标信息加入到所述第二摄像头的跟踪目标列表中，并将所述第一摄像头的丢失目标列表和所述第二摄像头的新进目标列表中的目标的多维特征向量对应的目标信息删除；若匹配失败，则确定所述第二摄像头的新进目标列表中的目标的多维特征向量对应的目标为新进目标，将所述新进目标的目标信息加入到所述第二摄像头的跟踪目标列表中，并将所述第二摄像头的新进目标列表以及所述第一摄像头的丢失目标列表中的目标的多维特征向量对应的目标信息删除。

实际应用场景下，可以先利用单摄像头的目标跟踪结果更新单摄像头的预设目标列表，然后再基于更新后的单摄像头的预设目标列表中的目标信息进行跨摄像头的目标跟踪。

在利用单摄像头的目标跟踪结果更新单摄像头的预设目标列表时，如果是跟踪成功的结果，说明当前帧图像的目标的多维特征向量与上一帧图像的目标的多维特征向量能够匹配上，因此可以确定单摄像头采集的当前帧图像的目标的多维特征向量对应的目标为跟踪目标，即当前成功跟踪到的目标，进而可以将该目标的相关信息存储到该单摄像头的跟踪目标列表中，实现对单摄像头的跟踪目标列表的更新。如果是当前帧图像的目标不能在上一帧图像中被找到，说明当前帧图像的目标是当前帧图像新捕捉到的，因此可以确定该目标为当前帧图像中的新进目标，进而可以将该新进目标的目标信息直接存储到该单摄像头的新进目标列表中，实现对单摄像头的新进目标列表的更新。如果是上一帧图像的目标不能在当前帧图像中被找到，说明上一帧图像中的目标在当前帧图像中丢失了，因此可以确定该目标为当前帧图像中的丢失目标，进而可以将该丢失目标的目标信息直接存储到该单摄像头的丢失目标列表中，实现对单摄像头的丢失目标列表的更新。

在进行跨摄像头的目标跟踪时，可以基于任意两个具有相邻拍摄视野的单摄像头所维护的预设目标列表中的目标信息来实现。具体地，可以先获取第一摄像头的丢失目标列表中的目标信息和第二摄像头的新进目标列表中的目标信息，这里的目标信息就可以包括前述实施例的图像中的目标的多维特征向量，然后将第一摄像头的丢失目标列表中的目标的多维特征向量与第二摄像头的新进目标列表中的目标的多维特征向量进行匹配，从而根据匹配结果确定跨摄像头的目标跟踪结果，具体匹配方式如前述实施例所述，在此不作赘述。

如果跨摄像头的目标跟踪结果为跟踪成功，说明第一摄像头的丢失目标列表中的丢失目标从第一摄像头的拍摄视野进入到了第二摄像头的拍摄视野，此时该目标为第二摄像头当前成功跟踪到的目标即跟踪目标，因此可以将该跟踪目标的目标信息存储到第二摄像头的跟踪目标列表中，同时将该目标在第一摄像头的丢失目标列表和第二摄像头的新进目标列表中的目标信息都删除掉。

如果跨摄像头的目标跟踪结果为跟踪失败，可能出现两种情况，一种是第一摄像头的丢失目标列表中的丢失目标不在第二摄像头的新进目标列表中，说明第一摄像头的丢失目标列表中的丢失目标在从第一摄像头退出后没有进入到第二摄像头的拍摄视野，此时可以直接将该丢失目标在第一摄像头的丢失目标列表中的目标信息删除。

另一种是第二摄像头的新进目标列表中的新进目标不在第一摄像头的丢失目标列表中，说明第二摄像头的新进目标列表中的新进目标不是从第一摄像头的拍摄视野退出后进入到第二摄像头的拍摄视野的，因此可以将该新进目标直接作为当前的跟踪目标存储到第二摄像头的跟踪目标列表中，同时将该新进目标在第二摄像头的新进目标列表中的目标信息删除掉。

在本申请的一个实施例中，所述跟踪目标的目标信息包括跟踪目标的标识信息，所述将所述跟踪目标的目标信息加入到所述第二摄像头的跟踪目标列表中包括：从所述第一摄像头的丢失目标列表中获取所述跟踪目标的标识信息，以及从所述第二摄像头的新进目标列表中获取所述跟踪目标的多维特征向量；所述新进目标的目标信息还包括新进目标的标识信息，所述将所述新进目标的目标信息加入到所述第二摄像头的跟踪目标列表中包括：根据预设标识生成策略生成所述新进目标的标识信息，以及从所述第二摄像头的新进目标列表中获取所述新进目标的多维特征向量。

通过上述实施例可以实现对每个摄像头的跟踪目标列表的不断更新，如前所述，跟踪目标是指当前成功跟踪到的目标，因此基于每个摄像头的跟踪目标列表中存储的目标信息，可以建立起一个或者多个目标在多个摄像头之间的运动轨迹，而为了保证当前成功跟踪到的目标在不同摄像头的跟踪目标列表中标识的一致性，在每次更新跟踪目标列表的目标信息时，就可以包括更新跟踪目标的唯一标识信息如目标的UUID（UniversallyUnique Identifier，通用唯一识别码）。

具体地，如果是跨摄像头跟踪成功的情况，例如该跟踪目标从第一摄像头的拍摄视野进入到第二摄像头的拍摄视野，那么这时可以直接从第一摄像头的丢失列表中获取到该跟踪目标的UUID标识，而对于其他属性信息如跟踪目标的多维特征向量则可以以第二摄像头的新进目标列表中存储的信息为准，这样就保证了在跨摄像头跟踪成功的情况下，同一跟踪目标的唯一标识信息保持一致的目的。

如果是跨摄像头跟踪失败的情况，例如第二摄像头的新进目标列表中的新进目标不是从第一摄像头的拍摄视野进入的，这时需要按照一定的标识生成策略为该新进目标生成唯一的UUID标识，例如可以使用路侧设备的卫星时间与较大随机数组成一个UUID。对于其他属性信息如跟踪目标的多维特征向量则同样可以以第二摄像头的新进目标列表中存储的信息为准。

在本申请的一个实施例中，所述第一摄像头和所述第二摄像头为部署在路侧设备的同一横杆上的摄像头，或者为分别部署在路侧设备的两个相邻横杆上的摄像头。

在实际应用场景下，本申请实施例的第一摄像头和第二摄像头可以部署在一个路侧设备的同一横杆上，摄像头的朝向可以根据实际需求部署在各个方向上，根据各自的部署方向可以确定出具有相邻拍摄视野的两个摄像头，或者第一摄像头和第二摄像头也可以分别部署在两个相邻路侧设备的两个相邻横杆上，也即本申请实施例的目标跟踪方法既可以适用于同一横杆的跨摄像头的目标跟踪，也适用于相邻两个横杆的跨摄像头的目标跟踪，只要两个摄像头具有相邻的拍摄视野即可。

本申请实施例还提供了一种目标跟踪装置200，如图2所示，提供了本申请实施例中一种目标跟踪装置的结构示意图，所述装置200包括：获取单元210、确定单元220、匹配单元230以及跟踪单元240，其中：

获取单元210，用于获取第一图像和第二图像，所述第一图像和所述第二图像分别为同一路侧摄像头采集的上一帧图像和当前帧图像，或者，所述第一图像和第二图像分别为任意两个具有相邻拍摄视野的路侧摄像头在同一时间采集的图像；

确定单元220，用于确定所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量，其中所述多维特征向量包括目标的属性信息和目标的位姿信息；

匹配单元230，用于将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果；

跟踪单元240，用于根据所述匹配结果确定目标跟踪结果。

在本申请的一个实施例中，所述目标的属性信息包括目标的语义信息和唯一标识信息，所述目标的语义信息包括目标的颜色，所述目标的位姿信息包括目标的三维世界坐标、目标的航向角、目标所在的车道以及目标的速度中的至少一种。

在本申请的一个实施例中，所述目标的位姿信息包括目标的三维世界坐标，所述确定单元220具体用于：确定所述第一图像中的目标的二维图像坐标和所述第二图像中的目标的二维图像坐标；将所述第一图像中的目标的二维图像坐标转换到所述第一图像对应的世界坐标系下，以及将所述第二图像中的目标的二维图像坐标转换到所述第二图像对应的世界坐标系下；将所述第一图像中的目标在所述第一图像对应的世界坐标系下的三维世界坐标和所述第二图像中的目标在所述第二图像对应的世界坐标系下的三维世界坐标转换到RTK实时差分定位坐标系下，得到所述第一图像中的目标和所述第二图像中的目标在同一世界坐标系下的三维世界坐标。

在本申请的一个实施例中，所述匹配单元230具体用于：计算所述第一图像中的目标的多维特征向量与所述第二图像中的目标的多维特征向量之间的欧氏距离；若欧式距离小于预设距离阈值，则确定所述匹配结果为匹配成功；若欧式距离不小于预设距离阈值，则确定所述匹配结果为匹配失败。

在本申请的一个实施例中，所述跟踪单元240具体用于：若所述匹配结果为匹配成功，则确定所述目标跟踪结果为跟踪成功；若所述匹配结果为匹配失败，则确定所述目标跟踪结果为跟踪失败。

在本申请的一个实施例中，所述装置还包括：更新单元，用于根据所述目标跟踪结果更新预设目标列表，所述预设目标列表包括跟踪目标列表、丢失目标列表以及新进目标列表。

在本申请的一个实施例中，所述任意两个具有相邻拍摄视野的路侧摄像头包括第一摄像头和第二摄像头，所述第一图像为第一摄像头的丢失目标列表中的目标对应的图像，所述第二图像为第二摄像头的新进目标列表中的目标对应的图像，所述匹配单元230具体用于：确定所述第一摄像头的丢失目标列表中的目标的多维特征向量和所述第二摄像头的新进目标列表中的目标的多维特征向量；将所述第一摄像头的丢失目标列表中的目标的多维特征向量与所述第二摄像头的新进目标列表中的目标的多维特征向量进行匹配；所述更新单元具体用于：若匹配成功，则确定所述丢失目标列表或者所述新进目标列表中的目标的多维特征向量对应的目标为跟踪目标，将所述跟踪目标的目标信息加入到所述第二摄像头的跟踪目标列表中，并将所述第一摄像头的丢失目标列表和所述第二摄像头的新进目标列表中的目标的多维特征向量对应的目标信息删除；若匹配失败，则确定所述第二摄像头的新进目标列表中的目标的多维特征向量对应的目标为新进目标，将所述新进目标的目标信息加入到所述第二摄像头的跟踪目标列表中，并将所述第二摄像头的新进目标列表以及所述第一摄像头的丢失目标列表中的目标的多维特征向量对应的目标信息删除。

在本申请的一个实施例中，所述跟踪目标的目标信息包括跟踪目标的标识信息，所述新进目标的目标信息还包括新进目标的标识信息，所述更新单元具体用于：从所述第一摄像头的丢失目标列表中获取所述跟踪目标的标识信息，以及从所述第二摄像头的新进目标列表中获取所述跟踪目标的多维特征向量；根据预设标识生成策略生成所述新进目标的标识信息，以及从所述第二摄像头的新进目标列表中获取所述新进目标的多维特征向量。

能够理解，上述目标跟踪装置，能够实现前述实施例中提供的目标跟踪方法的各个步骤，关于目标跟踪方法的相关阐释均适用于目标跟踪装置，此处不再赘述。

图3是本申请的一个实施例电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成目标跟踪装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

获取第一图像和第二图像，所述第一图像和所述第二图像分别为同一路侧摄像头采集的上一帧图像和当前帧图像，或者，所述第一图像和第二图像分别为任意两个具有相邻拍摄视野的路侧摄像头在同一时间采集的图像；

确定所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量，其中所述多维特征向量包括目标的属性信息和目标的位姿信息；

将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果；

根据所述匹配结果确定目标跟踪结果。

上述如本申请图1所示实施例揭示的目标跟踪装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备还可执行图1中目标跟踪装置执行的方法，并实现目标跟踪装置在图1所示实施例的功能，本申请实施例在此不再赘述。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中目标跟踪装置执行的方法，并具体用于执行：

获取第一图像和第二图像，所述第一图像和所述第二图像分别为同一路侧摄像头采集的上一帧图像和当前帧图像，或者，所述第一图像和第二图像分别为任意两个具有相邻拍摄视野的路侧摄像头在同一时间采集的图像；

确定所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量，其中所述多维特征向量包括目标的属性信息和目标的位姿信息；

将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果；

根据所述匹配结果确定目标跟踪结果。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种目标跟踪方法，其中，所述方法包括：

获取第一图像和第二图像，所述第一图像和所述第二图像分别为同一路侧摄像头采集的上一帧图像和当前帧图像，或者，所述第一图像和第二图像分别为任意两个具有相邻拍摄视野的路侧摄像头在同一时间采集的图像；

确定所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量，其中所述多维特征向量包括目标的属性信息和目标的位姿信息；

将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果；

根据所述匹配结果确定目标跟踪结果，

若所述第一图像和所述第二图像分别为同一路侧摄像头采集的上一帧图像和当前帧图像，则所述目标跟踪结果为单摄像头的目标跟踪结果，

若所述第一图像和第二图像分别为任意两个具有相邻拍摄视野的路侧摄像头在同一时间采集的图像，则所述目标跟踪结果为跨摄像头的目标跟踪结果；

所述目标跟踪结果用于实现目标的长距离跟踪并向道路协同系统提供目标运动轨迹数据；

在根据匹配结果确定目标跟踪结果之后，所述方法还包括：

根据所述目标跟踪结果更新预设目标列表，所述预设目标列表包括跟踪目标列表、丢失目标列表以及新进目标列表，所述任意两个具有相邻拍摄视野的路侧摄像头包括第一摄像头和第二摄像头，所述第一图像为第一摄像头的丢失目标列表中的目标对应的图像，所述第二图像为第二摄像头的新进目标列表中的目标对应的图像，所述将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果包括：

确定所述第一摄像头的丢失目标列表中的目标的多维特征向量和所述第二摄像头的新进目标列表中的目标的多维特征向量；

将所述第一摄像头的丢失目标列表中的目标的多维特征向量与所述第二摄像头的新进目标列表中的目标的多维特征向量进行匹配；

所述根据所述目标跟踪结果更新预设目标列表包括：

若匹配成功，则确定所述丢失目标列表或者所述新进目标列表中的目标的多维特征向量对应的目标为跟踪目标，将所述跟踪目标的目标信息加入到所述第二摄像头的跟踪目标列表中，并将所述第一摄像头的丢失目标列表和所述第二摄像头的新进目标列表中的目标的多维特征向量对应的目标信息删除；

若匹配失败，则确定所述第二摄像头的新进目标列表中的目标的多维特征向量对应的目标为新进目标，将所述新进目标的目标信息加入到所述第二摄像头的跟踪目标列表中，并将所述第二摄像头的新进目标列表以及所述第一摄像头的丢失目标列表中的目标的多维特征向量对应的目标信息删除；

所述跟踪目标列表中用于存储当前跟踪成功的目标信息，所述目标运动轨迹数据基于各个路侧摄像头的跟踪目标列表中的目标信息得到。

2.如权利要求1所述方法，其中，所述目标的属性信息包括目标的语义信息和唯一标识信息，所述目标的语义信息包括目标的颜色，所述目标的位姿信息包括目标的三维世界坐标、目标的航向角、目标所在的车道以及目标的速度中的至少一种。

3.如权利要求1所述方法，其中，所述目标的位姿信息包括目标的三维世界坐标，所述确定所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量包括：

确定所述第一图像中的目标的二维图像坐标和所述第二图像中的目标的二维图像坐标；

将所述第一图像中的目标的二维图像坐标转换到所述第一图像对应的世界坐标系下，以及将所述第二图像中的目标的二维图像坐标转换到所述第二图像对应的世界坐标系下；

将所述第一图像中的目标在所述第一图像对应的世界坐标系下的三维世界坐标和所述第二图像中的目标在所述第二图像对应的世界坐标系下的三维世界坐标转换到RTK实时差分定位坐标系下，得到所述第一图像中的目标和所述第二图像中的目标在同一世界坐标系下的三维世界坐标。

4.如权利要求1所述方法，其中，所述将所述第一图像中的目标的多维特征向量和所述第二图像中的目标的多维特征向量进行匹配，得到匹配结果包括：

计算所述第一图像中的目标的多维特征向量与所述第二图像中的目标的多维特征向量之间的欧氏距离；

若欧式距离小于预设距离阈值，则确定所述匹配结果为匹配成功；

若欧式距离不小于预设距离阈值，则确定所述匹配结果为匹配失败。

5.如权利要求1所述方法，其中，所述根据所述匹配结果确定目标跟踪结果包括：

若所述匹配结果为匹配成功，则确定所述目标跟踪结果为跟踪成功；

若所述匹配结果为匹配失败，则确定所述目标跟踪结果为跟踪失败。

6.如权利要求1所述方法，其中，所述跟踪目标的目标信息包括跟踪目标的标识信息，所述将所述跟踪目标的目标信息加入到所述第二摄像头的跟踪目标列表中包括：

从所述第一摄像头的丢失目标列表中获取所述跟踪目标的标识信息，以及从所述第二摄像头的新进目标列表中获取所述跟踪目标的多维特征向量；

所述新进目标的目标信息还包括新进目标的标识信息，所述将所述新进目标的目标信息加入到所述第二摄像头的跟踪目标列表中包括：

根据预设标识生成策略生成所述新进目标的标识信息，以及从所述第二摄像头的新进目标列表中获取所述新进目标的多维特征向量。

7.一种目标跟踪装置，其中，所述装置用于实现权利要求1~6之任一所述方法。

8.一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1~6之任一所述方法。

Images