一种对象跟踪方法、装置、设备及存储介质与流程

1.本技术涉及对象跟踪技术领域，尤其涉及一种对象跟踪方法、装置、设备及存储介质。


背景技术：

2.机器视觉是当前自动驾驶领域中一项较为常见功能，视频目标追踪算法作为机器视觉中一项较为实用且重要的算法，其应用场景较为广泛，比如智能监控、机器人视觉系统、虚拟现实(人体跟踪)、医学诊断(细胞状态跟踪)等。
3.目标跟踪算法因外界因素(例如，复杂的应用环境、光照条件的变化、遮挡等因素)以及目标物自身的变化(例如，外观、尺寸、速度等的变化)，的影响，在实际应用时，存在实时性等难以克服的问题。因此，现有技术中在对目标对象进行跟踪时，一般通过融合不同权重的特征，重新对目标对象进行提取，以增加目标对象置信度，但同时引进多种复杂操作，降低了系统的实时性，不利于在自动驾驶等低延迟场景中的运用。


技术实现要素：

4.为了解决上述技术问题，本技术公开了一种对象跟踪方法，通过目标车辆关联的各历史对象各自对应的轨迹信息以及第一对象的第一位置信息进行位置信息的匹配，可以避免对象因被遮挡而导致轨迹丢失的问题，提高了对象跟踪的准确度。
5.为了达到上述发明目的，本技术提供了一种对象跟踪方法，所述方法包括：
6.获取目标车辆预设范围内的对象信息以及所述目标车辆关联的历史轨迹信息，所述对象信息包括第一数量的第一对象各自对应的第一位置信息，所述第一对象为所述目标车辆预设范围内被遮挡物遮挡的对象；所述历史轨迹信息为多个历史对象各自的轨迹信息，所述历史对象为历史时段中所述目标车辆预设范围内的对象；每个历史对象的轨迹信息包括每个历史对象在所述历史时段中的历史位置信息；
7.基于所述第一位置信息和所述历史位置信息，对所述第一数量的第一对象和所述多个历史对象进行匹配处理，得到第二数量的第一匹配对，所述第二数量小于或等于所述第一数量；
8.利用第一目标匹配对中的第一目标对象对应的第一位置信息，更新所述第一目标匹配对中的第一目标历史对象的轨迹信息；所述第一目标匹配对为任一所述第一匹配对；所述第一目标对象为所述第一对象中的一个对象，所述第一目标历史对象为所述多个历史对象中的一个对象。
9.在一些实施方式中，所述对象信息还包括第三数量的第二对象各自对应的第二位置信息；所述第二对象为所述目标车辆预设范围内未被遮挡物遮挡的对象；所述基于所述第一位置信息和所述历史位置信息，对所述第一数量的第一对象和所述多个历史对象进行匹配处理，得到第二数量的匹配对，包括：
10.基于第二位置信息和所述历史位置信息，对所述第二数量的第二对象和所述多个
历史对象进行匹配处理，得到第四数量的第二匹配对；所述第四数量小于或等于第三数量；
11.在所述第四数量小于所述历史对象的数量的情况下，基于所述第一位置信息与第一历史对象对应的历史位置信息，对所述第一数量的第一对象和至少一个第一历史对象进行匹配处理，得到第二数量的匹配对；所述第一历史对象为所述多个历史对象中除所述第四数量的第二匹配对中的历史对象之外的历史对象。
12.在一些实施方式中，所述方法还包括：
13.在所述第四数量小于所述第三数量的情况下，基于第二目标对象对应的第二位置信息，更新所述第二目标对象的轨迹信息；所述第二目标对象为所述第二对象中未与所述历史对象形成所述第二匹配对的对象。
14.在一些实施方式中，所述方法还包括：
15.在所述第二数量等于预设阈值的情况下，删除所述第一历史对象对应的轨迹信息以及所述第一位置信息。
16.在一些实施方式中，在所述基于第二位置信息和所述历史位置信息，对所述第二数量的第二对象和所述多个历史对象进行匹配处理，得到第四数量的第二匹配对之后，所述方法还包括：
17.利用第二目标匹配对中的第三目标对象对应的第二位置信息，更新所述第二目标匹配对中的第二目标历史对象的轨迹信息；所述第二目标匹配对为任一所述第二匹配对；所述第三目标对象为所述第二对象中的一个对象，所述第二目标历史对象为所述多个历史对象中的一个对象。
18.在一些实施方式中，所述基于所述第一位置信息和所述历史位置信息，对所述第一数量的第一对象和所述多个历史对象进行匹配处理，得到第二数量的第一匹配对；包括：
19.基于所述历史位置信息确定所述多个历史对象各自对应的预测位置信息；
20.基于所述第一位置信息和所述预测位置信息，对所述第一数量的第一对象和所述多个历史对象进行匹配处理，得到第二数量的第一匹配对。
21.在一些实施方式中，所述获取目标车辆预设范围内的对象信息，包括：
22.获取所述目标车辆预设范围内的图像信息以及预设神经网络模型；
23.将所述图像信息输入所述预设神经网络模型，得到所述图像信息中的对象信息。
24.本技术还提供了一种对象跟踪装置，所述的装置包括：
25.信息获取模块，用于获取目标车辆预设范围内的对象信息以及所述目标车辆关联的历史轨迹信息，所述对象信息包括第一数量的第一对象各自对应的第一位置信息，所述第一对象为所述目标车辆预设范围内被遮挡物遮挡的对象；所述历史轨迹信息为多个历史对象各自的轨迹信息，所述历史对象为历史时段中所述目标车辆预设范围内的对象；每个历史对象的轨迹信息包括每个历史对象在所述历史时段中的历史位置信息；
26.匹配处理模块，用于基于所述第一位置信息和所述历史位置信息，对所述第一数量的第一对象和所述多个历史对象进行匹配处理，得到第二数量的第一匹配对，所述第二数量小于或等于所述第一数量；
27.更新模块，用于利用第一目标匹配对中的第一目标对象对应的第一位置信息，更新所述第一目标匹配对中的第一目标历史对象的轨迹信息；所述第一目标匹配对为任一所述第一匹配对；所述第一目标对象为所述第一对象中的一个对象，所述第一目标历史对象
为所述多个历史对象中的一个对象。
28.本技术还提供了一种对象跟踪设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述所述的对象跟踪方法。
29.本技术还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行如上述所述的对象跟踪方法。
30.实施本技术实施例，具有如下有益效果：
31.本技术的对象跟踪方法，通过目标车辆关联的各历史对象各自对应的轨迹信息以及第一对象的第一位置信息进行位置信息的匹配，可以避免对象因被遮挡而导致轨迹丢失的问题，提高了对象跟踪的准确度。
附图说明
32.为了更清楚地说明本技术所述的对象跟踪方法、装置、设备及存储介质，下面将对实施例所需要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技术的一些实施例，对于本领域普通技术人员来讲，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附图。
33.图1为本技术实施例提供的一种对象跟踪方法的实施环境示意图；
34.图2为本技术实施例提供的一种对象跟踪方法的流程示意图；
35.图3为本技术实施例提供的一种具体的对象跟踪方法的流程示意图；
36.图4a和4b为本技术实施例提供的一种在不同时刻的具体场景示意图；
37.图5为本技术实施例提供的一种对象跟踪装置的结构示意图；
38.图6为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
39.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
40.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
41.请参阅图1，其示出了本技术实施例提供的实施环境示意图，该实施环境可以包括：
42.至少一个终端01和至少一个服务器02。该至少一个终端01和该至少一个服务器02
可以通过网络进行数据通信。
43.在一个可选的实施例中，终端01可以是对象跟踪方法的执行者。终端01可以包括但不限于车载终端、智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(augmented reality，ar)/虚拟现实(virtual reality，vr)设备、智能可穿戴设备等类型的电子设备。终端01上运行的操作系统可以包括但不限于安卓系统、ios系统、linux、windows、unix等。
44.服务器02可以给终端01提供目标车辆关联的历史轨迹信息。可选的，服务器02可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn(content delivery network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
45.请参考图2，其所示为本技术实施例提供的一种对象跟踪方法的流程示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规；或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序，对象跟踪方法，可以按照实施例或附图所示的方法顺序执行。具体的如图2所示，所述方法包括：
46.s201，获取目标车辆预设范围内的对象信息以及目标车辆关联的历史轨迹信息。
47.在本技术实施例中，对象信息可以指预设对象的关联信息，预设对象可以为自身具有移动能力的对象和附属于具有移动能力的对象上的附属对象；例如，预设对象可以包括机动车量、非机动车辆、行人、动物以及行人身上的背包等对象。关联信息可以包括位置信息和标识信息。对象信息可以包括第一数量的第一对象各自对应的第一位置信息；其中，第一数量可以为大于或等于1的自然数。对象信息还可以包括第一对象的标识信息。第一对象可以为目标车辆预设范围内被遮挡物遮挡的对象。其中，遮挡物可以为对第一对象构成遮挡的物体；例如，遮挡物可以包括机动车量、非机动车辆、交通指示牌、树木等物体。预设范围可以指预先设定的感知设备的感知范围；其中，感知设备可以为能够检测到目标车辆预设范围内的预设对象的设备；例如，感知设备可以包括相机、雷达等设备。第一位置信息可以指包含第一对象边缘线的区域。例如，可以为长方向框线所包围的区域。
48.历史轨迹信息可以为多个历史对象各自的轨迹信息；历史对象为历史时段中目标车辆预设范围内的对象；每个历史对象的轨迹信息可以包括每个历史对象在历史时段中的历史位置信息；历史时段的时长可以是预先设置的；历史时段的终止时间可以与对象信息的获取时间相同。目标车辆可以为具有自动驾驶功能的车辆。目标车辆预设范围内的对象信息可以包括目标车辆的前向和侧向的对象信息。
49.在本技术实施例中，所述对象信息还可以包括第三数量的第二对象各自对应的第二位置信息；所述第二对象为所述目标车辆预设范围内未被遮挡物遮挡的对象；其中，第三数量可以为大于或等于0的自然数。例如，如图4a和4b，其所示为本技术实施例提供的一种在不同时刻的具体场景示意图；在图4a中，对象信息包含第二对象，第二对象的第二位置信息及标识信息；例如，图中从左至右第三辆车为第二对象，其标识信息为id＝200055。在图4b中，对象信息包括有第一对象和第二对象，第一对象的第一位置信息及标识信息，第二对象的第二位置信息及标识信息；例如，例如，图中从左至右第三辆车为第一对象，其标识信
息为id＝200055。
50.在一些示例性实施例中，可以获取所述目标车辆预设范围内的图像信息以及预设神经网络模型；将所述图像信息输入所述预设神经网络模型，得到所述图像信息中的对象信息。预设神经网络模型可以为cnn(convolutional neural network，卷积神经网络)模型。
51.在一个示例中，可以基于单目相机或双目相机获取目标车辆预设范围内的图像信息。
52.其中，可以将单目相机获取到的图像信息输入所述预设神经网络模型，提取图像信息的深度学习卷积特征，根据深度学习卷积特征确定出给图像信息中的对象信息。
53.可以先对双目相机获取到的图像信息进行预处理，将预处理后的图像信息再输入预设神经网络模型，提取图像信息的深度学习卷积特征，根据深度学习卷积特征确定出给图像信息中的对象信息。
54.在另一个示例性实施例中，可以获取目标车辆预设范围内的点云信息，基于点云信息，确定目标车辆预设范围内的对象信息。
55.在一个示例中，可以基于点云信息，确定车辆预设范围内的预设对象的关联信息。
56.在一些示例性实施例中，可以直接获取目标车辆在历史时段内各历史对象各自的轨迹信息，基于多个轨迹信息，确定目标车辆关联的历史轨迹信息。
57.在一个示例中，轨迹信息可以动态生成的；可以将多个轨迹信息的集合确定为目标车辆关联的历史轨迹信息。
58.在另一个示例性实施例中，可以获取目标车辆在历史时段内关联的各历史对象的在历史时段中的历史位置信息；基于各历史位置信息，确定各历史对象各自对应的轨迹信息，基于多个轨迹信息，确定目标车辆关联的历史轨迹信息。
59.在一个示例中，轨迹信息可以是根据各历史位置信息实时生成的；可以将多个轨迹信息的集合确定为目标车辆关联的历史轨迹信息。
60.s203，基于第一位置信息和历史位置信息，对第一数量的第一对象和多个历史对象进行匹配处理，得到第二数量的第一匹配对。
61.在本技术实施例中，第一匹配对可以为第一对象和历史对象相匹配得到的匹配对；每个匹配对中包括一个第一目标对象和一个第一目标历史对象；所述第一目标对象为所述第一对象中的一个对象，所述第一目标历史对象为所述多个历史对象中的一个对象。第二数量可以为大于或等于0的自然数，所述第二数量小于或等于所述第一数量。
62.在本技术实施例中，所述对象信息还包括第三数量的第二对象各自对应的第二位置信息；其中，第三数量可以为大于或等于0的自然数。
63.可选的，在第三数量等于0的情况下，可以直接基于第一位置信息和历史位置信息，对所述第一数量的第一对象和所述多个历史对象进行匹配处理，得到第二数量的第一匹配对。
64.在一些示例性实施例中，可以基于所述历史位置信息确定所述多个历史对象各自对应的预测位置信息；基于所述第一位置信息和所述预测位置信息，对所述第一数量的第一对象和所述多个历史对象进行匹配处理，得到第二数量的第一匹配对。
65.在一个示例性，可以获取预设预测模型；针对每一历史对象，可以基于预设预测模
型以及该历史对象对应的各历史位置信息形成的轨迹信息进行位置预测，得到该历史对象在目标时刻对应的预测位置信息。目标时刻可以为第一对象的第一位置信息对应的时刻。
66.在第一位置信息和预测位置信息的匹配程度达到预设阈值的情况下，确定第一位置信息对应的第一目标对象与预测位置信息对应的第一目标历史对象形成一组第一匹配对。
67.具体的，形成第一匹配对的第一目标对象和第一目标历史对象可以为同一对象。
68.具体的，第一位置信息和预测位置信息的匹配程度可以采用匈牙利算法进行匹配计算。
69.在另一些示例性实施例中，可以基于历史位置信息确定所述多个历史对象各自对应的预测轨迹信息；基于预测轨迹信息与第一位置信息，对第一数量的第一对象和所述多个历史对象进行匹配处理，得到第二数量的第一匹配对。
70.在一个示例中，可以在预测轨迹信息与第一位置信息之间存在交叉的情况下，确定第一位置信息对应的第一目标对象与预测位置信息对应的第一目标历史对象形成一组第一匹配对。
71.可选的，在第三数量大于或等于0的情况下，可以基于第二位置信息和所述历史位置信息，对所述第二数量的第二对象和所述多个历史对象进行匹配处理，得到第四数量的第二匹配对；所述第四数量小于或等于第三数量；在所述第四数量小于所述历史对象的数量的情况下，基于所述第一位置信息与第一历史对象对应的历史位置信息，对所述第一数量的第一对象和至少一个第一历史对象进行匹配处理，得到第二数量的匹配对；所述第一历史对象为所述多个历史对象中除所述第四数量的第二匹配对中的历史对象之外的历史对象。
72.在一些示例性实施例中，可以基于所述历史位置信息确定所述多个历史对象各自对应的预测位置信息；基于所述第二位置信息和所述预测位置信息，对所述第三数量的第二对象和所述多个历史对象进行匹配处理，得到第四数量的第一匹配对。在第三数量等于0的情况下，第四数量等于0。相对应的，第一历史对象的数量与历史对象的数量相同。
73.在另一些示例性实施例中，可以基于历史位置信息确定所述多个历史对象各自对应的预测轨迹信息；基于预测轨迹信息与第二位置信息，对第三数量的第二对象和所述多个历史对象进行匹配处理，得到第四数量的第一匹配对。
74.s205，利用第一目标匹配对中的第一目标对象对应的第一位置信息，更新第一目标匹配对中的第一目标历史对象的轨迹信息；第一目标匹配对为任一所述第一匹配对。
75.可选的，在第三数量为0，也即是不存在第二对象的情况下，对轨迹信息的更新可以采用如下方式。
76.在一些示例性实施例中，在第二数量大于预设阈值的情况下，利用第一目标匹配对中的第一目标对象对应的第一位置信息，更新所述第一目标匹配对中的第一目标历史对象的轨迹信息。其中，预设阈值等于0。
77.在另一些示例性实施例中，，在所述第二数量等于预设阈值的情况下，删除所述第一历史对象对应的轨迹信息以及所述第一位置信息。其中，第二数量等于预设阈值表征第一位置信息对应的第一对象为新增的被遮挡对象；本技术中采用对新增的被遮挡对象不新增轨迹的方式，可以降低跟踪误检率。
78.在一个示例中，可以将第一目标对象对应的第一位置信息作为第一目标历史对象的轨迹信息的一个新的位置进行轨迹的更新，得到第一目标历史对象的目标轨迹；也即是第一目标对象的轨迹。
79.可选的，在第三数量为0，也即是存在第二对象的情况下，对轨迹信息的更新可以采用如下方式。
80.第二对象可以包括第二目标对象和第三目标对象；第二目标对象可以为第二对象中未与历史对象形成第二匹配对的对象。第三目标对象可以为第二对象中与历史对象形成第二匹配对的对象；其中，第三目标对象可以为第二对象中除第二目标对象以外的对象。
81.在一些示例性实施例中，在第四数量小于第三数量的情况下，基于第二目标对象对应的第二位置信息，更新第二目标对象的轨迹信息。其中，第四数量小于第三数量可以表征存在新增的未被遮挡的对象。这种方式可以提高对象跟踪的全面性。
82.在另一些示例性实施例中，在第四数量大于0的情况下，可以利用第二目标匹配对中的第三目标对象对应的第二位置信息，更新所述第二目标匹配对中的第二目标历史对象的轨迹信息；所述第二目标匹配对为任一所述第二匹配对；所述第三目标对象为所述第二对象中的一个对象，所述第二目标历史对象为所述多个历史对象中的一个对象。
83.在一个示例中，可以将第三目标对象对应的第二位置信息作为第二目标历史对象的轨迹信息的一个新的位置进行轨迹的更新，得到第二目标历史对象的目标轨迹；也即是第三目标对象的轨迹。
84.在该实施例中，本技术通过目标车辆关联的各历史对象各自对应的轨迹信息以及第一对象的第一位置信息进行位置信息的匹配，可以避免对象因被遮挡而导致轨迹丢失的问题，提高了对象跟踪的准确度。
85.在一些示例性实施例中，如图3，其所示为本技术实施例提供的一种具体的对象跟踪方法的流程示意图；具体如下。
86.s301,获取目标车辆预设范围内的对象信息以及目标车辆关联的历史轨迹信息；所述对象信息包括第一数量的第一对象各自对应的第一位置信息和第三数量的第二对象各自对应的第二位置信息，所述第一对象为所述目标车辆预设范围内被遮挡的对象；所述第二对象为所述目标车辆预设范围内未被遮挡物遮挡的对象。
87.s303,基于第二位置信息和历史位置信息，对第二数量的第二对象和多个历史对象进行匹配处理，得到第四数量的第二匹配对；所述第四数量小于或等于第三数量。
88.s305,在第四数量小于历史对象的数量的情况下，基于第一位置信息与第一历史对象对应的历史位置信息，对第一数量的第一对象和至少一个第一历史对象进行匹配处理，得到第二数量的匹配对；所述第一历史对象为所述多个历史对象中除所述第四数量的第二匹配对中的历史对象之外的历史对象。
89.s307,利用第一目标匹配对中的第一目标对象对应的第一位置信息，更新第一目标匹配对中的第一目标历史对象的轨迹信息；所述第一目标匹配对为任一所述第一匹配对；所述第一目标对象为所述第一对象中的一个对象，所述第一目标历史对象为所述多个历史对象中的一个对象。
90.在该实施例中，本技术先将目标车辆关联的历史轨迹对应的历史对象与第二对象进行匹配后，再与第一对象进行匹配，可以最大限度的避免对象跟踪过程中历史轨迹的丢
失，有效提升同一对象的跟踪准确性。
91.本技术实施例还提供了一种对象跟踪装置，如图5所示，其所示为本技术实施例提供的一种对象跟踪装置的结构示意图；具体的，所述的装置包括：
92.信息获取模块501，用于获取目标车辆预设范围内的对象信息以及所述目标车辆关联的历史轨迹信息，所述对象信息包括第一数量的第一对象各自对应的第一位置信息，所述第一对象为所述目标车辆预设范围内被遮挡物遮挡的对象；所述历史轨迹信息为多个历史对象各自的轨迹信息，所述历史对象为历史时段中所述目标车辆预设范围内的对象；每个历史对象的轨迹信息包括每个历史对象在所述历史时段中的历史位置信息；
93.匹配处理模块502，用于基于所述第一位置信息和所述历史位置信息，对所述第一数量的第一对象和所述多个历史对象进行匹配处理，得到第二数量的第一匹配对，所述第二数量小于或等于所述第一数量；
94.更新模块503，用于利用第一目标匹配对中的第一目标对象对应的第一位置信息，更新所述第一目标匹配对中的第一目标历史对象的轨迹信息；所述第一目标匹配对为任一所述第一匹配对；所述第一目标对象为所述第一对象中的一个对象，所述第一目标历史对象为所述多个历史对象中的一个对象。
95.在本技术实施例中，匹配处理模块502包括：
96.第一匹配单元，用于基于第二位置信息和所述历史位置信息，对所述第二数量的第二对象和所述多个历史对象进行匹配处理，得到第四数量的第二匹配对；所述第四数量小于或等于第三数量；
97.第二匹配单元，用于在所述第四数量小于所述历史对象的数量的情况下，基于所述第一位置信息与第一历史对象对应的历史位置信息，对所述第一数量的第一对象和至少一个第一历史对象进行匹配处理，得到第二数量的匹配对；所述第一历史对象为所述多个历史对象中除所述第四数量的第二匹配对中的历史对象之外的历史对象。
98.在本技术实施例中，还包括：
99.第一更新单元，用于在所述第四数量小于所述第三数量的情况下，基于第二目标对象对应的第二位置信息，更新所述第二目标对象的轨迹信息；所述第二目标对象为所述第二对象中未与所述历史对象形成所述第二匹配对的对象。
100.在本技术实施例中，还包括：
101.第二更新单元，用于在所述第二数量等于预设阈值的情况下，删除所述第一历史对象对应的轨迹信息以及所述第一位置信息。
102.在本技术实施例中，还包括：
103.第三更新单元，用于利用第二目标匹配对中的第三目标对象对应的第二位置信息，更新所述第二目标匹配对中的第二目标历史对象的轨迹信息；所述第二目标匹配对为任一所述第二匹配对；所述第三目标对象为所述第二对象中的一个对象，所述第二目标历史对象为所述多个历史对象中的一个对象。
104.在本技术实施例中，匹配处理模块502还包括：
105.第一确定单元，用于基于所述历史位置信息确定所述多个历史对象各自对应的预测位置信息；
106.第三匹配单元，用于基于所述第一位置信息和所述预测位置信息，对所述第一数
量的第一对象和所述多个历史对象进行匹配处理，得到第二数量的第一匹配对。
107.在本技术实施例中，信息获取模块501包括：
108.获取单元，用于获取所述目标车辆预设范围内的图像信息以及预设神经网络模型；
109.处理单元，用于将所述图像信息输入所述预设神经网络模型，得到所述图像信息中的对象信息。
110.需要说明的，所述装置实施例中的装置与方法实施例基于同样的发明构思。
111.本技术实施例提供了一种对象跟踪设备，设备包括处理器和存储器，存储器中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现如上述方法实施例所述的对象跟踪方法。
112.进一步地，图6示出了一种用于实现本技术实施例所提供的对象跟踪方法的电子设备的硬件结构示意图，所述电子设备可以参与构成或包含本技术实施例所提供的对象跟踪装置。如图6所示，电子设备60可以包括一个或多个(图中采用602a、602b，
……
，602n来示出)处理器602(处理器602可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器604、以及用于通信功能的传输装置606。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为i/o接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图6所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，电子设备60还可包括比图6中所示更多或者更少的组件，或者具有与图6所示不同的配置。
113.应当注意到的是上述一个或多个处理器602和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到电子设备60(或移动设备)中的其他元件中的任意一个内。如本技术实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
114.存储器604可用于存储应用软件的软件程序以及模块，如本技术实施例中所述的对象跟踪方法对应的程序指令/数据存储装置，处理器602通过运行存储在存储器604内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种对象跟踪方法。存储器604可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器604可进一步包括相对于处理器602远程设置的存储器，这些远程存储器可以通过网络连接至电子设备60。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
115.传输装置606用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备60的通信供应商提供的无线网络。在一个实例中，传输装置606包括一个网络适配器(networkinterfacecontroller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实施例中，传输装置606可以为射频(radiofrequency，rf)模块，其用于通过无线方式与互联网进行通讯。
116.显示器可以例如触摸屏式的液晶显示器(lcd)，该液晶显示器可使得用户能够与电子设备60(或移动设备)的用户界面进行交互。
117.本技术的实施例还提供了一种计算机可读存储介质，所述存储介质可设置于电子
设备之中以保存用于实现方法实施例中一种对象跟踪方法相关的至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的对象跟踪方法。
118.可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
119.需要说明的是：上述本技术实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本技术特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
120.根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
121.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和电子设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
122.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
123.以上所述仅为本技术的较佳实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。