机场站坪的目标跟踪方法及相关设备与流程

本发明实施例涉及计算机，具体涉及一种机场站坪的目标跟踪方法及相关设备。

背景技术：

1、在机场站坪这类复杂的动态环境中，可以用监控设备对机场站坪进行视频监控，根据机场的业务规则设定监控区域，对监测区域的人、车辆、飞机进行检测和跟踪，以应对异常情况，确保区域的安全。

2、目前，使用bytetrack算法进行目标跟踪，但是bytetrack的一个显著限制在于其依赖于一个固定阈值来区分高置信度与低置信度检测，这需要针对不同的检测器或场景进行大量的测试和调整。固定的阈值在不同的环境条件下不够灵活，例如，在夜晚或恶劣气候条件下，检测的置信分数会有所波动；此外，由于不同对象的置信分数存在不一致性(例如，由于训练样本的不平衡，样本数量较多的对象的输出置信度可能会相对偏高)，因此无法对目标进行精确跟踪。

技术实现思路

1、鉴于上述问题，本发明实施例提供了一种机场站坪的目标跟踪方法及相关设备，用于解决现有技术中存在的无法对目标进行精确跟踪的问题。

2、根据本发明实施例的一个方面，提供了一种机场站坪的目标跟踪方法，所述方法包括：

3、对在目标图像中检测到的多种目标对象，获取检测器输出的所述目标对象在预设的时间段的置信度；

4、根据所述置信度并采用预设的自适应算法确定所述目标对象的自适应置信度阈值；

5、基于所述自适应置信度阈值，将所述目标对象的检测框分为高置信度检测框及低置信度检测框；

6、基于所述高置信度检测框及所述低置信度检测框，对所述目标对象进行跟踪处理，并输出每种目标对象对应的跟踪轨迹序列。

7、在一种可选的方式中，所述根据所述置信度并采用预设的自适应算法确定所述目标对象的自适应置信度阈值，包括：

8、将所述目标对象的所述置信度进行标准化处理；

9、对标准化处理后的置信度进行累积求和，得到每个节点对应的累计和；

10、计算所述节点累计和的最大值与累计和的最小值之间的差值，基于所述差值最大的节点确定所述目标对象的自适应置信度阈值。

11、在一种可选的方式中，所述基于所述自适应置信度阈值，将所述目标对象的检测框分为高置信度检测框及低置信度检测框，包括：

12、获取所述检测器输出的所述目标对象的置信度，若所述置信度大于等于所述自适应置信度阈值，则将所述目标对象的检测框分为高置信度检测框，若所述述置信度小于所述自适应置信度阈值，则将所述目标对象的检测框分为低置信度检测框。

13、在一种可选的方式中，所述基于所述高置信度检测框及所述低置信度检测框，对所述目标对象进行跟踪处理，并输出每种目标对象对应的跟踪轨迹序列，包括：

14、获取所述目标对象的预测框，将所述预测框与所述高置信度检测框进行匹配处理，获取本次匹配成功的高置信度检测框及匹配失败的高置信度检测框；

15、将所述预测框分别与所述低置信度检测框及匹配失败的高置信度检测框进行匹配处理，获取本次匹配成功的低置信度检测框及高置信度检测框；

16、输出匹配成功的高置信度检测框及匹配成功低置信度检测框中的所述目标对象对应的跟踪轨迹序列。

17、在一种可选的方式中，所述获取所述目标对象的预测框，将所述预测框与所述高置信度检测框进行匹配处理，获取匹配成功的高置信度检测框及匹配失败的高置信度检测框，包括：

18、获取所述预测框的预测位置坐标及所述高置信度检测框的当前位置坐标，根据所述预测位置坐标及所述当前位置坐标确定度量矩阵；

19、基于所述度量矩阵计算所述预测框与所述高置信度检测框的重合度，将所述重合度大于等于预设重合度阈值的高置信度检测框作为所述匹配成功的高置信度检测框，将所述重合度小于预设重合度阈值的高置信度检测框作为所述匹配失败高置信度检测框。

20、在一种可选的方式中，所述预测框为卡尔曼滤波器基于所述目标对象的前一帧图像进行预测得到，所述基于所述高置信度检测框及所述低置信度检测框，对所述目标对象进行跟踪处理，并输出每种目标对象对应的跟踪轨迹序列之后，还包括：

21、根据所述匹配成功高置信度检测框及低置信度检测框更新所述卡尔曼滤波器的参数。

22、在一种可选的方式中，所述基于所述高置信度检测框及所述低置信度检测框，对所述目标对象进行跟踪处理，并输出每种目标对象对应的跟踪轨迹序列之后，还包括：

23、若在预设帧图像中均未检测到所述第二低置信度检测框中的目标对象，则停止跟踪所述第二低置信度检测框中的目标对象。

24、根据本发明实施例的另一方面，提供了一种机场站坪的目标跟踪装置，所述机场站坪的目标跟踪装置包括：

25、获取模块，用于对在目标图像中检测到的多种目标对象，持续获取检测器输出的所述目标对象在预设的时间段的置信度；

26、确定模块，用于根据所述置信度并采用预设的自适应算法确定所述目标对象的自适应置信度阈值；

27、划分模块，用于基于所述自适应置信度阈值，将所述目标对象的检测框分为高置信度检测框及低置信度检测框；

28、跟踪模块，用于基于所述高置信度检测框及所述低置信度检测框，对所述目标对象进行跟踪处理，并输出每种目标对象对应的跟踪轨迹序列。

29、根据本发明实施例的又一方面，提供了一种计算机设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

30、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述的机场站坪的目标跟踪方法。

31、根据本发明实施例的又一方面，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可执行指令，所述可执行指令在计算机设备上运行时，使得计算机设备执行如上述的机场站坪的目标跟踪方法。

32、本发明实施例对在目标图像中检测到的多种目标对象，获取检测器输出的目标对象在预设的时间段的置信度；根据置信度并采用预设的自适应算法确定目标对象的自适应置信度阈值；基于自适应置信度阈值，将目标对象的检测框分为高置信度检测框及低置信度检测框；基于高置信度检测框及低置信度检测框，对目标对象进行跟踪处理，并输出每种目标对象对应的跟踪轨迹序列。本发明实施例的多目标对象跟踪方法，针对机场站坪上的复杂场景，确保在各种环境条件，特别是恶劣天气中，如光线变化或天气变化，能够区分并跟踪不同种类的目标对象，包括人员、车辆、飞机，有针对性地对每类目标对象实施自适应置信度阈值处理，区分于已有的固定阈值方法，其采用数据驱动的方式，得到动态的置信度阈值，这种自适应机制使得跟踪系统能够动态地反应环境的变化，并且为每个目标对象设置最合适的阈值，从而在整个跟踪过程中保持高度的灵活性和准确度，从而能够显著提高跟踪的精度，应对各种目标对象在机场站坪上的动态变化。

33、上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。