[发明专利]目标跟踪方法、装置、电子设备及存储介质

说明书

本申请公开了一种目标跟踪方法、装置、电子设备及存储介质，涉及自动驾驶领域。该目标跟踪方法包括：获取当前视频帧及前一视频帧中各个检测框的特征信息，所述特征信息包括所述检测框的位置信息及检测框内障碍目标的外观特征；其中，所述外观特征包括纹理特征及语义特征；将所述当前视频帧中各个检测框的特征信息分别与所述前一视频帧中各个检测框的特征信息进行匹配检测；根据匹配检测结果确定所述当前视频帧中各个检测框的跟踪轨迹。本申请实施例能够提高目标跟踪的准确性。

技术领域

本申请涉及自动驾驶领域，尤其涉及一种目标跟踪方法、装置、电子设备及存储介质。

背景技术

跟踪是解决物体唯一性识别的手段。通过检测过程，能够得出视频帧中的检测框，每个检测框中包括一个障碍目标；那么，前一视频帧中的检测框与后一视频帧中的哪个检测框存在匹配关系，这就是跟踪过程需要解决的问题。如果确认了前后两个视频帧中的一对检测框存在匹配关系，则可以确定出这一对检测框中包括的障碍目标是同一个障碍目标。

在现有技术中，一般根据较为单一的信息确定检测框之间的匹配关系，导致跟踪准确性不高。特别是在检测框出现重叠的情况下，由于视差的问题，更容易引起跟踪出错。

发明内容

本申请实施例提出一种目标跟踪方法、装置、电子设备及存储介质。

第一方面，本申请实施例提出一种目标跟踪方法，包括：

获取当前视频帧及前一视频帧中各个检测框的特征信息，特征信息包括检测框的位置信息及检测框内障碍目标的外观特征；其中，外观特征包括纹理特征及语义特征；

将当前视频帧中各个检测框的特征信息分别与前一视频帧中各个检测框的特征信息进行匹配检测；

根据匹配检测结果确定当前视频帧中各个检测框的跟踪轨迹。

本申请实施例通过采用当前视频帧和前一视频帧中检测框的位置信息和外观特征对检测框进行匹配检测，并根据匹配检测结果进行跟踪。由于匹配检测同时依据位置信息和外观特征，能够采用较丰富的数据进行匹配检测，因此匹配检测的准确率更高，能够提高跟踪的准确性。

在一种实施方式中，获取检测框内障碍目标的外观特征包括：

采用神经网络模型获取障碍目标的外观特征；

其中，采用神经网络模型的低层部分获取障碍目标的纹理特征，并采用神经网络模型的高层部分获取障碍目标的语义特征。

本申请实施例采用神经网络模型的不同层级获取障碍目标的高层特征和低层特征，能够采集更丰富的外观特征，提高匹配检测的准确率，从而提高跟踪的准确性。

在一种实施方式中，获取检测框的位置信息包括：

在检测框的形状为矩形的情况下，获取检测框的中心点及四个角点的位置信息。

本申请实施例利用中心点和四个角点定位检测框，能够简洁高效地定位检测框的位置，便于执行匹配检测。

在一种实施方式中，将当前视频帧中各个检测框的特征信息分别与前一视频帧中各个检测框的特征信息进行匹配检测，包括：

分别计算当前视频帧中各个检测框的特征信息与前一视频帧中各个检测框的特征信息之间的差异度；

根据差异度，采用预设匹配算法进行匹配检测。

本申请实施例利用预设的匹配算法进行匹配检测，能够快速准确地实现检测框之间的匹配检测。

在一种实施方式中，计算差异度的方式为：