[发明专利]对象跟踪方法、对象跟踪装置和电子设备

权利要求书

1.一种对象跟踪方法，包括：

从视频的当前帧中检测出至少一个目标对象；

使用所述至少一个目标对象的关键点确定所述至少一个目标对象的遮挡信息和朝向信息；

通过用于重识别的第一神经网络获得所述当前帧的特征图；

基于所述至少一个目标对象的遮挡信息、朝向信息和所述特征图获得所述至少一个目标对象的融合跟踪特征；包括：响应于所述至少一个目标对象的遮挡状态为有遮挡，将所述特征图确定为临时无效特征图；响应于所述至少一个目标对象的遮挡状态为无遮挡，将所述特征图确定为当前有效特征图；计算所述视频的所有帧中包含与所述至少一个目标对象相同朝向的目标对象的帧的特征图的均值为朝向特征图；计算所述视频的所有帧中包含所述至少一个目标对象的帧的特征图的均值为均值特征图；将所述视频的所有帧中包含所述至少一个目标对象的帧的特征图进行聚类以获得多个聚类特征图；以及

基于所述融合跟踪特征确定所述至少一个目标对象的轨迹，包括：基于所述融合跟踪特征建立所述至少一个目标对象与所述当前帧的前一帧中的轨迹集合的距离矩阵；基于所述距离矩阵获得所述至少一个目标对象与轨迹集合的匹配结果；以及基于所述匹配结果确定所述至少一个目标对象在所述当前帧中的轨迹。

2.如权利要求1所述的对象跟踪方法，其中，使用所述至少一个目标对象的关键点确定所述至少一个目标对象的遮挡信息和朝向信息包括：

通过姿态估计提取所述至少一个目标对象的多个关键点；

确定每个关键点对应的置信度；

将所述置信度高于置信度阈值的关键点确定为有效关键点；

基于所述有效关键点的数目确定所述至少一个目标对象的遮挡状态。

3.如权利要求2所述的对象跟踪方法，其中，使用所述至少一个目标对象的关键点确定所述至少一个目标对象的遮挡信息和朝向信息进一步包括：

通过第二神经网络从所述多个关键点确定所述至少一个目标对象的朝向。

4.如权利要求1所述的对象跟踪方法，其中，基于所述融合跟踪特征建立所述至少一个目标对象与所述当前帧的前一帧中的轨迹集合的距离矩阵包括：

对于所述至少一个目标对象的临时无效特征图，计算所述临时无效特征图与所述轨迹集合中的每一轨迹的特征图之间的距离作为所述至少一个目标对象与所述每一轨迹的第一距离；

对于所述至少一个目标对象的当前有效特征图，计算所述当前有效特征图与所述轨迹集合中的每一轨迹的特征图之间的距离作为所述至少一个目标对象与所述每一轨迹的第二距离；

对于所述至少一个目标对象的朝向特征图，计算所述至少一个目标对象的每个朝向的朝向特征图与所述轨迹集合中的每一轨迹的特征图之间的第二距离，并选择最小距离作为所述至少一个目标对象与所述每一轨迹的第三距离；

对于所述至少一个目标对象的聚类特征图，计算所述至少一个目标对象的每个聚类特征图的中心与所述轨迹集合中的每一轨迹的特征图之间的距离，并选择最小距离作为所述至少一个目标对象与所述每一轨迹的第四距离；以及

将所述第一距离、所述第二距离、所述第三距离和所述第四距离中的最小距离设置为所述至少一个目标对象与轨迹集合中的每个轨迹的最终距离。

5.如权利要求4所述的对象跟踪方法，其中，基于所述匹配结果确定所述至少一个目标对象的轨迹包括：

响应于所述匹配结果为所述至少一个目标对象与所述轨迹集合中的第一轨迹匹配，以所述至少一个目标对象的遮挡信息、朝向信息和特征图更新第一轨迹；

响应于所述匹配结果为所述轨迹集合中的第二轨迹与所述至少一个目标对象中的任意目标对象都不匹配，将所述第二轨迹设置为待定轨迹；以及

响应于所述匹配结果为所述至少一个目标对象与所述轨迹集合中的任意轨迹都不匹配，基于所述至少一个目标对象的遮挡信息、朝向信息和特征图生成新轨迹。