[发明专利]一种跟踪方法、装置、设备及介质

说明书

本申请实施例提供了一种跟踪方法、装置、设备及介质，用以解决现有技术中由于无法准确检测图像中非机动车的位置信息，导致对非机动车的跟踪不准确的问题。在本申请实施例中，在获取到第一图像及第二图像中非机动车的候选位置信息，进一步确定候选位置信息中为非机动车的位置信息，并根据第一图像及第二图像中非机动车的位置信息，通过Deepsort算法确定第二图像中与第一图像中的非机动车对应的目标非机动车，从而实现对非机动车的跟踪。由于在本申请实施例中，在确定出非机动车的候选位置信息后，进一步在候选位置信息中确定为非机动车的位置信息，从而提高非机动车的位置信息确定的准确性，进而可以准确的实现对非机动车的跟踪。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种跟踪方法、装置、设备及介质。

背景技术

随着城市规模的增长，城市交通中非机动车出行的需求也持续增长，然而由于机动车与非机动车混行的粗放式管理，使得非机动车驾驶员的违法违规行驶现象加剧。目前通过平台接收报警信息以及人工查看监控的方法，确定非机动车是否出现违法违规的驾驶，然而此种判定方式由于需事后的报警信息、事后或事中的人工查看监控，因此往往是事故发生后才能获取到的。也就是说此种确定非机动车驾驶员的违法违规行为的方式存在确定的时间滞后等诸多问题。

现有技术中提出了采用视频分析技术进行对非机动车的行驶轨迹进行监测，从而通过非机动车的行驶轨迹进一步确定非机动车驾驶人员是否发生违法违规行为。具体的，采用机器学习技术或者基于深度学习技术对智能交通场景下的非机动车的行驶轨迹进行检测。其中，基于机器学习技术的目标检测算法为可变性部分模型(Deformable PartModel，DPM)算法、光流法等，然而由于机器学习技术中特征设计局限性及语义特征提取不完全，导致通过机器学习技术检测的非机动车的位置信息的效果较差，使得基于非机动车的位置信息对非机动车的形式轨迹进行检测时不够准确。另外，常用的基于深度学习的目标检测算法为角度学习(Faster-RCNN)等算法，然而其往往是针对场景目标单一的环境进行检测，当场景内包含目标多，目标尺度变化大时，对形状特征较为固定的非机动车的检测效果并不好。也就是说现有技术中并不能准确的对图像中的非机动车的位置信息进行检测，导致无法准确地对非机动车进行跟踪。

发明内容

本申请实施例提供了一种跟踪方法、装置、设备及介质，用以解决现有技术中由于无法准确检测图像中非机动车的位置信息，导致对非机动车的跟踪不准确的问题。

第一方面，本申请实施例提供了一种跟踪方法，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。

第二方面，本申请实施例还提供了一种跟踪装置，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。