目标跟踪方法、装置、设备及存储介质与流程

1.本发明涉及计算机视觉技术领域，尤其涉及一种目标跟踪方法、装置、设备及存储介质。


背景技术：

2.目标跟踪技术一直是计算机视觉领域中的热点之一，其在诸多方面均有广泛的应用前景。目前，在智能视频监控方面，比如运动比赛项目中对运动员的监控方面，也引入了目标跟踪技术，尤其是对抗竞技类比赛项目，比如足球、篮球、冰球等比赛项目，需要监控每个运动员的运动状态。
3.目前，对运动场内运动员进行跟踪的方法，容易将场边观众误识别为运动员，对场边观众也进行目标跟踪，还容易在运动员速度过快或拥挤在一起时，出现跟踪目标丢失的情况。因此，现有技术的目标跟踪方法存在跟踪准确性不高的问题。


技术实现要素：

4.本发明的主要目的在于：提供一种目标跟踪方法、装置、设备及存储介质，旨在解决现有技术的目标跟踪方法在对运动场内运动员进行跟踪时，存在跟踪准确性较低的技术问题。
5.为实现上述目的，本发明采用如下技术方案：
6.第一方面，本发明提供了一种目标跟踪方法，所述方法包括：
7.获取视频帧图像中的跟踪范围及所述跟踪范围内的运动目标；
8.根据所述运动目标的位置信息和所述跟踪范围的位置信息，确定跟踪目标，获得第一跟踪目标；
9.根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，以对所述第一跟踪目标进行实时跟踪或停止跟踪；
10.当对所述第一跟踪目标停止跟踪后，触发继续跟踪，返回所述根据运动目标的位置信息和跟踪范围的位置信息，确定跟踪目标的步骤，以获得第二跟踪目标，并对所述第二跟踪目标进行实时跟踪。
11.可选地，上述目标跟踪方法中，所述获取所述跟踪范围内的运动目标的步骤，具体包括：
12.利用目标检测模型，在所述跟踪范围内进行检测，获得运动目标及其位置信息。
13.可选地，上述目标跟踪方法中，所述根据所述运动目标的位置信息和所述跟踪范围的位置信息，确定跟踪目标，获得第一跟踪目标的步骤，具体包括：
14.根据所述跟踪范围的位置信息，获得所述跟踪范围的中心点；
15.根据所述运动目标检测框的第一顶点到所述中心点的距离，以及所述跟踪范围的第二顶点到所述中心点的距离，获得所述运动目标对应的距离比，其中，所述第一顶点与所述第二顶点位于同一方位；
16.判断所述距离比是否小于预设门限值，其中，所述预设门限值基于所述跟踪范围的横纵比获得；
17.若所述距离比小于预设门限值，则确定所述运动目标为第一跟踪目标。
18.可选地，上述目标跟踪方法中，所述根据所述运动目标的位置信息和所述跟踪范围的位置信息，确定跟踪目标，获得第一跟踪目标的步骤之后，所述方法还包括：
19.对所述第一跟踪目标进行分类，获得不同类别的第一跟踪目标；
20.对所述不同类别的第一跟踪目标的跟踪框，在所述视频帧图像中进行区别显示。
21.可选地，上述目标跟踪方法中，所述对所述第一跟踪目标进行分类，获得不同类别的第一跟踪目标的步骤，具体包括：
22.对所述第一跟踪目标的跟踪框进行预设倍数扩大，获得扩大后的跟踪框；
23.从所述扩大后的跟踪框中抠出所述第一跟踪目标，获得抠出的目标；
24.将所述抠出的目标输入目标分类模型，输出所述抠出的目标对应的类别，获得不同类别的第一跟踪目标。
25.可选地，上述目标跟踪方法中，所述根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，以对所述第一跟踪目标进行实时跟踪或停止跟踪的步骤，具体包括：
26.根据当前视频帧图像中所述第一跟踪目标的跟踪框的中心点，以及下一视频帧图像中所述第一跟踪目标的跟踪框的中心点，获得运动偏移量；
27.判断所述运动偏移量是否在预设阈值范围内，以及所述第一跟踪目标对应的距离比是否小于预设门限值；
28.若所述运动偏移量在预设阈值范围内，且所述第一跟踪目标对应的距离比小于预设门限值，则判定所述第一跟踪目标的运动轨迹预测结果为所述第一跟踪目标在所述跟踪范围内正常运动，对所述第一跟踪目标进行实时跟踪；
29.若所述运动偏移量在预设阈值范围内，但所述第一跟踪目标对应的距离比不小于预设门限值，则判定所述第一跟踪目标的运动轨迹预测结果为所述第一跟踪目标不在所述跟踪范围内，对所述第一跟踪目标停止跟踪；
30.若所述运动偏移量不在预设阈值范围内，但所述第一跟踪目标对应的距离比小于预设门限值，则判定所述第一跟踪目标的运动轨迹预测结果为所述第一跟踪目标在所述跟踪范围内跟踪异常，对所述第一跟踪目标停止跟踪。
31.可选地，上述目标跟踪方法中，所述触发继续跟踪的步骤，具体包括：
32.识别所述跟踪范围内发生的特殊事件及对应的事件时长；
33.当识别到所述特殊事件结束或者所述事件时长计时结束时，判断当前计时时长是否在预设时长范围内，以及所述跟踪范围内第一跟踪目标的数量是否达到预设目标数量；
34.若当前计时时长在预设时长范围内，且所述跟踪范围内第一跟踪目标的数量达到预设目标数量，则判定满足继续跟踪触发条件，触发继续跟踪；
35.若当前计时时长在预设时长范围内，但所述跟踪范围内第一跟踪目标的数量未达到预设目标数量，则返回识别所述跟踪范围内发生的特殊事件的步骤，持续监听所述特殊事件。
36.第二方面，本发明提供了一种目标跟踪装置，所述装置包括：
37.跟踪范围获取模块，用于获取视频帧图像中的跟踪范围及所述跟踪范围内的运动
目标；
38.跟踪目标确定模块，用于根据所述运动目标的位置信息和所述跟踪范围的位置信息，确定跟踪目标，获得第一跟踪目标；
39.实时跟踪模块，用于根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，以对所述第一跟踪目标进行实时跟踪或停止跟踪；
40.关联跟踪模块，用于当对所述第一跟踪目标停止跟踪后，触发继续跟踪，返回所述根据运动目标的位置信息和跟踪范围的位置信息，确定跟踪目标的步骤，以获得第二跟踪目标，并对所述第二跟踪目标进行实时跟踪。
41.第三方面，本发明提供了一种目标跟踪设备，所述设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上述的目标跟踪方法。
42.第四方面，本发明提供了一种存储介质，其上存储有计算机程序，所述计算机程序可被一个或多个处理器执行，以实现如上述的目标跟踪方法。
43.本发明提供的上述一个或多个技术方案，可以具有如下优点或至少实现了如下技术效果：
44.本发明提出的一种目标跟踪方法、装置、设备及存储介质，通过获取跟踪范围及跟踪范围内的运动目标，识别出运动场和运动场内的人员；再根据运动目标的位置信息和跟踪范围的位置信息，确定第一跟踪目标，识别出运动场内的运动员，防止将观众误识别为运动员；然后，根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，对运动员进行实时跟踪或停止跟踪，可以防止误跟踪到观众，浪费系统算力，还可以及时停止对离开运动场的运动员的跟踪，防止增加系统计算量，浪费系统资源；还通过触发继续跟踪，获得第二跟踪目标，并对第二跟踪目标进行实时跟踪，防止跟踪目标丢失。本发明对符合条件的运动目标进行筛选，确定跟踪目标后再进行实时跟踪，提高了跟踪准确性，防止无效跟踪。
附图说明
45.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的这些附图获得其他的附图。
46.图1为本发明目标跟踪方法第一实施例的流程示意图；
47.图2为本发明涉及的目标跟踪设备的硬件结构示意图；
48.图3为现有技术的跟踪方法对运动员进行跟踪的效果图；
49.图4为现有技术的跟踪方法对运动员进行跟踪的另一效果图；
50.图5为本发明目标跟踪方法第二实施例的流程示意图；
51.图6为本发明目标跟踪方法第二实施例中步骤s10获取跟踪范围的效果图；
52.图7为本发明目标跟踪方法第二实施例中步骤s30确定跟踪目标时的效果图；
53.图8为图7的简化示意图；
54.图9为本发明目标跟踪装置第一实施例的功能模块示意图。
55.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
56.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
57.需要说明，在本发明实施例中，所有方向性指示(诸如上、下、左、右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变，则该方向性指示也相应地随之改变。
58.在本发明中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。另外，在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连；可以是两个元件内部的连通，也可以是两个元件的相互作用关系。
59.在本发明中，若有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
60.对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。另外，各个实施例的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
61.对现有技术的分析发现，目前对运动场内运动员进行跟踪的方法一般为，获取视频首帧，进行目标检测，获得跟踪目标及其边界框；再获取各个跟踪目标的图像特征和运动特征，计算相似度，判断两个跟踪目标属于同一目标的概率；最后关联跟踪目标，为每个跟踪目标分配数字id，进行跟踪显示，其跟踪效果如图3所示和图4所示。由图3可以看出，现有的跟踪方法在对运动员进行跟踪时，容易将场边观众误识别为运动员，对场边观众也进行了跟踪，容易导致增加系统算力和浪费资源的问题。由图4可以看出，由于运动项目中运动员运动速度较快，有时还会拥挤在一起，此时，很难分辨运动员所属队伍，容易出现跟踪目标丢失的情况，只能等跟踪目标错开后，才重新开始进行目标识别和跟踪，但这期间该目标的数据将无法同步，也就导致后续对该目标的监控数据可能存在误差。
62.鉴于现有技术中的目标跟踪方法在对运动场内运动员进行跟踪时，存在跟踪准确性较低的技术问题，本发明提供了一种目标跟踪方法，总体思路如下：
63.获取视频帧图像中的跟踪范围及所述跟踪范围内的运动目标；根据所述运动目标的位置信息和所述跟踪范围的位置信息，确定跟踪目标，获得第一跟踪目标；根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，以对所述第一跟踪目标进行实时跟踪或停
止跟踪；当对所述第一跟踪目标停止跟踪后，触发继续跟踪，返回所述根据运动目标的位置信息和跟踪范围的位置信息，确定跟踪目标的步骤，以获得第二跟踪目标，并对所述第二跟踪目标进行实时跟踪。
64.通过上述技术方案，获取跟踪范围及跟踪范围内的运动目标，识别出运动场和运动场内的人员；再根据运动目标的位置信息和跟踪范围的位置信息，确定第一跟踪目标，识别出运动场内的运动员，防止将观众误识别为运动员；然后，根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，对运动员进行实时跟踪或停止跟踪，可以防止误跟踪到观众，浪费系统算力，还可以及时停止对离开运动场的运动员的跟踪，防止增加系统计算量，浪费系统资源；还通过触发继续跟踪，获得第二跟踪目标，并对第二跟踪目标进行实时跟踪，防止跟踪目标丢失。本发明对符合条件的运动目标进行筛选，确定跟踪目标后再进行实时跟踪，提高了跟踪准确性，防止无效跟踪。
65.实施例一
66.参照图1的流程示意图，提出本发明目标跟踪方法的第一实施例，该目标跟踪方法应用于目标跟踪设备。
67.所述目标跟踪设备是指能够实现网络连接的终端设备或网络设备，可以是手机、电脑、平板电脑、便携计算机等终端设备，也可以是服务器、云平台等网络设备。
68.如图2所示，为目标跟踪设备的硬件结构示意图。所述设备可以包括：处理器1001，例如cpu(central processing unit，中央处理器)，通信总线1002，用户接口1003，网络接口1004，存储器1005。
69.本领域技术人员可以理解，图2中示出的硬件结构并不构成对本发明目标跟踪设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
70.具体的，通信总线1002用于实现这些组件之间的连接通信；
71.用户接口1003用于连接客户端，与客户端进行数据通信，用户接口1003可以包括输出单元，如显示屏、输入单元，如键盘，可选的，用户接口1003还可以包括其他输入/输出接口，比如标准的有线接口、无线接口；
72.网络接口1004用于连接后台服务器，与后台服务器进行数据通信，网络接口1004可以包括输入/输出接口，比如标准的有线接口、无线接口，如wi
‑
fi接口；
73.存储器1005用于存储各种类型的数据，这些数据例如可以包括该目标跟踪设备中任何应用程序或方法的指令，以及应用程序相关的数据，存储器1005可以是高速ram存储器，也可以是稳定的存储器，例如磁盘存储器，可选的，存储器1005还可以是独立于所述处理器1001的存储装置；
74.具体的，继续参照图2，存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序，其中，网络通信模块主要用于连接服务器，与服务器进行数据通信；
75.处理器1001用于调用存储器1005中存储的计算机程序，并执行以下操作：
76.获取视频帧图像中的跟踪范围及所述跟踪范围内的运动目标；
77.根据所述运动目标的位置信息和所述跟踪范围的位置信息，确定跟踪目标，获得第一跟踪目标；
78.根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，以对所述第一跟踪目标进行实时跟踪或停止跟踪；
79.当对所述第一跟踪目标停止跟踪后，触发继续跟踪，返回所述根据运动目标的位置信息和跟踪范围的位置信息，确定跟踪目标的步骤，以获得第二跟踪目标，并对所述第二跟踪目标进行实时跟踪。
80.基于上述的目标跟踪设备，下面结合图1所示的流程示意图，对本实施例的目标跟踪方法进行详细描述。所述方法可以包括以下步骤：
81.步骤s10：获取视频帧图像中的跟踪范围及所述跟踪范围内的运动目标。
82.具体的，首先获取视频流，根据运动场形状特征，在视频流的视频帧图像中标记出跟踪范围，并获取该跟踪范围的位置信息，即识别出运动场；然后，在该跟踪范围内，利用目标检测模型，检测出运动目标，比如，在运动场内，不仅有运动员，还会有广告牌、运动设备等物品，需要排除这些物品，保证识别到的运动目标为人，即识别出运动场内的人员。
83.步骤s30：根据所述运动目标的位置信息和所述跟踪范围的位置信息，确定跟踪目标，获得第一跟踪目标。
84.具体的，在视频帧图像中，识别到跟踪范围后，可以利用对应的检测框对跟踪范围进行框定，识别到运动目标后，也可以用目标框对运动目标进行框定。计算框定后跟踪范围的中心点，基于框定后的运动目标和跟踪范围，以及运动目标和跟踪范围的位置信息，计算目标框顶点到中心点的距离，以及与目标框该顶点在同一方位的检测框顶点到中心点的距离，判断这两个距离之比是否小于预设值，若是，则表示该目标框内的运动目标是跟踪目标，即识别出了运动场内的运动员，防止将观众误识别为运动员，反之，则表示该运动目标可能为裁判或记分员等，位于跟踪范围内的非运动员人员，后续将不会对这些人员进行跟踪。按此方法，可以获得运动场内的所有运动员，即跟踪范围内的第一跟踪目标。
85.步骤s50：根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，以对所述第一跟踪目标进行实时跟踪或停止跟踪。
86.具体的，识别到第一跟踪目标后，可以不用再对下一视频帧图像进行跟踪范围和第一跟踪目标识别，直接以当前视频帧图像的第一跟踪目标关联下一视频帧图像的跟踪目标，获得一个跟踪目标的预测跟踪框，即进行运动轨迹预测，然后计算当前视频帧图像中第一跟踪目标的跟踪框与下一视频帧图像中的预测跟踪框之间运动偏移量，从而判断预测框对应的跟踪目标是否与当前视频帧图像标记的第一跟踪目标为同一个，以此，对该第一跟踪目标持续进行跟踪，即实现对所述第一跟踪目标的实时跟踪，可以防止误跟踪到观众，浪费系统算力。
87.当有运动员需要离开运动场，比如替换运动员时，根据运动轨迹预测的该第一跟踪目标的位置是否在跟踪范围内，若不在跟踪范围内，则表示该运动员离开运动场，将对该运动员停止跟踪，即对所述第一跟踪目标停止跟踪。及时停止对离开运动场的运动员的跟踪，防止增加系统计算量，浪费系统资源。
88.步骤s70：当对所述第一跟踪目标停止跟踪后，触发继续跟踪，返回所述根据运动目标的位置信息和跟踪范围的位置信息，确定跟踪目标的步骤，以获得第二跟踪目标，并对所述第二跟踪目标进行实时跟踪。
89.具体的，对于停止跟踪的情况，判断是否满足继续跟踪的触发条件，若满足，则不需要再对跟踪范围进行识别，只需要返回步骤s30，根据跟踪范围内的运动目标确定跟踪目标，获得第二跟踪目标即可。然后，再循环执行步骤s50和s70，这样就不会出现跟踪目标丢
失的情况。也就是，在替换运动员的情况下，前一运动员下场时，停止对其跟踪，替补运动员上场时，则触发继续跟踪，确定该替补运动员和对应的跟踪框，对其进行实时跟踪，防止跟踪目标丢失。
90.本实施例提供的目标跟踪方法，通过获取跟踪范围及跟踪范围内的运动目标，识别出运动场和运动场内的人员；再根据运动目标的位置信息和跟踪范围的位置信息，确定第一跟踪目标，识别出运动场内的运动员，防止将观众误识别为运动员；然后，根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，对运动员进行实时跟踪或停止跟踪，可以防止误跟踪到观众，浪费系统算力，还可以及时停止对离开运动场的运动员的跟踪，防止增加系统计算量，浪费系统资源；还通过触发继续跟踪，获得第二跟踪目标，并对第二跟踪目标进行实时跟踪，防止跟踪目标丢失。本发明对符合条件的运动目标进行筛选，确定跟踪目标后再进行实时跟踪，提高了跟踪准确性，防止无效跟踪。
91.实施例二
92.基于同一发明构思，参照图5，提出本发明目标跟踪方法的第二实施例，该目标跟踪方法应用于目标跟踪设备。
93.下面结合图5所示的流程示意图，对本实施例的目标跟踪方法进行详细描述。所述方法可以包括以下步骤：
94.步骤s10：获取视频帧图像中的跟踪范围及所述跟踪范围内的运动目标。
95.具体的，所述步骤s10可以包括：
96.步骤s11：获取视频帧图像；
97.步骤s12：根据所述视频帧图像，进行范围识别，获得视频帧图像中的跟踪范围及其位置信息。
98.具体的，对视频帧图像中的运动场地进行识别，根据运动场的形状特征，以运动场的外接多边形，比如长方形或椭圆形，获得对应的跟踪范围，还获得该跟踪范围在视频帧图像中的检测框，并记录该跟踪范围的最小外接长方形或最小内接椭圆形对应的长方形的四个顶点位置信息，比如坐标信息。如图6所示为本实施例获取的跟踪范围的效果图，该图中，运动场地为长方形，识别该图像中的运动场地后，获得如图所示的长方形跟踪范围。
99.步骤s13：利用目标检测模型，在所述跟踪范围内进行检测，获得运动目标及其位置信息。
100.具体的，获得运动目标后，还获得该运动目标在视频帧图像中对应的检测框。确定运动场地后，还要排除运动场地内障碍物的干扰，比如，运动设备、广告牌等物品，识别出其中的人员，包括跟踪范围内的运动员、记分员、裁判等所有人员，获得运动目标，并获得运动目标的位置信息，比如坐标信息。其中，目标检测模型其实就是一个对象识别模型，该模型可以选择轻量化模型模块搭建，利用现有的深度学习识别算法进行训练，此处直接利用训练好的识别模型即可，即将标记跟踪范围检测框的视频帧图像输入目标检测模型，输出该视频帧图像中跟踪范围内的所有运动目标，即获得标记了所有人员的检测框的视频帧图像。
101.步骤s30：根据所述运动目标的位置信息和所述跟踪范围的位置信息，确定跟踪目标，获得第一跟踪目标。
102.为了做到实时跟踪运动员，防止目标丢失，对步骤s10获得的跟踪范围内进行运动
员检测。
103.具体的，所述步骤s30可以包括：
104.步骤s31：根据所述跟踪范围的位置信息，获得所述跟踪范围的中心点；
105.步骤s32：根据所述运动目标检测框的第一顶点到所述中心点的距离，以及所述跟踪范围的第二顶点到所述中心点的距离，获得所述运动目标对应的距离比，其中，所述第一顶点与所述第二顶点位于同一方位；
106.步骤s33：判断所述距离比是否小于预设门限值，其中，所述预设门限值基于所述跟踪范围的横纵比获得；
107.步骤s34：若所述距离比小于预设门限值，则确定所述运动目标为第一跟踪目标。
108.本实施例中，对图6的视频帧图像，进行运动目标检测，确定跟踪目标，获得的效果图如图7所示。为了方便查看，对图7的视频帧图像中的跟踪范围和运动目标进行简化，获得如图8所示的简化示意图。图中，i表示运动目标的检测框，s表示跟踪范围的检测框。
109.根据上述步骤，获得运动场地的中心点o，然后，以i的左上角顶点位置信息和s的左上角顶点位置信息，确定运动目标是否为跟踪目标，具体地，根据i的左上角顶点到中心点o的距离l，以及s的左上角顶点到中心点o的距离l，获得该运动目标对应的距离比；然后，判断该距离比是否小于预设值，该预设值基于跟踪范围的纵横比获得，因为跟踪范围可能会比实际的运动场地大，所以，可以基于实际情况，设置一个预设门限值，缩小检测区域，获得一个roi区域(region of interest，感兴趣区域)，可以提高检测速度。若计算得到的距离比小于预设门限值，说明该运动目标在roi区域内，该运动目标是位于实际运动场内的运动员，若计算得到的距离比不小于预设门限值，则说明该运动目标不是运动员，后续也不需要对该运动目标进行跟踪。
110.步骤s40：对第一跟踪目标进行分类，以在视频帧图像中进行区别显示。
111.具体的，识别到运动场地内的所有运动员之后，现有的方法是直接对所有运动员进行统一标记，本实施例通过对运动员进行分类，并区分显示视频帧图像上对应的检测框，方便监控人员更好地跟踪目标。
112.具体的，所述步骤s40可以包括：
113.步骤s41：对所述第一跟踪目标进行分类，获得不同类别的第一跟踪目标。
114.更具体的，所述步骤s41可以包括：
115.步骤s41.1：对所述第一跟踪目标的跟踪框进行预设倍数扩大，获得扩大后的跟踪框；
116.步骤s41.2：从所述扩大后的跟踪框中抠出所述第一跟踪目标，获得抠出的目标；
117.步骤s41.3：将所述抠出的目标输入目标分类模型，输出所述抠出的目标对应的类别，获得不同类别的第一跟踪目标。
118.步骤s42：对所述不同类别的第一跟踪目标的跟踪框，在所述视频帧图像中进行区别显示。
119.本实施例中，不同类别的第一跟踪目标即属于不同队伍的运动员。对第一跟踪目标的跟踪框进行扩大，比如在原有基础上，扩充1.4倍，将原本跟踪目标的外接矩形框，扩大成了将跟踪目标完全包含在内的扩大后的跟踪框。然后基于该跟踪框进行框内运动员的人物图像抠取，将抠出的人物图像输入目标分类模型中，获得该跟踪目标的所属类，也就是运
动员的所属队伍。对所有第一跟踪目标的类别进行识别分类后，获得具有不同类别的第一跟踪目标，即获得归属不同队伍的运动员，再对这些跟踪目标的跟踪框进行区分显示，即以不同颜色表示不同队伍的运动员。将属于一个队伍的运动员用同一颜色的跟踪框进行标记，对于对抗类比赛项目，可以更好地跟踪同一队伍的运动员，区分另一队伍的运动员，防止跟踪丢失。当视频帧图像中存在运动员的跟踪框重叠的情况时，可以根据运动员的身份信息即所在队伍的不同来区分跟踪框。
120.步骤s50：根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，以对所述第一跟踪目标进行实时跟踪或停止跟踪。
121.具体的，可以利用首帧视频帧图像中的运动员位置信息及运动员分类信息关联下一视频帧图像中对应的运动员，以此进行运动轨迹预测，从而对运动员进行实时跟踪或停止跟踪。
122.具体的，所述步骤s50可以包括：
123.步骤s51：根据当前视频帧图像中所述第一跟踪目标的跟踪框的中心点，以及下一视频帧图像中所述第一跟踪目标的跟踪框的中心点，获得运动偏移量。
124.根据当前视频帧图像中运动员跟踪框的中心点与下一视频帧图像中对应的运动员跟踪框的中心点之间的距离，计算得到运动偏移量。
125.步骤s52：判断所述运动偏移量是否在预设阈值范围内，以及所述第一跟踪目标对应的距离比是否小于预设门限值。
126.运动偏移量的预设阈值范围可以根据实际情况，针对不同的运动种类来确定。
127.步骤s53：若所述运动偏移量在预设阈值范围内，且所述第一跟踪目标对应的距离比小于预设门限值，则判定所述第一跟踪目标的运动轨迹预测结果为所述第一跟踪目标在所述跟踪范围内正常运动，对所述第一跟踪目标进行实时跟踪。
128.具体的，此处的距离比为该第一跟踪目标的跟踪框的第一顶点与跟踪范围中心点的距离和跟踪范围的与第一顶点在同一方位的第二顶点与跟踪范围中心点的距离之比。如果运动偏移量在预设阈值范围内，表示当前视频帧图像中运动员与下一视频帧图像中运动员确实属于同一个运动员，跟踪正常，如果该运动员对应的距离比小于预设门限值，说明该运动员在跟踪范围内运动，即获得第一跟踪目标在所述跟踪范围内正常运动的运动轨迹预测结果，对应地，对该第一跟踪目标进行实时跟踪即可。
129.步骤s54：若所述运动偏移量在预设阈值范围内，但所述第一跟踪目标对应的距离比不小于预设门限值，则判定所述第一跟踪目标的运动轨迹预测结果为所述第一跟踪目标不在所述跟踪范围内，对所述第一跟踪目标停止跟踪。
130.具体的，可以在连续多次判定的运动轨迹预测结果为第一跟踪目标不在跟踪范围时，才停止跟踪，可以避免识别到暂时离开运动场地进行罚球等情况，导致对运动员停止跟踪。该多次的次数可以根据具体的运动类别设定。
131.步骤s55：若所述运动偏移量不在预设阈值范围内，但所述第一跟踪目标对应的距离比小于预设门限值，则判定所述第一跟踪目标的运动轨迹预测结果为所述第一跟踪目标在所述跟踪范围内跟踪异常，对所述第一跟踪目标停止跟踪。
132.具体的，如果运动偏移量不在预设阈值范围内，说明可能存在跟踪框错位，或者跟踪框前后跟踪的跟踪目标不一致的情况，但如果该跟踪框对应的运动员仍然在场地内，即
表示目前状况为跟踪异常，防止发生持续的跟踪错误或影响其他跟踪目标的跟踪，及时对该跟踪目标停止跟踪。
133.具体的，若所述运动偏移量不在预设阈值范围内，同时，所述第一跟踪目标对应的距离比不小于预设门限值，此时，可能存在跟踪异常或运动员离开运动场的情况，也对所述第一跟踪目标停止跟踪。
134.步骤s70：当对所述第一跟踪目标停止跟踪后，触发继续跟踪，返回所述根据运动目标的位置信息和跟踪范围的位置信息，确定跟踪目标的步骤，以获得第二跟踪目标，并对所述第二跟踪目标进行实时跟踪。
135.在比赛进行中，停止跟踪运动员的起因主要是因为发生一些特殊事件，比如，中场休息、主动暂停、替换运动员等情况，当这些特殊事件结束后，运动员重返球场时，传统方法是需要重新执行整个跟踪方法，本方法不需要，本方法的停止跟踪处于暂停状态，当特殊事件结束后，只需要返回确定运动员的步骤即可，不需要再执行识别运动场地等步骤，节省算力和系统资源。
136.具体的，所述步骤s70可以包括：
137.步骤s71：当对所述第一跟踪目标停止跟踪后，识别所述跟踪范围内发生的特殊事件及对应的事件时长。
138.比赛项目都涉及到比赛时长，可以结合比赛时长的计时情况，启动继续跟踪的触发条件，像中场休息、主动暂停等具有限时的特殊事件，可以直接以其对应的事件时长判定该特殊事件结束。对于一些突发事件，更换替补运动员之类的，可以直接人为监控这些特殊事件是否结束。
139.步骤s72：当识别到所述特殊事件结束或者所述事件时长计时结束时，判断当前计时时长是否在预设时长范围内，以及所述跟踪范围内第一跟踪目标的数量是否达到预设目标数量。
140.预设时长范围基于运动项目不同而不同，一般以常规时长或允许补时来设定。是一个区间值，比如最小值可以为比赛进行的常规时长，最大值可以为常规时长和允许补时的时长的总和。若当前特殊事件结束或中场休息时间到达时，判断持续的计时时长是否在预设时长范围内，即判断比赛是否结束，并判断运动场内运动员的数量是否达到预设目标数量，即场地内运动员数量是否符合设定数量。该预设目标数量根据实际运动项目确定。
141.步骤s73：若当前计时时长在预设时长范围内，且所述跟踪范围内第一跟踪目标的数量达到预设目标数量，则判定满足继续跟踪触发条件，触发继续跟踪，返回所述根据运动目标的位置信息和跟踪范围的位置信息，确定跟踪目标的步骤，以获得第二跟踪目标，并对所述第二跟踪目标进行实时跟踪。
142.若当前计时时长在预设时长范围内，表示比赛未结束，且运动场内运动员数量符合设定数量，表示运动员均在运动场内，也就是替补队员已经上场，此时，满足了继续跟踪触发条件，触发继续跟踪，返回步骤s30，继续确定跟踪目标，即获得第二跟踪目标，实现对替补运动员进行实时跟踪。
143.步骤s74：若当前计时时长在预设时长范围内，但所述跟踪范围内第一跟踪目标的数量未达到预设目标数量，则返回识别所述跟踪范围内发生的特殊事件的步骤，持续监听所述特殊事件。
144.若当前计时时长在预设时长范围内，表示比赛未结束，但运动场内运动员数量不符合设定数量，表示运动员没有全部在运动场内，也就是替补队员可能未上场，也可能又有了其他页特殊时间。此时，可以返回步骤s71继续持续监听特殊事件。
145.具体的，若当前计时时长超出预设时长范围，无论第一跟踪目标的数量是否达到预设目标数量，都结束跟踪，即不需要再触发继续跟踪。
146.本实施例提供的目标跟踪方法，对第一跟踪目标进行分类，并对不同类别的第一跟踪目标的跟踪框进行区别显示，方便更好地跟踪不同队伍的运动员；根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，及时对离开运动场的运动员或跟踪出现异常的情况，停止跟踪，避免浪费算力；还在比赛进行过程中，识别到场地内运动员数量达到设定数量时，触发继续跟踪，防止跟踪目标丢失。本实施例可以更准确的识别出场地内的运动员，实时性强，且能快速跟踪目标。
147.实施例三
148.基于同一发明构思，参照图9，提出本发明目标跟踪装置的第一实施例，该目标跟踪装置可以为虚拟装置，应用于目标跟踪设备。
149.下面结合图9所示的功能模块示意图，对本实施例提供的目标跟踪装置进行详细描述，所述装置可以包括：
150.跟踪范围获取模块，用于获取视频帧图像中的跟踪范围及所述跟踪范围内的运动目标；
151.跟踪目标确定模块，用于根据所述运动目标的位置信息和所述跟踪范围的位置信息，确定跟踪目标，获得第一跟踪目标；
152.实时跟踪模块，用于根据当前视频帧图像和下一视频帧图像，进行运动轨迹预测，以对所述第一跟踪目标进行实时跟踪或停止跟踪；
153.关联跟踪模块，用于当对所述第一跟踪目标停止跟踪后，触发继续跟踪，返回所述根据运动目标的位置信息和跟踪范围的位置信息，确定跟踪目标的步骤，以获得第二跟踪目标，并对所述第二跟踪目标进行实时跟踪。
154.进一步地，所述跟踪范围获取模块可以包括：
155.运动目标检测单元，用于利用目标检测模型，在所述跟踪范围内进行检测，获得运动目标及其位置信息。
156.进一步地，所述跟踪目标确定模块可以包括：
157.中心点获取单元，用于根据所述跟踪范围的位置信息，获得所述跟踪范围的中心点；
158.距离比获取单元，用于根据所述运动目标检测框的第一顶点到所述中心点的距离，以及所述跟踪范围的第二顶点到所述中心点的距离，获得所述运动目标对应的距离比，其中，所述第一顶点与所述第二顶点位于同一方位；
159.第一判断单元，用于判断所述距离比是否小于预设门限值，其中，所述预设门限值基于所述跟踪范围的横纵比获得；
160.目标确定单元，用于若所述距离比小于预设门限值，则确定所述运动目标为第一跟踪目标。
161.进一步地，所述装置还可以包括：
162.目标分类模块，用于对所述第一跟踪目标进行分类，获得不同类别的第一跟踪目标；
163.区别显示模块，用于对所述不同类别的第一跟踪目标的跟踪框，在所述视频帧图像中进行区别显示。
164.更进一步地，所述目标分类模块可以包括：
165.跟踪框处理单元，用于对所述第一跟踪目标的跟踪框进行预设倍数扩大，获得扩大后的跟踪框；
166.目标抠取单元，用于从所述扩大后的跟踪框中抠出所述第一跟踪目标，获得抠出的目标；
167.分类单元，用于将所述抠出的目标输入目标分类模型，输出所述抠出的目标对应的类别，获得不同类别的第一跟踪目标。
168.进一步地，所述实时跟踪模块可以包括：
169.偏移量计算单元，用于根据当前视频帧图像中所述第一跟踪目标的跟踪框的中心点，以及下一视频帧图像中所述第一跟踪目标的跟踪框的中心点，获得运动偏移量；
170.第二判断单元，用于判断所述运动偏移量是否在预设阈值范围内，以及所述第一跟踪目标对应的距离比是否小于预设门限值；
171.实时跟踪单元，用于若所述运动偏移量在预设阈值范围内，且所述第一跟踪目标对应的距离比小于预设门限值，则判定所述第一跟踪目标的运动轨迹预测结果为所述第一跟踪目标在所述跟踪范围内正常运动，对所述第一跟踪目标进行实时跟踪；
172.停止跟踪单元，用于若所述运动偏移量在预设阈值范围内，但所述第一跟踪目标对应的距离比不小于预设门限值，则判定所述第一跟踪目标的运动轨迹预测结果为所述第一跟踪目标不在所述跟踪范围内，对所述第一跟踪目标停止跟踪；
173.跟踪异常单元，用于若所述运动偏移量不在预设阈值范围内，但所述第一跟踪目标对应的距离比小于预设门限值，则判定所述第一跟踪目标的运动轨迹预测结果为所述第一跟踪目标在所述跟踪范围内跟踪异常，对所述第一跟踪目标停止跟踪。
174.进一步地，所述关联跟踪模块可以包括：
175.特殊事件识别单元，用于识别所述跟踪范围内发生的特殊事件及对应的事件时长；
176.触发条件判断单元，用于当识别到所述特殊事件结束或者所述事件时长计时结束时，判断当前计时时长是否在预设时长范围内，以及所述跟踪范围内第一跟踪目标的数量是否达到预设目标数量；
177.继续跟踪触发单元，用于若当前计时时长在预设时长范围内，且所述跟踪范围内第一跟踪目标的数量达到预设目标数量，则判定满足继续跟踪触发条件，触发继续跟踪；
178.持续监听事件单元，用于若当前计时时长在预设时长范围内，但所述跟踪范围内第一跟踪目标的数量未达到预设目标数量，则返回识别所述跟踪范围内发生的特殊事件的步骤，持续监听所述特殊事件。
179.需要说明，本实施例提供的目标跟踪装置中各个模块可实现的功能和对应达到的技术效果可以参照本发明目标跟踪方法各个实施例中具体实施方式的描述，为了说明书的简洁，此处不再赘述。
180.实施例四
181.基于同一发明构思，本实施例提供了一种目标跟踪设备，所述设备可以包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现本发明目标跟踪方法各个实施例的全部或部分步骤。
182.具体的，所述目标跟踪设备是指能够实现网络连接的终端设备或网络设备，可以是手机、电脑、平板电脑、便携计算机等终端设备，也可以是服务器、云平台等网络设备。
183.可以理解，所述设备还可以包括通信总线，用户接口和网络接口。
184.其中，通信总线用于实现这些组件之间的连接通信。
185.用户接口用于连接客户端，与客户端进行数据通信，用户接口可以包括输出单元，如显示屏、输入单元，如键盘，可选的，用户接口还可以包括其他输入/输出接口，比如标准的有线接口、无线接口。
186.网络接口用于连接后台服务器，与后台服务器进行数据通信，网络接口可以包括输入/输出接口，比如标准的有线接口、无线接口，如wi
‑
fi接口。
187.存储器用于存储各种类型的数据，这些数据例如可以包括该目标跟踪设备中任何应用程序或方法的指令，以及应用程序相关的数据。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，可擦除可编程只读存储器(erasable programmable read
‑
only memory，简称eprom)，可编程只读存储器(programmable read
‑
only memory，简称prom)，只读存储器(read
‑
only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘，可选的，存储器还可以是独立于所述处理器的存储装置。
188.处理器用于调用存储器中存储的计算机程序，并执行如上述的目标跟踪方法，处理器可以是专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digital signal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件，用于执行如上述目标跟踪方法各个实施例的全部或部分步骤。
189.实施例五
190.基于同一发明构思，本实施例提供了一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘、服务器、app应用商城等等，所述存储介质上存储有计算机程序，所述计算机程序可被一个或多个处理器执行，所述计算机程序被处理器执行时可以实现本发明目标跟踪方法各个实施例的全部或部分步骤。
191.需要说明，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
192.以上所述仅为本发明的可选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均包括在本发明的专利保护范围内。