[发明专利]多视图目标跟踪方法、装置、系统、电子终端、及存储介质

权利要求书

1.一种多视图目标跟踪方法，其特征在于，包括：

根据被跟踪目标在历史帧图像中的位置信息和边界框信息，提取当前帧图像的特征图像；

对所述特征图像进行滤波处理以获取相应的得分图；

根据所述得分图判断当前帧图像是否存在遮挡；其中，在判断所述当前帧图像不存在遮挡的情况下，利用网格搜索法和多尺寸搜索法确定所述被跟踪目标在当前帧图像中的位置信息；在判断所述连续特征图像存在遮挡的情况下，基于轨迹预测网络预测所述被跟踪目标在当前帧图像中的位置信息。

2.根据权利要求1所述的方法，其特征在于，所述根据被跟踪目标在历史帧图像中的位置信息和边界框信息，提取当前帧图像的特征图像，其步骤包括：

根据被跟踪目标在上一帧图像中的位置信息和边界框信息，对当前帧图像基于多种裁剪尺寸进行裁剪，并利用FHOG描述子和深度网络生成不同分辨率的离散的特征图像；

利用插值模型将所述离散的特征图像映射至连续空间，以获得经插值模型统一和变换后的连续的特征图像。

3.根据权利要求1所述的方法，其特征在于，所述方法包括：

所述得分图通过利用卷积分解算子在所述当前帧图像的特征图像上进行滤波所获得；所述得分图的最大值用于判断当前帧图像是否存在遮挡；

在判断所述当前帧图像不存在遮挡的情况下，将当前帧图像加入用于训练所述相关滤波器的训练样本集。

4.根据权利要求3所述的方法，其特征在于，所述方法包括：通过建立训练样本图像与目标图像之间的最小化目标函数来训练所述相关滤波器。

5.根据权利要求4所述的方法，其特征在于，所述方法包括：从所述训练样本集中选取多对训练对，以形成用于训练所述相关滤波器的第一训练对集合和第二训练对集合，其步骤包括：

利用所述第一训练对集合并根据最小化目标函数训练所述相关滤波器；

利用所述第二训练对集合并根据通过高斯-牛顿迭代法和共轭梯度法优化后的所述目标函数训练所述相关滤波器。

6.根据权利要求1所述的方法，其特征在于，所述轨迹预测网络包括RNN网络和PoseNet网络；其中，所述RNN网络以图像的轨迹差异作为输入信号，以分析被跟踪对象的运动趋势信息及轨迹的位置信息；所述PoseNet网络以所述RNN网络的输出信号以及一用于解码图像采集设备的内参和外参的隐藏特征向量作为其输入信号，以输出预测的被跟踪对象的位置信息。

7.一种多视图目标跟踪装置，其特征在于，包括：

特征提取模块，用于根据被跟踪目标在历史帧图像中的位置信息和边界框信息，提取当前帧图像的特征图像；

滤波处理模块，用于对所述特征图像进行滤波处理以获取相应的得分图；

目标定位模块，用于根据所述得分图判断当前帧图像是否存在遮挡；其中，在判断所述当前帧图像不存在遮挡的情况下，利用网格搜索法和多尺寸搜索法确定所述被跟踪目标在当前帧图像中的位置信息；在判断所述连续特征图像存在遮挡的情况下，基于轨迹预测网络预测所述被跟踪目标在当前帧图像中的位置信息。

8.一种多视图目标跟踪系统，其特征在于，包括：

图像采集单元，其包括多个按预设顺序排列的图像采集设备，以获取多个相互之间有被跟踪目标的视图重叠的图像；

处理单元，其通信连接所述图像采集单元，以获取并按如权利要求1所述的方法处理所述图像。

9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述多视图目标跟踪方法。

10.一种多视图目标跟踪终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至6中任一项所述多视图目标跟踪方法。