CN118968009B 对对象进行优先级排序的方法、系统和计算机可读介质 （安讯士有限公司）

运动区域来确定。在图像帧中检测到的并且与被与该ROI关联。针对与两个或更多个对象相关联的每一个ROI，用于特征提取的候选对象的列表通过添加该两个或更多个对象中的不与该两个或更多个对象当中的其它对象中的任何对象描绘选择的对象的图像数据用于确定选择的对21.一种用于在对象跟踪应用中出于对象重新识别的目的对用于特征提取的对象进行接收对象检测数据，所述对象检测数据包括针对所述多个对象中所述对象的在所述图像帧中的位置和空间范围的接收指示所述图像帧中的一个或多个运动区域的运动数据，的每一个运动区域的在所述场景的相应的所述区域中检测到的所述运针对每一个运动区域，确定所述图像帧中的用于对象特征提取的感兴趣区ROI并且基针对用于对象特征提取的每一个ROI，使用所述对象检测数据来确定与用于对象特征针对与两个或更多个对象相关联的用于对象特征提取的每一个ROI，通过以下方式来选择优先级排序后的候选对象的所述列表当中的至少一个对象，并且针2.根据权利要求1所述的方法，其中，确定用3.根据权利要求1所述的方法，其中，用于对象域在与所述速度的方向相对应的方向上比在不与所述速度的所述方向相对应的方向上扩8.根据权利要求7所述的方法，其中，在优先级排进行比较并且选择满足所述一个或多个选择标准中的至少一个的所述N9.根据权利要求7所述的方法，其中，在优先级排3针对选择的每一个对象，将确定的所述特征向量与选择的所针对选择的每一个对象，将确定的所述特征向量与指示所述12.一种用于在对象跟踪应用中对用于对象重新识别的特征提取进行优先级排序的系一个或多个存储有计算机可执行指令的非暂时性计算机可读指令在由所述一个或多个处理器执行时促使所述接收对象检测数据，所述对象检测数据包括针对所述多个对象中所述对象的在所述图像帧中的位置和空间范围的接收指示所述图像帧中的一个或多个运动区域的运动数据，的每一个运动区域的在所述场景的相应的所述区域中检测到的所述运针对每一个运动区域，确定所述图像帧中的用于对象特征提取的感兴趣区ROI并且基针对用于对象特征提取的每一个ROI，使用所述对象检测数据来确定与用于对象特征针对与两个或更多个对象相关联的用于对象特征提取的每一个ROI，通过以下方式来选择优先级排序后的候选对象的所述列表当中的至少一个对象，并且针13.一个或多个存储有能由一个或多个处理器执行的指令的非暂时性计算机可读介接收对象检测数据，所述对象检测数据包括针对所述多个对象中所述对象的在所述图像帧中的位置和空间范围的接收指示所述图像帧中的一个或多个运动区域的运动数据，的每一个运动区域的在所述场景的相应的所述区域中检测到的所述运针对每一个运动区域，确定所述图像帧中的用于对象特征提取的感兴趣区ROI并且基针对用于对象特征提取的每一个ROI，使用所述对象检测数据来确定与用于对象特征4针对与两个或更多个对象相关联的用于对象特征提取的每一个ROI，通过以下方式来选择优先级排序后的候选对象的所述列表当中的至少一个对象，并且针5一个运动区域，确定图像帧中的用于对象特征提取的感兴趣区ROI，用于对象特征提取的6以提供更大的自由度来选择用于特征向量确定的像帧中的对象跟踪器可能失去对其的跟踪的对[0016]在一些实施例中，确定用于对象特征提取的ROI的步骤包括使运动区域在每一个的相应的区域中检测到的运动的速度的指示，其中确定用于对象特征提取的ROI的步骤包运动的灵活且精确的分析以识别用于特征向量确定和随后的对象重新识别的合适的对象。通过利用这种方法，当前实施例可以实现选择用于特征提取的ROI的针对性的且适应性的7[0018]在一些实施例中，用于对象特征提取的ROI通过使运动区域在与速度的方向相对可以提高对用于特征向量确定和随后的对象重新识别的合适的对象泄露是指重叠的对象的像素数据影响对被重叠的对象的特征向量计算或者使特征向量计对象之间的特征向量泄露所产生的影响起作限的计算资源施加的任何约束而提供用于识别用于特征向量确定和对象重新识别的适当所施加的任何约束而提供用于识别用于特征向量确定和对象重新识别的适当的对象的灵8例与选择的对象的时间戳之间的时间差来调整选择的对象的位置与该跟踪之间的最大允或更多个对象相关联的用于对象特征提取的每一个ROI，通过以下方式来确定用于特征提9[0029]第二方面和第三方面通常可以具有与第一方面的特征和优点相同的特征和优[0031]图1示出了根据实施例的对用于对象重新识别的特征提取进行优先级排序的情[0034]图6示出了根据实施例的用于在对象跟踪应用中对用于对象重新识别的特征提取[0035]图7示出了根据实施例的从用于对象特征提取的一个或多个感兴趣区中确定用于[0037]对象跟踪包括检测和监测场景中的通过一系列图像帧捕获的对象的移动的过及对用于从对象中提取特征的计算密集型深度学习模型的使用可能导致可用计算资源不框的像素数据)可能影响对第二人的特征向量计算或者使该计算变得低劣。这种情境可能使准确地区分并识别出每一个个体的过程变[0039]本公开旨在通过提供用于在对象跟踪应用中对用于对象重新识别的特征提取进[0040]图1示出了通过五个图像帧100a至100e捕获的场景。在该场景中，出现三个对象116是出于说明的目的而被包括，并且因为将在实际发生的情境中对这些ROI110和116进用于对对象重新识别中的特征提取进行优先级排序的方法聚焦于将特征提取限制于通过至少两个对象被至少部分地重叠的ROI，这可以将特征提取限制于有被遮挡风险的对象或[0045]在第三图像帧100c中，第一人102和第二人104两者仍然至少部分地与ROI被视为是用于特征提取的优先级排序后的候选对象，因为在确定重叠的对象的特征向量[0048]图2至图4以示例的方式示出了如何基于图像帧中的运动区域202来确定ROI11相同的形式和范围。图2中的左下示例表示ROI110具有圆形的形式并且与运动区域202完全地重叠的情况。图2中的右上示例表示ROI110具有椭圆的形式并且与运动区域202完全地重叠的情况。图2中的右下示例表示ROI110具有矩形的形式并且与运动区域202完全地[0050]图3示出了如何基于运动区域202来确定ROI110的其它四个示例。在一些实[0051]图4示出了如何基于运动区域202来确定ROI110的其它四个示例。在一些实方向上以及在与速度的方向相反的方向上扩展，以便在遮挡之前和之后都将对象104进行开通过包括图像帧的视频序列捕获的场景)之前有足够的时间对该对象进行分析，可以为ROI扩展的大小增加裕度。该裕度允许系统在对象丢失或被遮挡之前有更多的时间去执行边界框108的总面积相比高于阈值的情况下，第二对象不被包括在优先级排序后的候选对[0060]图6以示例的方式示出了用于在对象跟踪应用中将用于对象重新识别的特征提取进行优先级排序的方法600的流程图。现在将结合以示例的方式示出实现方法600的系统800的图8来描述方法600。方法600包括由接收部件808接收S602描绘包括多个对象的场景[0061]方法600进一步包括由接收部件808接收S604对象检测数据805(该对象检测数据805包括针对多个对象中的每一个对象，用于指示该对象在该图像帧中的位置和空间范围并且可以利用包含感兴趣的对象类型的大型带标记/带注释的图像数据集来相对容易地训[0062]方法600进一步包括由接收部件808接收S606指示图像帧中的一个或多个运动区[0063]方法600进一步包括针对每一个运动区域，由感兴趣区ROI确定部件810确定S608过ROI确定部件810(如上面结合图2至图4进一步描述的)被进一步扩展S610(例如，通过对定与用于对象特征提取的ROI至少部分地重叠的对象的列表，并且由ROI关联部件812将用[0065]方法600进一步包括由候选对象确定部件814确定S614用于特征提取的优先级排[0066]方法600进一步包括由候选对象选择部件816选择S616优先级排序后的候选对象且选择满足该一个或多个选择标准中的至少一个象识别为先前在相同的视频序列802的一个或多个先前帧中检测到的或者在另一视频序列等人在/abs/1703.0740联。这样的信息可以由重新识别部件820使用以确定在视频序列中已经丢失的跟踪的特征[0077]图7以示例的方式示出了图6中的确定S614用于特征提取的优先级排序后的候选中的每一个对象，以确定是否应当将该对象添加S710到优先级排序后的候选对象的列表据中识别出的对象)当中没有其它对象与当前分析的对象重叠超过阈值量的情况下，当前分析的对象被添加S710到优先级排序后的候选对象的列表中。执行分析步骤S708(以及添[0078]图6和图7中示出的方法以及本文中所描述的任何其它方法或功能可以作为指令块、单元等)804至820中的一些或全部可以在服务器中实现或者在云中实现。在一些示例部件804至820的一个或多个设备(相机、服务器等)可以各自包括被配置为实现部件804至可编程系统可以包括被耦接以从数据存储系统中接收数据和指令以及向数据存储系统传送数据和指令的至少一个可编程处理器、诸如用于