[发明专利]多目标追踪方法及人脸识别方法

说明书

本发明提供一种多目标追踪方法及人脸识别方法。所述多目标追踪方法包括：获取待处理视频图像，所述待处理视频图像包括多个帧图像；分别对每个帧图像进行目标识别处理以获取每个帧图像中每个目标的位置相关信息和特征信息，至少其中一个帧图像中包括多个目标；分别对每个帧图像中的每个目标进行分析处理以判断每个目标是否属于特定目标；当所述目标属于特定目标时，根据特征信息或者同时根据位置相关信息以及特征信息进行再识别处理。本发明可以实现多目标追踪的高准确率。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种多目标追踪方法、人脸识别方法、计算机可读存储介质以及计算机设备。

背景技术

视频追踪技术作为计算机视觉应用中的重要部分，广泛用于环境监控、人机交互、机器人导航等，其主要目的是通过对摄像头获得的图像序列进行分析，计算出运动目标在每一帧图像上的位置，并根据不同的特征值，将图像序列中连续帧之间的同一运动目标关联起来，得到每帧图像中目标的运动参数以及相邻帧图像间运动目标的对应关系，进一步得到运动目标完整的运动轨迹。

在解决多目标追踪问题时，为了节省计算成本，通常分为两步：

第一步，分别对每个帧图像进行目标识别处理以获取每个帧图像中每个目标的位置相关信息和特征信息；

第二步，对每个帧图像中的每个目标进行再识别(ReID)处理，即将图像中某个物体与其他图像中物体进行比对，判断是否属于同一物体，并据此为每帧图像中的每个物体分配ID，同一物体在不同帧图像中的ID相同。换句话说，对于视频的某一帧，检测得到的结果有N个det，即表明画面中有N个物体；同时之前匹配帧的结果有M个Trk，即M个追踪ID，ReID的过程就是将N个det和M个Trk匹配的过程。

在ReID过程中最常用的两种参数是：位置相关信息X(包括位置、大小，速度等与检测物的位置信息或其倒数等相关的变量)和特征信息F(经过神经网络模型提取的检测物体的特征向量)。通常在ReID过程中，用上述一种或两种参数构建成本矩阵(cost matrix)，从而进行匹配过程。

现有技术中成本矩阵具体构建方式有如下四种：

(1)只使用位置相关信息X进行一步ReID，此时速度较快，但是匹配准确率低，对探测要求高；

(2)只使用特性信息F进行一步ReID，此时匹配准确率较高，但速度慢，特别难以实现多目标的实时追踪；

(3)同时使用位置相关信息X和特征信息F进行一步ReID(比如通过一定权重λ混合两个参数来构建cost matrix：X+λF)，此时可以进一步提高匹配精度，但速度受限于特征信息F的计算时间，难以实时。

(4)首先利用位置相关信息X进行第一次ReID，匹配未成功的再启动特征信息F进行第二次ReID，此时可以让大部分的匹配过程利用位置相关信息X计算，达到省时的效果，当匹配不成功的情况再启用特征信息F能完善匹配精度，达到兼顾计算效率和匹配精度的目的。但是其缺点是优先进行位置相关信息X的匹配将导致位置相关信息X匹配错误影响特征信息F的匹配集合。也就是说特征信息F的计算无法纠正第一次ReID匹配中位置相关信息X带来的错误。这种情况在多目标追踪，特别是多个目标有重叠交错的情况，利用位置相关信息X匹配将可能出错，并且特征信息F也无法修复。

上述无论是一步还是两步ReID过程，对于同一视频中的物体的匹配逻辑都是固定的。其中第(4)种方式优于前三种方式，是目前多目标追踪过程中普遍采用的技术方案，但是如何在不影响计算效率的前提下，提高匹配精度已成为本领域技术人员亟待解决的技术问题。

发明内容

本发明解决的问题是如何实现高速且高准确率的多目标追踪。

为解决上述问题，本发明提供一种多目标追踪方法，包括：