[发明专利]视频的行人轨迹追踪方法、装置、设备及存储介质

说明书

本发明实施例提供一种视频的行人轨迹追踪方法、装置、设备及存储介质，通过对于待处理视频的每一视频帧进行行人检测，获取每一视频帧中包含的候选行人；对各视频帧之间进行候选行人的相似度匹配，确定出各视频帧之间能够匹配的候选行人，作为相同行人，并获取相同行人的行人标识以及相同行人在各视频帧中的位置信息；输出相同行人的行人标识以及相同行人在各视频帧中的位置信息，作为轨迹信息。本发明实施例可实现对行人检测以及相似度匹配，实现自动对视频进行多目标行人追踪，得到相同行人在视频中的轨迹信息，可用于Re‑ID模型的训练，无需人工对视频中相同行人进行标注，极大的节省了标注成本，为Re‑ID模型的无监督训练提供支持。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种视频的行人轨迹追踪方法、装置、设备及存储介质。

背景技术

多目标追踪(Multiple Object Tracking，MOT)技术在当代计算机视觉领域中受到越来越多的关注，因为它在智能安防等领域的研究和应用具有重要的意义。而多目标行人追踪(person tracking)技术更是MOT领域研究的重点。该技术的目标是在监控设备(例如，摄像头)上同时追踪多个指定的行人目标。在现实场景中，由于受到人体姿态、摄像头拍摄角度变化和照明条件等因素以及遮挡的影响，如何准确地检测并追踪到目标行人成为了十分具有挑战性的问题。而随着深度学习相关算法在计算机视觉(Computer Vision,CV)领域的成功应用，很多先进的方法不断被提出，来提升多目标行人追踪的准确性。

行人追踪问题通常被分解为行人检测和目标关联，目前研究的重点在于目标关联。目标关联过程是将不同视频帧(图片)上关联起同一个目标，使得同一个被追踪目标在一个视频序列上得到一条完整的轨迹。重识别(Re-Identification，Re-ID)技术是目前最为常见的时间空间关联技术，基于视频的行人重识别和车辆重识别也广泛应用于视频安防领域。

而在行人重识别任务中，需要预先训练Re-ID模型，而对Re-ID模型的训练需要大量训练数据，现有技术中需要人为的对视频中的行人进行类别标签进行标注，标注过程耗费了大量的时间成本和人力成本，这就使得重识别技术在多目标行人追踪任务上的应用受到了极大限制。

发明内容

本发明实施例提供一种视频的行人轨迹追踪方法、装置、设备及存储介质，以实现自动对视频进行多目标行人追踪，得到相同行人在视频中的轨迹信息，可用于Re-ID模型的训练，节省标注成本。

本发明实施例的第一方面是提供一种视频的行人轨迹追踪方法，包括：

对于待处理视频的每一视频帧进行行人检测，获取每一视频帧中包含的候选行人；

对各视频帧之间进行候选行人的相似度匹配，确定出各视频帧之间能够匹配的候选行人，作为相同行人，并获取相同行人的行人标识以及相同行人在各视频帧中的位置信息；

输出相同行人的行人标识以及相同行人在各视频帧中的位置信息，作为轨迹信息。

在一种可能的实施方式中，所述输出相同行人的行人标识以及相同行人在各视频帧中的位置信息后，还包括：

根据所述相同行人的行人标识以及相同行人在各视频帧中的位置信息，对各视频帧进行图像截取，获取与所述行人标识对应的行人图像集合；

根据所述行人图像集合，对重识别Re-ID模型进行训练。

在一种可能的实施方式中，所述对各视频帧之间进行候选行人的相似度匹配，确定出各视频帧之间能够匹配的候选行人，包括：

采用预设的匹配模型对任意两视频帧之间的各候选行人的图像进行相似度匹配，确定出两视频帧之间能够匹配的候选行人，并获取匹配的置信度；

当置信度高于预设阈值时，将所述能够匹配的候选行人作为相同行人。