CN113780064B 一种目标跟踪方法以及装置 （华为技术有限公司）

本申请公开了人工智能领域的一种目标跟谱包括检测器在检测范围内的多个栅格内的检2通过检测器获取当前帧中的至少一个检测对象，所述当前帧是输入数据中的任意一获取跟踪对象，所述跟踪对象包括使用所述检测器在所述当根据所述匹配结果以及所述检测器的性能图谱确定所述跟踪对括所述检测器在检测范围内的多个栅格内的检测所述根据所述匹配结果以及所述检测器的性能图谱确定所述跟踪对象的第一状态量，根据所述匹配结果确定所述当前帧中所述跟踪基于所述当前帧中所述跟踪对象的位置信息，在所述性能图谱中查若所述至少一个检测对象中不存在与所述跟踪对象匹配的检测对对象的运动状态信息确定所述跟踪对象在所述当前帧若所述跟踪对象与所述至少一个检测对象中的第一检测对象匹对象的位置信息作为所述跟踪对象在所述当前根据所述预测位置计算所述当前帧中所述跟踪对象和采集所述当前帧的采集设备之通过所述输入数据获取所述当前帧中所述预测位置和所述采集设备之间的实际距离若所述预测距离值和所述实际距离值之间的差值大于第根据所述检测准确度和所述直接观测量，计算所述跟踪对象在所述验概率和第二后验概率，所述第一后验概率用于表示所述当前帧中输出所述跟踪对象概3基于所述第一后验概率得到所述第一输出指示状态量，以及基获取所述跟踪对象在所述上一帧的第二输出指示状态量和融合所述第一后验概率和所述第二输出指示状态量，得到所述第一输出指示状态量，所述基于所述当前帧中所述跟踪对象的位置信息，在所述性能图谱中基于所述当前帧中所述跟踪对象的位置信息以及所述跟踪对象的若所述至少一个检测对象中包括与所述跟踪对象不匹配二检测对象作为新的跟踪对象，并在所述当前帧的下一帧中对所述新的跟踪对象进行跟获取真值数据，所述真值数据中包括采集设备采集到的采集数据根据所述预测对象和所述真值对象，计算所述多个栅格中每个栅格对应的检测准确检测模块，用于通过检测器获取当前帧中的至少一个检测对象跟踪模块，用于获取跟踪对象，所述跟踪对象包括使用所述检测器所述跟踪模块，还用于根据所述匹配结果以及所述检测器的性能图谱4根据所述匹配结果确定所述当前帧中所述跟踪基于所述当前帧中所述跟踪对象的位置信息，在所述性能图谱中查若所述至少一个检测对象中不存在与所述跟踪对象匹配的检测对对象的运动状态信息确定所述跟踪对象在所述当前帧若所述跟踪对象与所述至少一个检测对象中的第一检测对象匹对象的位置信息作为所述跟踪对象在所述当前根据所述预测位置计算所述当前帧中所述跟踪对象和采集所述当前帧的采集设备之通过所述输入数据获取所述当前帧中所述预测位置和所述采集设备之间的实际距离若所述预测距离值和所述实际距离值之间的差值大于第根据所述检测准确度和所述直接观测量，计算所述跟踪对象在所述验概率和第二后验概率，所述第一后验概率用于表示所述当前帧中输出所述跟踪对象概基于所述第一后验概率得到所述第一输出指示状态量，以及基获取所述跟踪对象在所述上一帧的第二输出指示状态量和融合所述第一后验概率和所述第二输出指示状态量，得到所述第一输出指示状态量，5基于所述当前帧中所述跟踪对象的位置信息以及所述跟踪对象的若所述至少一个检测对象中包括与所述跟踪对象不匹配二检测对象作为新的跟踪对象，并在所述当前帧的下一帧中对所述新的跟踪对象进行跟在所述通过检测器获取当前帧中的至少一个检测对象之前，将获取真值数据，所述真值数据中包括采集设备采集到的采集数据根据所述预测对象和所述真值对象，计算所述多个栅格中每个栅格对应的检测准确被处理器执行时实现如权利要求1至8中任一67[0009]在一种可能的实施方中，前述的根据匹配结果确定当前帧中跟踪对象的位置信的第一检测对象匹配，则将第一检测对象的位置信息作为跟踪对象在当前帧中的位置信实际距离值之间的差值大于第一阈值，则将预测位置作为跟踪对象在当前帧中的位置信中的第一后验概率和第二后验概率，第一后验概率用于表示当前帧中输出跟踪对象概率，8状态量用于表示是否在上一帧中消亡跟踪对象；融合第一后验概率和第二输出指示状态对象中的第一检测对象匹配的情况下计算得到的[0023]在一种可能的实施方中，在通过检测器获取当前帧中的9器(英语：graphicsprocessingunit，GPU)、专用集成电路(applicationspecificintegratedcircuit,ASIC)或现场可编程逻辑门阵列(fieldprogrammablegatearray，数据提供给基础平台提供的分布式计算系统中的智能芯[0047]基础设施的上一层的数据用于表示人工智能领域的数据来源。数据涉及到图形、[0059]执行设备202则可以基于采集设备201采集到的数据来检测出其中包括的对象的再者，跟踪管理模块还需要能够应付目标因短时遮挡而出现漏检的问题，在因遮挡导致检测器漏检时依然能维持一段时间输出跟踪对象。行跟踪状态转移，相比直接设置生成消亡阈值方法能够一定程度快速恢复短暂丢失目标，[0064]又例如，在一些常用的目标跟踪方式中，如应用在多假设目标跟踪(Multiple因目标被遮挡或者检测精度等原因导致跟踪效达301，在自动驾驶的过程中，该一个或者多个激光雷达可以实时采集车辆附近的环境信(convolutionalneuralnetworks，CNN)、深度卷积神经网络(deepconvolutional积神经网络(regionbasedconvolutionalneuralnetwork，RCNN)或者快速的RCNN表示跟踪对象和检测对象为同一个对象，不匹配则表示跟踪对象和检测对象是不同对象。对象匹配的检测对象(即存在多余的跟踪对象)或者不存在与检测对象匹配的跟踪对象(即轿车驶出自车的监测范围或者红色轿车被遮挡等，则在可以在跟踪对象中删除该红色轿[0107]获取性能图谱的方式具体可以包括，可以将检测器的检测范围划分为多个栅格，[0108]其中，对检测范围进行划分的方式可以包括按照深度或者角度范围等进行划[0109]此外，就检测器的检测范围可以是与采集设备距离在预如可以是采集设备的直径100米以内的区域，也可以是将采集设备的有效检测范围作为该与跟踪对象不匹配的检测对象，则可以将与跟踪对象不匹配的检测对象作为新的跟踪对体应用场景对本申请提供的目标跟踪方法的流程集合中包括了一个或者和多个跟踪对象，其中包括了检测器在上一帧中检测到的检测对踪对象或者检测对象具有对一个内的状态量，如生成指示状态量或者消亡指示状态量等，生成指示状态量用于指示是否输出跟踪对象，消亡指示状态量用于指示是否消亡跟踪对增加输出该跟踪对象的置信度，同时可以对该跟踪对象的消亡指示状态量进行负向增益。根据跟踪对象的预测位置和采集设备之间的预测距离值以及输入数据中该预测位置对应[0129]随后基于检测器输出的检测对象的信息以及标注的真值对象的信息进行准确度Recal(u,0)=R(u,0)=检测区域内建立坐标系,u可以是某个栅格的中心点在检测区域内的横坐标,v可以是某个栅格中心点在检测区域内的纵坐标,或者,u可以是某个栅格的中心点在检测区域内的经表示漏检数(Falsenegative)，FP表示误检数(falsepositive)，Recall(u,v)和不漏检的性能，即Recall值越高，漏检越少，精度用于评估检测器不误检的性能，即[0134]在得到各个栅格的召回率和精度之后，即可对各个栅格的召回率和精度进行统同导致检测器出现性能差异。而本申请对不同区域和/或不同类别的检测准确度进行了统[0140]首先，通过检测器输出输入数据中的当前帧中的一个或[0141]然后对跟踪对象和检测对象进行匹配，判断是否存在与跟踪对象关联的检测对[0149]若不存在与跟踪对象关联的检测对象，则可以预测该跟踪对象在当前帧中的位[0159]下面对上述多种情况中涉及到的目标生成管理模型和目标生成模型进行示例性[0163]例如，隐变量可以包括用于表示是否可以生成该跟踪对象的变量xi,t和用来表示[0166]为了根据观测量来判断是否输出跟踪对象，需要计算关于隐变量xi,t的后验概率(即第一后验概率)。根据递归贝叶斯后验估计公式可以得到t时刻是否生成该跟踪对象的[0175]为此本申请实施方式针对目标生成的管理建立观测模型。对于目标生成(即输出[0176]此处将检测器性能图谱中查询到的检测准确度作为判断目标生成的一个重要观[0177]p(of=1lxr=1)=R(u,v)[0178]p(of=1xt=0)=1-p(u,v)[0180]p(of=0lxe=0)=p(u,v)中，对目标生成管理模型进行正向增益时，前述的likehoodratiof即为likehoodratiof.likehood_ratiof即可选择l[0187]若当前帧为检测到跟踪对象的第一帧，则可以设定log(odd)=0,即检测到跟踪并针对不同的情况适应性地选择不同的增益方向，从而可以实现对跟踪对象更准确的跟后的更新的跟踪对象序列也可以在关联跟踪对象和检测对象时量来计算关于隐变量yi,t的后验概率，通过递归贝叶斯推理同样可以建立跟踪对象消亡决[0193]与前述目标生成管理类似地，此处也可以对跟踪对象是否应该消亡建立观测模为likehood_ratio⃞.likehoodratio上表示负向增益，在对目标消亡管理模型进行负向增益时，前述的likehoodratiof即可选择likehood_ratioL.设置各种阈值难以权衡检测器性能和跟踪输出[0216]处理器1101用于执行前述图4-图9中任一实施例所示的目标跟踪装置执行的方法指令被处理单元执行，处理单元用于执行前述图4-图9中任一实施例所示的目标跟踪装置成了存储器时，该数字处理芯片可以完成前述实施例中的任一个或多个实施例的方法步处理芯片根据外置的存储器中存储的程序代码来实现上述实施例中目标跟踪装置执行的计算机执行如前述图4-图9所示实施例描述的方法中目标跟所述处理单元例如可以是处理器，所述通信单元例如可以是输入/输出接口、管脚或电路[0224]具体地，前述的处理单元或者处理器可以是中央处理器(centralprocessing路(applicationspecificintegratedcircuit,ASIC)或现场可编程逻辑门阵列(field芯片可以表现为神经网络处理器NPU120，NPU12矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器[0231]DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1206或将权重数据搬运到权重存储器1202中或将输入数据数据搬运到输入存[0233]在一些实现中，向量计算单元1207能将经处理的输出的向量存储到统一存储器[0236]