CN114202558A - 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 PDFInfo
- Publication number
- CN114202558A CN114202558A CN202010973469.9A CN202010973469A CN114202558A CN 114202558 A CN114202558 A CN 114202558A CN 202010973469 A CN202010973469 A CN 202010973469A CN 114202558 A CN114202558 A CN 114202558A
- Authority
- CN
- China
- Prior art keywords
- target
- track segment
- track
- tracked
- seed
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种目标跟踪方法、装置、设备及存储介质,该方法提出了一种基于轨迹片段填充的跟踪算法框架,进而利用该跟踪算法框架实现对于目标场景中各个待跟踪目标的跟踪。该方法先基于候选轨迹片段集合中轨迹片段的外观特征构建种子轨迹片段集合,由于基于外观特征构建种子轨迹片段集合时不受时空限制,因此所属于同一种子轨迹片段集合的各轨迹片段在时间上可跨越长时间段,在空间上可跨越广泛的空间区域;进而,基于候选轨迹片段集合中其它轨迹片段的时间信息和空间信息,对种子轨迹片段集合进行轨迹片段填充处理,以进一步保证种子轨迹片段集合中的轨迹片段时空连续;从而实现对于目标场景中待跟踪目标长时间、大面积的精准跟踪。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种目标跟踪方法、装置、设备及存储介质。
背景技术
近年来,目标跟踪技术一直是计算机视觉领域中的研究热点之一,其在安防监控等方面具有广泛的应用前景。目标跟踪技术可以定位目标在每帧视频图像中的位置,并基于此生成目标运动的轨迹片段。
由于单个摄像头的拍摄范围有限,目前在大中型场景(如商场、停车场、机场、游乐园等)中普遍会安置多个摄像头,以确保能够全面监控整个场景。在此类场景中进行多目标跟踪时,需要先确定场景中每个摄像头下各个目标的轨迹片段,然后基于各个目标的轨迹片段确定各个目标在整个场景中的活动轨迹。
然而,对于物体密集、需要跨越多个摄像头、目标物体之间以及目标物体和环境之间存在遮挡的复杂场景,实现多目标长时间、大面积的跟踪仍存在极高的技术难度。
发明内容
本申请实施例提供了一种目标跟踪方法、装置、设备及存储介质,能够在各类场景中实现对于多目标长时间、大面积的精准跟踪。
有鉴于此,本申请第一方面提供了一种目标跟踪方法,所述方法包括:
种子轨迹片段集合组成步骤:基于候选轨迹片段集合中各轨迹片段各自对应的外观特征和外观相似度约束条件,在所述候选轨迹片段集合中识别出属于待跟踪目标的轨迹片段,组成所述待跟踪目标对应的种子轨迹片段集合;所述候选轨迹片段集合中包括目标场景中各摄像头下各目标的轨迹片段;
候选轨迹片段集合更新步骤:删除所述候选轨迹片段集合中所属于所述待跟踪目标对应的种子轨迹片段集合的轨迹片段,得到更新后的候选轨迹片段集合;
轨迹片段填充步骤:根据所述待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙;在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段,将所述目标轨迹片段添加至所述待跟踪目标对应的种子轨迹片段集合,删除所述更新后的候选轨迹片段集合中的所述目标轨迹片段;
活动轨迹拼接步骤:拼接所述待跟踪目标对应的种子轨迹片段集合中的各轨迹片段,得到所述待跟踪目标在所述目标场景中的活动轨迹。
可选的,所述在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息满足空间约束条件的目标轨迹片段,包括:
在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足所述时间约束条件、且所对应的空间信息与所述空间空隙满足所述空间约束条件的目标候选轨迹片段;
判断所述目标候选轨迹片段对应的外观特征与所述待跟踪目标对应的外观特征之间的相似度是否满足相似判定条件,若是,则确定所述目标候选轨迹片段为所述目标轨迹片段。
可选的,所述根据所述待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙,包括:
根据所述种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,将所述种子轨迹片段集合中各轨迹片段拼接起来,得到所述待跟踪目标对应的种子轨迹;
将所述种子轨迹上时间不连续的空洞作为所述时间空隙,将所述种子轨迹上空间不连续的空洞作为所述空间空隙。
可选的,所述种子轨迹片段集合组成步骤包括:
获取N个所述待跟踪目标各自对应的基准外观特征;所述N为正整数;
针对每个所述待跟踪目标,根据所述候选轨迹片段集合中各轨迹片段各自对应的外观特征与该待跟踪目标对应的基准外观特征之间的相似度,确定所述候选轨迹片段集合中属于该待跟踪目标的轨迹片段,组成该待跟踪目标对应的种子轨迹片段集合。
可选的,所述种子轨迹片段集合组成步骤包括:
基于所述候选轨迹片段集合中的轨迹片段对应的外观特征,对所述候选轨迹片段集合中的轨迹片段进行聚类处理,确定所述目标场景中M个所述待跟踪目标以及所属于每个所述待跟踪目标的轨迹片段;所述M为正整数;
针对每个所述待跟踪目标,利用属于该待跟踪目标的轨迹片段组成该待跟踪目标对应的种子轨迹片段集合。
可选的,所述基于所述候选轨迹片段集合中的轨迹片段对应的外观特征,对所述候选轨迹片段集合中的轨迹片段进行聚类处理,确定所述目标场景中待跟踪目标的数目M以及所属于每个所述待跟踪目标的轨迹片段,包括:
根据所述候选轨迹片段集合中的轨迹片段对应的强识别特征,对所述候选轨迹片段集合中的轨迹片段进行聚类处理,确定所述目标场景中包括的所述M个待跟踪目标以及所述M个待跟踪目标各自对应的轨迹片段,利用所述M个待跟踪目标各自对应的轨迹片段,分别组成所述M个待跟踪目标各自对应的种子轨迹片段集合;所述强识别特征为具有唯一标识性的特征;
删除所述候选轨迹片段集合中所属于所述M个待跟踪目标各自对应的种子轨迹片段集合的轨迹片段,得到更新候选轨迹片段集合;
针对每个所述待跟踪目标,根据该待跟踪目标对应的种子轨迹片段集合中的轨迹片段确定该待跟踪目标对应的参考外观特征;根据所述更新候选轨迹片段集合中各轨迹片段各自对应的外观特征与该待跟踪目标对应的参考外观特征之间的相似度,确定所述更新候选轨迹片段集合中该待跟踪目标的目标轨迹片段,将所述目标轨迹片段添加至该待跟踪目标对应的种子轨迹片段集合。
可选的,将所述种子轨迹片段集合组成步骤、所述候选轨迹片段集合更新步骤以及所述轨迹片段填充步骤作为目标处理环节;
循环执行多轮所述目标处理环节;每轮所述目标处理环节执行结束后,将已删除所述种子轨迹片段集合中轨迹片段的所述更新后的候选轨迹片段集合,作为新的候选轨迹片段集合替换所述候选轨迹片段集合;
后一轮所述目标处理环节中所述种子轨迹片段集合组成步骤依据的外观相似度约束条件低于前一轮所述种子轨迹片段集合组成步骤依据的外观相似度约束条件;后一轮所述目标处理环节中所述轨迹片段填充步骤依据的时间约束条件和空间约束条件分别低于前一轮所述轨迹片段填充步骤依据的时间约束条件和空间约束条件。
本申请第二方面提供了一种目标跟踪装置,所述装置包括:
种子轨迹片段集合组成模块,用于基于候选轨迹片段集合中各轨迹片段各自对应的外观特征和外观相似度约束条件,在所述候选轨迹片段集合中识别出属于待跟踪目标的轨迹片段,组成所述待跟踪目标对应的种子轨迹片段集合;所述候选轨迹片段集合中包括目标场景中各摄像头下各目标的轨迹片段;
候选轨迹片段集合更新模块,用于删除所述候选轨迹片段集合中所属于所述待跟踪目标对应的种子轨迹片段集合的轨迹片段,得到更新后的候选轨迹片段集合;
轨迹片段填充模块,用于根据所述待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙;在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段,将所述目标轨迹片段添加至所述待跟踪目标对应的种子轨迹片段集合,删除所述更新后的候选轨迹片段集合中的所述目标轨迹片段;
活动轨迹拼接模块,用于拼接所述待跟踪目标对应的种子轨迹片段集合中的各轨迹片段,得到所述待跟踪目标在所述目标场景中的活动轨迹。
本申请第三方面提供了一种轨迹填充方法,所述方法包括:
根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述种子轨迹片段集合对应的时间空隙和空间空隙;所述种子轨迹片段集合中包括所属于所述待跟踪目标的轨迹片段;
在候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段;所述候选轨迹片段集合中包括未被划分至所述种子轨迹片段集合的轨迹片段;
将所述目标轨迹片段添加至所述种子轨迹片段集合。
可选的,所述在候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段,包括:
在所述候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足所述时间约束条件、且所对应的空间信息与所述空间空隙满足所述空间约束条件的目标候选轨迹片段;
判断所述目标候选轨迹片段对应的外观特征与所述待跟踪目标对应的外观特征之间的相似度是否满足相似判定条件,若是,则确定所述目标候选轨迹片段为所述目标轨迹片段。
可选的,所述根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述种子轨迹片段集合对应的时间空隙和空间空隙,包括:
根据所述种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,将所述种子轨迹片段集合中各轨迹片段拼接起来,得到所述待跟踪目标对应的种子轨迹;
将所述种子轨迹上时间不连续的空洞作为所述时间空隙,将所述种子轨迹上空间不连续的空洞作为所述空间空隙。
本申请第四方面提供了一种轨迹填充装置,所述装置包括:
空隙确定模块,用于根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述种子轨迹片段集合对应的时间空隙和空间空隙;所述种子轨迹片段集合中包括所属于所述待跟踪目标的轨迹片段;
片段选取模块,用于在候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段;所述候选轨迹片段集合中包括未被划分至所述种子轨迹片段集合的轨迹片段;
片段填充模块,用于将所述目标轨迹片段添加至所述种子轨迹片段集合。
本申请第五方面提供了一种设备,所述设备包括:处理器和存储器;
所述存储器,用于存储计算机程序;
所述处理器,用于调用所述计算机程序,以执行第一方面所述的目标跟踪方法或者第三方面所述的轨迹填充方法。
本申请第六方面提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行第一方面所述的目标跟踪方法或者第三方面所述的轨迹填充方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请实施例提供了一种目标跟踪方法,该方法提出了一种基于轨迹片段填充的跟踪算法框架,并利用该跟踪算法框架实现对于目标场景中待跟踪目标的跟踪。具体的,先基于候选轨迹片段集合中各轨迹片段各自对应的外观特征和外观特性相似度约束条件,在候选轨迹片段集合中识别出属于待跟踪目标的轨迹片段,并组成待跟踪目标对应的种子轨迹片段集合,此处的候选轨迹片段集合中包括目标场景中各摄像头下各目标的轨迹片段;接着,删除候选轨迹片段集合中所属于待跟踪目标对应的种子轨迹片段集合的轨迹片段,得到更新后的候选轨迹片段集合;进而,根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙,在更新后的候选轨迹片段集合中,选出所对应的时间信息与时间空隙满足时间约束条件、且所对应的空间信息与空间空隙满足空间约束条件的目标轨迹片段,将该目标轨迹片段添加至待跟踪目标对应的种子轨迹片段集合,并删除更新后的候选轨迹片段集合中的该目标轨迹片段;最终,拼接待跟踪目标对应的种子轨迹片段集合中的各轨迹片段,得到待跟踪目标在目标场景中的活动轨迹。由于基于外观特征构建种子轨迹片段集合时不受时空限制,因此所属于同一种子轨迹片段集合的各轨迹片段在时间上可跨越长时间段,在空间上可跨越广泛的空间区域;并且通过轨迹片段填充可以进一步保证种子轨迹片段集合中的轨迹片段时空连续;如此,实现对于目标场景中待跟踪目标长时间、大面积的精准跟踪。
附图说明
图1为本申请实施例提供的一种目标跟踪方法的流程示意图;
图2为本申请实施例提供的一种轨迹填充方法的流程示意图;
图3为本申请实施例提供的一种目标跟踪装置的结构示意图;
图4为本申请实施例提供的一种轨迹填充装置的结构示意图;
图5为本申请实施例提供的服务器的结构示意图;
图6为本申请实施例提供的终端设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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,以便这里描述的本申请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。
针对现有技术中难以实现目标长时间、大面积跟踪的问题,本申请实施例提供了一种目标跟踪方法。
在本申请实施例提供的目标跟踪方法中,先基于候选轨迹片段集合中各轨迹片段各自对应的外观特征和外观特性相似度约束条件,在候选轨迹片段集合中识别出属于待跟踪目标的轨迹片段,并组成待跟踪目标对应的种子轨迹片段集合,此处的候选轨迹片段集合中包括目标场景中各摄像头下各目标的轨迹片段;接着,删除候选轨迹片段集合中所属于待跟踪目标对应的种子轨迹片段集合的轨迹片段,得到更新后的候选轨迹片段集合;进而,根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙,在更新后的候选轨迹片段集合中,选出所对应的时间信息与时间空隙满足时间约束条件、且所对应的空间信息与空间空隙满足空间约束条件的目标轨迹片段,将该目标轨迹片段添加至待跟踪目标对应的种子轨迹片段集合,并删除更新后的候选轨迹片段集合中的该目标轨迹片段;最终,拼接待跟踪目标对应的种子轨迹片段集合中的各轨迹片段,得到待跟踪目标在目标场景中的活动轨迹。
上述方法提出了一种基于轨迹片段填充的跟踪算法框架,并利用该跟踪算法框架实现对于目标场景中各个待跟踪目标的跟踪。由于基于外观特征构建种子轨迹片段集合时不受时空限制,因此所属于同一种子轨迹片段集合的各轨迹片段在时间上可跨越长时间段,在空间上可跨越广泛的空间区域;并且通过轨迹片段填充可以进一步保证种子轨迹片段集合中的轨迹片段时空连续;如此,实现对于目标场景中待跟踪目标长时间、大面积的精准跟踪。
需要说明的是,本申请实施例提供的目标跟踪方法可以应用于各类具备数据处理能力的设备,如终端设备和服务器。其中,终端设备可以包括计算机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)和智能手机等;服务器可以为应用服务器,也可以为Web服务器,具体部署时,服务器可以为独立服务器,也可以为集群服务器。
下面通过实施例对本申请提供的目标跟踪方法进行详细介绍。
参见图1,图1为本申请实施例提供的目标跟踪方法的流程示意图。为了便于描述,下述实施例以服务器作为执行主体为例进行介绍。如图1所示,该目标跟踪方法包括以下步骤:
步骤101:基于所述轨迹片段集合中各轨迹片段各自对应的外观特征和外观相似度约束条件,在所述候选轨迹片段集合中识别出属于待跟踪目标的轨迹片段,组成所述待跟踪目标对应的种子轨迹片段集合;所述候选轨迹片段集合中包括目标场景中各摄像头下各目标的轨迹片段。
当服务器需要针对目标场景进行目标跟踪(可以是单目标跟踪,也可以是多目标跟踪)时,服务器可以获取在该目标场景中部署的各摄像头下各个目标的轨迹片段,并利用所获取的轨迹片段组成候选轨迹片段集合。
在一些实施例中,当服务器需要针对某时段内的目标场景进行目标跟踪时,服务器可以获取部署在该目标场景中的每个摄像头在该时段内拍摄的视频,然后在所获取的每个视频中识别各个目标的移动轨迹,得到每个摄像头下各个目标的轨迹片段,进而利用这些轨迹片段组成候选轨迹片段集合。
在一些实施例中,当服务器需要针对某时段内的目标场景进行目标跟踪时,服务器可以直接从相关设备处获取该时段内目标场景中各摄像头下各个目标的轨迹片段。即相关设备可以预先针对目标场景中每个摄像头拍摄的视频进行多目标识别,得到每个摄像头下各个目标的轨迹片段;当服务器需要执行多目标跟踪任务时,可以直接从相关设备处获取其预先确定的目标场景中各摄像头下各目标的轨迹片段,并利用这些轨迹片段组成候选轨迹片段集合。
应理解,每个轨迹片段实际上为同一跟踪目标在某段时间内的位置信息,其可以通过任何跟踪技术获得,本申请在此不对确定轨迹片段的方式做任何限定。
需要说明的是,在不同的应用场景中,上述目标具体为不同的对象,例如,在行人识别的应用场景中,上述目标具体可以为待跟踪的人物,又例如,在车辆识别的应用场景中,上述目标具体可以为待跟踪的车辆。在此不对本申请中待跟踪的目标做具体限定。
服务器获得候选轨迹片段集合后,可以根据候选轨迹片段集合中的轨迹片段对应的外观特征,按照预设的外观相似度约束条件识别属于待跟踪目标的轨迹片段,组成待跟踪目标对应的种子轨迹片段集合。
应理解,在实际应用中,目标场景中可能存在单个待跟踪目标,也可能存在多个待跟踪目标。当存在单个待跟踪目标时,服务器仅需在候选轨迹片段集合中选出属于该待跟踪目标的轨迹片段,组成该待跟踪目标对应的种子轨迹片段集合;当存在多个待跟踪目标时,服务器需要在候选轨迹片段集合中选出分别属于多个待跟踪目标的轨迹片段,并针对每个待跟踪目标,利用所属于该待跟踪目标的轨迹片段组成该待跟踪目标对应的种子轨迹片段集合。
在一种可能的实现方式中,服务器可以先获取N(N为正整数)个待跟踪目标各自对应的基准外观特征,然后,针对每个待跟踪目标,根据候选轨迹片段集合中各轨迹片段各自对应的外观特征与该待跟踪目标对应的基准外观特征之间的相似度,确定候选轨迹片段集合中属于该待跟踪目标的轨迹片段,组成该待跟踪目标对应的种子轨迹片段集合。
即在已知待跟踪目标的数目N以及各待跟踪目标的基准外观特征的情况下,服务器可以针对每个待跟踪目标,计算候选轨迹片段集合中各轨迹片段各自对应的外观特征与该待跟踪目标对应的基准外观特征之间的相似度,若一轨迹片段对应的外观特征与该待跟踪目标对应的基准外观特征之间的相似度满足外观相似度约束条件时,例如,该相似度超过预设的外观相似度阈值,则可以确定该轨迹片段为该待跟踪目标的轨迹片段,进而可以将该轨迹片段添加至该待跟踪目标对应的种子轨迹片段集合中。
需要说明的是,上述待跟踪目标对应的基准外观特征通常能够完整地反映该待跟踪目标的外观,例如,在行人跟踪场景中,待跟踪目标对应的基准外观特征可以包括以下任意特征的排列组合:待跟踪目标的脸部特征、头部特征、身体特征、衣着特征等。上述轨迹片段对应的外观特征包括任何可以表征该轨迹片段中包括的目标的外观特征,以及这些特征的任意排列组合;上述相似度可以通过任意可以度量两个外观特征之间的相似程度的计算方法确定。
可选的,为了使待跟踪目标对应的种子轨迹片段集合中可以包括尽可能多的轨迹片段,服务器基于待跟踪目标对应的基准外观特征,确定出待跟踪目标对应的种子轨迹片段集合后,可以进一步根据该种子轨迹片段集合中包括的各轨迹片段各自对应的外观特征,确定待跟踪目标对应的参考外观特征,该参考外观特征相比待跟踪目标对应的基准外观特征更加泛化;进而,服务器可以放宽外观相似度约束条件,基于该待跟踪目标对应的外观特征,在候选轨迹片段集合中剩余的轨迹片段中,进一步筛选属于该待跟踪目标的轨迹片段,并将筛选出的轨迹片段添加至待跟踪目标对应的种子轨迹片段集合中。
应理解,在实际应用中,服务器可以循环执行多次上述操作,以使种子轨迹片段集合中包括尽可能多的轨迹片段。
在另一种可能的实现方式中,服务器可以基于候选轨迹片段集合中的轨迹片段对应的外观特征,对于候选轨迹片段集合中的轨迹片段进行聚类处理,确定目标场景中存在的M(M为正整数)个待跟踪目标以及所属于每个待跟踪目标的轨迹片段;进而,针对每个待跟踪目标,利用所属于该待跟踪目标的轨迹片段组成待跟踪目标对应的种子轨迹片段集合。
具体的,服务器进行第一次聚类处理时,可以根据候选轨迹片段集合中的轨迹片段对应的强识别特征,对候选轨迹片段集合中的轨迹片段进行聚类处理;即对候选轨迹片段集合中具有强识别特征的轨迹片段,根据其各自对应的强识别特征进行聚类,从而确定目标场景中存在的待跟踪目标的数目M。同时,还可以利用M个待跟踪目标各自对应的轨迹片段,分别组成这M个待跟踪目标各自对应的种子轨迹片段集合;即利用M个待跟踪目标各自对应的具有强识别特征的轨迹片段,分别组成这M个待跟踪目标各自对应的种子轨迹片段集合。进而,删除候选轨迹片段集合中所属于这M个种子轨迹片段集合的轨迹片段,得到更新候选轨迹片段集合。
需要说明的是,上述强识别特征是指具有唯一标识性的特征,如人脸特征等。
服务器进行后续轮次扩大每个种子轨迹片段集合的处理时,可以针对每个待跟踪目标,根据前一轮次确定的该待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的外观特征,确定该待跟踪目标对应的参考外观特征;进而,在经前一轮次处理后得到的更新候选轨迹片段集合中,选取所对应的外观特征与待跟踪目标对应的参考外观特征之间的相似度超过预设相似度阈值的目标轨迹片段,添加至该待跟踪目标对应的种子轨迹片段集合,并删除更新候选轨迹片段集合中的该目标轨迹片段。
以行人跟踪的场景为例,服务器可以基于人脸特征和行人重识别特征,对候选轨迹片段集合中的轨迹片段进行聚类处理。即,服务器可以先根据候选轨迹片段集合中的轨迹片段对应的人脸特征,对该候选轨迹片段集合中的轨迹片段进行聚类处理得到M个种子轨迹片段集合;然后,删除候选轨迹片段集合中已所属于这M个种子轨迹片段集合的轨迹片段,得到更新候选轨迹片段集合;进而,根据这M个种子轨迹片段集合各自对应的行人重识别特征以及更新候选轨迹片段集合中的轨迹片段对应的行人重识别特征,将更新候选轨迹片段集合中的轨迹片段相应地划分至上述M个种子轨迹片段集合。
具体的,服务器可以通过人脸检测技术和人脸识别技术,确定候选轨迹片段集合中的轨迹片段对应的人脸特征;对于一些与行人的背影或侧面相对应的轨迹片段,由于其中不包括人脸信息,因此可默认此类轨迹片段没有对应的人脸特征。进行聚类处理时,服务器可以针对候选轨迹片段集合中对应有人脸特征的轨迹片段进行聚类处理,从而聚类得到分别对应M个待跟踪目标的M个种子轨迹片段集合。
服务器基于候选轨迹片段集合中的轨迹片段对应的人脸特征,完成上述聚类处理得到M个种子轨迹片段集合后,可以基于更新候选轨迹片段集合中的轨迹片段对应的行人重识别特征,将更新候选轨迹片段集合中的轨迹片段相应地划分至上述M个种子轨迹片段集合。此处的更新候选轨迹片段集合,是将候选轨迹片段集合中已所属于M个种子轨迹片段集合的轨迹片段均删除后,由剩余的轨迹片段组成的轨迹片段集合;此处的行人重识别特征,通常是指轨迹片段对应的目标的整体外观特征,其可以由人体的头部、四肢和躯干共同决定。
具体的,针对更新候选轨迹片段集合中的每个轨迹片段,可以根据该轨迹片段对应的行人重识别特征和M个种子轨迹片段集合各自对应的行人重识别特征,判断该轨迹片段是否属于M个种子轨迹片段集合中的任一个种子轨迹片段集合,例如,可以判断该轨迹片段对应的行人重识别特征与种子轨迹片段集合对应的行人重识别特征之间的相似度是否满足预设的相似度约束条件,若是,则将该轨迹片段划分至该种子轨迹片段集合,同时删除更新候选轨迹片段集合中的该轨迹片段。此处种子轨迹片段集合对应的行人重识别特征是根据所属于该种子轨迹片段集合的各轨迹片段各自对应的行人重识别特征确定的。
需要说明的是,当本申请实施例提供的方法应用于其它场景中时,服务器可以选择适用于该场景的外观特征,对候选轨迹片段集合中的轨迹片段进行相应地处理,例如,当本申请实施例提供的方法应用于车辆跟踪的场景中时,服务器可以基于车辆的外观特征、车牌号特征等,对候选轨迹片段集合中的轨迹片段进行上述处理。
步骤102:删除所述候选轨迹片段集合中所属于所述待跟踪目标对应的种子轨迹片段集合的轨迹片段,得到更新后的候选轨迹片段集合。
正如步骤101中介绍的,将候选轨迹片段集合中的轨迹片段划分至待跟踪目标对应的种子轨迹片段集合后,服务器可以相应地将该轨迹片段从候选轨迹片段集合中删除,如此,在完成步骤101后,候选轨迹片段集合中已被划分至待跟踪目标对应的种子轨迹片段集合将均被删除,此时候选轨迹片段集合中未被删除的轨迹片段,将构成更新后的候选轨迹片段集合。
当然,在实际应用中,服务器也可以在完成步骤101后,统一将候选轨迹片段集合中已被划分至待跟踪目标对应的种子轨迹片段集合的轨迹片段删除,得到更新后的候选轨迹片段集合,本申请在此不对获得更新后的候选轨迹片段集合的方式做任何限定。
步骤103:根据所述待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙;在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段,将所述目标轨迹片段添加至所述待跟踪目标对应的种子轨迹片段集合,删除所述更新后的候选轨迹片段集合中的所述目标轨迹片段。
服务器得到对应于待跟踪目标的种子轨迹片段集合后,可以进一步针对待跟踪目标的种子轨迹片段集合进行轨迹填充处理,即将更新后的候选轨迹片段集合中的轨迹片段相应地填充至待跟踪目标的种子轨迹片段集合。
服务器可以针对每个待跟踪目标的种子轨迹片段集合,根据该种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定该种子片段集合对应的时间空隙和空间空隙。进而,在更新后的候选轨迹片段集合中,选出所对应的时间信息与该时间空隙满足时间约束条件、且所对应的空间信息与该空间空隙满足空间约束条件的目标轨迹片段,将该目标轨迹片段添加至该待跟踪目标对应的种子轨迹片段集合,并删除更新后的候选轨迹片段集合中的该目标轨迹片段。
具体实现时,服务器可以先根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,将该种子轨迹片段集合中的各轨迹片段排列拼接起来,得到该种子轨迹片段集合对应的种子轨迹,也即该待跟踪目标的种子轨迹。由于此前基于外观特征构建种子轨迹片段集合时并未考虑时空约束,因此可能导致种子轨迹片段集合中包括的轨迹片段在时间上可跨越长时间段,在空间上可覆盖广泛的空间区域,并且容易出现轨迹片段间时空不连续的情况。若存在该种情况,则在排列拼接种子轨迹片段集合中各轨迹片段得到的种子轨迹内,会存在时间上不连续的空洞和空间上不连续的空洞,即存在轨迹片段之间的时间差超过预设时间阈值的时间范围(即时间空洞),以及存在轨迹片段之间的位置距离差超过预设空间阈值的空间范围(即空间空洞),此处的轨迹片段之间的时间差,是指排列顺序相邻的两个轨迹片段中前一轨迹片段的终止时间与后一轨迹片段的起始时间之间的差值,此处的轨迹片段之间的位置距离差,是指排列顺序相邻的两个轨迹片段中前一轨迹片段的终止位置与后一轨迹片段的起始位置之间的位置距离。在这种情况下,服务器可以将上述时间空洞作为该聚类簇对应的时间空隙,将上述空间空洞作为该聚类簇对应的空间空隙。
服务器可以将候选轨迹片段集合中每个轨迹片段的持续时间作为该轨迹片段的时间信息,将每个轨迹片段覆盖的空间范围作为空间信息;进而,可以针对候选轨迹片段集合中的每个轨迹片段,根据该轨迹片段的时间信息和空间信息,计算该轨迹片段与上述时间空隙的交集以及与上述空间空隙的交集,当轨迹片段与上述时间空隙的交集满足时间约束条件,且与上述空间空隙的交集满足空间约束条件时,则可以确定该轨迹片段为目标轨迹片段,可以将其添加至待跟踪目标对应的种子轨迹片段集合中。
为了确保被填充至种子轨迹片段集合中的轨迹片段对应的待跟踪目标与该种子轨迹片段集合对应的待跟踪目标一致,服务器可以将更新后的候选轨迹片段集合中所对应的时间信息与时间空隙满足时间约束条件、且所对应的空间信息与空间空隙满足空间约束条件的轨迹片段,作为目标候选轨迹片段;进而,判断目标候选轨迹片段对应的外观特征与该待跟踪目标对应的外观特征之间的相似度是否满足相似判定条件,例如,是否超过预设相似度阈值;若是,则确定该目标候选轨迹片段对应的待跟踪目标与种子轨迹片段集合对应的待跟踪目标一致,可以确定该目标候选轨迹片段为目标轨迹片段,将该目标轨迹片段填充至该种子轨迹片段集合中,并删除更新后的候选轨迹片段集合中的该目标轨迹片段;反之,若否,则确定该目标候选轨迹片段对应的待跟踪目标与该种子轨迹片段集合对应的待跟踪目标不一致,不能将该目标候选轨迹片段填充至该种子轨迹片段集合中。
需要说明的是,上述外观特征具体可以是任意一种或多种外观特征,以本申请实施例提供的方法应用于行人跟踪的场景为例,上述外观特征可以为人脸特征、行人重识别特征、头部特征中的任意一项或多项。待跟踪目标对应的外观特征可以是该待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的外观特征,也可以是对该种子轨迹片段集合中各轨迹片段各自对应的外观特征进行处理得到的处理结果。
需要说明的是,在实际应用中,可以将上述步骤101、步骤102和步骤103作为目标处理环节,在进行针对目标场景的目标跟踪时,可以循环执行多轮上述目标处理环节,每轮目标处理环节执行结束后,将已删除种子轨迹片段集合中轨迹片段的更新后的候选轨迹片段集合,作为新的候选轨迹片段集合替换上一轮次的候选轨迹片段集合。
并且,为了确保种子轨迹片段集合中可以包括更多的轨迹片段,后一轮目标处理环节中执行步骤101时依据的外观相似度约束条件需要低于前一轮执行步骤101时依据的外观相似度约束条件;后一轮目标处理环节中执行步骤103时依据的时间约束条件和空间约束条件分别低于前一轮执行步骤103时依据的时间约束条件和空间约束条件。
应理解,具体执行目标处理环节的轮次,可以根据实际需求设定,本申请在此不做任何限定。
步骤104:拼接所述待跟踪目标对应的种子轨迹片段集合中的各轨迹片段,得到所述待跟踪目标在所述目标场景中的活动轨迹。
经过步骤103的轨迹片段填充处理,待跟踪目标对应的种子轨迹片段集合中将包括时空连续的若干轨迹片段;此时,服务器可以针对待跟踪目标对应的种子轨迹片段集合,将该种子轨迹片段集合中包括的各轨迹片段,按照各轨迹片段各自对应的时间信息和空间信息进行拼接处理,从而将各轨迹片段拼接成一个完整的长轨迹,该轨迹即为该待跟踪目标在目标场景中的活动轨迹。
应理解,若经步骤101-103的处理后,得到多个待跟踪目标各自对应的种子轨迹片段集合,则经步骤104,将得到这多个待跟踪目标各自对应的活动轨迹。
本申请实施例提供的目标跟踪方法,提出了一种基于轨迹片段填充的跟踪算法框架,并利用该跟踪算法框架实现对于目标场景中各个待跟踪目标的跟踪。由于基于外观特征构建种子轨迹片段集合时不受时空限制,因此所属于同一种子轨迹片段集合的各轨迹片段在时间上可跨越长时间段,在空间上可跨越广泛的空间区域;并且通过轨迹片段填充可以进一步保证种子轨迹片段集合中的轨迹片段时空连续;如此,实现对于目标场景中待跟踪目标长时间、大面积的精准跟踪。
此外,本申请实施例还提供了一种轨迹填充方法,参见图2,图2为本申请实施例提供的轨迹填充方法的流程示意图,下述实施例仍以服务器作为执行主体进行介绍,如图2所示,该方法包括如下步骤:
步骤201:根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述种子轨迹片段集合对应的时间空隙和空间空隙;所述种子轨迹片段集合中包括所属于所述待跟踪目标的轨迹片段。
服务器得到对应于待跟踪目标的种子轨迹片段集合后,可以针对待跟踪目标的种子轨迹片段集合进行轨迹填充处理,即将候选轨迹片段集合中的轨迹片段相应地填充至待跟踪目标的种子轨迹片段集合,该候选轨迹片段集合中包括未被划分至该种子轨迹片段集合的轨迹片段。
具体的,服务器可以先针对待跟踪目标的种子轨迹片段集合,根据该种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定该种子片段集合对应的时间空隙和空间空隙。
服务器可以先根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,将该种子轨迹片段集合中的各轨迹片段排列拼接起来,得到该种子轨迹片段集合对应的种子轨迹,也即该待跟踪目标的种子轨迹。由于种子轨迹片段集合通常是基于外观特征构建得到的,而基于外观特征构建种子轨迹片段集合时并未考虑时空约束,因此可能导致种子轨迹片段集合中包括的轨迹片段在时间上可跨越长时间段,在空间上可覆盖广泛的空间区域,并且容易出现轨迹片段间时空不连续的情况。
若存在该种情况,则在排列拼接种子轨迹片段集合中各轨迹片段得到的种子轨迹内,会存在时间上不连续的空洞和空间上不连续的空洞,即存在轨迹片段之间的时间差超过预设时间阈值的时间范围(即时间空洞),以及存在轨迹片段之间的位置距离差超过预设空间阈值的空间范围(即空间空洞),此处的轨迹片段之间的时间差,是指排列顺序相邻的两个轨迹片段中前一轨迹片段的终止时间与后一轨迹片段的起始时间之间的差值,此处的轨迹片段之间的位置距离差,是指排列顺序相邻的两个轨迹片段中前一轨迹片段的终止位置与后一轨迹片段的起始位置之间的位置距离。在这种情况下,服务器可以将上述时间空洞作为该聚类簇对应的时间空隙,将上述空间空洞作为该聚类簇对应的空间空隙。
步骤202:在候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段;所述候选轨迹片段集合中包括未被划分至所述种子轨迹片段集合的轨迹片段。
步骤203:将所述目标轨迹片段添加至所述种子轨迹片段集合。
进而,服务器可以在候选轨迹片段集合中,选出所对应的时间信息与该时间空隙满足时间约束条件、且所对应的空间信息与该空间空隙满足空间约束条件的目标轨迹片段,将该目标轨迹片段添加至该待跟踪目标对应的种子轨迹片段集合,并删除候选轨迹片段集合中的该目标轨迹片段。
具体的,服务器可以将候选轨迹片段集合中每个轨迹片段的持续时间作为该轨迹片段的时间信息,将每个轨迹片段覆盖的空间范围作为空间信息;进而,可以针对候选轨迹片段集合中的每个轨迹片段,根据该轨迹片段的时间信息和空间信息,计算该轨迹片段与上述时间空隙的交集以及与上述空间空隙的交集,当轨迹片段与上述时间空隙的交集满足时间约束条件,且与上述空间空隙的交集满足空间约束条件时,则可以确定该轨迹片段为目标轨迹片段,可以将其添加至待跟踪目标对应的种子轨迹片段集合中。
为了确保被填充至种子轨迹片段集合中的轨迹片段对应的待跟踪目标与该种子轨迹片段集合对应的待跟踪目标一致,服务器可以将候选轨迹片段集合中所对应的时间信息与时间空隙满足时间约束条件、且所对应的空间信息与空间空隙满足空间约束条件的轨迹片段,作为目标候选轨迹片段;进而,判断目标候选轨迹片段对应的外观特征与该待跟踪目标对应的外观特征之间的相似度是否满足相似判定条件,例如,是否超过预设相似度阈值;若是,则确定该目标候选轨迹片段对应的待跟踪目标与种子轨迹片段集合对应的待跟踪目标一致,可以确定该目标候选轨迹片段为目标轨迹片段,将该目标轨迹片段填充至该种子轨迹片段集合中,并删除候选轨迹片段集合中的该目标轨迹片段;反之,若否,则确定该目标候选轨迹片段对应的待跟踪目标与该种子轨迹片段集合对应的待跟踪目标不一致,不能将该目标候选轨迹片段填充至该种子轨迹片段集合中。
需要说明的是,上述外观特征具体可以是任意一种或多种外观特征,以本申请实施例提供的方法应用于行人跟踪的场景为例,上述外观特征可以为人脸特征、行人重识别特征、头部特征中的任意一项或多项。待跟踪目标对应的外观特征可以是该待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的外观特征,也可以是对该种子轨迹片段集合中各轨迹片段各自对应的外观特征进行处理得到的处理结果。
需要说明的是,在实际应用中,服务器可以循环执行多次上述操作,并在每次执行时适当地放宽时间约束条件和/或空间预设条件,以使种子轨迹片段集合中可以包括更多的轨迹片段。
本申请实施例还提供了一种目标跟踪装置。参见图3,图3为本申请实施例提供的目标跟踪装置的结构示意图。如图3所示,该装置包括:
种子轨迹片段集合组成模块301,用于基于候选轨迹片段集合中各轨迹片段各自对应的外观特征和外观相似度约束条件,在所述候选轨迹片段集合中识别出属于待跟踪目标的轨迹片段,组成所述待跟踪目标对应的种子轨迹片段集合;所述候选轨迹片段集合中包括目标场景中各摄像头下各目标的轨迹片段;
候选轨迹片段集合更新模块302,用于删除所述候选轨迹片段集合中所属于所述待跟踪目标对应的种子轨迹片段集合的轨迹片段,得到更新后的候选轨迹片段集合;
轨迹片段填充模块303,用于根据所述待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙;在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段,将所述目标轨迹片段添加至所述待跟踪目标对应的种子轨迹片段集合,删除所述更新后的候选轨迹片段集合中的所述目标轨迹片段;
活动轨迹拼接模块304,用于拼接所述待跟踪目标对应的种子轨迹片段集合中的各轨迹片段,得到所述待跟踪目标在所述目标场景中的活动轨迹。
可选的,所述轨迹片段填充模块303具体用于:
在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足所述时间约束条件、且所对应的空间信息与所述空间空隙满足所述空间约束条件的目标候选轨迹片段;
判断所述目标候选轨迹片段对应的外观特征与所述待跟踪目标对应的外观特征之间的相似度是否满足相似判定条件,若是,则确定所述目标候选轨迹片段为所述目标轨迹片段。
可选的,所述轨迹片段填充模块303具体用于:
根据所述种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,将所述种子轨迹片段集合中各轨迹片段拼接起来,得到所述待跟踪目标对应的种子轨迹;
将所述种子轨迹上时间不连续的空洞作为所述时间空隙,将所述种子轨迹上空间不连续的空洞作为所述空间空隙。
可选的,所述种子轨迹片段集合组成模块301具体用于:
获取N个所述待跟踪目标各自对应的基准外观特征;所述N为正整数;
针对每个所述待跟踪目标,根据所述候选轨迹片段集合中各轨迹片段各自对应的外观特征与该待跟踪目标对应的基准外观特征之间的相似度,确定所述候选轨迹片段集合中属于该待跟踪目标的轨迹片段,组成该待跟踪目标对应的种子轨迹片段集合。
可选的,所述种子轨迹片段集合组成模块301具体用于:
基于所述候选轨迹片段集合中的轨迹片段对应的外观特征,对所述候选轨迹片段集合中的轨迹片段进行聚类处理,确定所述目标场景中M个所述待跟踪目标以及所属于每个所述待跟踪目标的轨迹片段;所述M为正整数;
针对每个所述待跟踪目标,利用属于该待跟踪目标的轨迹片段组成该待跟踪目标对应的种子轨迹片段集合。
可选的,所述种子轨迹片段集合组成模块301具体用于:
根据所述候选轨迹片段集合中的轨迹片段对应的强识别特征,对所述候选轨迹片段集合中的轨迹片段进行聚类处理,确定所述目标场景中包括的所述M个待跟踪目标以及所述M个待跟踪目标各自对应的轨迹片段,利用所述M个待跟踪目标各自对应的轨迹片段,分别组成所述M个待跟踪目标各自对应的种子轨迹片段集合;所述强识别特征为具有唯一标识性的特征;
删除所述候选轨迹片段集合中所属于所述M个待跟踪目标各自对应的种子轨迹片段集合的轨迹片段,得到更新候选轨迹片段集合;
针对每个所述待跟踪目标,根据该待跟踪目标对应的种子轨迹片段集合中的轨迹片段确定该待跟踪目标对应的参考外观特征;根据所述更新候选轨迹片段集合中各轨迹片段各自对应的外观特征与该待跟踪目标对应的参考外观特征之间的相似度,确定所述更新候选轨迹片段集合中该待跟踪目标的目标轨迹片段,将所述目标轨迹片段添加至该待跟踪目标对应的种子轨迹片段集合。
可选的,将所述种子轨迹片段集合组成模块301、所述候选轨迹片段集合更新模块302以及所述轨迹片段填充模块303所执行的操作作为目标处理环节;
循环执行多轮所述目标处理环节;每轮所述目标处理环节执行结束后,将已删除所述种子轨迹片段集合中轨迹片段的所述更新后的候选轨迹片段集合,作为新的候选轨迹片段集合替换所述候选轨迹片段集合;
后一轮所述目标处理环节中所述种子轨迹片段集合组成步骤依据的外观相似度约束条件低于前一轮所述种子轨迹片段集合组成步骤依据的外观相似度约束条件;后一轮所述目标处理环节中所述轨迹片段填充步骤依据的时间约束条件和空间约束条件分别低于前一轮所述轨迹片段填充步骤依据的时间约束条件和空间约束条件。
本申请实施例提供的目标跟踪装置,提出了一种基于轨迹片段填充的跟踪算法框架,并利用该跟踪算法框架实现对于目标场景中各个待跟踪目标的跟踪。由于基于外观特征构建种子轨迹片段集合时不受时空限制,因此所属于同一种子轨迹片段集合的各轨迹片段在时间上可跨越长时间段,在空间上可跨越广泛的空间区域;并且通过轨迹片段填充可以进一步保证种子轨迹片段集合中的轨迹片段时空连续;如此,实现对于目标场景中待跟踪目标长时间、大面积的精准跟踪。
本申请实施例还提供了一种轨迹填充装置。参见图4,图4为本申请实施例提供的轨迹填充装置的结构示意图。如图4所示,该装置包括:
空隙确定模块401,用于根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述种子轨迹片段集合对应的时间空隙和空间空隙;所述种子轨迹片段集合中包括所属于所述待跟踪目标的轨迹片段;
片段选取模块402,用于在候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段;所述候选轨迹片段集合中包括未被划分至所述种子轨迹片段集合的轨迹片段;
片段填充模块403,用于将所述目标轨迹片段添加至所述种子轨迹片段集合。
可选的,所述片段选取模块402具体用于:
在所述候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足所述时间约束条件、且所对应的空间信息与所述空间空隙满足所述空间约束条件的目标候选轨迹片段;
判断所述目标候选轨迹片段对应的外观特征与所述待跟踪目标对应的外观特征之间的相似度是否满足相似判定条件,若是,则确定所述目标候选轨迹片段为所述目标轨迹片段。
可选的,所述空隙确定模块401具体用于:
根据所述种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,将所述种子轨迹片段集合中各轨迹片段拼接起来,得到所述待跟踪目标对应的种子轨迹;
将所述种子轨迹上时间不连续的空洞作为所述时间空隙,将所述种子轨迹上空间不连续的空洞作为所述空间空隙。
本申请实施例还提供了一种用于目标跟踪或填充轨迹的设备,该设备具体可以是服务器或终端设备,下面将从硬件实体化的角度对本申请实施例提供的服务器和终端设备进行介绍。
参见图5,图5为本申请实施例提供的一种服务器500的结构示意图。该服务器500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(centralprocessing units,CPU)522(例如,一个或一个以上处理器)和存储器532,一个或一个以上存储应用程序542或数据544的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器532和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器522可以设置为与存储介质530通信,在服务器500上执行存储介质530中的一系列指令操作。
服务器500还可以包括一个或一个以上电源526,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口558,和/或,一个或一个以上操作系统541,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上述实施例中由服务器所执行的步骤可以基于该图5所示的服务器结构。
其中,CPU 522用于执行如下步骤:
种子轨迹片段集合组成步骤:基于候选轨迹片段集合中各轨迹片段各自对应的外观特征和外观相似度约束条件,在所述候选轨迹片段集合中识别出属于待跟踪目标的轨迹片段,组成所述待跟踪目标对应的种子轨迹片段集合;所述候选轨迹片段集合中包括目标场景中各摄像头下各目标的轨迹片段;
候选轨迹片段集合更新步骤:删除所述候选轨迹片段集合中所属于所述待跟踪目标对应的种子轨迹片段集合的轨迹片段,得到更新后的候选轨迹片段集合;
轨迹片段填充步骤:根据所述待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙;在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段,将所述目标轨迹片段添加至所述待跟踪目标对应的种子轨迹片段集合,删除所述更新后的候选轨迹片段集合中的所述目标轨迹片段;
活动轨迹拼接步骤:拼接所述待跟踪目标对应的种子轨迹片段集合中的各轨迹片段,得到所述待跟踪目标在所述目标场景中的活动轨迹。
或者,
根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述种子轨迹片段集合对应的时间空隙和空间空隙;所述种子轨迹片段集合中包括所属于所述待跟踪目标的轨迹片段;
在候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段;所述候选轨迹片段集合中包括未被划分至所述种子轨迹片段集合的轨迹片段;
将所述目标轨迹片段添加至所述种子轨迹片段集合。
可选的,CPU 522还可以用于执行本申请实施例提供的目标跟踪方法或轨迹填充方法的任意一种实现方式的步骤。
参见图6,图6为本申请实施例提供的一种终端设备的结构示意图。为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请实施例方法部分。该终端可以为包括计算机、平板电脑、个人数字助理(英文全称:Personal DigitalAssistant,英文缩写:PDA)等任意终端设备,以终端为计算机为例:
图6示出的是与本申请实施例提供的终端相关的计算机的部分结构的框图。参考图6,计算机包括:射频(英文全称:Radio Frequency,英文缩写:RF)电路610、存储器620、输入单元630、显示单元640、传感器650、音频电路660、无线保真(英文全称:wirelessfidelity,英文缩写:WiFi)模块670、处理器680、以及电源690等部件。本领域技术人员可以理解,图6中示出的计算机结构并不构成对计算机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储器620可用于存储软件程序以及模块,处理器680通过运行存储在存储器620的软件程序以及模块,从而执行计算机的各种功能应用以及数据处理。存储器620可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器620可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器680是计算机的控制中心,利用各种接口和线路连接整个计算机的各个部分,通过运行或执行存储在存储器620内的软件程序和/或模块,以及调用存储在存储器620内的数据,执行计算机的各种功能和处理数据,从而对计算机进行整体监控。可选的,处理器680可包括一个或多个处理单元;优选的,处理器680可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器680中。
在本申请实施例中,该终端所包括的处理器680还具有以下功能:
种子轨迹片段集合组成步骤:基于候选轨迹片段集合中各轨迹片段各自对应的外观特征和外观相似度约束条件,在所述候选轨迹片段集合中识别出属于待跟踪目标的轨迹片段,组成所述待跟踪目标对应的种子轨迹片段集合;所述候选轨迹片段集合中包括目标场景中各摄像头下各目标的轨迹片段;
候选轨迹片段集合更新步骤:删除所述候选轨迹片段集合中所属于所述待跟踪目标对应的种子轨迹片段集合的轨迹片段,得到更新后的候选轨迹片段集合;
轨迹片段填充步骤:根据所述待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙;在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段,将所述目标轨迹片段添加至所述待跟踪目标对应的种子轨迹片段集合,删除所述更新后的候选轨迹片段集合中的所述目标轨迹片段;
活动轨迹拼接步骤:拼接所述待跟踪目标对应的种子轨迹片段集合中的各轨迹片段,得到所述待跟踪目标在所述目标场景中的活动轨迹。
或者,
根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述种子轨迹片段集合对应的时间空隙和空间空隙;所述种子轨迹片段集合中包括所属于所述待跟踪目标的轨迹片段;
在候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段;所述候选轨迹片段集合中包括未被划分至所述种子轨迹片段集合的轨迹片段;
将所述目标轨迹片段添加至所述种子轨迹片段集合。
可选的,所述处理器680还用于执行本申请实施例提供的目标跟踪方法或轨迹填充方法的任意一种实现方式的步骤。
本申请实施例还提供一种计算机可读存储介质,用于存储程序代码,该程序代码用于执行前述各个实施例所述的一种目标跟踪方法或轨迹填充方法中的任意一种实施方式。
本申请实施例还提供一种包括指令的计算机程序产品,当其在计算机上运行时,使得计算机执行前述各个实施例所述的一种目标跟踪方法或轨迹填充方法中的任意一种实施方式。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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,在本申请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。
所述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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储计算机程序的介质。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于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:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (14)
1.一种目标跟踪方法,其特征在于,所述方法包括:
种子轨迹片段集合组成步骤:基于候选轨迹片段集合中各轨迹片段各自对应的外观特征和外观相似度约束条件,在所述候选轨迹片段集合中识别出属于待跟踪目标的轨迹片段,组成所述待跟踪目标对应的种子轨迹片段集合;所述候选轨迹片段集合中包括目标场景中各摄像头下各目标的轨迹片段;
候选轨迹片段集合更新步骤:删除所述候选轨迹片段集合中所属于所述待跟踪目标对应的种子轨迹片段集合的轨迹片段,得到更新后的候选轨迹片段集合;
轨迹片段填充步骤:根据所述待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙;在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段,将所述目标轨迹片段添加至所述待跟踪目标对应的种子轨迹片段集合,删除所述更新后的候选轨迹片段集合中的所述目标轨迹片段;
活动轨迹拼接步骤:拼接所述待跟踪目标对应的种子轨迹片段集合中的各轨迹片段,得到所述待跟踪目标在所述目标场景中的活动轨迹。
2.根据权利要求1所述的方法,其特征在于,所述在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息满足空间约束条件的目标轨迹片段,包括:
在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足所述时间约束条件、且所对应的空间信息与所述空间空隙满足所述空间约束条件的目标候选轨迹片段;
判断所述目标候选轨迹片段对应的外观特征与所述待跟踪目标对应的外观特征之间的相似度是否满足相似判定条件,若是,则确定所述目标候选轨迹片段为所述目标轨迹片段。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙,包括:
根据所述种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,将所述种子轨迹片段集合中各轨迹片段拼接起来,得到所述待跟踪目标对应的种子轨迹;
将所述种子轨迹上时间不连续的空洞作为所述时间空隙,将所述种子轨迹上空间不连续的空洞作为所述空间空隙。
4.根据权利要求1所述的方法,其特征在于,所述种子轨迹片段集合组成步骤包括:
获取N个所述待跟踪目标各自对应的基准外观特征;所述N为正整数;
针对每个所述待跟踪目标,根据所述候选轨迹片段集合中各轨迹片段各自对应的外观特征与该待跟踪目标对应的基准外观特征之间的相似度,确定所述候选轨迹片段集合中属于该待跟踪目标的轨迹片段,组成该待跟踪目标对应的种子轨迹片段集合。
5.根据权利要求1所述的方法,其特征在于,所述种子轨迹片段集合组成步骤包括:
基于所述候选轨迹片段集合中的轨迹片段对应的外观特征,对所述候选轨迹片段集合中的轨迹片段进行聚类处理,确定所述目标场景中M个所述待跟踪目标以及所属于每个所述待跟踪目标的轨迹片段;所述M为正整数;
针对每个所述待跟踪目标,利用属于该待跟踪目标的轨迹片段组成该待跟踪目标对应的种子轨迹片段集合。
6.根据权利要求5所述的方法,其特征在于,所述基于所述候选轨迹片段集合中的轨迹片段对应的外观特征,对所述候选轨迹片段集合中的轨迹片段进行聚类处理,确定所述目标场景中待跟踪目标的数目M以及所属于每个所述待跟踪目标的轨迹片段,包括:
根据所述候选轨迹片段集合中的轨迹片段对应的强识别特征,对所述候选轨迹片段集合中的轨迹片段进行聚类处理,确定所述目标场景中包括的所述M个待跟踪目标以及所述M个待跟踪目标各自对应的轨迹片段,利用所述M个待跟踪目标各自对应的轨迹片段,分别组成所述M个待跟踪目标各自对应的种子轨迹片段集合;所述强识别特征为具有唯一标识性的特征;
删除所述候选轨迹片段集合中所属于所述M个待跟踪目标各自对应的种子轨迹片段集合的轨迹片段,得到更新候选轨迹片段集合;
针对每个所述待跟踪目标,根据该待跟踪目标对应的种子轨迹片段集合中的轨迹片段确定该待跟踪目标对应的参考外观特征;根据所述更新候选轨迹片段集合中各轨迹片段各自对应的外观特征与该待跟踪目标对应的参考外观特征之间的相似度,确定所述更新候选轨迹片段集合中该待跟踪目标的目标轨迹片段,将所述目标轨迹片段添加至该待跟踪目标对应的种子轨迹片段集合。
7.根据权利要求1所述的方法,其特征在于,将所述种子轨迹片段集合组成步骤、所述候选轨迹片段集合更新步骤以及所述轨迹片段填充步骤作为目标处理环节;
循环执行多轮所述目标处理环节;每轮所述目标处理环节执行结束后,将已删除所述种子轨迹片段集合中轨迹片段的所述更新后的候选轨迹片段集合,作为新的候选轨迹片段集合替换所述候选轨迹片段集合;
后一轮所述目标处理环节中所述种子轨迹片段集合组成步骤依据的外观相似度约束条件低于前一轮所述种子轨迹片段集合组成步骤依据的外观相似度约束条件;后一轮所述目标处理环节中所述轨迹片段填充步骤依据的时间约束条件和空间约束条件分别低于前一轮所述轨迹片段填充步骤依据的时间约束条件和空间约束条件。
8.一种目标跟踪装置,其特征在于,所述装置包括:
种子轨迹片段集合组成模块,用于基于候选轨迹片段集合中各轨迹片段各自对应的外观特征和外观相似度约束条件,在所述候选轨迹片段集合中识别出属于待跟踪目标的轨迹片段,组成所述待跟踪目标对应的种子轨迹片段集合;所述候选轨迹片段集合中包括目标场景中各摄像头下各目标的轨迹片段;
候选轨迹片段集合更新模块,用于删除所述候选轨迹片段集合中所属于所述待跟踪目标对应的种子轨迹片段集合的轨迹片段,得到更新后的候选轨迹片段集合;
轨迹片段填充模块,用于根据所述待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述待跟踪目标对应的种子轨迹片段集合对应的时间空隙和空间空隙;在所述更新后的候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段,将所述目标轨迹片段添加至所述待跟踪目标对应的种子轨迹片段集合,删除所述更新后的候选轨迹片段集合中的所述目标轨迹片段;
活动轨迹拼接模块,用于拼接所述待跟踪目标对应的种子轨迹片段集合中的各轨迹片段,得到所述待跟踪目标在所述目标场景中的活动轨迹。
9.一种轨迹填充方法,其特征在于,所述方法包括:
根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述种子轨迹片段集合对应的时间空隙和空间空隙;所述种子轨迹片段集合中包括所属于所述待跟踪目标的轨迹片段;
在候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段;所述候选轨迹片段集合中包括未被划分至所述种子轨迹片段集合的轨迹片段;
将所述目标轨迹片段添加至所述种子轨迹片段集合。
10.根据权利要求9所述的方法,其特征在于,所述在候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段,包括:
在所述候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足所述时间约束条件、且所对应的空间信息与所述空间空隙满足所述空间约束条件的目标候选轨迹片段;
判断所述目标候选轨迹片段对应的外观特征与所述待跟踪目标对应的外观特征之间的相似度是否满足相似判定条件,若是,则确定所述目标候选轨迹片段为所述目标轨迹片段。
11.根据权利要求9或10所述的方法,其特征在于,所述根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述种子轨迹片段集合对应的时间空隙和空间空隙,包括:
根据所述种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,将所述种子轨迹片段集合中各轨迹片段拼接起来,得到所述待跟踪目标对应的种子轨迹;
将所述种子轨迹上时间不连续的空洞作为所述时间空隙,将所述种子轨迹上空间不连续的空洞作为所述空间空隙。
12.一种轨迹填充装置,其特征在于,所述装置包括:
空隙确定模块,用于根据待跟踪目标对应的种子轨迹片段集合中各轨迹片段各自对应的时间信息和空间信息,确定所述种子轨迹片段集合对应的时间空隙和空间空隙;所述种子轨迹片段集合中包括所属于所述待跟踪目标的轨迹片段;
片段选取模块,用于在候选轨迹片段集合中,选出所对应的时间信息与所述时间空隙满足时间约束条件、且所对应的空间信息与所述空间空隙满足空间约束条件的目标轨迹片段;所述候选轨迹片段集合中包括未被划分至所述种子轨迹片段集合的轨迹片段;
片段填充模块,用于将所述目标轨迹片段添加至所述种子轨迹片段集合。
13.一种设备,其特征在于,所述设备包括:处理器和存储器;
所述存储器,用于存储计算机程序;
所述处理器,用于调用所述计算机程序,以执行权利要求1至7任一项所述的目标跟踪方法,或者权利要求9至11任一项所述的轨迹填充方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行权利要求1至7任一项所述的目标跟踪方法,或者权利要求9至11任一项所述的轨迹填充方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010973469.9A CN114202558A (zh) | 2020-09-16 | 2020-09-16 | 一种目标跟踪方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010973469.9A CN114202558A (zh) | 2020-09-16 | 2020-09-16 | 一种目标跟踪方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114202558A true CN114202558A (zh) | 2022-03-18 |
Family
ID=80644526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010973469.9A Pending CN114202558A (zh) | 2020-09-16 | 2020-09-16 | 一种目标跟踪方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114202558A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116434150A (zh) * | 2023-06-14 | 2023-07-14 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 面向拥挤场景的多目标检测跟踪方法、系统及存储介质 |
-
2020
- 2020-09-16 CN CN202010973469.9A patent/CN114202558A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116434150A (zh) * | 2023-06-14 | 2023-07-14 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 面向拥挤场景的多目标检测跟踪方法、系统及存储介质 |
CN116434150B (zh) * | 2023-06-14 | 2023-12-05 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 面向拥挤场景的多目标检测跟踪方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108509896B (zh) | 一种轨迹跟踪方法、装置和存储介质 | |
RU2549584C2 (ru) | Идентификация ключевого кадра видеопоследовательности на основе ограниченного контекста | |
CN113536862A (zh) | 一种聚类方法、装置、设备及存储介质 | |
CN103839308B (zh) | 人数获取方法、装置及系统 | |
US10269135B2 (en) | Methods and systems for performing sleeping object detection in video analytics | |
US10269123B2 (en) | Methods and apparatus for video background subtraction | |
CN110533700B (zh) | 对象跟踪方法和装置、存储介质及电子装置 | |
CN110502651B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111860430B (zh) | 打架行为的识别方法和装置、存储介质及电子装置 | |
CN111010547A (zh) | 目标对象的追踪方法及装置、存储介质、电子装置 | |
US20180336440A1 (en) | Unconstrained event monitoring via a network of drones | |
CN109564686B (zh) | 在视频分析中更新用于对象追踪器的运动模型的方法和系统 | |
CN111784728A (zh) | 轨迹处理方法、装置、设备及存储介质 | |
US20200250832A1 (en) | Optical flow based detection and tracking of multiple moving objects in successive frames | |
CN109960969A (zh) | 移动路线生成的方法、装置及系统 | |
KR20180086803A (ko) | 다중 카메라 환경에서의 관심 객체를 실시간으로 추적하기 위한 방법 및 시스템 | |
CN108206941A (zh) | 目标跟踪方法、系统、终端设备及存储介质 | |
CN111401196A (zh) | 受限空间内自适应人脸聚类的方法、计算机装置及计算机可读存储介质 | |
US10659680B2 (en) | Method of processing object in image and apparatus for same | |
CN114202558A (zh) | 一种目标跟踪方法、装置、设备及存储介质 | |
CN112634313A (zh) | 目标遮挡评估方法、系统、介质及装置 | |
CN108702463A (zh) | 一种图像处理方法、装置以及终端 | |
CN111629336B (zh) | 一种目标区域内人数确定方法、装置、设备及存储介质 | |
CN106162091A (zh) | 一种视频监控方法及装置 | |
Bazo et al. | Baptizo: A sensor fusion based model for tracking the identity of human poses |
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 |