[发明专利]基于声音定位的目标跟踪方法、电子设备及可读存储介质

说明书

本申请公开了一种基于声音定位的目标跟踪方法、电子设备及可读存储介质，涉及目标跟踪技术领域，所述基于声音定位的目标跟踪方法包括：获取目标教室区域的讲台区域图像，识别所述讲台区域图像中的至少一个活体对象；采集各所述活体对象的音频信号，依据各所述音频信号的声学参数，定位目标跟踪对象所处的目标声源位置；依据所述目标声源位置，对所述目标跟踪对象进行目标特写跟踪。本申请解决了现有技术中目标跟踪的准确性较低的技术问题。

技术领域

本申请涉及目标跟踪技术领域，尤其涉及一种基于声音定位的目标跟踪方法、电子设备及可读存储介质。

背景技术

随着互联网的高速发展，智慧教育系统和远程课堂终端设备业务迅速膨胀，在教学录播时对发言者的精准定位和跟踪特写的要求也越来越高。

目前在教学录播过程中，为了更好的展示授课情况，通常需要对讲台区域的发言者进行目标特写跟踪，往往采取通过可见光相机对发言者进行定位的方式，达到目标跟踪的目的，然而这样的方式在当学生上讲台发言时，不仅不能够快速定位到学生，而且还容易出现假人误检的情况，从而导致目标跟踪的准确度较低。

发明内容

本申请的主要目的在于提供一种基于声音定位的目标跟踪方法、电子设备及可读存储介质，旨在解决现有技术中目标跟踪的准确性较低的技术问题。

为实现上述目的，本申请提供一种基于声音定位的目标跟踪方法，所述基于声音定位的目标跟踪方法包括：

获取目标教室区域的讲台区域图像，识别所述讲台区域图像中的至少一个活体对象；

采集各所述活体对象的音频信号，依据各所述音频信号的声学参数，定位目标跟踪对象所处的目标声源位置；

依据所述目标声源位置，对所述目标跟踪对象进行目标特写跟踪。

可选地，所述获取目标教室区域的讲台区域图像，识别所述讲台区域图像中的至少一个活体对象的步骤包括：

获取所述讲台区域的可见光图像，通过目标检测得到所述可见光图像下的各人脸检测框、各人头检测框和各人身检测框；

将各所述人脸检测框、各所述人头检测框和各所述人身检测框进行多框合并，得到各可见光检测框；

获取所述讲台区域的红外图像，通过目标检测得到所述红外图像下的各行人检测框；

对各所述可见光检测框和各所述行人检测框进行目标匹配，得到各所述活体对象。

可选地，所述对各所述可见光检测框和各所述行人检测框进行目标匹配，得到各所述活体对象的步骤包括：

对各所述可见光检测框和各所述行人检测框进行相似度匹配，得到第一匹配代价矩阵；

获取所述第一匹配代价矩阵中的第一最优匹配代价值，将所述第一最优匹配代价值作为第一匹配结果；

依据所述第一匹配结果，确定对应的各目标可见光检测框和各目标行人检测框，将所述目标可见光检测框与目标行人检测框内共同的目标行人作为所述活体对象。

可选地，所述将各所述人脸检测框、各所述人头检测框和各所述人身检测框进行多框合并，得到各可见光检测框的步骤包括：

将各所述人脸检测框与各所述人头检测框进行匹配，得到第二匹配结果；

将各所述人头检测框与各所述人身检测框进行匹配，得到第三匹配结果；

依据所述第二匹配结果和所述第三匹配结果，进行多框合并，得到所述可见光检测框。

可选地，所述将各所述人脸检测框与各所述人头检测框进行匹配，得到第二匹配结果的步骤包括：