(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號(hào)CN114219828B(65)同一申請(qǐng)的已公布的文獻(xiàn)號(hào)(73)專利權(quán)人浙江大華技術(shù)股份有限公司地址310051浙江省杭州市濱江區(qū)濱安路1187號(hào)(72)發(fā)明人周經(jīng)緯潘華東殷俊李中振鞏海軍(74)專利代理機(jī)構(gòu)深圳市威世博知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)44280專利代理師何倚雯GO6V20/52(2022.01)GO6V20/40(2022.01)審查員楊棠欽一種基于視頻的目標(biāo)關(guān)聯(lián)方法、裝置和可讀存儲(chǔ)介質(zhì)(57)摘要本申請(qǐng)公開(kāi)了一種基于視頻的目標(biāo)關(guān)聯(lián)方法、裝置和可讀存儲(chǔ)介質(zhì)，該基于視頻的目標(biāo)關(guān)聯(lián)方法包括：獲取監(jiān)控視頻的當(dāng)前幀圖像；對(duì)當(dāng)前幀圖像中的待追蹤目標(biāo)進(jìn)行目標(biāo)檢測(cè)，得到待追蹤目標(biāo)的第一目標(biāo)檢測(cè)信息；基于當(dāng)前幀圖像中待追蹤目標(biāo)的位置信息，確定歷史幀圖像中的各個(gè)待匹配目標(biāo)；待匹配目標(biāo)包括歷史幀圖像中候選匹配區(qū)域內(nèi)的目標(biāo)，候選匹配區(qū)域是基于待追蹤目標(biāo)的位置信息確定的；歷史幀圖像是監(jiān)控視頻中當(dāng)前幀圖像之前的圖像；基于各個(gè)待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息和第一目標(biāo)檢測(cè)信息的相似度，確定出與待追蹤目標(biāo)關(guān)聯(lián)的待匹配目2獲取監(jiān)控視頻的當(dāng)前幀圖像；對(duì)所述當(dāng)前幀圖像中的待追蹤目標(biāo)進(jìn)行目標(biāo)檢測(cè)，得到所述待追蹤目標(biāo)的第一目標(biāo)檢基于所述當(dāng)前幀圖像中所述待追蹤目標(biāo)的位置信息，確定歷史幀圖像中的各個(gè)待匹配目標(biāo)；所述待匹配目標(biāo)包括歷史幀圖像中候選匹配區(qū)域內(nèi)的目標(biāo)，所述候選匹配區(qū)域是基于所述待追蹤目標(biāo)的位置信息確定的，且所述候選匹配區(qū)域?yàn)橐运龃粉櫮繕?biāo)的當(dāng)前位置為中心、預(yù)設(shè)幾何形狀的區(qū)域；所述歷史幀圖像是所述監(jiān)控視頻中所述當(dāng)前幀圖像之前的圖像；基于各個(gè)待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息和所述第一目標(biāo)檢測(cè)信息的相似度，確定出與所述待追蹤目標(biāo)關(guān)聯(lián)的待匹配目標(biāo)；所述當(dāng)前幀圖像中的所述待追蹤目標(biāo)為多個(gè)時(shí)，同時(shí)對(duì)多個(gè)所述待追蹤目標(biāo)進(jìn)行匹配，得到各自的待匹配目標(biāo)；其中，所述第一目標(biāo)檢測(cè)信息包括所述待追蹤目標(biāo)的類別信息與關(guān)鍵點(diǎn)信息，所述類別信息包括所述待追蹤目標(biāo)的類別以及與所述類別對(duì)應(yīng)的特征向量，所述類別包括年齡或性別；所述第二目標(biāo)檢測(cè)信息包括所述待匹配目標(biāo)的類別信息與關(guān)鍵點(diǎn)信息，所述關(guān)鍵點(diǎn)信息包含待追蹤目標(biāo)的所有關(guān)鍵點(diǎn)，所述關(guān)鍵點(diǎn)與人體的關(guān)節(jié)或者部位相對(duì)應(yīng)；所述基于各個(gè)待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息和所述第一目標(biāo)檢測(cè)信息的相似度，確定出與所述待追蹤目標(biāo)關(guān)聯(lián)的待匹配目標(biāo)的步驟，包括：基于所述待匹配目標(biāo)的類別信息與所述待追蹤目標(biāo)的類別信息，對(duì)所述待追蹤目標(biāo)與每個(gè)所述待匹配目標(biāo)進(jìn)行匹配度比對(duì)，得到類別相似度；基于所述待匹配目標(biāo)的目標(biāo)檢測(cè)框與所述待追蹤目標(biāo)的目標(biāo)檢測(cè)框，對(duì)所述待追蹤目標(biāo)與每個(gè)所述待匹配目標(biāo)進(jìn)行位置比對(duì)，得到空間相似度；從所述待追蹤目標(biāo)的所有關(guān)鍵點(diǎn)中選取出第一參照關(guān)鍵點(diǎn)，從所述待匹配目標(biāo)中選取出第二參照關(guān)鍵點(diǎn)，所述第二參照關(guān)鍵點(diǎn)與所述第一參照關(guān)鍵點(diǎn)位于同一部位；將所述第一參照關(guān)鍵點(diǎn)與所述第二參照關(guān)鍵點(diǎn)對(duì)齊，并計(jì)算所述待追蹤目標(biāo)中的剩余關(guān)鍵點(diǎn)與所述待匹配目標(biāo)中相應(yīng)的剩余關(guān)鍵點(diǎn)之間的距離，得到姿態(tài)偏移值；將所述姿態(tài)偏移值與預(yù)設(shè)姿態(tài)評(píng)分表進(jìn)行匹配，得到姿態(tài)相似度；所述姿態(tài)包括站姿、坐姿或躺姿，所述姿態(tài)評(píng)分表包括所述姿態(tài)偏移值以及對(duì)應(yīng)的所述姿態(tài)相似度；對(duì)所述類別相似度、所述空間相似度以及所述姿態(tài)相似度進(jìn)行加權(quán)求和處理，生成所述相似度；基于所述相似度，確定出與所述待追蹤目標(biāo)關(guān)聯(lián)的待匹配目標(biāo)。2.根據(jù)權(quán)利要求1所述的基于視頻的目標(biāo)關(guān)聯(lián)方法，其特征在于，所述基于各個(gè)待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息和所述第一目標(biāo)檢測(cè)信息的相似度，確定出與所述待追蹤目標(biāo)關(guān)判斷所有所述待匹配目標(biāo)中是否存在所述相似度大于預(yù)設(shè)評(píng)分閾值的待匹配目標(biāo)；若是，則將所述相似度最大的待匹配目標(biāo)與所述待追蹤目標(biāo)進(jìn)行關(guān)聯(lián)。3.根據(jù)權(quán)利要求1所述的基于視頻的目標(biāo)關(guān)聯(lián)方法，其特征在于，所述確定出與所述待追蹤目標(biāo)關(guān)聯(lián)的待匹配目標(biāo)的步驟之后，包括：將所述待匹配目標(biāo)的身份標(biāo)識(shí)信息，確定為所述待追蹤目標(biāo)的身份標(biāo)識(shí)信息。34.根據(jù)權(quán)利要求1所述的基于視頻的目標(biāo)關(guān)聯(lián)方法，其特征在于，所述基于所述待匹配目標(biāo)的類別信息與所述待追蹤目標(biāo)的類別信息，對(duì)所述待追蹤目標(biāo)與每個(gè)所述待匹配目標(biāo)計(jì)算所述待追蹤目標(biāo)的特征向量與所述待匹配目標(biāo)的特征向量之間的偏差，得到偏差將所述偏差值與預(yù)設(shè)偏差評(píng)分表進(jìn)行匹配，得到所述類別相似度。5.根據(jù)權(quán)利要求1所述的基于視頻的目標(biāo)關(guān)聯(lián)方法，其特征在于，所述基于所述待匹配目標(biāo)的目標(biāo)檢測(cè)框與所述待追蹤目標(biāo)的目標(biāo)檢測(cè)框，對(duì)所述待追蹤目標(biāo)與每個(gè)所述待匹配計(jì)算所述待追蹤目標(biāo)的目標(biāo)檢測(cè)框與所述待匹配目標(biāo)的目標(biāo)檢測(cè)框之間的交并比，得到當(dāng)前交并比；將所述當(dāng)前交并比與預(yù)設(shè)空間評(píng)分表進(jìn)行匹配，得到所述空間相似度。6.根據(jù)權(quán)利要求1所述的基于視頻的目標(biāo)關(guān)聯(lián)方法，其特征在于，所述基于所述待匹配目標(biāo)的關(guān)鍵點(diǎn)信息與所述待追蹤目標(biāo)的關(guān)鍵點(diǎn)信息，對(duì)所述待追蹤目標(biāo)與每個(gè)所述待匹配基于位置檢測(cè)模型，分別對(duì)將所述待追蹤目標(biāo)的關(guān)鍵點(diǎn)信息與所述待匹配目標(biāo)的關(guān)鍵點(diǎn)信息進(jìn)行位置檢測(cè)處理，得到所述待追蹤目標(biāo)的關(guān)鍵點(diǎn)位置信息與所述待匹配目標(biāo)的關(guān)鍵點(diǎn)位置信息；基于姿態(tài)比對(duì)模型，對(duì)所述待追蹤目標(biāo)的關(guān)鍵點(diǎn)位置信息與所述待匹配目標(biāo)的關(guān)鍵點(diǎn)位置信息進(jìn)行姿態(tài)比對(duì)處理，得到姿態(tài)信息與所述姿態(tài)相似度。7.根據(jù)權(quán)利要求1所述的基于視頻的目標(biāo)關(guān)聯(lián)方法，其特征在于，所述對(duì)當(dāng)前幀圖像中的待追蹤目標(biāo)進(jìn)行目標(biāo)檢測(cè)，得到所述待追蹤目標(biāo)的第一目標(biāo)檢測(cè)信息的步驟之前，包括：判斷所述當(dāng)前幀圖像是否為關(guān)鍵幀圖像；若是，則采用目標(biāo)檢測(cè)模型對(duì)所述當(dāng)前幀圖像進(jìn)行處理，得到目標(biāo)檢測(cè)框；若否，則基于所述歷史幀圖像中待匹配目標(biāo)的位置確定目標(biāo)檢測(cè)框；采用分類模型對(duì)所述目標(biāo)檢測(cè)框進(jìn)行處理，得到所述待匹配目標(biāo)的類別信息以及所述待追蹤目標(biāo)的類別信息；采用關(guān)鍵點(diǎn)檢測(cè)模型對(duì)所述目標(biāo)檢測(cè)框進(jìn)行處理，得到所述待匹配目標(biāo)的關(guān)鍵點(diǎn)信息以及所述待追蹤目標(biāo)的關(guān)鍵點(diǎn)信息。8.根據(jù)權(quán)利要求7所述的基于視頻的目標(biāo)關(guān)聯(lián)方法，其特征在于，所述判斷所述當(dāng)前幀圖像是否為關(guān)鍵幀圖像的步驟，包括：判斷所述當(dāng)前幀圖像的幀數(shù)是否在預(yù)設(shè)數(shù)值集內(nèi)；若是，則確定所述當(dāng)前幀圖像為關(guān)鍵幀圖像。9.根據(jù)權(quán)利要求7所述的基于視頻的目標(biāo)關(guān)聯(lián)方法，其特征在于，所述方法還包括：在所述當(dāng)前幀圖像不是關(guān)鍵幀圖像時(shí)，基于所述待追蹤目標(biāo)的關(guān)鍵點(diǎn)位置信息對(duì)所述目標(biāo)檢測(cè)框進(jìn)行限縮。10.根據(jù)權(quán)利要求9所述的基于視頻的目標(biāo)關(guān)聯(lián)方法，其特征在于，所述關(guān)鍵點(diǎn)位置信息包括每個(gè)關(guān)鍵點(diǎn)的位置坐標(biāo)，所述位置坐標(biāo)包括橫坐標(biāo)值以及縱坐標(biāo)值，所述基于所述關(guān)鍵點(diǎn)位置信息對(duì)所述目標(biāo)檢測(cè)框進(jìn)行限縮的步驟，包括：4基于所述關(guān)鍵點(diǎn)位置信息，獲取所有所述關(guān)鍵點(diǎn)中縱坐標(biāo)值最小的關(guān)鍵點(diǎn)以及縱坐標(biāo)值最大的關(guān)鍵點(diǎn)；基于所述關(guān)鍵點(diǎn)位置信息，獲取所有所述關(guān)鍵點(diǎn)中橫坐標(biāo)值最小的關(guān)鍵點(diǎn)以及橫坐標(biāo)值最大的關(guān)鍵點(diǎn)；獲取所述縱坐標(biāo)值最小的關(guān)鍵點(diǎn)、所述縱坐標(biāo)值最大的關(guān)鍵點(diǎn)、所述橫坐標(biāo)值最小的關(guān)鍵點(diǎn)以及所述橫坐標(biāo)值最大的關(guān)鍵點(diǎn)的外接矩形，得到所述當(dāng)前幀圖像的目標(biāo)檢測(cè)框。11.一種實(shí)時(shí)目標(biāo)跟蹤裝置，其特征在于，包括互相連接的存儲(chǔ)器和處理器，其中，所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被所述處理器執(zhí)行時(shí)，用于實(shí)現(xiàn)權(quán)利要求1-10中任一項(xiàng)所述的基于視頻的目標(biāo)關(guān)聯(lián)方法。12.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于存儲(chǔ)計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)，用于實(shí)現(xiàn)權(quán)利要求1-10中任一項(xiàng)所述的基于視頻的目標(biāo)關(guān)聯(lián)方法。5一種基于視頻的目標(biāo)關(guān)聯(lián)方法、裝置和可讀存儲(chǔ)介質(zhì)技術(shù)領(lǐng)域[0001]本申請(qǐng)涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，具體涉及一種基于視頻的目標(biāo)關(guān)聯(lián)方法、裝置和可讀存儲(chǔ)介質(zhì)。背景技術(shù)[0002]目前跟蹤系統(tǒng)的應(yīng)用場(chǎng)景越來(lái)越廣泛，在軍事領(lǐng)域可以應(yīng)用于戰(zhàn)場(chǎng)偵測(cè)或目標(biāo)跟蹤，在安防領(lǐng)域可以應(yīng)用于犯罪預(yù)警或疑犯定位，在城市交通領(lǐng)域可以應(yīng)用于違章檢測(cè)或自動(dòng)駕駛等，因此跟蹤系統(tǒng)成為目前研究熱點(diǎn)，但目前的跟蹤系統(tǒng)僅能實(shí)現(xiàn)單一的跟蹤定位，無(wú)法實(shí)現(xiàn)對(duì)目標(biāo)的類別分析或行為分析等方面的智能化檢測(cè)。發(fā)明內(nèi)容[0003]本申請(qǐng)?zhí)峁┮环N基于視頻的目標(biāo)關(guān)聯(lián)方法、裝置和可讀存儲(chǔ)介質(zhì)，能夠?qū)崟r(shí)智能化地進(jìn)行目標(biāo)關(guān)聯(lián)。[0004]為解決上述技術(shù)問(wèn)題，本申請(qǐng)采用的技術(shù)方案是：提供一種基于視頻的目標(biāo)關(guān)聯(lián)方法，該基于視頻的目標(biāo)關(guān)聯(lián)方法包括：獲取監(jiān)控視頻的當(dāng)前幀圖像；對(duì)當(dāng)前幀圖像中的待追蹤目標(biāo)進(jìn)行目標(biāo)檢測(cè)，得到待追蹤目標(biāo)的第一目標(biāo)檢測(cè)信息；基于當(dāng)前幀圖像中待追蹤目標(biāo)的位置信息，確定歷史幀圖像中的各個(gè)待匹配目標(biāo)；待匹配目標(biāo)包括歷史幀圖像中候選匹配區(qū)域內(nèi)的目標(biāo)，候選匹配區(qū)域是基于待追蹤目標(biāo)的位置信息確定的；歷史幀圖像是監(jiān)控視頻中當(dāng)前幀圖像之前的圖像；基于各個(gè)待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息和第一目標(biāo)檢測(cè)信息的相似度，確定出與待追蹤目標(biāo)關(guān)聯(lián)的待匹配目標(biāo)。[0005]為解決上述技術(shù)問(wèn)題，本申請(qǐng)采用的另一技術(shù)方案是：提供一種實(shí)時(shí)目標(biāo)跟蹤裝置，實(shí)時(shí)目標(biāo)跟蹤裝置包括互相連接的存儲(chǔ)器和處理器，其中，所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被所述處理器執(zhí)行時(shí)，用于實(shí)現(xiàn)上述技術(shù)方案中的基于視頻的目標(biāo)關(guān)聯(lián)方法。[0006]為解決上述技術(shù)問(wèn)題，本申請(qǐng)采用的又一技術(shù)方案是：提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其用于存儲(chǔ)計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)，用于實(shí)現(xiàn)上述技術(shù)方案中的基于視頻的目標(biāo)關(guān)聯(lián)方法。[0007]通過(guò)上述方案，本申請(qǐng)的有益效果是：先獲取監(jiān)控視頻的當(dāng)前幀圖像，然后對(duì)當(dāng)前幀圖像中的待追蹤目標(biāo)進(jìn)行目標(biāo)檢測(cè)，得到待追蹤目標(biāo)的第一目標(biāo)檢測(cè)信息，再基于當(dāng)前幀圖像中待追蹤目標(biāo)的位置信息，確定歷史幀圖像中的各個(gè)待匹配目標(biāo)，最后再基于各個(gè)待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息和第一目標(biāo)檢測(cè)信息的相似度，確定出與待追蹤目標(biāo)關(guān)聯(lián)的待匹配目標(biāo)；通過(guò)該方案能夠得到待追蹤目標(biāo)的目標(biāo)檢測(cè)信息，實(shí)現(xiàn)對(duì)目標(biāo)的智能檢測(cè)分析，同時(shí)能夠利用目標(biāo)檢測(cè)信息(包括第一目標(biāo)檢測(cè)信息以及第二目標(biāo)檢測(cè)信息)在歷史幀圖像中對(duì)待追蹤目標(biāo)進(jìn)行目標(biāo)匹配，以實(shí)現(xiàn)目標(biāo)關(guān)聯(lián)，進(jìn)而完成目標(biāo)跟蹤；此外，通過(guò)將目標(biāo)檢測(cè)分析以及目標(biāo)跟蹤結(jié)合，能夠進(jìn)一步地提升目標(biāo)跟蹤的準(zhǔn)確性，也更加智能。6附圖說(shuō)明[0008]為了更清楚地說(shuō)明本申請(qǐng)實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本申請(qǐng)的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他[0009]圖1是本申請(qǐng)?zhí)峁┑幕谝曨l的目標(biāo)關(guān)聯(lián)方法一實(shí)施例的流程示意圖；[0010]圖2是本申請(qǐng)?zhí)峁┑幕谝曨l的目標(biāo)關(guān)聯(lián)方法另一實(shí)施例的流程示意圖；[0011]圖3是本申請(qǐng)?zhí)峁┑膶?duì)非關(guān)鍵幀圖像的目標(biāo)檢測(cè)框進(jìn)行限縮的流程示意圖；[0012]圖4是本申請(qǐng)?zhí)峁┑牟襟E27的流程示意圖；[0013]圖5是本申請(qǐng)?zhí)峁┑膶?shí)時(shí)目標(biāo)跟蹤裝置一實(shí)施例的結(jié)構(gòu)示意圖；[0014]圖6是本申請(qǐng)?zhí)峁┑挠?jì)算機(jī)可讀存儲(chǔ)介質(zhì)一實(shí)施例的結(jié)構(gòu)示意圖。具體實(shí)施方式[0015]下面結(jié)合附圖和實(shí)施例，對(duì)本申請(qǐng)作進(jìn)一步的詳細(xì)描述。特別指出的是，以下實(shí)施例僅用于說(shuō)明本申請(qǐng)，但不對(duì)本申請(qǐng)的范圍進(jìn)行限定。同樣的，以下實(shí)施例僅為本申請(qǐng)的部分實(shí)施例而非全部實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本申請(qǐng)保護(hù)的范圍。[0016]在本申請(qǐng)中提及“實(shí)施例”意味著，結(jié)合實(shí)施例描述的特定特征、結(jié)構(gòu)或特性可以包含在本申請(qǐng)的至少一個(gè)實(shí)施例中。在說(shuō)明書(shū)中的各個(gè)位置出現(xiàn)該短語(yǔ)并不一定均是指相同的實(shí)施例，也不是與其它實(shí)施例互斥的獨(dú)立的或備選的實(shí)施例。本領(lǐng)域技術(shù)人員顯式地和隱式地理解的是，本文所描述的實(shí)施例可以與其它實(shí)施例相結(jié)合。理解為指示或暗示相對(duì)重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第和“具有”以及它們?nèi)魏巫冃?，意圖在于覆蓋不排他的包含。例如包含了一系列步驟或單元的過(guò)程、方法、系統(tǒng)、產(chǎn)品或設(shè)備沒(méi)有限定于已列出的步驟或單元，而是可選地還包括沒(méi)有列出的步驟或單元，或可選地還包括對(duì)于這些過(guò)程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。[0018]請(qǐng)參閱圖1,圖1是本申請(qǐng)?zhí)峁┑幕谝曨l的目標(biāo)關(guān)聯(lián)方法一實(shí)施例的流程示意[0019]步驟11:獲取監(jiān)控視頻中的當(dāng)前幀圖像。[0020]可通過(guò)槍式攝像機(jī)、球型攝像機(jī)或全景相機(jī)等攝像設(shè)備對(duì)監(jiān)控區(qū)域進(jìn)行監(jiān)控，從而獲取監(jiān)控視頻；具體地，上述攝像設(shè)備可采用頂裝或斜裝等安裝方式來(lái)進(jìn)行安裝，可在安裝高度大于2.5米的需求下選擇攝像設(shè)備斜裝的方式，在安裝高度小于2.5米的需求下選擇攝像設(shè)備頂裝的方式，從而保證攝像設(shè)備獲取到的監(jiān)控畫(huà)面完整，以便后續(xù)對(duì)當(dāng)前幀圖像中的目標(biāo)進(jìn)行跟蹤。[0021]步驟12:對(duì)當(dāng)前幀圖像中的待追蹤目標(biāo)進(jìn)行目標(biāo)檢測(cè)，得到待追蹤目標(biāo)的第一目標(biāo)檢測(cè)信息。7[0022]待追蹤目標(biāo)可為人體對(duì)象，即從監(jiān)控視頻中獲取的當(dāng)前幀圖像進(jìn)可包含人體對(duì)象，然后再對(duì)當(dāng)前幀圖像中的人體對(duì)象進(jìn)行目標(biāo)檢測(cè)；具體地，當(dāng)前幀圖像中的待追蹤目標(biāo)可為一個(gè)、兩個(gè)、三個(gè)或者三個(gè)以上，對(duì)當(dāng)前幀圖像中的所有待追蹤目標(biāo)進(jìn)行目標(biāo)檢測(cè)，從而得到所有待追蹤目標(biāo)對(duì)應(yīng)的第一目標(biāo)檢測(cè)信息；可以理解地，可先將當(dāng)前幀圖像輸入目標(biāo)檢測(cè)模型，從而利用目標(biāo)檢測(cè)模型來(lái)進(jìn)行目標(biāo)檢測(cè)，得到所有待追蹤目標(biāo)對(duì)應(yīng)的目標(biāo)檢測(cè)框，從而再對(duì)目標(biāo)檢測(cè)框進(jìn)行檢測(cè)處理，得到待追蹤目標(biāo)的第一目標(biāo)檢測(cè)信息，其中，目[0023]在一具體的實(shí)施例中，用戶可在當(dāng)前幀圖像中設(shè)置一個(gè)待檢測(cè)區(qū)域，用來(lái)規(guī)定目標(biāo)檢測(cè)的范圍，即在進(jìn)行目標(biāo)檢測(cè)時(shí)，只對(duì)預(yù)先設(shè)置的待檢測(cè)區(qū)域中的目標(biāo)進(jìn)行檢測(cè)；例如：攝像設(shè)備對(duì)酒店大廳進(jìn)行監(jiān)控，可獲取到包含酒店前臺(tái)、酒店門(mén)口以及酒店候客區(qū)的監(jiān)控畫(huà)面，用戶若只想對(duì)酒店門(mén)口來(lái)往的行人進(jìn)行目標(biāo)追蹤，則此時(shí)便可將酒店門(mén)口的區(qū)域規(guī)定為待檢測(cè)區(qū)域，后續(xù)的目標(biāo)檢測(cè)以及目標(biāo)追蹤都在該待檢測(cè)區(qū)域中進(jìn)行，不對(duì)除待檢測(cè)區(qū)域外的其他區(qū)域進(jìn)行目標(biāo)檢測(cè)以及目標(biāo)跟蹤，從而能夠有針對(duì)性地進(jìn)行目標(biāo)檢測(cè)以及[0024]步驟13:基于當(dāng)前幀圖像中待追蹤目標(biāo)的位置信息，確定歷史幀圖像中的各個(gè)待匹配目標(biāo)。[0025]歷史幀圖像是監(jiān)控視頻中當(dāng)前幀圖像之前的圖像，一般情況下歷史幀圖像可為當(dāng)前幀圖像的上一幀圖像，但在類似于跳幀的情況發(fā)生時(shí)，歷史幀圖像便可為當(dāng)前幀圖像的上幾幀圖像；具體地，待匹配目標(biāo)包括歷史幀圖像中候選匹配區(qū)域內(nèi)的目標(biāo)，候選匹配區(qū)域是基于待追蹤目標(biāo)的位置信息確定的。[0026]在一具體的實(shí)施例中，候選匹配區(qū)域可基于當(dāng)前幀圖像中的待追蹤目標(biāo)的當(dāng)前位置信息來(lái)確定，可以但不局限于以當(dāng)前幀圖像中的待追蹤目標(biāo)的當(dāng)前位置為圓心的圓形/多邊形的范圍確定為上述候選匹配區(qū)域，將歷史幀圖像中在候選匹配區(qū)域內(nèi)的目標(biāo)當(dāng)做待匹配目標(biāo)，從而將待匹配目標(biāo)與當(dāng)前幀圖像的待追蹤目標(biāo)進(jìn)行目標(biāo)匹配，由于在前后兩幀圖像中同一目標(biāo)的位置變化不會(huì)很大，則通過(guò)在歷史幀圖像中篩選待匹配目標(biāo)能夠在不影響目標(biāo)匹配精度的同時(shí)，大大減少目標(biāo)匹配的耗時(shí)，提高目標(biāo)匹配的效率；可以理解地，候選匹配區(qū)域的直徑大小可根據(jù)實(shí)際情況進(jìn)行設(shè)置。[0027]步驟14:基于各個(gè)待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息和第一目標(biāo)檢測(cè)信息的相似度，確定出與待追蹤目標(biāo)關(guān)聯(lián)的待匹配目標(biāo)。[0028]可對(duì)各個(gè)待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息和第一目標(biāo)檢測(cè)信息進(jìn)行相似度比對(duì)，得到各個(gè)待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息和第一目標(biāo)檢測(cè)信息的相似度，從而將待追蹤目標(biāo)與歷史幀圖像中的待匹配目標(biāo)進(jìn)行匹配，將待追蹤目標(biāo)與待匹配目標(biāo)匹配成功，即匹配到當(dāng)前幀圖像與歷史幀圖像的同一目標(biāo)，從而得到該待追蹤目標(biāo)的跟蹤結(jié)果，跟蹤結(jié)果可包含歷史幀圖像的第二目標(biāo)檢測(cè)信息以及當(dāng)前幀圖像的第一目標(biāo)檢測(cè)信息；具體地，當(dāng)前幀圖像中的待追蹤目標(biāo)為多個(gè)時(shí)，可同時(shí)對(duì)多個(gè)待追蹤目標(biāo)進(jìn)行匹配，得到各自的跟蹤結(jié)[0029]在一具體的實(shí)施例中，第一目標(biāo)檢測(cè)信息可包括待追蹤目標(biāo)的類別信息與關(guān)鍵點(diǎn)信息，類別信息為待追蹤目標(biāo)的類別的信息，類別信息可包括待追蹤目標(biāo)的年齡或性別等信息，年齡信息可為一個(gè)具體的數(shù)值也可為一個(gè)范圍；關(guān)鍵點(diǎn)信息為待追蹤目標(biāo)的關(guān)鍵點(diǎn)8的信息，待追蹤目標(biāo)(即人體對(duì)象)的關(guān)鍵點(diǎn)與人體的關(guān)節(jié)或者部位相對(duì)應(yīng)，例如：頭部、肘關(guān)節(jié)、肩關(guān)節(jié)或膝蓋等，一般來(lái)說(shuō)對(duì)某一個(gè)人體對(duì)象進(jìn)行關(guān)鍵點(diǎn)檢測(cè)處理，能夠輸出15～17個(gè)人體關(guān)鍵點(diǎn)；可以理解地，第二目標(biāo)檢測(cè)信息可包括待匹配目標(biāo)的類別信息與關(guān)鍵點(diǎn)信[0030]在本實(shí)施例中，先獲取監(jiān)控視頻的當(dāng)前幀圖像，然后對(duì)當(dāng)前幀圖像中的待追蹤目標(biāo)進(jìn)行目標(biāo)檢測(cè)，得到待追蹤目標(biāo)的第一目標(biāo)檢測(cè)信息，再基于當(dāng)前幀圖像中待追蹤目標(biāo)的位置信息，確定歷史幀圖像中的各個(gè)待匹配目標(biāo)，最后再基于各個(gè)待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息和第一目標(biāo)檢測(cè)信息的相似度，確定出與待追蹤目標(biāo)關(guān)聯(lián)的待匹配目標(biāo)；通過(guò)該方案能夠得到待追蹤目標(biāo)的目標(biāo)檢測(cè)信息，實(shí)現(xiàn)對(duì)目標(biāo)的智能檢測(cè)分析，同時(shí)能夠利用目標(biāo)檢測(cè)信息在歷史幀圖像中對(duì)待追蹤目標(biāo)進(jìn)行目標(biāo)匹配，以實(shí)現(xiàn)目標(biāo)關(guān)聯(lián)，進(jìn)而完成目標(biāo)跟蹤；此外，通過(guò)將目標(biāo)檢測(cè)分析以及目標(biāo)跟蹤結(jié)合，能夠進(jìn)一步地提升目標(biāo)跟蹤的準(zhǔn)確[0031]請(qǐng)參閱圖2,圖2是本申請(qǐng)?zhí)峁┑幕谝曨l的目標(biāo)關(guān)聯(lián)方法另一實(shí)施例的流程示意[0032]步驟21:獲取監(jiān)控視頻中的當(dāng)前幀圖像。[0033]該步驟21與上述實(shí)施例中的步驟11相同，在此不再贅述。[0034]步驟22:判斷當(dāng)前幀圖像是否為關(guān)鍵幀圖像。[0035]可對(duì)監(jiān)控視頻中設(shè)置關(guān)鍵幀圖像，選取監(jiān)控視頻的部分幀圖像作為關(guān)鍵幀圖像，剩余的圖像即為非關(guān)鍵幀圖像；在目標(biāo)檢測(cè)時(shí)只對(duì)關(guān)鍵幀圖像進(jìn)行目標(biāo)檢測(cè)處理，省略對(duì)非關(guān)鍵幀圖像的目標(biāo)檢測(cè)，從而節(jié)省目標(biāo)檢測(cè)的時(shí)間，提高工作效率?？梢岳斫獾兀瑑H在目標(biāo)檢測(cè)步驟存在關(guān)鍵幀圖像與非關(guān)鍵幀圖像的區(qū)別處理，在后續(xù)的分類以及關(guān)鍵點(diǎn)檢測(cè)等操作中關(guān)鍵幀圖像與非關(guān)鍵幀圖像都執(zhí)行。[0036]在一具體的實(shí)施例中，可通過(guò)判斷當(dāng)前幀圖像的幀數(shù)是否在預(yù)設(shè)數(shù)值集內(nèi)，來(lái)判斷當(dāng)前幀圖像是否為關(guān)鍵幀圖像；如果當(dāng)前幀圖像的幀數(shù)在預(yù)設(shè)數(shù)值集內(nèi)，則確定當(dāng)前幀圖像為關(guān)鍵幀圖像；進(jìn)一步地，預(yù)設(shè)數(shù)值集可由用戶選擇設(shè)置，例如，用戶選擇設(shè)置從第一類推；可以理解地，為了保證非關(guān)鍵幀圖像能夠根據(jù)歷史幀圖像的目標(biāo)檢測(cè)框來(lái)設(shè)置目標(biāo)檢測(cè)框，無(wú)論用戶自定義設(shè)置關(guān)鍵幀圖像的間隔幀數(shù)為多少，監(jiān)控視頻中的第一幀圖像都為關(guān)鍵幀圖像，即預(yù)設(shè)數(shù)值集中一定包含1。[0037]進(jìn)一步地，除上述根據(jù)預(yù)設(shè)數(shù)值集來(lái)判斷當(dāng)前幀圖像是否為關(guān)鍵幀圖像之外，還可根據(jù)實(shí)時(shí)的目標(biāo)跟蹤結(jié)果來(lái)判斷，將當(dāng)前幀記作第N幀，如果第(N-1)幀圖像相較于第(N-2)幀圖像出現(xiàn)新目標(biāo)，或者，第(N-1)幀圖像相較于第(N-2)幀圖像丟失舊目標(biāo)時(shí)，此時(shí)便將第N圖像判斷為關(guān)鍵幀圖像，從而保證能夠及時(shí)對(duì)新目標(biāo)進(jìn)行準(zhǔn)確檢測(cè)；例如：第(像中僅包含目標(biāo)A、B、C,在第(N-1)圖像中出現(xiàn)了新的目標(biāo)D,則此時(shí)為了準(zhǔn)確檢測(cè)到目標(biāo)D,將第N幀圖像標(biāo)記為關(guān)鍵幀圖像，從而對(duì)該關(guān)鍵幀圖像進(jìn)行目標(biāo)檢測(cè)。[0038]步驟23:若當(dāng)前幀圖像為關(guān)鍵幀圖像，則采用目標(biāo)檢測(cè)模型對(duì)當(dāng)前幀圖像進(jìn)行處[0039]在當(dāng)前幀圖像為關(guān)鍵幀圖像時(shí)，采用目標(biāo)檢測(cè)模型對(duì)當(dāng)前幀圖像進(jìn)行處理，得到與當(dāng)前幀圖像中的所有待追蹤目標(biāo)對(duì)應(yīng)的目標(biāo)檢測(cè)框，該目標(biāo)檢測(cè)模型可為YOLOX模型或9者CentNet模型等。[0040]步驟24:若當(dāng)前幀圖像為非關(guān)鍵幀圖像，則基于歷史幀圖像中待匹配目標(biāo)的位置確定目標(biāo)檢測(cè)框。[0041]在當(dāng)前幀圖像為非關(guān)鍵幀圖像時(shí)，可根據(jù)歷史幀圖像中的待匹配目標(biāo)的位置來(lái)確定每個(gè)待追蹤目標(biāo)的目標(biāo)檢測(cè)框；具體地，在歷史幀圖像中找到與當(dāng)前待追蹤目標(biāo)之間的位置最近的待匹配目標(biāo)，然后將該待匹配目標(biāo)的目標(biāo)檢測(cè)框擴(kuò)大預(yù)設(shè)倍數(shù)(比如1.2～2倍),即將目標(biāo)檢測(cè)框的長(zhǎng)和寬同時(shí)擴(kuò)大相同的倍數(shù)，將擴(kuò)大后的檢測(cè)框作為當(dāng)前待追蹤目標(biāo)的目標(biāo)檢測(cè)框。[0042]可以理解地，在歷史幀圖像中存在多個(gè)待匹配目標(biāo)都與當(dāng)前待追蹤目標(biāo)的位置距離都很近且無(wú)法判斷出哪個(gè)距離最近的時(shí)候，可將多個(gè)待匹配目標(biāo)的目標(biāo)檢測(cè)框都擴(kuò)大相同的倍數(shù)，然后將所有擴(kuò)大后的目標(biāo)檢測(cè)框的并集區(qū)域作為目標(biāo)檢測(cè)框，然后再對(duì)該目標(biāo)檢測(cè)框進(jìn)行處理，得到待追蹤目標(biāo)的包含類別信息以及關(guān)鍵點(diǎn)信息的第一目標(biāo)檢測(cè)信息。[0043]步驟25:采用分類模型對(duì)目標(biāo)檢測(cè)框進(jìn)行處理，得到待匹配目標(biāo)的類別信息以及待追蹤目標(biāo)的類別信息。[0044]采用分類模型對(duì)目標(biāo)檢測(cè)框進(jìn)行處理，可得到待匹配目標(biāo)的類別信息以及待追蹤目標(biāo)的類別信息；具體地，在待追蹤目標(biāo)的數(shù)量為多個(gè)時(shí)，可將所有待追蹤目標(biāo)的目標(biāo)檢測(cè)框同時(shí)輸入分類模型，以得到所有待追蹤目標(biāo)的類別信息，該類別信息可包括年齡或性別等信息。[0045]步驟26:采用關(guān)鍵點(diǎn)檢測(cè)模型對(duì)目標(biāo)檢測(cè)框進(jìn)行處理，得到待匹配目標(biāo)的關(guān)鍵點(diǎn)信息以及待追蹤目標(biāo)的關(guān)鍵點(diǎn)信息。[0046]采用關(guān)鍵點(diǎn)檢測(cè)模型對(duì)目標(biāo)檢測(cè)框進(jìn)行處理，可得到待匹配目標(biāo)的關(guān)鍵點(diǎn)信息以及待追蹤目標(biāo)的關(guān)鍵點(diǎn)信息；具體地，在待追蹤目標(biāo)的數(shù)量為多個(gè)時(shí)，可將所有待追蹤目標(biāo)的目標(biāo)檢測(cè)框同時(shí)輸入關(guān)鍵點(diǎn)檢測(cè)模型，以得到所有待追蹤目標(biāo)的關(guān)鍵點(diǎn)信息；進(jìn)一步地，關(guān)鍵點(diǎn)信息包含待追蹤目標(biāo)的所有關(guān)鍵點(diǎn)，關(guān)鍵點(diǎn)與人體的關(guān)節(jié)或者部位相對(duì)應(yīng)，例如：頭[0047]在一具體的實(shí)施例中，目標(biāo)檢測(cè)信息還包括關(guān)鍵點(diǎn)位置信息，在當(dāng)前幀圖像為非關(guān)鍵幀圖像時(shí)，得到待追蹤目標(biāo)的類別信息以及關(guān)鍵點(diǎn)信息后，可基于關(guān)鍵點(diǎn)位置信息對(duì)目標(biāo)檢測(cè)框進(jìn)行限縮，以得到更精確的目標(biāo)檢測(cè)框，從而在下一幀圖像仍為非關(guān)鍵幀圖像時(shí)能夠根據(jù)當(dāng)前幀圖像限縮后的目標(biāo)檢測(cè)框來(lái)生成目標(biāo)檢測(cè)框，同時(shí)也為后續(xù)的相似度計(jì)算提供基礎(chǔ)。[0048]具體地，可基于位置檢測(cè)模型分別對(duì)將待追蹤目標(biāo)的關(guān)鍵點(diǎn)信息與待匹配目標(biāo)的關(guān)鍵點(diǎn)信息進(jìn)行位置檢測(cè)處理，得到待追蹤目標(biāo)的關(guān)鍵點(diǎn)位置信息與待匹配目標(biāo)的關(guān)鍵點(diǎn)位置信息，該關(guān)鍵點(diǎn)位置信息可包括每個(gè)關(guān)鍵點(diǎn)的位置坐標(biāo)，位置坐標(biāo)包括橫坐標(biāo)值以及縱坐標(biāo)值，例如：某一個(gè)關(guān)鍵點(diǎn)的位置坐標(biāo)(2,5),說(shuō)明其橫坐標(biāo)值為2,縱坐標(biāo)值為5;進(jìn)一步地，位置檢測(cè)模型可為圖卷積神經(jīng)網(wǎng)絡(luò)(GraphConvolutionalNetworks,GCNs),即可通過(guò)圖卷積神經(jīng)網(wǎng)絡(luò)對(duì)關(guān)鍵點(diǎn)信息進(jìn)行位置檢測(cè)，從而得到關(guān)鍵點(diǎn)位置信息，然后再基于關(guān)鍵點(diǎn)位置信息對(duì)目標(biāo)檢測(cè)框進(jìn)行限縮，具體步驟如圖3所示：[0049]步驟31:基于關(guān)鍵點(diǎn)位置信息獲取所有關(guān)鍵點(diǎn)中縱坐標(biāo)值最小的關(guān)鍵點(diǎn)以及縱坐標(biāo)值最大的關(guān)鍵點(diǎn)。[0050]根據(jù)每個(gè)關(guān)鍵點(diǎn)的位置坐標(biāo)找到縱坐標(biāo)最小的關(guān)鍵點(diǎn)和縱坐標(biāo)值最大的關(guān)鍵點(diǎn)，例如：待追蹤目標(biāo)處于正常的站立狀態(tài)，則此時(shí)對(duì)應(yīng)的縱坐標(biāo)值最小的關(guān)鍵點(diǎn)便可為位于腳部的關(guān)鍵點(diǎn)，縱坐標(biāo)值最大的關(guān)鍵點(diǎn)便可為位于頭部的關(guān)鍵點(diǎn)。[0051]步驟32:基于關(guān)鍵點(diǎn)位置信息獲取所有關(guān)鍵點(diǎn)中橫坐標(biāo)值最小的關(guān)鍵點(diǎn)以及橫坐標(biāo)值最大的關(guān)鍵點(diǎn)。[0052]在待追蹤目標(biāo)處于插兜的站立狀態(tài)時(shí)，此時(shí)對(duì)應(yīng)的橫坐標(biāo)值最小的關(guān)鍵點(diǎn)即為位于一側(cè)肘關(guān)節(jié)的關(guān)鍵點(diǎn)，橫坐標(biāo)值最大的關(guān)鍵點(diǎn)即為位于另一側(cè)肘關(guān)節(jié)的關(guān)鍵點(diǎn)。[0053]步驟33:獲取縱坐標(biāo)值最小的關(guān)鍵點(diǎn)、縱坐標(biāo)值最大的關(guān)鍵點(diǎn)、橫坐標(biāo)值最小的關(guān)鍵點(diǎn)以及橫坐標(biāo)值最大的關(guān)鍵點(diǎn)的外接矩形，得到當(dāng)前幀圖像的目標(biāo)檢測(cè)框。[0054]通過(guò)獲取縱坐標(biāo)值最小的關(guān)鍵點(diǎn)、縱坐標(biāo)值最大的關(guān)鍵點(diǎn)、橫坐標(biāo)值最小的關(guān)鍵點(diǎn)以及橫坐標(biāo)值最大的關(guān)鍵點(diǎn)的外接矩形，能夠形成包含該待追蹤目標(biāo)中的所有關(guān)鍵點(diǎn)的最小矩形，將該矩形作為該待追蹤目標(biāo)的目標(biāo)檢測(cè)框，從而完成對(duì)目標(biāo)檢測(cè)框的限縮，得到更加精確的目標(biāo)檢測(cè)框。[0055]步驟27:基于待匹配目標(biāo)的類別信息、待匹配目標(biāo)的關(guān)鍵點(diǎn)信息、待追蹤目標(biāo)的類別信息以及待追蹤目標(biāo)的關(guān)鍵點(diǎn)信息，將待追蹤目標(biāo)與每個(gè)待匹配目標(biāo)進(jìn)行相似度比對(duì)，得到相應(yīng)的相似度。[0056]在采用分類模型以及關(guān)鍵點(diǎn)檢測(cè)模型分別得到待匹配目標(biāo)以及待追蹤目標(biāo)的類別信息以及關(guān)鍵點(diǎn)信息之后，通過(guò)類別信息以及關(guān)鍵點(diǎn)信息對(duì)待追蹤目標(biāo)與每個(gè)待匹配目標(biāo)進(jìn)行相似度比對(duì)，得到待追蹤目標(biāo)與每個(gè)待匹配目標(biāo)各自對(duì)應(yīng)的相似度；可以理解地，相似度用來(lái)表示待追蹤目標(biāo)與待匹配目標(biāo)的匹配度，相似度越高說(shuō)明待追蹤目標(biāo)與該待匹配目標(biāo)的匹配度越高。[0057]下面對(duì)基于待匹配目標(biāo)的類別信息、待匹配目標(biāo)的關(guān)鍵點(diǎn)信息、待追蹤目標(biāo)的類別信息以及待追蹤目標(biāo)的關(guān)鍵點(diǎn)信息，將待追蹤目標(biāo)與每個(gè)待匹配目標(biāo)進(jìn)行相似度比對(duì)，得到相應(yīng)的相似度的步驟進(jìn)行詳細(xì)介紹，具體如圖4所示：[0058]步驟41:基于待匹配目標(biāo)的類別信息與待追蹤目標(biāo)的類別信息，對(duì)待追蹤目標(biāo)與每個(gè)待匹配目標(biāo)進(jìn)行匹配度比對(duì)，得到類別相似度。[0059]類別信息包括待追蹤目標(biāo)的類別以及與類別對(duì)應(yīng)的特征向量，計(jì)算待追蹤目標(biāo)的特征向量與待匹配目標(biāo)的特征向量之間的偏差，得到偏差值，再將偏差值與預(yù)設(shè)偏差評(píng)分表進(jìn)行匹配，從而得到類別相似度；具體地，預(yù)設(shè)偏差評(píng)分表可根據(jù)實(shí)際情況進(jìn)行設(shè)置，其可包括偏差值以及對(duì)應(yīng)的類別相似度，將計(jì)算得到的偏差值與預(yù)設(shè)偏差評(píng)分表進(jìn)行匹配，可得到對(duì)應(yīng)的類別相似度。[0060]可以理解地，類別信息包括年齡或者性別等多個(gè)信息，則分別對(duì)待追蹤目標(biāo)與待匹配目標(biāo)相同類別下對(duì)應(yīng)的特征向量進(jìn)行偏差計(jì)算，然后得到各個(gè)類別對(duì)應(yīng)的子偏差值以及對(duì)應(yīng)的子類別相似度，此時(shí)為了得到能夠表示待追蹤目標(biāo)與待匹配目標(biāo)的整體類別匹配度的類別相似度，再將所有的子類別相似度進(jìn)行求和然后求取平均值，從而將計(jì)算得到的平均值作為最終的類別相似度。例如：計(jì)算待追蹤目標(biāo)與待匹配目標(biāo)的年齡特征向量之間的偏差，得到一個(gè)偏差值，計(jì)算待追蹤目標(biāo)與待匹配目標(biāo)的性別特征向量之間的偏差，得到另一個(gè)偏差值，然后將每個(gè)偏差值與預(yù)設(shè)偏差評(píng)分表進(jìn)行匹配，得到對(duì)應(yīng)的子類別相似度，再將所有的子類別相似度進(jìn)行求和，然后求取平均值，得到最終的類別相似度。11[0061]步驟42:基于待匹配目標(biāo)的目標(biāo)檢測(cè)框與待追蹤目標(biāo)的目標(biāo)檢測(cè)框，對(duì)待追蹤目標(biāo)與每個(gè)待匹配目標(biāo)進(jìn)行位置比對(duì)，得到空間相似度。[0062]可通過(guò)計(jì)算待追蹤目標(biāo)的目標(biāo)檢測(cè)框與待匹配目標(biāo)的目標(biāo)檢測(cè)框之間的交并比的方式，來(lái)判斷待追蹤目標(biāo)與待匹配目標(biāo)的空間位置變化情況，計(jì)算待追蹤目標(biāo)的目標(biāo)檢測(cè)框與待匹配目標(biāo)的目標(biāo)檢測(cè)框之間的交并比(IntersectionoverUnion,IOU),得到當(dāng)前交并比，然后將當(dāng)前交并比與預(yù)設(shè)空間評(píng)分表進(jìn)行匹配，得到空間相似度；具體地，將歷史幀圖像中的目標(biāo)檢測(cè)框與當(dāng)前幀圖像的目標(biāo)檢測(cè)框的交集面積除以并集面積，可得到當(dāng)前交并比?？梢岳斫獾?，在當(dāng)前幀圖像為非關(guān)鍵幀圖像時(shí)，利用限縮處理后生成的目標(biāo)檢測(cè)框來(lái)進(jìn)行空間相似度的計(jì)算。[0063]進(jìn)一步地，預(yù)設(shè)空間評(píng)分表可根據(jù)實(shí)際情況進(jìn)行設(shè)置，其可包括交并比以及對(duì)應(yīng)的空間相似度，將計(jì)算得到的當(dāng)前交并比與預(yù)設(shè)空間評(píng)分表進(jìn)行匹配，便可得到對(duì)應(yīng)的空間相似度。[0064]步驟43:基于待匹配目標(biāo)的關(guān)鍵點(diǎn)信息與待追蹤目標(biāo)的關(guān)鍵點(diǎn)信息，對(duì)待追蹤目標(biāo)與每個(gè)待匹配目標(biāo)進(jìn)行姿態(tài)比對(duì)，得到姿態(tài)相似度。[0065]目標(biāo)檢測(cè)信息還包括姿態(tài)信息，姿態(tài)信息用來(lái)表示人體對(duì)象的姿勢(shì)，其可包括站姿、坐姿或躺姿等姿態(tài)；本實(shí)施例中的姿態(tài)比對(duì)可包含以下兩種方式：[0066]1)基于姿態(tài)比對(duì)模型對(duì)待追蹤目標(biāo)的關(guān)鍵點(diǎn)位置信息與待匹配目標(biāo)的關(guān)鍵點(diǎn)位置信息進(jìn)行姿態(tài)比對(duì)處理，得到姿態(tài)信息與姿態(tài)相似度。[0067]姿態(tài)比對(duì)模型可為孿生神經(jīng)網(wǎng)絡(luò)(Siameseneuralnetwork),孿生神經(jīng)網(wǎng)絡(luò)的具體結(jié)構(gòu)與工作原理與相關(guān)技術(shù)中相同，在此不再贅述；可將待追蹤目標(biāo)的關(guān)鍵點(diǎn)位置信息與待匹配目標(biāo)的關(guān)鍵點(diǎn)位置信息輸入至孿生神經(jīng)網(wǎng)絡(luò)中，從而能夠得到待追蹤目標(biāo)的姿態(tài)信息以及待追蹤目標(biāo)與待匹配目標(biāo)之間的姿態(tài)相似度。[0068]2)從待追蹤目標(biāo)的所有關(guān)鍵點(diǎn)中選取出第一參照關(guān)鍵點(diǎn)，從待匹配目標(biāo)中選取出第二參照關(guān)鍵點(diǎn)，然后將第一參照關(guān)鍵點(diǎn)與第二參照關(guān)鍵點(diǎn)對(duì)齊，并計(jì)算待追蹤目標(biāo)中的剩余關(guān)鍵點(diǎn)與待匹配目標(biāo)中相應(yīng)的剩余關(guān)鍵點(diǎn)之間的距離，得到姿態(tài)偏移值，再將姿態(tài)偏移值與預(yù)設(shè)姿態(tài)評(píng)分表進(jìn)行匹配，得到姿態(tài)相似度。[0069]第二參照關(guān)鍵點(diǎn)與第一參照關(guān)鍵點(diǎn)位于同一部位，一般可選取位于頭部的第一參照關(guān)鍵點(diǎn)與第二參照關(guān)鍵點(diǎn)，即將待追蹤目標(biāo)以及待匹配目標(biāo)的位于頭部的關(guān)鍵點(diǎn)對(duì)齊，然后分別計(jì)算待追蹤目標(biāo)以及待匹配目標(biāo)中對(duì)應(yīng)部位的剩余關(guān)鍵點(diǎn)之間的距離，例如：以位于頭部的關(guān)鍵點(diǎn)作為第一參照關(guān)鍵點(diǎn)與第二參照關(guān)鍵點(diǎn)，則此時(shí)可分別計(jì)算待追蹤目標(biāo)的手部關(guān)鍵點(diǎn)與待匹配目標(biāo)的手部關(guān)鍵點(diǎn)的距離，計(jì)算待追蹤目標(biāo)的腳部關(guān)鍵點(diǎn)與待匹配目標(biāo)的手部關(guān)鍵點(diǎn)的距離等等，在此不作一一舉例，從而得到每個(gè)部位的關(guān)鍵點(diǎn)對(duì)應(yīng)的子姿態(tài)偏移值，可將所有子姿態(tài)偏移值進(jìn)行求和處理并取平均值，從而得到最終的姿態(tài)偏移值，再將姿態(tài)偏移值與預(yù)設(shè)姿態(tài)評(píng)分表進(jìn)行匹配，得到姿態(tài)相似度。[0070]進(jìn)一步地，可采用計(jì)算歐式距離或者余弦距離等計(jì)算方式來(lái)進(jìn)行關(guān)鍵點(diǎn)之間的距離計(jì)算，在此不對(duì)距離的計(jì)算方法進(jìn)行限定；預(yù)設(shè)姿態(tài)評(píng)分表可根據(jù)實(shí)際情況進(jìn)行設(shè)置，其可包括姿態(tài)偏移值以及對(duì)應(yīng)的姿態(tài)相似度。[0071]在其他實(shí)施例中，還可將上述的兩種方案結(jié)合以確定姿態(tài)相似度，比如：對(duì)兩種方案獲取到的姿態(tài)相似度進(jìn)行加權(quán)求和，作為最終的姿態(tài)相似度。[0073]可對(duì)類別相似度、空間相似度以及姿態(tài)相似度進(jìn)行加權(quán)求和處理，得到相似度，以基于待追蹤目標(biāo)與每個(gè)待匹配目標(biāo)之間的相似度來(lái)匹配到目標(biāo)，從而確定跟蹤結(jié)果。[0074]步驟28:判斷所有待匹配目標(biāo)中是否存在相似度大于預(yù)設(shè)評(píng)分閾值的待匹配目標(biāo)。[0075]預(yù)設(shè)評(píng)分閾值可根據(jù)實(shí)際情況進(jìn)行設(shè)置，例如：設(shè)置預(yù)設(shè)評(píng)分閾值為0.8,在待匹配目標(biāo)的相似度大于0.8時(shí)，說(shuō)明該待匹配目標(biāo)與待追蹤目標(biāo)較匹配。[0076]步驟29:若所有待匹配目標(biāo)中存在相似度大于預(yù)設(shè)評(píng)分閾值的待匹配目標(biāo)，則將相似度最大的待匹配目標(biāo)與待追蹤目標(biāo)進(jìn)行關(guān)聯(lián)。[0077]在相似度大于預(yù)設(shè)評(píng)分閾值的待匹配目標(biāo)為多個(gè)時(shí)，可從多個(gè)待匹配目標(biāo)中選擇出與待追蹤目標(biāo)最匹配的目標(biāo)，將相似度最大的待匹配目標(biāo)與待追蹤目標(biāo)進(jìn)行關(guān)聯(lián)，即確定相似度最大的待匹配目標(biāo)與待追蹤目標(biāo)匹配成功，從而得到待追蹤目標(biāo)的跟蹤結(jié)果；具體地，跟蹤結(jié)果可包括歷史幀圖像的第二目標(biāo)檢測(cè)信息與當(dāng)前幀圖像的第一目標(biāo)檢測(cè)信息，對(duì)于某一個(gè)待追蹤目標(biāo)的跟蹤結(jié)果即為該待追蹤目標(biāo)的第一目標(biāo)檢測(cè)信息以及匹配到的歷史幀圖像中待匹配目標(biāo)的第二目標(biāo)檢測(cè)信息，目標(biāo)檢測(cè)信息可包含類別信息、關(guān)鍵點(diǎn)信息、關(guān)鍵點(diǎn)位置信息以及姿態(tài)信息等。[0078]在一具體的實(shí)施例中，目標(biāo)檢測(cè)信息還包括身份標(biāo)識(shí)信息(Identity,ID),在待追蹤目標(biāo)與待匹配目標(biāo)匹配成功時(shí)，將待匹配目標(biāo)的身份標(biāo)識(shí)信息，確定為待追蹤目標(biāo)的身份標(biāo)識(shí)信息，即將待匹配目標(biāo)的目標(biāo)ID賦給待追蹤目標(biāo)；在待追蹤目標(biāo)未與待匹配目標(biāo)匹配成功時(shí)，為待追蹤目標(biāo)分配新的目標(biāo)ID;具體地，在待追蹤目標(biāo)為與歷史幀圖像的所有待匹配目標(biāo)都未匹配成功時(shí)，即說(shuō)明該待追蹤目標(biāo)為新出現(xiàn)的目標(biāo)，則此時(shí)可從預(yù)先設(shè)置的目標(biāo)ID數(shù)據(jù)庫(kù)中分配一個(gè)新的目標(biāo)ID給該目標(biāo)。[0079]本實(shí)施例基于當(dāng)前幀圖像是否為關(guān)鍵幀圖像，選擇相應(yīng)的獲取目標(biāo)檢測(cè)框的方式，可利用目標(biāo)檢測(cè)模型對(duì)關(guān)鍵幀圖像進(jìn)行目標(biāo)檢測(cè)，或者利用歷史幀圖像的目標(biāo)檢測(cè)框?qū)Ψ顷P(guān)鍵幀圖像劃定目標(biāo)檢測(cè)框，在保證目標(biāo)檢測(cè)精度的同時(shí)節(jié)省目標(biāo)檢測(cè)的時(shí)間，提高工作效率；通過(guò)對(duì)目標(biāo)檢測(cè)框進(jìn)行處理，得到相應(yīng)的類別信息與關(guān)鍵點(diǎn)信息，然后利用歷史幀圖像與當(dāng)前幀圖像的類別信息以及關(guān)鍵點(diǎn)信息進(jìn)行目標(biāo)匹配，分別從類別相似度、空間相似度以及姿態(tài)相似度三個(gè)方面進(jìn)行相似度評(píng)價(jià)，通過(guò)相似度的大小來(lái)進(jìn)行目標(biāo)匹配，使得匹配結(jié)果更加準(zhǔn)確，目標(biāo)跟蹤更加精