本公开涉及计算机视觉领域,尤其涉及一种基于deepsort的多目标人脸跟踪方法、装置、计算机设备及介质。
背景技术:
1、目标跟踪技术是计算机视觉领域的一个重要分支,在视频监控、视觉导航、人机交互等方面都存在广泛的应用前景。
2、相关技术中,多目标跟踪算法deepsort在人脸被遮挡、人脸位姿变化较大等难以检测到人脸的场景下,目标跟踪的连续性差。
技术实现思路
1、有鉴于此,本公开的实施例提出了一种基于deepsort的多目标人脸跟踪方法、装置、计算机设备及介质,以解决相关技术中的技术问题。
2、根据本公开实施例的第一方面,提出一种基于deepsort的多目标人脸跟踪方法,包括:
3、对当前视频帧进行目标检测,得到人脸检测框集合和上半身检测框集合;
4、通过deepsort算法确定每个上半身检测框对应的轨迹,以及与所述上半身检测框匹配的预测上半身检测框;所述轨迹绑定有目标id;
5、基于人脸检测框与指定上半身检测框中指定区域的位置关系,确定所述每个上半身检测框对应的人脸检测框;所述指定上半身检测框为上半身检测框或预测上半身检测框;所述人脸检测框的id为对应轨迹所绑定的目标id。
6、可选的,基于人脸检测框与指定上半身检测框中指定区域的位置关系,确定所述每个上半身检测框对应的人脸检测框的步骤包括:
7、当人脸检测框的全部或部分区域位于指定上半身检测框的范围内时,计算所述人脸检测框与指定上半身检测框中指定区域的匹配度,确定匹配度最大的人脸检测框为所述上半身检测框对应的人脸检测框;
8、当人脸检测框的区域位于指定上半身检测框的范围外时,在所述指定区域生成人脸检测框,并确定为所述上半身检测框对应的人脸检测框。
9、可选的,所述指定区域基于历史数据集中人脸检测框的大小,以及人脸检测框在上半身检测框中的位置确定。
10、可选的,在所述deepsort算法中确定与所述轨迹匹配的上半身检测框后,采用自定义的基于置信度的移动平均公式,更新所述轨迹对应的特征向量;所述置信度为与所述轨迹匹配的上半身检测框的置信度。
11、根据本公开实施例的第二方面,提出一种基于deepsort的多目标人脸跟踪装置,包括:
12、目标检测模块,用于对当前视频帧进行目标检测,得到人脸检测框集合和上半身检测框集合;
13、轨迹确定模块,用于通过deepsort算法确定每个上半身检测框对应的轨迹,以及与所述上半身检测框匹配的预测上半身检测框;所述轨迹绑定有目标id;
14、人脸确定模块,用于基于人脸检测框与指定上半身检测框中指定区域的位置关系,确定所述每个上半身检测框对应的人脸检测框;所述指定上半身检测框为上半身检测框或预测上半身检测框;所述人脸检测框的id为对应轨迹所绑定的目标id。
15、可选的,所述基于人脸检测框与指定上半身检测框中指定区域的位置关系,确定所述每个上半身检测框对应的人脸检测框包括:
16、当人脸检测框的全部或部分区域位于指定上半身检测框的范围内时,计算所述人脸检测框与指定上半身检测框中指定区域的匹配度,确定匹配度最大的人脸检测框为所述上半身检测框对应的人脸检测框;
17、当人脸检测框的区域位于指定上半身检测框的范围外时,在所述指定区域生成人脸检测框,并确定为所述上半身检测框对应的人脸检测框。
18、可选的,所述指定区域基于历史数据集中人脸检测框的大小,以及人脸检测框在上半身检测框中的位置确定。
19、可选的,在所述deepsort算法中确定与所述轨迹匹配的上半身检测框后,采用自定义的基于置信度的移动平均公式,更新所述轨迹对应的特征向量;所述置信度为与所述轨迹匹配的上半身检测框的置信度。
20、根据本公开实施例的第三方面,提出一种计算机设备,所述计算机设备包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使:执行上述第一方面所述方法。
21、根据本公开实施例的第四方面,提出一种计算机可读存储介质,所述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上述第一方面所述方法。
22、由以上技术方案可见,本公开的技术方案通过确定上半身检测框对应的轨迹,并基于人脸检测框与上半身检测框中指定区域的位置关系,确定上半身检测框对应的人脸检测框,将人脸检测框的id与上半身检测框匹配的轨迹所绑定的目标id进行关联,从而可以在人脸被遮挡、人脸位姿变化较大等难以检测到人脸的场景下,也能对目标人脸进行跟踪,提高目标跟踪的连续性。
1.一种基于deepsort的多目标人脸跟踪方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,基于人脸检测框与指定上半身检测框中指定区域的位置关系,确定所述每个上半身检测框对应的人脸检测框的步骤包括:
3.根据权利要求1所述的方法,其特征在于,所述指定区域基于历史数据集中人脸检测框的大小,以及人脸检测框在上半身检测框中的位置确定。
4.根据权利要求1所述的方法,其特征在于,在所述deepsort算法中确定与所述轨迹匹配的上半身检测框后,采用自定义的基于置信度的移动平均公式,更新所述轨迹对应的特征向量;所述置信度为与所述轨迹匹配的上半身检测框的置信度。
5.一种基于deepsort的多目标人脸跟踪装置,其特征在于,包括:
6.根据权利要求5所述的装置,其特征在于,所述基于人脸检测框与指定上半身检测框中指定区域的位置关系,确定所述每个上半身检测框对应的人脸检测框包括:
7.根据权利要求5所述的装置,其特征在于,所述指定区域基于历史数据集中人脸检测框的大小,以及人脸检测框在上半身检测框中的位置确定。
8.根据权利要求5所述的装置,其特征在于,在所述deepsort算法中确定与所述轨迹匹配的上半身检测框后,采用自定义的基于置信度的移动平均公式,更新所述轨迹对应的特征向量;所述置信度为与所述轨迹匹配的上半身检测框的置信度。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使:执行权利要求1-4任一项所述方法。
10.一种计算机可读存储介质,其特征在于,所述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权利要求1-4任一项所述方法。