[发明专利]一种跟踪方法、装置、设备及介质

权利要求书

1.一种跟踪方法，其特征在于，所述方法包括：

根据第一图像及第二图像，获取所述第一图像及所述第二图像中非机动车的候选位置信息；其中，所述第二图像和所述第一图像为采集到的相邻两帧图像，且所述第二图像的采集时间较所述第一图像的采集时间晚；

确定所述第一图像及所述第二图像的候选位置信息中非机动车的位置信息；

根据所述第一图像及所述第二图像中非机动车的位置信息，通过多目标跟踪Deepsort算法确定所述第二图像中与所述第一图像中的非机动车对应的目标非机动车。

2.根据权利要求1所述的方法，其特征在于，所述根据第一图像及第二图像，获取所述第一图像及所述第二图像中非机动车的候选位置信息之后，所述确定所述第一图像及所述第二图像的候选位置信息中非机动车的位置信息之前，所述方法还包括：

通过非极大值抑制NMS操作，去除所述第一图像中非机动车的候选位置信息中多余的候选位置信息及所述第二图像中非机动车的候选位置信息中多余的候选位置信息。

3.根据权利要求1所述的方法，其特征在于，所述根据第一图像及第二图像，获取所述第一图像及所述第二图像中非机动车的候选位置信息包括：

通过预先训练的目标检测模型，获取所述第一图像及所述第二图像中非机动车的候选位置信息；

所述目标检测模型通过以下方式训练：

获取样本集中的任一样本图像，以及所述样本图像中包含的每个非机动车的第一位置信息；

将所述样本图像输入到目标检测模型中，获取所述样本图像中包含的每个非机动车的第二位置信息；

根据所述第一位置信息和第二位置信息对所述目标检测模型进行训练。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一位置信息和第二位置信息对所述目标检测模型进行训练包括：

判断所述第二位置信息对应的长宽比是否归属于预先保存的长宽比范围；若是，则根据所述第一位置信息和第二位置信息确定所述目标检测模型对应的损失函数的惩罚值；若否，则根据所述长宽比与预先保存的长宽比范围确定所述损失函数的惩罚值；对所述目标检测模型进行训练直至所述损失函数收敛。

5.根据权利要求4所述的方法，其特征在于，所述根据所述长宽比与预先保存的长宽比范围确定所述损失函数的惩罚值包括：

确定预先保存的数值为所述损失函数的惩罚值；或

确定所述长宽比与预先保存的长宽比范围的对应的数值的偏差距离中最小的偏差距离，根据预先保存的距离与数值的对应关系，将所述偏差距离对应的目标数值确定为所述损失函数的惩罚值。

6.根据权利要求4所述的方法，其特征在于，所述预先保存的长宽比范围通过以下方式确定：

根据样本集中预先标注的非机动车的位置信息，获取所述样本集中包含的非机动车的位置信息对应的长宽比；

通过聚类算法及预设数量，对所述样本集中的非机动车长宽比进行聚类；

根据所确定的聚类结果中每一类别中非机动车的长宽比，确定不同类别对应的长宽比范围。

7.根据权利要求1所述的方法，其特征在于，所述确定所述第一图像及所述第二图像的候选位置信息中非机动车的位置信息包括：

通过预先训练的分类模型，获取所述第一图像及所述第二图像的候选位置信息中非机动车的位置信息；

所述分类模型为通过二分类交叉熵损失函数进行训练的模型。

8.一种跟踪装置，其特征在于，所述装置包括：

获取模块，用于根据第一图像及第二图像，获取所述第一图像及所述第二图像中非机动车的候选位置信息；其中，所述第二图像和所述第一图像为采集到的相邻两帧图像，且所述第二图像的采集时间较所述第一图像的采集时间晚；

确定模块，用于确定所述第一图像及所述第二图像的候选位置信息中非机动车的位置信息；

处理模块，用于根据所述第一图像及所述第二图像中非机动车的位置信息，通过多目标跟踪Deepsort算法确定所述第二图像中与所述第一图像中的非机动车对应的目标非机动车。