一种轨迹跟踪方法、装置、电子设备及存储介质与流程

本发明涉及轨迹跟踪，尤其涉及一种轨迹跟踪方法、装置、电子设备及存储介质。

背景技术：

1、随着人工智能技术的发展与进步，跟踪算法已经大量应用于社会生活的方方面面，例如，基于跟踪算法的目标人员轨迹跟踪系统和商场门店客流计数系统等，极大地方便了人们的工作和生活。现有的跟踪算法主要是采用分类网络进行reid(re-identify，重识别)特征的提取，这种方法仅依赖单帧图像信息，获取的reid特征不能很好的区分相似的人或者遮挡情况下的人，容易产生误检，从而在做跟踪关联时产生负影响，导致跟踪准确率低。

技术实现思路

1、本发明实施例提供一种轨迹跟踪方法，旨在解决现有的轨迹跟踪方法的关联效率低的问题。

2、第一方面，本发明实施例提供一种轨迹跟踪方法，所述方法包括：

3、获取多个跟踪短轨迹，每个所述跟踪短轨迹均包括目标特征以及轨迹时间信息，所述目标特征包括人头特征和/或人体特征；

4、根据所述目标特征以及所述轨迹时间信息，基于图神经网络，对多个所述跟踪短轨迹进行分类，得到分类结果；

5、将满足预设条件的分类结果进行合并，得到目标跟踪短轨迹。

6、可选的，所述获取多个跟踪短轨迹，包括：

7、基于预设跟踪器获取多个待切分短轨迹；

8、基于预设切分方式分别对所述多个待切分短轨迹进行切分，得到多个跟踪短轨迹，并基于预设特征提取算法提取多个所述跟踪短轨迹的目标特征。

9、可选的，所述基于预设切分方式分别对所述多个待切分短轨迹进行切分，包括：

10、分别对所述多个待切分短轨迹进行平均切分；或者，

11、按所述预设跟踪器所提取的重识别特征相似度分别对所述多个待切分短轨迹进行切分。

12、可选的，所述根据所述目标特征以及所述轨迹时间信息，基于图神经网络，对多个所述跟踪短轨迹进行分类，得到分类结果，包括：

13、将每个所述跟踪短轨迹的目标特征确定为图节点；

14、根据每个所述跟踪轨迹的轨迹时间信息判断各图节点之间是否满足连边条件；

15、若各图节点之间满足连边条件，则在满足连边条件的图节点之间添加连边，已得到对应的特征图；

16、基于图神经网络对所述特征图进行分类，得到分类结果。

17、可选的，所述根据每个所述跟踪轨迹的轨迹时间信息判断各图节点之间是否满足连边条件，包括：

18、判断每个所述跟踪短轨迹之间的轨迹时间是否存在交集，以及判断每个所述跟踪短轨迹之间的轨迹时间间隔是否在预设时间间隔范围内；

19、若每个所述跟踪短轨迹之间的轨迹时间不存在交集，但每个所述跟踪短轨迹之间的轨迹时间间隔在预设时间间隔范围内，则确定对应图节点之间满足预设连边条件。

20、可选的，所述根据每个所述跟踪轨迹的轨迹时间信息判断各图节点之间是否满足连边条件，还包括：

21、若每个所述跟踪短轨迹之间的轨迹时间不存在交集，且每个所述跟踪短轨迹之间的轨迹时间间隔不在预设时间间隔范围内，则确定对应图节点之间不满足预设连边条件；或者，

22、若每个所述跟踪短轨迹之间的轨迹时间存在交集，且每个所述跟踪短轨迹之间的轨迹时间间隔在预设时间间隔范围内，则确定对应图节点之间不满足预设连边条件；或者，

23、若每个所述跟踪短轨迹之间的轨迹时间存在交集，但每个所述跟踪短轨迹之间的轨迹时间间隔不在预设时间间隔范围内，则确定对应图节点之间不满足预设连边条件。

24、可选的，所述将满足预设条件的分类结果进行合并，得到目标跟踪短轨迹，包括：

25、将特征图中属于同类的图节点对应的跟踪短轨迹进行合并，得到目标跟踪短轨迹。

26、第二方面，本发明实施例还提供了一种轨迹跟踪装置，所述轨迹跟踪装置包括：

27、获取模块，用于获取多个跟踪短轨迹，每个所述跟踪短轨迹均包括目标特征以及轨迹时间信息，所述目标特征包括人头特征和/或人体特征；

28、分类模块，用于根据所述目标特征以及所述轨迹时间信息，基于图神经网络，对多个所述跟踪短轨迹进行分类，得到分类结果；

29、合并模块，用于将满足预设条件的分类结果进行合并，得到目标跟踪短轨迹。

30、第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例提供的轨迹跟踪方法中的步骤。

31、第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的轨迹跟踪方法中的步骤。

32、本发明实施例中，由于获取多个跟踪短轨迹，每个所述跟踪短轨迹均包括目标特征以及轨迹时间信息，所述目标特征包括人头特征和/或人体特征；根据所述目标特征以及所述轨迹时间信息，基于图神经网络，对多个所述跟踪短轨迹进行分类，得到分类结果；将满足预设条件的分类结果进行合并，得到目标跟踪短轨迹。所以，结合了人头和人体特征，能有效解决遮挡情况下的人体特征噪声，同时结合跟踪短轨迹间的时间关系，并采用图神经网络的形式进行特征聚合，可以有效避免被遮挡物影响，提升跟踪算法的准确率。

技术特征：

1.一种轨迹跟踪方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的轨迹跟踪方法，其特征在于，所述获取多个跟踪短轨迹，包括：

3.如权利要求2所述的轨迹跟踪方法，其特征在于，所述基于预设切分方式分别对所述多个待切分短轨迹进行切分，包括：

4.如权利要求2所述的轨迹跟踪方法，其特征在于，所述根据所述目标特征以及所述轨迹时间信息，基于图神经网络，对多个所述跟踪短轨迹进行分类，得到分类结果，包括：

5.如权利要求4所述的轨迹跟踪方法，其特征在于，所述根据每个所述跟踪轨迹的轨迹时间信息判断各图节点之间是否满足连边条件，包括：

6.如权利要求5所述的轨迹跟踪方法，其特征在于，所述根据每个所述跟踪轨迹的轨迹时间信息判断各图节点之间是否满足连边条件，还包括：

7.如权利要求5所述的基于图神经网络的人体跟踪方法，其特征在于，所述将满足预设条件的分类结果进行合并，得到目标跟踪短轨迹，包括：

8.一种轨迹跟踪装置，其特征在于，所述轨迹跟踪装置包括：

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的轨迹跟踪方法中的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的轨迹跟踪方法中的步骤。

技术总结
本发明实施例提供一种轨迹跟踪方法、装置、电子设备及存储介质，该方法包括：获取多个跟踪短轨迹，每个所述跟踪短轨迹均包括目标特征以及轨迹时间信息，所述目标特征包括人头特征和/或人体特征；根据所述目标特征以及所述轨迹时间信息，基于图神经网络，对多个所述跟踪短轨迹进行分类，得到分类结果；将满足预设条件的分类结果进行合并，得到目标跟踪短轨迹。结合了人头和人体特征，能有效解决遮挡情况下的人体特征噪声，同时结合跟踪短轨迹间的时间关系，并采用图神经网络的形式进行特征聚合，可以有效避免被遮挡物影响，提升跟踪算法的准确率。

技术研发人员：程啸,黄哲,肖嵘,王孝宇
受保护的技术使用者：深圳云天励飞技术股份有限公司
技术研发日：
技术公布日：2024/6/20