【技術實現步驟摘要】
本申請涉及目標跟蹤領域，特別是涉及一種用于無人視角的多目標跟蹤方法、裝置及電子設備。
技術介紹
1、市面上大部分多目標跟蹤方案都是基于機器學習的原理，對每個視頻幀進行目標檢測，利用相鄰視頻幀中目標的位置和大小來估計目標的運動姿態，完成目標跟蹤。
2、目前常用的多目標跟蹤方法，要求視頻畫面靜止不動或者視頻畫面變化相對平滑，因為快速運動的視頻畫面會導致對目標的線性運動狀態估計失效。如果僅僅通過外觀的跟蹤方法，則要求視頻中跟蹤目標有更多細節，否則出現同質目標的時候會混淆。但是在無人機多目標跟蹤的場景下，多數情況下畫面是無法平滑穩定變化的，且目標在視頻中呈現的大小也并不理想。
技術實現思路
1、本申請實施例提供了一種用于無人視角的多目標跟蹤方法、裝置及電子設備，以至少解決相關技術中無法在不穩定狀態下實現多目標跟蹤的問題。
2、第一方面，本申請實施例提供了一種用于無人視角的多目標跟蹤方法，其特征在于，包括：
3、提取視頻中的目標對象，基于所述目標對象在前一視頻幀的第一位置信息預測所述目標對象在當前視頻幀中的第二位置信息；
4、使用單目標跟蹤網絡對多個所述目標對象在視頻中的位置進行跟蹤，基于所述第二位置信息對所述跟蹤的有效性進行判斷；
5、如果跟蹤有效，則使用所述單目標跟蹤網絡進行多目標實時跟蹤；
6、如果跟蹤無效，則對所述單目標跟蹤網絡進行初始化處理，使用處理后的所述單目標跟蹤網絡繼續對多個所述目標對象進行多目標實時跟蹤
7、在一實施例中，所述提取視頻中的目標對象，基于所述目標對象在前一視頻幀的第一位置信息預測所述目標對象在當前視頻幀中的第二位置信息，包括：
8、在所述視頻中選取所述目標對象，獲取所述目標對象在所述前一視頻幀中的所述第一位置信息；
9、提取所述目標對象的特征表示，基于所述特征表示預測所述目標對象在所述當前視頻幀中的第二位置信息。
10、在一實施例中，所述提取所述目標對象的特征表示，基于所述特征表示預測所述目標對象在所述當前視頻幀中的第二位置信息，包括：
11、使用siamese網絡結構提取所述目標對象的目標特征網絡，得到所述目標對象的特征表示；
12、將所述特征表示輸入rpn網絡得到輸出數據，對所述輸出數據進行平移縮放得到所述第二位置信息。
13、在一實施例中，所述使用單目標跟蹤網絡對多個所述目標對象在視頻中的位置進行跟蹤，基于所述第二位置信息對所述跟蹤的有效性進行判斷，包括：
14、獲取存儲有所述第二位置信息的目標檢測結果隊列，將所述單目標跟蹤網絡的跟蹤結果與所述目標檢測結果隊列中的內容進行對比，如果連續預設閾值數量的所述跟蹤結果與所述目標檢測結果隊列中的內容沒有重疊，則判定所述跟蹤無效。
15、在一實施例中，還包括：
16、使用所述單目標跟蹤網絡進行多目標實時跟蹤時，對不同所述目標對象的像素距離進行區別處理；
17、如果所述像素距離大于距離閾值，判定所述目標對象為分離目標，使用卡爾曼濾波對所述分離目標的目標軌跡進行平滑處理和軌跡預測；
18、如果所述像素距離小于或等于距離閾值，判定所述目標對象為相鄰目標，對所述相鄰目標的實際位置進行矯正。
19、在一實施例中，所述如果所述像素距離大于距離閾值，判定所述目標對象為分離目標，使用卡爾曼濾波對所述分離目標的目標軌跡進行平滑處理和軌跡預測，包括：
20、如果所述像素距離大于距離閾值，判定所述目標對象為分離目標；
21、獲取所述分離目標連續視頻幀的運動軌跡，根據使用卡爾曼濾波對所述目標軌跡進行平滑處理和軌跡預測；
22、當所述單目標跟蹤網絡出現目標丟失，獲取所述軌跡預測的周圍區域，使用所述周圍區域的特征表示與歷史幀的特征表示進行矩陣相似度計算；
23、如果計算結果大于閾值，則認為重新找到所述目標對象，使用所述目標對象的區域特征對所述單目標跟蹤網絡進行初始化，使用處理后的所述單目標跟蹤網絡繼續對多個所述目標對象進行多目標實時跟蹤。
24、在一實施例中，所述如果所述像素距離小于或等于距離閾值，判定所述目標對象為相鄰目標，對所述相鄰目標的實際位置進行矯正，包括：
25、如果所述像素距離小于或等于距離閾值，判定所述目標對象為相鄰目標；
26、獲取歷史幀中所述相鄰目標移動的平均速度和瞬時速度；
27、基于所述平均速度以及所述瞬時速度對所述歷史幀中所述相鄰目標的實際位置進行矯正。
28、第二方面，本申請實施例提供了一種用于無人視角的多目標跟蹤裝置，包括：
29、信息預測模塊，用于提取視頻中的目標對象，基于所述目標對象在前一視頻幀的第一位置信息預測所述目標對象在當前視頻幀中的第二位置信息；
30、有效性判斷模塊，用于使用單目標跟蹤網絡對多個所述目標對象在視頻中的位置進行跟蹤，基于所述第二位置信息對所述跟蹤的有效性進行判斷；
31、第一執行模塊，用于如果跟蹤有效，則使用所述單目標跟蹤網絡進行多目標實時跟蹤；
32、第二執行模塊，用于如果跟蹤無效，則對所述單目標跟蹤網絡進行初始化處理，使用處理后的所述單目標跟蹤網絡繼續對多個所述目標對象進行多目標實時跟蹤。
33、第三方面，本申請實施例提供了一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如上述第一方面所述的用于無人視角的多目標跟蹤方法。
34、第四方面，本申請實施例提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如上述第一方面所述的用于無人視角的多目標跟蹤方法。
35、本申請實施例提供的一種用于無人視角的多目標跟蹤方法、裝置及電子設備至少具有以下技術效果。
36、通過采用單目標跟蹤方式進行多目標跟蹤，在丟失目標對象時重啟單目標跟蹤器繼續跟蹤目標，克服了畫面不穩定性帶來的挑戰，實現了在無人機飛行過程中對多個目標進行高效穩定的跟蹤，為用戶提供了更加靈活和便捷的操作體驗。
37、本申請的一個或多個實施例的細節在以下附圖和描述中提出，以使本申請的其他特征、目的和優點更加簡明易懂。
本文檔來自技高網...【技術保護點】
1.一種用于無人視角的多目標跟蹤方法，其特征在于，包括：
2.根據權利要求1所述的用于無人視角的多目標跟蹤方法，其特征在于，所述提取視頻中的目標對象，基于所述目標對象在前一視頻幀的第一位置信息預測所述目標對象在當前視頻幀中的第二位置信息，包括：
3.根據權利要求2所述的用于無人視角的多目標跟蹤方法，其特征在于，所述提取所述目標對象的特征表示，基于所述特征表示預測所述目標對象在所述當前視頻幀中的第二位置信息，包括：
4.根據權利要求1所述的用于無人視角的多目標跟蹤方法，其特征在于，所述使用單目標跟蹤網絡對多個所述目標對象在視頻中的位置進行跟蹤，基于所述第二位置信息對所述跟蹤的有效性進行判斷，包括：
5.根據權利要求1所述的用于無人視角的多目標跟蹤方法，其特征在于，還包括：
6.根據權利要求5所述的用于無人視角的多目標跟蹤方法，其特征在于，所述如果所述像素距離大于距離閾值，判定所述目標對象為分離目標，使用卡爾曼濾波對所述分離目標的目標軌跡進行平滑處理和軌跡預測，包括：
7.根據權利要求5所述的用于無人視角的多目標
8.一種用于無人視角的多目標跟蹤裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1至權利要求7中任一項所述的用于無人視角的多目標跟蹤方法。
...【技術特征摘要】
1.一種用于無人視角的多目標跟蹤方法，其特征在于，包括：
2.根據權利要求1所述的用于無人視角的多目標跟蹤方法，其特征在于，所述提取視頻中的目標對象，基于所述目標對象在前一視頻幀的第一位置信息預測所述目標對象在當前視頻幀中的第二位置信息，包括：
3.根據權利要求2所述的用于無人視角的多目標跟蹤方法，其特征在于，所述提取所述目標對象的特征表示，基于所述特征表示預測所述目標對象在所述當前視頻幀中的第二位置信息，包括：
4.根據權利要求1所述的用于無人視角的多目標跟蹤方法，其特征在于，所述使用單目標跟蹤網絡對多個所述目標對象在視頻中的位置進行跟蹤，基于所述第二位置信息對所述跟蹤的有效性進行判斷，包括：
5.根據權利要求1所述的用于無人視角的多目標跟蹤方法，其...
【專利技術屬性】
技術研發人員：王昊陽，朱偉，石喬木，
申請(專利權)人：杭州靖安防務科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。