[发明专利]一种目标跟踪方法、装置及电子设备

说明书

本申请公开了一种目标跟踪方法、装置及电子设备，涉及计算机技术中的人工智能领域，具体为计算机视觉和深度学习技术，可用于智慧城市、智能交通、智慧零售等场景。具体实现方案为：将待测视频流中的第i帧图像以及第i‑1帧图像输入目标深度学习模型，i为大于1的整数；对第i帧图像进行目标检测得到第一目标检测框以及对第i‑1帧图像进行目标跟踪得到跟踪热力图；基于第一目标检测框、跟踪热力图以及第i‑1帧图像，确定目标跟踪结果。在本实施例的目标跟踪方法，通过一个目标深度学习模型即可得到第一目标检测框和跟踪热力图，利用第一目标检测框、跟踪热力图以及第i‑1帧图像，即可确定目标跟踪结果，可提高目标跟踪效率。

技术领域

本申请涉及计算机技术中的人工智能领域，具体为计算机视觉和深度学习技术，尤其涉及一种目标跟踪方法、装置及电子设备。

背景技术

目标检测和跟踪是诸多计算机视觉任务的基础，对人体、车辆等类别的目标进行检测和跟踪，可以用于如行人分析、智慧交通以及无人驾驶等任务中。

目前，在进行目标跟踪过程中，常采用三个算法/模型，即目标检测算法/模型，特征提取算法/模型和多目标跟踪算法/模型，串行运行三个算法/模型，先通过目标检测模型对图像进行目标检测得到检测框，然后通过特征提取模型提取图像中检测框的特征，再通过目标跟踪算法利用该特征进行目标跟踪。

发明内容

本申请提供一种目标跟踪方法、装置及电子设备。

第一方面，本申请一个实施例提供一种目标跟踪方法，所述方法包括：

将待测视频流中的第i帧图像以及第i-1帧图像输入目标深度学习模型，i为大于1的整数；

对所述第i帧图像进行目标检测得到第一目标检测框以及对所述第i-1帧图像进行目标跟踪得到跟踪热力图；

基于所述第一目标检测框、所述跟踪热力图以及所述第i-1帧图像，确定目标跟踪结果。

在本实施例的目标跟踪方法中，将相邻两帧即第i帧图像和第i-1帧图像输入目标深度学习模型，通过目标深度学习模型利用预设锚点框，即可实现目标检测和跟踪，从而得到目标检测结果即第一目标检测框和跟踪热力图，然后利用第一目标检测框、跟踪热力图以及第i-1帧图像，即可确定目标跟踪结果，相比于利用串行运行的目标检测模型、特征提取模型和多目标跟踪模型进行目标跟踪的方案，本方案通过一个目标深度学习模型即可得到第一目标检测框和跟踪热力图，利用第一目标检测框、跟踪热力图以及第i-1帧图像，即可确定目标跟踪结果，可提高目标跟踪效率。

第二方面，本申请一个实施例提供一种目标跟踪装置，所述装置包括：

输入模块，用于将待测视频流中的第i帧图像以及第i-1帧图像输入目标深度学习模型，i为大于1的整数；

检测跟踪模块，用于对所述第i帧图像进行目标检测得到第一目标检测框以及对所述第i-1帧图像进行目标跟踪得到跟踪热力图；

确定模块，用于基于所述第一目标检测框、所述跟踪热力图以及所述第i-1帧图像，确定目标跟踪结果。

第三方面，本申请一个实施例还提供一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请各实施例提供的目标跟踪方法。

第四方面，本申请一个实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请各实施例提供的目标跟踪方法。