[发明专利]一种图像跟踪方法、装置、存储介质及电子设备

权利要求书

1.一种图像跟踪方法，其特征在于，所述方法包括：

逐帧读取实时视频流图像，对所述图像进行归一化处理；

通过YOLOv4深度学习算法，对归一化后的图像进行目标检测，得到单帧图像的检测框和目标类别；

采用DeepSort多目标跟踪算法对所述检测框进行跟踪，得到唯一的目标ID；

将获取的目标ID和对应检测框进行存储。

2.根据权利要求1所述的方法，其特征在于，所述逐帧读取实时视频流图像，对图像进行归一化处理包括：获取视频流地址，并实时解帧；对解帧获得的图像进行缩放处理，以使图像满足预设尺寸要求；

计算图像像素的均值和方差；

将图像中的每一个像素值减去其均值并除以方差，以得到归一化后的图像。

3.根据权利要求1所述的方法，其特征在于，所述通过YOLOv4深度学习算法对归一化后的图像进行目标检测，得到检测框和目标类别包括：

将获得的归一化后的图像输入预先定义的YOLOv4深度学习模型中，将所述归一化后的图像进行分割得到多个网格，每个网格中生成一个检测框；

对所述检测框进行卷积层处理，获得单帧图像的检测框和目标类别。

4.根据权利要求3所述的方法，其特征在于，所述预先定义的YOLOv4深度学习模型包括：特征提取网络、CSP模块、SPP模块、特征融合模块和CIOU_Loss模块；

在特征提取网络中采用CSP模块将基础层的特征映射划分为两部分，通过跨阶段层次结构将特征合并；将合并获得的特征图输入SPP模块，SPP模块将特征图压缩之后进行上采样，并将不同级别的特征图合成最终SPP特征图，将所述SPP特征图以及CSP模块输出的特征图输入所述特征融合模块，所述CIOU_Loss模块基于特征融合模块输出的不同尺度的融合特征进行分类检测，输出最终的目标检测结果。

5.根据权利要求1所述的方法，其特征在于，所述通过DeepSort多目标跟踪算法对检测框进行跟踪，得到唯一的目标ID包括：

使用级联匹配算法，针对每一个检测框分配一个跟踪器，并依次为每个跟踪器设定不同参数；如果跟踪器完成匹配并进行更新，那么参数重置为0，否则参数+1；

在级联匹配中，根据跟踪器的参数大小，以参数小的先匹配，参数大的后匹配为原则，对跟踪器匹配先后顺序进行排序，使得上一帧最先匹配的跟踪器增加优先权，连续几帧未匹配的跟踪器降低优先权；

使用马氏距离和余弦距离计算检测框的近似度后，对前后两帧中检测框内跟踪器进行匹配，匹配度高的被认定为同一跟踪器，分配统一的ID编号，获得每个检测框唯一的目标ID；

在DeepSort多目标跟踪算法中引入YOLOv4深度学习模型的特征提取网络，将所有确认的跟踪器每次完成匹配对应的检测框的特征图存储至列表中，并在每次匹配之后更新特征图的列表。

6.根据权利要求1所述的方法，其特征在于，所述将获取的目标ID和对应检测框进行存储包括：

将获得的唯一ID及其对应的检测框按照图像顺序存入数据库中。

7.一种图像跟踪装置，其特征在于，包括：

处理模块，用于逐帧读取实时视频流图像，对所述图像进行归一化处理；

检测模块，用于通过YOLOv4深度学习算法，对归一化后的图像进行目标检测，得到单帧图像的检测框和目标类别；

跟踪模块，用于采用DeepSort多目标跟踪算法对所述检测框进行跟踪，得到唯一的目标ID；

存储模块，用于将获取的目标ID和对应检测框进行存储。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6任一项所述的图像跟踪方法。

9.一种电子设备，其特征在于，包括：

处理器；以及，

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-6任一项所述的图像跟踪方法。