CN110516620A 目标跟踪方法、装置、存储介质及电子设备 （腾讯科技（深圳）有限公司）

前帧图像，当所述当前帧图像为第一类型图像的目标跟踪方法既利用到了解码出来的全部图2对于待处理的当前帧图像，当所述当前帧图像为第一类其中，所述多帧图像中解码出来的第一帧图像在对所述当前帧图像进行目标检测之后，对所述当前基于得到的关键点检测结果和所述当前帧图对于每个被检测目标，基于所述被检测目标的关键点检测结果，基于所述每个区域的运动向量偏置，预测所述被检测目基于所述每个区域的运动向量偏置，预测所述被检测目对于所述被检测目标的每个区域，基于所述当前基于所述区域中包括的像素点总量和所述区域38.根据权利要求4或6所述的方法，其特征在于，基于所述每个区域的运动向量偏置，将所述基于预测出的所述每个区域在所述下一帧图像中的位置成一个包围所述每个区域的边界框，得到所述被检测目标在所述下一帧图像中的位置信9.根据权利要求1至8中任一项权利要求所述的方法在接收到终端发送的针对所述摄像头的目标跟踪请将所述被检测目标在所述当前帧图像中的位置信息发所述基于所述被检测目标的关键点检测结果，将所述被其中，所述多帧图像中解码出来的第一帧图像指令由处理器加载并执行以实现如权利要求1至11中任一项权利要求所述的目标跟踪方至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如权利要求1至11中任4抽取少数进行目标检测而剩余图像不做任何处理的方式，由于未利用到全部帧图像的信56[0037]图9是本申请实施例提供的一种被检测目标的各个区域在下一帧图像中的预估位[0045]本申请实施例提供的目标跟踪方案可以应用于诸如视频监控、7觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系8[0070]以图1所示的实施环境和图2所示的系统架构图为例，摄像头101采集的视频流会存储备份在服务器103上。当终端102向服务器103发起针对摄像头101的目标跟踪请求时，9推送至终端102进行前端显示之外，还可以将跟踪结果推送至其他业务逻辑，比如区域管使用的目标检测算法包括但不限于：FasterR-CNN(ConvolutionalNeuralNetworks,卷为检测出来的行人的外接矩形(也称之为边界框)的起始点坐标，width和height分别指代[0101]在本申请实施例中，会将被检测目标在当前帧图像中的第一位置，即位置信息骨骼关键点检测，也即本步骤用于实现对人体关键点进行定位，给出人体关键点的坐标[0120]如图9所示，图9中示出的各个标注框即为根据当前帧图像的各个区域的运动向[0139]基于以上描述可知，本申请实施例将解码出来的多帧图像分为了检测帧和跟踪避免了逐帧图像进行目标检测带来的速率较慢的问题，该方法不但确保了实时的跟踪速[0143]另外，本申请实施例提供的目标跟踪方法可以实现单摄像头下[0160]基于以上描述可知，本申请实施例将解码出来的多帧图像分为了检测帧和跟踪免了逐帧图像进行目标检测带来的速率较慢的问题，该方法不但确保了实时的跟踪速度，[0164]另外，本申请实施例提供的目标跟踪方法可以实现单摄像头下免了逐帧图像进行目标检测带来的速率较慢的问题，该方法不但确保了实时的跟踪速度，[0192]需要说明的是：上述实施例提供的触发智能网业务的装置在以上处理器(centralprocessingunits，CPU)1401和一个或一个以上的存储器1402，其[0195]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