[发明专利]运动物体跟踪方法、系统、装置及计算机可读存储介质

说明书

一种运动物体跟踪方法、系统、设备及计算可读存储介质，其中方法包括：基于卷积神经网络对当前帧图像进行物体检测，获取图像中物体的边缘信息及对应的物体分类；根据物体分类识别出图像中的运动物体，采用多路径回归算法根据运动物体的边缘信息计算得到运动物体的位置信息；判断已跟踪列表中是否存在与运动物体相匹配的待跟踪物体；若是，则更新已跟踪列表中对应的待跟踪物体的边缘信息及位置信息；若否，则将运动物体作为新的待跟踪物体添加到已跟踪列表中；根据当前待跟踪物体的边缘信息及位置信息采用递归神经网络模型预测下一帧图像中待跟踪物体的边缘信息及位置信息。本发明实施例提高了图像特征提取的泛化性及运动物体轨迹预测的精度。

技术领域

本发明实施例涉及物体跟踪技术领域，特别涉及一种运动物体跟踪方法、系统、装置及计算机可读存储介质。

背景技术

随着视频分析技术的发展，运动物体跟踪技术在视频监控、智能分析、导航等多个领域得到广泛应用。目前，视频分析技术中的运动物体跟踪方法一般采用基于机器学习的方式进行图像提取特征及运动轨迹预测，需要应用先验知识(图像特征提取及运动轨迹预测过程中需要人工干预，应用到人的先前经验)，导致提取的特征不具有很好的泛化性以及预测轨迹与实际轨迹存在很大的偏差的缺陷。

发明内容

有鉴于此，本发明实施例的目的在于提供一种运动物体跟踪方法、系统、设备及计算机可读存储介质，以解决现有的运动物体跟踪方法存在有提取的特征不具有很好的泛化性以及预测轨迹与实际轨迹存在很大的偏差的问题。

本发明实施例解决上述技术问题所采用的技术方案如下：

根据本发明实施例的第一方面，提供一种运动物体跟踪方法，该方法包括：

基于卷积神经网络对当前帧图像进行物体检测，获取所述当前帧图像中物体的边缘信息及对应的物体分类；

根据所述物体分类识别出所述当前帧图像中的运动物体，采用多路径回归算法根据所述运动物体的边缘信息计算得到所述运动物体的位置信息；

判断已跟踪列表中是否存在与所述运动物体相匹配的待跟踪物体；

若在所述已跟踪列表中查询到与所述运动物体相匹配的待跟踪物体，则更新所述已跟踪列表中对应的待跟踪物体的边缘信息及位置信息；

若在所述已跟踪物体列表中未查询到与所述运动物体相匹配的待跟踪物体，则将所述运动物体作为新的待跟踪物体添加到已跟踪列表中；

根据所述已跟踪列表中所述待跟踪物体的边缘信息及位置信息采用递归神经网络模型预测下一帧图像中所述待跟踪物体的边缘信息及位置信息。

其中，所述基于卷积神经网络对当前帧图像进行物体检测，获取所述当前帧图像中物体的边缘信息及对应的物体分类包括：

采用卷积神经网络对所述当前帧图像进行前向运算，获取所述当前帧图像中物体的不同维度的高维特征；

对所述物体的不同维度的高维特征进行回归得到所述物体的边缘信息和对应的物体分类。

其中，所述基于卷积神经网络对当前帧图像进行物体检测，获取所述当前帧图像中物体的边缘信息及对应的物体分类之前还包括：

根据图像采集装置的参数信息确定畸变校正模型，利用所述畸变校正模型对所述当前帧图像进行去畸变处理。

其中，采用多路径回归算法根据所述运动物体的边缘信息计算得到所述物体的位置信息包括：

根据所述物体的边缘信息结合所述图像采集装置的参数信息计算得到所述物体相对所述图像采集装置的角度；

根据所述物体与地面的临接点及图像采集装置离地面的高度、图像采集装置的焦距及姿态，计算得到所述物体的中心到所述图像采集装置的距离。