属性的跟踪方法、装置、电子设备以及存储介质与流程

本申请涉及电子设备技术领域，更具体地，涉及一种属性的跟踪方法、装置、电子设备以及存储介质。

背景技术：

生物特征识别技术是生物特征识别系统的一个重要研究课题，就是用摄像机或者摄像头来采集含有待跟踪对象的图像或视频流，并自动在图像中检测和跟踪对象，进而实现对待跟踪对象的识别和跟踪一系列相关技术。目前，在对待跟踪对象进行识别跟踪的过程中，一般采用对待跟踪对象进行逐帧识别的方式，但是，对待跟踪对象的逐帧识别会导致识别结果的稳定性和获取效率较差，并且，会增加电子设备的功耗。

技术实现要素：

鉴于上述问题，本申请提出了一种属性的跟踪方法、装置、电子设备以及存储介质，以解决上述问题。

第一方面，本申请实施例提供了一种属性的跟踪方法，所述方法包括：获取当前帧图像，其中，所述当前帧图像包括待跟踪对象；当已启用属性跟踪功能时，将所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象进行匹配；当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息；对所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

第二方面，本申请实施例提供了一种属性的跟踪装置，所述装置包括：当前帧图像获取模块，用于获取当前帧图像，其中，所述当前帧图像包括待跟踪对象；待跟踪对象匹配模块，用于当已启用属性跟踪功能时，将所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象进行匹配；属性信息获取模块，用于当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息；属性信息跟踪模块，用于对所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时所述处理器执行上述方法。

第四方面，本申请实施例提供了一种计算机可读取存储介质，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行上述方法。

本申请实施例提供的属性的跟踪方法、装置、电子设备以及存储介质，获取当前帧图像，其中，当前帧图像包括待跟踪对象，当已启用属性跟踪功能时，将当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象进行匹配，当当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，对启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，从而通过在属性跟踪的过程中，跟踪并输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，提升属性识别的速度以及降低电子设备的功耗。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1示出了本申请一个实施例提供的属性的跟踪方法的流程示意图；

图2示出了本申请又一个实施例提供的属性的跟踪方法的流程示意图；

图3示出了本申请再一个实施例提供的属性的跟踪方法的流程示意图；

图4示出了本申请另一个实施例提供的属性的跟踪方法的流程示意图；

图5示出了本申请的图4所示的属性的跟踪方法的步骤s460的流程示意图；

图6示出了本申请又再一个实施例提供的属性的跟踪方法的流程示意图；

图7示出了本申请的图6所示的属性的跟踪方法的步骤s520的流程示意图；

图8示出了本申请又另一个实施例提供的属性的跟踪方法的流程示意图；

图9示出了本申请实施例提供的属性的跟踪装置的模块框图；

图10示出了本申请实施例用于执行根据本申请实施例的属性的跟踪方法的电子设备的框图；

图11示出了本申请实施例的用于保存或者携带实现根据本申请实施例的属性的跟踪方法的程序代码的存储单元。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

目前，在对待跟踪对象进行识别跟踪的过程中，一般采用对待跟踪对象进行逐帧识别的方式，但是，对待跟踪对象进行逐帧识别的方式会导致识别结果极不稳定，例如，当视频中的待跟踪对象移动速度较快时，待跟踪对象的关键点的跟踪可能会出现滞后和不准确的现象，而在这种情况下，若依然根据待跟踪对象的关键点对待跟踪对象进行提取，则会导致得到的图像中的待跟踪对象不全甚至缺失的情况发生，此时若把得到的图像作为属性识别模型的输入，则显然得到的结果会出现较大的误差。另外，对待跟踪对象进行逐帧识别会消耗电子设备大量的计算资源，造成计算功耗的增加，导致电子设备的处理速度降低。

针对上述问题，发明人经过长期的研究发现，并提出了本申请实施例提供的属性的跟踪方法、装置、电子设备以及存储介质，通过在属性跟踪的过程中，跟踪并输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，提升属性识别的速度以及降低电子设备的功耗。其中，具体的属性的跟踪方法在后续的实施例中进行详细的说明。

请参阅图1，图1示出了本申请一个实施例提供的属性的跟踪方法的流程示意图。所述属性点额跟踪方法用于通过在属性跟踪的过程中，跟踪并输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，提升属性识别的速度以及降低电子设备的功耗。在具体的实施例中，所述属性的跟踪方法应用于如图9所示的属性的跟踪装置200以及配置有属性的跟踪装置200的电子设备100(图10)。下面将以电子设备为例，说明本实施例的具体流程，当然，可以理解的，本实施例所应用的电子设备可以为智能手机、平板电脑、穿戴式电子设备等，在此不做限定。下面将针对图1所示的流程进行详细的阐述，所述属性的跟踪方法具体可以包括以下步骤：

步骤s110：获取当前帧图像，其中，所述当前帧图像包括待跟踪对象。

在一些实施方式中，待跟踪对象可以包括人脸、人体、动物、植物、物体等，在此不做限定。那么，当待跟踪对象为人脸时，则可以获取包括人脸的当前帧图像；当待跟踪对象为人体时，则可以获取包括人体的当前帧图像；当待跟踪对象为物体时，则可以获取包括物体的当前帧图像。

在本实施例中，电子设备可以获取包括待跟踪对象的当前帧图像。作为一种方式，电子设备可以包括摄像头，则电子设备可以获取摄像头采集的包括待跟踪对象的当前帧图像。作为又一种方式，电子设备可以与其他设备连接，则电子设备可以获取其他设备发送的包括待跟踪对象的当前帧图像。作为再一种方式，电子设备可以与服务器连接，则电子设备可以获取服务器发送的包括待跟踪对象的当前帧图像。

步骤s120：当已启用属性跟踪功能时，将所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象进行匹配。

在本实施例中，电子设备可以具有属性跟踪功能，且其属性跟踪功能可以启用或关闭，其中，当属性跟踪功能启用时，表征正在对待跟踪对象的属性信息进行跟踪，当属性跟踪功能关闭时，表征未正在对待跟踪对象的属性信息进行跟踪。

在一些实施方式中，可以对属性跟踪功能是否启用进行检测，其中，在检测到属性跟踪功能已启用时，则可以将当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象进行匹配。作为一种方式，可以通过判断当前帧图像的前一帧图像是否执行属性识别的方式，确定属性跟踪功能是否已启用，具体而言，当判断结果表征当前帧图像的前一帧图像已执行属性识别时，则确定未启用属性跟踪功能，当判断结果表征当前帧图像的前一帧图像未执行属性识别时，则确定已启用属性跟踪功能。作为又一种方式，可以通过检测电子设备的状态值的方式确定属性跟踪功能是否已启用，具体而言，当检测到电子设备的状态值为第一状态值时，则确定已启用属性跟踪功能，当检测到电子设备的状态值为第二状态值时，则确定未启用属性跟踪功能。

在一些实施方式中，可以获取当前帧图像包括的待跟踪对象对应的标识信息(如id)，并获取当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息(如id)，通过确定当前帧图像包括的待跟踪对象对应的标识信息和当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息是否匹配的方式，确定当前帧图像包括的待跟踪对象和当前帧图像的前一帧图像包括的待跟踪对象是否匹配。

在一些实施方式中，可以获取当前帧图像包括的待跟踪对象的图像，并获取当前帧图像的前一帧图像包括的待跟踪对象的图像，通过确定当前帧图像包括的待跟踪对象的图像和当前帧图像的前一帧图像包括的待跟踪对象的图像是否匹配的方式，确定当前帧图像包括的待跟踪对象和当前帧图像的前一帧图像包括的待跟踪对象是否匹配。

步骤s130：当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

在一些实施方式中，在属性跟踪功能启用之前，电子设备会对所获取的每帧图像进行属性识别获得每帧图像对应的多个属性信息，在属性跟踪功能启用之后，电子设备则不会对后续获取的每帧图像进行属性识别，而是将属性跟踪功能启用之前的最后一帧图像包括的待跟踪对象对应的多个属性信息作为属性跟踪功能启用之后的每帧图像包括的待跟踪对象对应的多个属性信息。因此，在本实施例中，在确定当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象匹配时，表征属性跟踪的对象未发生变化，则可以获取启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

在一些实施方式中，在属性跟踪功能启用之前，电子设备对所获取的每帧图像进行属性识别获得每帧图像对应的多个属性信息之后，可以缓存每帧图像对应的多个属性信息。相应地，在确定当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象匹配时，可以直接从电子设备的缓存中获取启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，例如，可以直接从电子设备获取最后缓存的多个属性信息，作为启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

作为一种方式，假设电子设备是在当前帧图像的前一帧图像启用属性跟踪功能时，则可以获取当前帧图像的前一帧图像包括的待跟踪对象对应的多个属性信息，作为启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。作为又一种方式，假设电子设备是在当前帧图像的前两帧图像启用属性跟踪功能时，则可以获取当前帧图像的前两帧图像包括的待跟踪对象对应的多个属性信息，作为启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

步骤s140：对所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

在本实施例中，在获取启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息后，可以对启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。其中，在属性跟踪的过程中不再对获取的每帧图像进行属性识别，以降低电子设备的功耗。

在一些实施方式中，输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息可以包括：输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象的分类结果和平均后得到待跟踪对象的回归结果。其中，待跟踪对象的分类结果可以包括：待跟踪对象的性别、待跟踪对象的胡须情况、待跟踪对象的头发情况等，平均后得到的待跟踪对象的回归结果包括：平均后得到的待跟踪对象的年龄、平均后得到的待跟踪对象的身高、平均后得到的待跟踪对象的体重等，在此不做限定。

本申请一个实施例提供的属性的跟踪方法，获取当前帧图像，其中，当前帧图像包括待跟踪对象，当已启用属性跟踪功能时，将当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象进行匹配，当当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，对启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，从而通过在属性跟踪的过程中，跟踪并输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，提升属性识别的速度以及降低电子设备的功耗。

请参阅图2，图2示出了本申请又一个实施例提供的属性的跟踪方法的流程示意图。下面将针对图2所示的流程进行详细的阐述，所述属性的跟踪方法具体可以包括以下步骤：

步骤s210：获取当前帧图像，其中，所述当前帧图像包括待跟踪对象。

其中，步骤s210的具体描述请参阅步骤s110，在此不再赘述。

步骤s220：当已启用所述属性跟踪功能时，获取所述当前帧图像包括的待跟踪对象对应的标识信息，并获取所述当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息。

在本实施例中，当确定已启用属性跟踪功能时，可以获取当前帧图像包括的待跟踪对象对应的标识信息，并获取当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息。在一些实施方式中，在获取包括待跟踪对象的当前帧图像的前一帧图像后，可以对当前帧图像的前一帧图像进行识别，获得当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息，以及，在获取包括待跟踪对象的当前帧图像后，可以对当前帧图像进行识别，获得当前帧图像包括的待跟踪对象对应的标识信息。

作为一种方式，以待跟踪对象为“人脸”为例，在获取包括人脸的当前帧图像的前一帧图像后，可以对当前帧图像的前一帧图像进行识别，获得当前帧图像的前一帧图像包括的人脸id，以及，在获取包括人脸的当前帧图像后，可以对当前帧图像进行识别，获得当前帧图像包括的人脸id。

步骤s230：将所述当前帧图像包括的待跟踪对象对应的标识信息与所述当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息进行匹配。

在本实施例中，在获取当前帧图像包括的待跟踪对象对应的标识信息与当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息后，可以将当前帧图像包括的待跟踪对象对应的标识信息与当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息进行匹配。在一些实施方式中，当当前帧图像包括的待跟踪对象对应的标识信息与当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息匹配时，则可以确定当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象匹配，当当前帧图像包括的待跟踪对象对应的标识信息与当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息不匹配时，则可以确定当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象不匹配。

步骤s240：当所述当前帧图像包括的待跟踪对象对应的标识信息与所述当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息匹配时，获取启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

步骤s250：对所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

其中，步骤s240-步骤s250的具体描述请参阅步骤s130-步骤s140，在此不再赘述。

本申请又一个实施例提供的属性的跟踪方法，相较于图1所示的属性的跟踪方法，本实施例还获取当前帧图像包括的待跟踪对象对应的标识信息，并获取当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息，并根据当前帧图像包括的待跟踪对象对应的标识信息和当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息的匹配情况，确定当前帧图像包括的待跟踪对象和当前帧图像的前一帧图像包括的待跟踪对象的匹配情况，提升匹配判断的准确性。

请参阅图3，图3示出了本申请再一个实施例提供的属性的跟踪方法的流程示意图。下面将针对图3所示的流程进行详细的阐述，所述属性的跟踪方法具体可以包括以下步骤：

步骤s310：获取当前帧图像，其中，所述当前帧图像包括待跟踪对象。

其中，步骤s310的具体描述请参阅步骤s110，在此不再赘述。

步骤s320：当已启用所述属性跟踪功能时，缓存所述当前帧图像的图像信息。

在本实施例中，当确定已启用属性跟踪功能时，可以缓存当前帧图像的图像信息。作为一种方式，当确定已启用属性跟踪功能时，缓存当前帧图像的图像信息可以包括：缓存当前帧图像的标识信息和当前帧图像包括的待跟踪对象对应的多个属性信息，此时，当前帧图像包括的待跟踪对象对应的多个属性信息可以为启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

步骤s330：将所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象进行匹配。

其中，步骤s330的具体描述请参阅步骤s120，在此不再赘述。

步骤s340：当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取所缓存的图像信息的帧数。

在本实施例中，在确定当前帧图像包括的待跟踪对象与当前在图像的前一帧图像包括的待跟踪对象匹配时，表征属性跟踪的对象未发生变化，则可以获取所缓存的图像信息的帧数。作为一种方式，电子设备在缓存每帧图像的图像信息时，可以对所缓存的图像信息帧数进行累计，相应地，在当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象匹配时，可以获取所累计缓存的图像信息的帧数。

在一些实施方式中，当电子设备从当前帧帧图像的前一帧图像开始缓存图像信息时，可以确定所缓存的图像信息的帧数为两帧，当电子设备从当前帧图像的前两帧图像开始缓存图像信息时，可以确定所缓存的图像信息的帧数为三帧等，在此不再赘述。

步骤s350：当所述帧数大于帧数阈值时，获取启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

其中，在待跟踪对象移动过程中及其他一些极端情况下会存在待跟踪对象检测及待跟踪对象关键点检测不准确的现象，这样会导致输入待跟踪对象属性模型的待跟踪对象图像出现缺失、模糊等状况，进一步地则会导致属性检测的结果不准确，在视频流中即体现为属性的结果不稳定。因此，在本实施例中，电子设备可以预先设置并存储有帧数阈值，帧数阈值的意义则在于判断属性检测的结果是否已经稳定，若稳定了则启用属性跟踪。

在一些实施方式中，电子设备可以预先设置并存储有帧数阈值，其中，该帧数阈值用于作为所缓存的图像信息的帧数的判断依据。因此，在本实施例中，在获取所缓存的图像信息的帧数后，可以将所缓存的图像信息的帧数与帧数阈值进行比较获得比较结果，其中，当比较结果表征所缓存的图像信息的帧数大于帧数阈值时，可以确定属性检测的结果已经稳定，则可以获取启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，当比较结果表征所缓存的图像信息的帧数不大于帧数阈值时，可以确定属性检测的结果尚未稳定，则可以获取当前帧图像的下一帧图像并执行步骤s320-步骤s350，直到所缓存的图像信息的帧数大于帧数阈值。

步骤s360：对所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

其中，步骤s360的具体描述请参阅步骤s140，在此不再赘述。

步骤s370：当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象不匹配时，删除所缓存的图像信息。

在本实施例中，在确定当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象不匹配时，表征属性跟踪的对象发生了变化，则可以删除所缓存的图像信息，以及获取当前帧图像的下一帧图像。

本申请再一个实施例提供的属性的跟踪方法，相较于图1所示的属性的跟踪方法，本实施例还缓存当前帧图像的图像信息，并在所缓存的图像信息的帧数大于帧数阈值时，再执行对待跟踪对象对应的多个属性信息的跟踪，从而提升属性信息跟踪的稳定性。另外，本实施例还当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象不匹配时，删除所缓存的图像信息，并重新进行待跟踪对象的识别和跟踪，以释放电子设备的存储空间并提升属性跟踪的准确性。

请参阅图4，图4示出了本申请另一个实施例提供的属性的跟踪方法的流程示意图。下面将针对图4所示的流程进行详细的阐述，所述属性的跟踪方法具体可以包括以下步骤：

步骤s410：获取当前帧图像，其中，所述当前帧图像包括待跟踪对象。

步骤s420：当已启用属性跟踪功能时，将所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象进行匹配。

步骤s430：当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

步骤s440：对所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

其中，步骤s410-步骤s440的具体描述请参阅步骤s110-步骤s140，在此不再赘述。

步骤s450：当未启用属性跟踪功能时，对所述当前帧图像进行属性识别，获得所述当前帧图像包括的待跟踪对象对应的多个属性信息。

在本实施例中，在检测到属性跟踪功能未启用时，则可以对当前帧图像进行属性识别，获得当前帧图像包括的待跟踪对象对应的多个属性信息，例如，获得当前帧图像包括的待跟踪对象对应的年龄、性别、身高等。

步骤s460：启用所述属性跟踪功能对所述当前帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述当前帧图像包括的待跟踪对象对应的多个属性信息。

在本实施例中，在对当前帧图像进行属性识别获得当前帧图像包括的待跟踪对象对应的多个属性信息后，可以启用属性跟踪功能并基于属性跟踪功能对当前帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出当前帧图像包括的待跟踪对象对应的多个属性信息。其中，在属性跟踪的过程中不再对获取的每帧图像进行属性识别，以降低电子设备的功耗，例如，不再对当前帧图像的下一帧图像进行属性识别。

在一些实施方式中，输出当前帧图像包括的待跟踪对象对应的多个属性信息可以包括：输出当前帧图像包括的待跟踪对象的分类结果和平均后得到待跟踪对象的回归结果。其中，待跟踪对象的分类结果可以包括：待跟踪对象的性别、待跟踪对象的胡须情况、待跟踪对象的头发情况等，平均后得到的待跟踪对象的回归结果包括：平均后得到的待跟踪对象的年龄、平均后得到的待跟踪对象的身高、平均后得到的待跟踪对象的体重等，在此不做限定。

请参阅图5，图5示出了本申请的图4所示的属性的跟踪方法的步骤s460的流程示意图。下面将针对图5所示的流程进行详细的阐述，所述方法具体可以包括以下步骤：

步骤s461：缓存所述当前帧图像的图像信息。

在一些实施方式中，在对当前帧图像进行属性识别，获得当前帧图像包括的待跟踪对象对应的多个属性信息后，可以缓存当前帧图像的图像信息。作为一种方式，在对当前帧图像进行属性识别，获得当前帧图像包括的待跟踪对象对应的多个属性信息后，缓存当前帧图像的图像信息可以包括：缓存当前帧图像的标识信息和当前帧图像包括的待跟踪对象对应的多个属性信息，此时，当前帧图像包括的待跟踪对象对应的多个属性信息为对当前帧图像进行属性识别获得。

步骤s462：获取所缓存的图像信息的帧数。

作为一种方式，电子设备在缓存每帧图像的图像信息时，可以对所缓存的图像信息帧数进行累计，相应地，在将当前帧图像的图像信息进行缓存后，可以获取所累计缓存的图像信息的帧数。

在一些实施方式中，当电子设备从当前帧帧图像的前一帧图像开始缓存图像信息时，可以确定所缓存的图像信息的帧数为两帧，当电子设备从当前帧图像的前两帧图像开始缓存图像信息时，可以确定所缓存的图像信息的帧数为三帧等，在此不再赘述。

步骤s463：当所述帧数大于帧数阈值时，启用所述属性跟踪功能对所述当前帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述当前帧图像包括的待跟踪对象对应的多个属性信息。

其中，在待跟踪对象移动过程中及其他一些极端情况下会存在待跟踪对象检测及待跟踪对象关键点检测不准确的现象，这样会导致输入待跟踪对象属性模型的待跟踪对象图像出现缺失、模糊等状况，进一步地则会导致属性检测的结果不准确，在视频流中即体现为属性的结果不稳定。因此，在本实施例中，电子设备可以预先设置并存储有帧数阈值，帧数阈值的意义则在于判断属性检测的结果是否已经稳定，若稳定了则启用属性跟踪。

在一些实施方式中，电子设备可以预先设置并存储有帧数阈值，其中，该帧数阈值用于作为所缓存的图像信息的帧数的判断依据。因此，在本实施例中，在获取所缓存的图像信息的帧数后，可以将所缓存的图像信息的帧数与帧数阈值进行比较获得比较结果。

作为一种方式，当比较结果表征所缓存的图像信息的帧数大于帧数阈值时，可以确定属性检测的结果已经稳定，则可以启用属性跟踪功能对当前帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出当前帧图像包括的待跟踪对象对应的多个属性信息。

步骤s464：当所述帧数不大于所述帧数阈值时，不启用所述属性跟踪功能并输出所述当前帧图像包括的待跟踪对象对应的多个属性信息。

作为又一种方式，当比较结果标准所缓存的图像信息的帧数不大于帧数阈值时，可以确定属性检测结果尚未稳定，则可以不启用属性跟踪功能，并输出当前帧图像包括的待跟踪对象对应的多个属性信息。基于此，在获取到当前帧图像的下一帧图像时，则对当前帧图像的下一帧图像执行属性检测，直到所缓存的图像信息的帧数大于帧数阈值时，启用属性跟踪功能对当前帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出当前帧图像包括的待跟踪对象对应的多个属性信息。

本申请另一个实施例提供的属性的跟踪方法，相较于图1所示的属性的跟踪方法，本实施例还在未启用属性跟踪功能时，对当前帧图像进行属性识别，获得当前帧图像包括的待跟踪对象对应的多个属性信息，启用属性跟踪功能对当前帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出当前帧图像包括的待跟踪对象对应的多个属性信息，从而在合适的时机启用属性跟踪功能，并对待跟踪对象的属性信息进行跟踪并输出，提升属性信息的跟踪效果。

请参阅图6，图6示出了本身又再一个实施例提供的属性的跟踪方法的流程示意图。下面将针对图6所示的流程进行详细的阐述，所述属性的跟踪方法具体可以包括以下步骤：

步骤s510：获取当前帧图像，其中，所述当前帧图像包括待跟踪对象。

其中，步骤s510的具体描述请参阅步骤s110，在此不再赘述。

步骤s520：对所述当前帧图像进行对齐处理，获得对齐后的待跟踪对象图像。

在本实施例中，在获取当前帧图像后，可以对当前帧图像进行对齐处理，获得对齐后的待跟踪对象图像。在一些实施方式中，在获取当前帧图像后，可以将当前帧图像输入前处理模块，获得前处理模块输出的对齐后的待跟踪对象图像，其中，前处理模块可以包括已训练的对象检测模型、已训练的关键点检测模型以及关键点对齐模型，则在获取当前帧图像后，可以将当前帧图像依次经过已训练的对象检测模型、已训练的关键点检测模型以及关键点对齐模型的处理，获得对齐后的待跟踪对象图像。

请参阅图7，图7示出了本申请的图6所示的属性的跟踪方法的步骤s520的流程示意图。下面将针对图7所示的流程进行详细的阐述，所述方法具体可以包括以下步骤：

步骤s521：将所述当前帧图像输入已训练的对象检测模型，获得所述已训练的对象检测模型输出的待跟踪对象图像。

在一些实施方式中，在获取当前帧图像后，可以将当前帧图像输入已训练的对象检测模型，获得已训练的对象检测模型输出的待跟踪对象图像。作为一种方式，可以将当前帧图像输入已训练的对象检测模型，获得已训练的对象检测模型输出的待跟踪对象图像，且在接下来的n帧中对待跟踪对象进行跟踪，在n+1帧时重新进行待跟踪对象的检测，并以此重复，从而获得待跟踪对象图像。

在一些实施方式中，已训练的对象检测模型可以为已训练的人脸检测模型，则可以将当前帧图像输入已训练的人脸检测模型，获得已训练的人脸检测模型输出的人脸图像。

步骤s522：将所述待跟踪对象图像输入已训练的关键点检测模型，获得所述已训练的关键点检测模型输出的所述待跟踪对象图像包括的待跟踪对象对应的多个关键点。

在一些实施方式中，在获得待跟踪对象图像后，可以将待跟踪对象图像输入已训练的关键点检测模型，获得已训练的关键点检测模型输出的待跟踪对象图像包括的待跟踪对象对应的多个关键点。作为一种方式，在获得待跟踪对象图像后，可以将待跟踪对象图像输入已训练的关键点检测模型，获得已训练的关键点检测模型输出的待跟踪对象图像包括的待跟踪对象对应的多个关键点，且在接下来的n帧中对多个关键点进行跟踪，在n+1帧时重新进行关键点的检测，并以此重复，从而获得待跟踪对象图像包括的待跟踪对象对应的多个关键点。

在一些实施方式中，已训练的关键点检测模型可以为已训练的人脸关键点检测模型，则可以将人脸图像输入已训练的人脸关键点检测模型，获得已训练的人脸关键点检测模型输出的多个人脸关键点。

步骤s523：基于所述待跟踪对象图像包括的待跟踪对象对应的多个关键点对所述待跟踪对象图像进行对齐，获得所述对齐后的待跟踪对象图像。

在一些实施方式中，在获得待跟踪对象图像包括的待跟踪对象对应的多个关键点后，可以基于待跟踪对象图像包括的待跟踪对象对应的多个关键点对待跟踪对象图像进行对齐，获得对齐后的待跟踪对象图像。作为一种方式，在获得待跟踪对象图像包括的待跟踪对象对应的多个关键点后，可以基于待跟踪对象图像包括的待跟踪对象对应的多个关键件将待跟踪对象图像与标准对象图像进行对齐，获得对齐后的待跟踪对象图像。

步骤s530：当已启用属性跟踪功能时，将所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象进行匹配。

步骤s540：当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

步骤s550：对所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

其中，步骤s530-步骤s550的具体描述请参阅步骤s120-步骤s140，在此不再赘述。

步骤s560：当未启用所述属性跟踪功能时，对所述对齐后的待跟踪对象图像进行属性识别，获得所述当前帧图像包括的待跟踪对象对应的多个属性信息。

在本实施例中，当未启用属性跟踪功能时，可以对对齐后的待跟踪对象图像进行属性识别，获得当前帧图像包括的待跟踪对象对应的多个属性信息。在一些实施方式中，当检测到属性跟踪功能未启用时，可以将对齐后的待跟踪对象图像输入已训练的多属性识别模型，获得已训练的多属性识别模型输出的当前帧图像包括的待跟踪对象对应的多个属性信息。例如，已训练的多属性识别模型可以为已训练的多人脸属性识别模型，则可以将对齐后的待跟踪对象图像输入已训练的多人脸属性识别模型，获得已训练的多人脸属性识别模型输出的当前帧图像包括的人脸的多个属性信息。

其中，已训练的多属性识别模型的整体模型可以为一个预训练好的多任务学习神经网络模型。其中，在获得对齐后的待跟踪对象图像后，可以将对齐后的待跟踪对象图像输入已训练的多属性识别模型，已训练的多属性识别模型首先通过任务共享层提取所有任务的公共特征，再将所有任务的公共特征作为输入，输入每个任务的任务特征层，每个任务特征层的输出即为每个属性所对应的预测结果，从而可以获得当前帧图像包括的待跟踪对象的多个属性信息。

步骤s570：启用所述属性跟踪功能对所述当前帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述当前帧图像包括的待跟踪对象对应的多个属性信息。

其中，步骤s570的具体描述请参阅步骤s460，在此不再赘述。

本申请又再一个实施例提供的属性的跟踪方法，相较于图1所示的属性的跟踪方法，本实施例还对当前帧图像进行对齐处理，获得对齐后的待跟踪对象图像，并在未启用属性跟踪功能时，对对齐后的待跟踪对象图像进行属性识别，获得当前帧图像包括的待跟踪对象对应的多个属性信息，启用属性跟踪功能对当前帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出当前帧图像包括的待跟踪对象对应的多个属性信息，从而在合适的时机启用属性跟踪功能，并对待跟踪对象的属性信息进行跟踪并输出，提升属性信息的跟踪效果。

请参阅图8，图8示出了本申请又另一个实施例提供的属性的跟踪方法的流程示意图。下面将针对图8所示的流程进行详细的阐述，所述属性的跟踪方法具体可以包括以下步骤：

步骤s610：获取当前帧图像，其中，所述当前帧图像包括待跟踪对象。

其中，步骤s610的具体描述请参阅步骤s110，在此不再赘述。

步骤s620：确定所述当前帧图像的前一帧图像是否执行属性识别。

在一些实施方式中，可以对当前帧图像的前一帧图像是否执行属性识别进行检测。例如，可以对当前帧图像的前一帧图像是否调用已训练的多属性识别模型进行检测，其中，当检测到当前帧图像的前一帧图像调用已训练的多属性识别模型时，可以确定当前帧图像的前一帧图像执行属性识别，当检测到当前帧图像的前一帧图像未调用已训练的多属性识别模型时，可以确定当前帧图像的前一帧图像未执行属性识别。

步骤s630：当所述当前帧图像的前一帧图像未执行属性识别时，确定已启用属性跟踪功能。

其中，当检测结果表征当前帧图像的前一帧图像未执行属性识别时，可以确定已启用属性跟踪功能，此时，在属性跟踪的过程中，不再执行对属性信息的识别。

步骤s640：当所述当前帧图像的前一帧图像已执行属性识别时，确定未启用属性跟踪功能。

其中，当检测结果表征当前帧图像的前一帧图像已执行属性识别时，可以确定未启用属性跟踪功能，此时，针对所获取的每帧图像均进行属性识别，直到启用属性跟踪功能。

步骤s650：当已启用属性跟踪功能时，将所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象进行匹配。

步骤s660：当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

步骤s670：对所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

其中，步骤s650-步骤s670的具体描述请参阅步骤s120-步骤s140，在此不再赘述。

本申请又另一个实施例提供的属性的跟踪方法，相较于图1所示的属性的跟踪方法，本实施例还在当前帧图像的前一帧图像未执行属性识别时，确定已启用属性跟踪功能，在当前帧图像的前一帧图像已执行属性识别时，确定未启用属性跟踪功能，从而提升属性跟踪功能开启或关闭确定的准确性。

请参阅图9，图9示出了本申请实施例提供的属性的跟踪装置的模块框图。下面将针对图9所示的框图进行阐述，所述属性的跟踪装置200包括：当前帧图像获取模块210、待跟踪对象匹配模块220、属性信息获取模块230以及属性信息跟踪模块240，其中：

当前帧图像获取模块210，用于获取当前帧图像，其中，所述当前帧图像包括待跟踪对象。

待跟踪对象匹配模块220，用于当已启用属性跟踪功能时，将所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象进行匹配。

进一步地，所述待跟踪对象匹配模块220包括：标识信息获取子模块和第一待跟踪对象匹配子模块，其中：

标识信息获取子模块，用于当已启用所述属性跟踪功能时，获取所述当前帧图像包括的待跟踪对象对应的标识信息，并获取所述当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息。

第一待跟踪对象匹配子模块，用于将所述当前帧图像包括的待跟踪对象对应的标识信息与所述当前帧图像的前一帧图像包括的待跟踪对象对应的标识信息进行匹配。

进一步地，所述待跟踪对象匹配模块220包括：第一图像信息缓存子模块和第二待跟踪对象匹配子模块，其中：

第一图像信息缓存子模块，用于当已启用所述属性跟踪功能时，缓存所述当前帧图像的图像信息。

第二待跟踪对象匹配子模块，用于将所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象进行匹配。

属性信息获取模块230，用于当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

进一步地，所述属性信息获取模块230包括：第一帧数获取子模块和属性信息获取子模块，其中：

第一帧数获取子模块，用于当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取所缓存的图像信息的帧数。

属性信息获取子模块，用于当所述帧数大于帧数阈值时，获取启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

进一步地，所述属性信息获取模块230包括：图像信息删除子模块，其中：

图像信息删除子模块，用于当所述当前帧图像包括的待跟踪对象与所述当前帧图像的前一帧图像包括的待跟踪对象不匹配时，删除所缓存的图像信息。

属性信息跟踪模块240，用于对所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述启用所述属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息。

进一步地，所述属性的跟踪装置200还包括：属性信息获取模块和属性信息输出模块，其中：

属性信息获取模块，用于当未启用属性跟踪功能时，对所述当前帧图像进行属性识别，获得所述当前帧图像包括的待跟踪对象对应的多个属性信息。

进一步地，所述属性信息获取模块包括：

属性信息获取子模块，用于当未启用所述属性跟踪功能时，对所述对齐后的待跟踪对象图像进行属性识别，获得所述当前帧图像包括的待跟踪对象对应的多个属性信息。

进一步地，所述属性信息获取子模块包括：属性信息获取单元，其中：

属性信息获取单元，用于当未启用所述属性跟踪功能时，将所述对齐后的待跟踪对象图像输入已训练的多属性识别模型，获得所述已训练的多属性识别模型输出的所述当前帧图像包括的待跟踪对象对应的多个属性信息。

属性信息输出模块，用于启用所述属性跟踪功能对所述当前帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述当前帧图像包括的待跟踪对象对应的多个属性信息。

进一步地，所述属性信息输出模块包括：第二图像信息缓存子模块、第二帧数获取子模块以及属性信息输出子模块，其中：

第二图像信息缓存子模块，用于缓存所述当前帧图像的图像信息。

第二帧数获取子模块，用于获取所缓存的图像信息的帧数。

属性信息输出子模块，用于当所述帧数大于帧数阈值时，启用所述属性跟踪功能对所述当前帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出所述当前帧图像包括的待跟踪对象对应的多个属性信息。

进一步地，所述属性信息输出模块包括：功能不启用子模块，其中：

功能不启用子模块，用于当所述帧数不大于所述帧数阈值时，不启用所述属性跟踪功能并输出所述当前帧图像包括的待跟踪对象对应的多个属性信息。

进一步地，所述属性的跟踪装置200还包括：

对齐图像获得模块，用于对所述当前帧图像进行对齐处理，获得对齐后的待跟踪对象图像。

进一步地，所述对齐图像获得模块包括：待跟踪对象获得子模块、关键点获得子模块以及对齐图像获得子模块，其中：

待跟踪对象图像获得子模块，用于将所述当前帧图像输入已训练的对象检测模型，获得所述已训练的对象检测模型输出的待跟踪对象图像。

关键点获得子模块，用于将所述待跟踪对象图像输入已训练的关键点检测模型，获得所述已训练的关键点检测模型输出的所述待跟踪对象图像包括的待跟踪对象对应的多个关键点。

对齐图像获得子模块，用于基于所述待跟踪对象图像包括的待跟踪对象对应的多个关键点对所述待跟踪对象图像进行对齐，获得所述对齐后的待跟踪对象图像。

进一步地，所述属性的跟踪装置200还包括：属性识别确定模块、已启用确定模块以及未启用确定模块，其中：

属性识别确定模块，用于确定所述当前帧图像的前一帧图像是否执行属性识别。

已启用确定模块，用于当所述当前帧图像的前一帧图像未执行属性识别时，确定已启用属性跟踪功能。

未启用确定模块，用于当所述当前帧图像的前一帧图像已执行属性识别时，确定未启用属性跟踪功能。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

请参阅图10，其示出了本申请实施例提供的一种电子设备100的结构框图。该电子设备100可以是智能手机、平板电脑、电子书等能够运行应用程序的电子设备。本申请中的电子设备100可以包括一个或多个如下部件：处理器110、存储器120以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器120中并被配置为由一个或多个处理器110执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。

其中，处理器110可以包括一个或者多个处理核。处理器110利用各种接口和线路连接整个电子设备100内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行电子设备100的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(digitalsignalprocessing，dsp)、现场可编程门阵列(field－programmablegatearray，fpga)、可编程逻辑阵列(programmablelogicarray，pla)中的至少一种硬件形式来实现。处理器110可集成中央处理器(centralprocessingunit，cpu)、图形处理器(graphicsprocessingunit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责待显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。

存储器120可以包括随机存储器(randomaccessmemory，ram)，也可以包括只读存储器(read-onlymemory)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。

请参阅图11，其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质300中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。

计算机可读存储介质300可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。可选地，计算机可读存储介质300包括非易失性计算机可读介质(non-transitorycomputer-readablestoragemedium)。计算机可读存储介质300具有执行上述方法中的任何方法步骤的程序代码310的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码310可以例如以适当形式进行压缩。

综上所述，本申请实施例提供的属性的跟踪方法、装置、电子设备以及存储介质，获取当前帧图像，其中，当前帧图像包括待跟踪对象，当已启用属性跟踪功能时，将当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象进行匹配，当当前帧图像包括的待跟踪对象与当前帧图像的前一帧图像包括的待跟踪对象匹配时，获取启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，对启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息进行跟踪，并输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，从而通过在属性跟踪的过程中，跟踪并输出启用属性跟踪功能前的最后一帧图像包括的待跟踪对象对应的多个属性信息，提升属性识别的速度以及降低电子设备的功耗。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。