对象追踪方法、相关装置及计算机程序产品与流程

1.本公开涉及图像处理技术领域，具体涉及计算机视觉和深度学习等人工智能技术领域，尤其涉及对象追踪方法、装置、电子设备、计算机可读存储介质及计算机程序产品。


背景技术：

2.多目标跟踪的主要任务是在给定视频中同时对多个目标进行定位，在维持他们的身份标识号(identity document，简称id)的前提下记录相应的轨迹，可广泛应用于机器人导航、智能监控视频、工业检测、航空航天、自动驾驶等领域。


技术实现要素：

3.本公开实施例提出了一种对象追踪方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
4.第一方面，本公开实施例提出了一种对象追踪方法，包括：分别从历史图像和当前图像中提取历史对象和当前对象，并得到由任一该历史对象与任一该当前对象组成的对象对，其中，该历史图像和该当前图像来自于同一连续帧图像集合；基于该对象对中的历史对象和当前对象的光流特征距离和像素点变化特征距离，生成该对象对的综合特征距离；基于各该综合特征距离的最大优化组合结果，确定与各该历史对象相对应的当前对象。
5.第二方面，本公开实施例提出了一种对象追踪装置，包括：对象对生成单元，被配置成分别从历史图像和当前图像中提取历史对象和当前对象，并得到由任一该历史对象与任一该当前对象组成的对象对，其中，该历史图像和该当前图像来自于同一连续帧图像集合；综合特征生成单元，被配置成基于该对象对中的历史对象和当前对象的光流特征距离和像素点变化特征距离，生成该对象对的综合特征距离；对象追踪单元，被配置成基于各该综合特征距离的最大优化组合结果，确定与各该历史对象相对应的当前对象。
6.第三方面，本公开实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的对象追踪方法。
7.第四方面，本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的对象追踪方法。
8.第五方面，本公开实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的对象追踪方法。
9.本公开实施例提供的对象追踪方法、装置、电子设备、计算机可读存储介质及计算机程序产品，分别从历史图像和当前图像中提取历史对象和当前对象，并得到由任一该历史对象与任一该当前对象组成的对象对，其中，该历史图像和该当前图像来自于同一连续帧图像集合，并基于该对象对中的历史对象和当前对象的光流特征距离和像素点变化特征
距离，生成该对象对的综合特征距离，最终，基于各该综合特征距离的最大优化组合结果，确定与各该历史对象相对应的当前对象。
10.本公开在获取连续帧图像集合中帧图像所包括的对象的像素级别的内容后，同时基于多个维度的特征对对象进行追踪，可提升多目标跟踪作业的追踪质量。
11.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
12.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
13.图1是本公开可以应用于其中的示例性系统架构；
14.图2为本公开实施例提供的一种对象追踪方法的流程图；
15.图3为本公开实施例提供的另一种对象追踪方法的流程图；
16.图4-1和4-2为本公开实施例提供的在一应用场景下的对象追踪方法的效果示意图；
17.图5为本公开实施例提供的一种对象追踪装置的结构框图；
18.图6为本公开实施例提供的一种适用于执行对象追踪方法的电子设备的结构示意图。
具体实施方式
19.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
20.此外，本公开涉及的技术方案中，所涉及的用户个人信息的获取(例如本公开后续涉及的包含人脸对象的图像)、存储、使用、加工、运输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
21.图1示出了可以应用本公开的对象追踪方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
22.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
23.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如目标追踪类应用、自动驾驶类应用、即时通讯类应用等。
24.终端设备101、102、103和服务器105可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等；当终端设备101、102、103为软件时，可以安装在上述
所列举的电子设备中，其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器；服务器为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
25.服务器105通过内置的各种应用可以提供各种服务，以可以对象追踪服务的目标追踪类应用为例，服务器105在运行该目标追踪类应用时可实现如下效果：首先，通过网络104从终端设备101、102、103中获取来自同一连续帧图像集合的历史图像和当前图像；然后，服务器105，分别从历史图像和当前图像中提取历史对象和当前对象，并得到由任一该历史对象与任一该当前对象组成的对象对；接下来，服务器105，基于该对象对中的历史对象和当前对象的光流特征距离和像素点变化特征距离，生成该对象对的综合特征距离；最后，服务器105，基于各该综合特征距离的最大优化组合结果，确定与各该历史对象相对应的当前对象。
26.需要指出的是，来自同一连续帧图像集合的历史图像和当前图像除可以从终端设备101、102、103通过网络104获取到之外，也可以通过各种方式预先存储在服务器105本地。因此，当服务器105检测到本地已经存储有这些数据时(例如开始处理之前留存的对象追踪任务)，可选择直接从本地获取这些数据，在此种情况下，示例性系统架构100也可以不包括终端设备101、102、103和网络104。
27.由于提取图像特征、生成综合特征距离的最大优化组合结果等需要占用较多的运算资源和较强的运算能力，因此本公开后续各实施例所提供的对象追踪方法一般由拥有较强运算能力、较多运算资源的服务器105来执行，相应地，对象追踪装置一般也设置于服务器105中。但同时也需要指出的是，在终端设备101、102、103也具有满足要求的运算能力和运算资源时，终端设备101、102、103也可以通过其上安装的目标追踪类应用完成上述本交由服务器105做的各项运算，进而输出与服务器105同样的结果。尤其是在同时存在多种具有不同运算能力的终端设备的情况下，但目标追踪类应用判断所在的终端设备拥有较强的运算能力和剩余较多的运算资源时，可以让终端设备来执行上述运算，从而适当减轻服务器105的运算压力，相应的，对象追踪装置也可以设置于终端设备101、102、103中。在此种情况下，示例性系统架构100也可以不包括服务器105和网络104。
28.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
29.请参考图2，图2为本公开实施例提供的一种对象追踪方法的流程图，其中流程200包括以下步骤：
30.步骤201，分别从历史图像和当前图像中提取历史对象和当前对象，并得到由任一该历史对象与任一该当前对象组成的对象对。
31.在本实施例中，由对象追踪方法的执行主体(例如图1所示的服务器105)在接收到来自于同一连续帧图像集合的历史图像和当前图像时进行响应，并分别从历史图像中提取该历史图像中所包括的历史对象，从该当前图像中提取当前对象，历史对象和当前对象通常为历史图像中和当前图像中存在的可发生运动的、除环境对象之外的对象，优选地，将历史图像和当前图像中所存在的历史对象和当前对象全部进行提取，以同时完成对多个对象进行的追踪，在提取到历史对象和当前对象后，提取任一历史对象和任一当前对象组成对
象对，即该对象对中包括一历史对象和一当前对象。
32.其中，应当理解的是，在存在有多个历史对象和/或多个当前对象时，相应的应存在有多个由一历史对象和一当前对象组成的对象对。
33.需要指出的是，从历史图像和当前图像可以由上述执行主体直接从本地的存储设备获取，也可以从非本地的存储设备(例如图1所示的终端设备101、102、103)中获取。本地的存储设备可以是设置在上述执行主体内的一个数据存储模块，例如服务器硬盘，在此种情况下，从历史图像和当前图像可以在本地快速读取到；非本地的存储设备还可以为其它任何被设置用于存储数据的电子设备，例如一些用户终端等，在此情况下，上述执行主体可以通过向该电子设备发送获取命令来获取所需的从历史图像和当前图像。
34.步骤202，基于对象对中的历史对象和当前对象的光流特征距离和像素点变化特征距离，生成对象对的综合特征距离。
35.在本实施例中，在得到由任一历史对象和任一当前对象组成的对象对后，分别提取该对象对中的历史对象和该当前对象的光流特征距离和像素点变化特征距离，并将得到的光流特征距离和像素点变化特征距离进行拼接后，得到综合特征距离。
36.示例性的，可利用可进行稠密光流预测的光流估计神经网络(recurrent all-pairs field transforms，简称raft)实现光流预测，并确定历史对象和该当前对象的光流特征距离，具体的，可将历史对象的交集面积比上并集面积(intersection-over-union，简称iou)作为特征1，并利用如下公式，得到历史对象和当前对象之间的iou距离后，计算对象对中的历史对象和该当前对象的光流特征距离d1：
37.d1＝1-iou(f(mask(a),mask(b))
38.其中，f为光流变换，mask(a)为历史对象，mask(b)为当前对象。
39.在此示例性下进一步，可将历史对象和当前对象输入至残差神经网络(resnet)等神经网络中进行特征提取，上述神经网络可通过卷积提取高维空间下的特征编码，即行人重识别特征(person re-identification，简称reid特征)，该行人重识别特征编码通常为128维的向量，将该行人重识别特征作为像素点变化特征后，利用可利用如下公式确定历史对象和当前特征各自所对应的像素点变化特征之间的像素点变化特征距离d2：
40.d2＝cos(reid(a),reid(b))
41.其中，reid(a)为历史对象所对应的行人重识别特征，reid(b)为当前对象所对应的行人重识别特征。
42.最终，将d1和d2相加以得到综合特征距离。
43.步骤203，基于各综合特征距离的最大优化组合结果，确定与各历史对象相对应的当前对象。
44.在本实施例中，在基于上述步骤202中得到各对象对所对应的综合特征距离后，利用最大优化组合算法对各综合特征距离的处理结果进行组合，最大组合优化算法(optimal combination algorithm)一类在离散状态下求极值的问题。把某种离散对象按某个确定的约束条件进行安排，当已知合乎这种约束条件的特定安排存在时，寻求这种特定安排在某个优化准则下的极大解或极小解的间题，可利用该最大优化算法可确定唯一的各历史对象和当前对象的组合方式，可将历史对象和当前对象一一对应后(即依据该历史对象和当前对象组合方式进行组合后，该组合方式中，每个历史对象仅存在于唯一的对象对中或相对
于同一历史对象仅存在一个与该历史对象所对应的对象对，可通过该唯一的对象对指示与该历史对象唯一对应的当前对象)，该组合方式下的各对象对所对应的综合特征距离加和结果最优，即可得到基于各综合特征距离的最大优化组合结果，并基于该最大优化组合结果中存在的各对象对，确定与各历史对象所对应的当前对象，确定该历史对象和该当前对象所指向同一客观目标(例如运动的人、汽车等)，完成历史对象和当前对象之间的关联、完成对象追踪。
45.应当理解的是，当提取出的历史对象的总数量大于等于当前对象的总数量时，则按照上述内容确定与各历史对象唯一对应的当前对象，当提取出的历史对象的总数量小于当前对象的总数量时，则近似的按照上述内容，以当前对象为基准，确定与各当前对象唯一对应的历史对象，以避免因历史对象和当前对象识别数量不同导致的追踪不兼容问题，提升本公开所提供的对象追踪方法的鲁棒性。
46.本公开实施例提供的对象追踪方法，在获取连续帧图像集合中帧图像所包括的对象的像素级别的内容后，同时基于多个维度的特征对对象进行追踪，可提升多目标跟踪作业的追踪质量。
47.在本实施例的一些可选的实现方式中，该对象追踪方法，还包括：将该综合特征距离满足预设阈值要求的对象对确定为关联对象对，相应地，基于各该综合特征距离的最大优化组合结果，确定与各该历史对象相对应的当前对象，包括：基于各该关联对象对的综合特征距离的最大优化组合结果，确定与各该历史对象相对应的当前对象。
48.具体的，可在确定各对象对的综合特征距离后，根据预设的阈值要求对各综合特征距离、对象对进行筛选，以剔除其中综合特征距离不满足预设要求的对象对，以减少后续基于各综合特征距离的最大优化组合结果的工作量，以减少关联较弱的历史对象和当前对象组成的对象对进入到得到最大优化组合结果、对象追踪过程，不仅可以提升对象追踪方法的处理效率，还可以提升对象追踪的质量。
49.在本实施例的一些可选的实现方式中，其中，基于各该综合特征距离的最大优化组合结果，确定与各该历史对象相对应的当前对象，包括：利用匈牙利匹配算法对各该综合特征距离进行处理，生成最大优化组合结果；根据该最大优化组合结果所指示的该历史对象与该当前对象之间的对应关系确定与各该历史对象相对应的当前对象。
50.具体的，匈牙利匹配算法(hungarian algorithm)是一种在多项式时间内求解任务分配问题的组合优化算法，匈牙利算法将每个匹配对象的地位视为相同，在这个前提下求解最大匹配，因为每个匹配对象不可能是同等地位的，但总有一个真实目标是我们要找的最佳匹配，所以这个真实目标应该拥有更高的权重，在此基础上匹配的结果才能更贴近真实情况，因此利用匈牙利匹配算法可基于各特征综合距离确定历史对象和当前对象之间的分配关系的理想结果，以得到贴近真实情况的最大优化组合结果。
51.请参考图3，图3为本公开实施例提供的另一种对象追踪方法的流程图，其中流程300包括以下步骤：
52.步骤301，分别从历史图像和当前图像中提取历史对象和当前对象，并得到由任一该历史对象与任一该当前对象组成的对象对。
53.步骤302，基于对象对中的历史对象和当前对象的光流特征距离、像素点变化特征距离以及中心偏移距离，生成对象对的综合特征距离。
54.在本实施例中，在得到由任一历史对象和任一当前对象组成的对象对后，分别提取该对象对中的历史对象和该当前对象的光流特征距离、像素点变化特征距离以及中心偏移距离，并将得到的光流特征距离、像素点变化特征距离以及中心偏移距离进行拼接后，得到综合特征距离，其中，该中心偏移距离可以基于中心偏移神经网络(center track)进行预测得到，该中心偏移量是一个二维向量，表示中心点在x和y方向上的变化，可利用如下公式确定该中心偏移距离d3：
55.d3＝1-iou(g(mask(a)),mask(b))
56.其中，g为基于中心点偏移量的变换，mask(a)为历史对象，mask(b)为当前对象，相应的，可将d1、d2和d3相加以得到综合特征距离。
57.步骤303，基于各综合特征距离的最大优化组合结果，确定与各历史对象相对应的当前对象。
58.以上步骤301和303与如图2所示的步骤201和203一致，相同部分内容请参见上一实施例的相应部分，此处不再进行赘述，本实施例在上述图2所示实施例的基础上，进一步的在生成综合特征距离时融入了中心偏移距离，可以进一步的提升对于对象追踪过程中的鲁棒性，提升跟踪效果。
59.在本实施例的一些可选的实现方式中，为进一步的提升得到的对象对的质量，还可以通过判断对象对中所包括的历史对象和当前对象之间的偏移是否合理的方式，对偏移不满足预设要求(明显不满足客观规律的对象对)进行剔除，该对象追踪方法，还包括：获取该历史图像和该当前图像之间的拍摄时间差；根据该中心偏移距离和拍摄时间差确定该对象对的偏移速度参数；响应于该偏移速度参数超过预设的速度阈值，将该对象对剔除。
60.具体的，获取历史对象和当前对象的各自所对应的拍摄时间后确定两者的拍摄时间差，并根据该中心偏移距离和拍摄时间差确定该对象对的偏移速度参数，该偏移速度参数包括偏移速度方向和偏移速度数值，在该偏移速度参数中的偏移速度数值超过预设的速度阈值，将该对象对剔除，其中，该预设的速度阈值可对应偏移速度方向进行对应设置。
61.示例性性，在追踪对象为处于竖直道路上行驶的汽车时，可设置水平方向偏移速度的速度阈值为30km/h，在对象对确定的历史对象偏移至当前对象时的水平速度为40km/h，确定该速度异常(客观情况下，在竖直道路上行驶的汽车无法产生速度为40km/h的水平偏移)，则确定对象对中确定的历史对象和当前对象属于同一客观目标的概率较低，将该对象对剔除。
62.在上述任一实施例的基础上，为了减少参考价值较低的对象对生成，避免因生成过多的对象对造成资源的浪费，以及影响后续生成综合特征距离、进行对象追踪的效率，还可以在获取到历史图像和当前图像、在分别从该历史对象和当前图像中提取出历史对象和当前对象后，提取各历史对象的第一对象特征和各当前对象的第二对象特征，并将相似度超过预设的置信度的第一对象特征和第二对象特征进行关联后，相应的将该具有关联关系的第一对象特征和第二对象特征所对应的历史对象和当前对象组成对象对，以提升对象对质量。
63.为加深理解，本公开还结合一个具体应用场景，给出了一种具体的实现方案，具体如下：
64.分别从来自于同一连续帧图像集合的历史图像(图4-1)和当前图像(图4-2)中提
取出历史对象和当前对象，从历史图像中分别提取出历史对象a、b、c、d、e，从当前图像中分别提取出当前对象a、b、c。
65.得到对象对(历史对象a-当前对象a)、(历史对象a-当前对象b)、(历史对象a-当前对象c)、(历史对象b-当前对象a)、(历史对象b-当前对象b)、(历史对象b-当前对象c)、(历史对象c-当前对象a)、(历史对象c-当前对象b)、(历史对象c-当前对象c)、(历史对象d-当前对象a)、(历史对象d-当前对象b)、(历史对象d-当前对象c)、(历史对象e-当前对象a)、(历史对象e-当前对象b)、(历史对象e-当前对象c)。
66.基于各对象对中的历史对象和当前对象的光流特征距离、像素点变化特征距离和中心偏移距离确定各对象对的综合特征距离。
67.根据得到的各对象对的特征距离，将其中特征距离满足预设阈值的要求的(历史对象c-当前对象a)、(历史对象d-当前对象b)、(历史对象d-当前对象c)、(历史对象e-当前对象a)、(历史对象e-当前对象b)和(历史对象e-当前对象c)对象对确定为关联对象对。
68.基于各关联码对象对所对应的综合特征距离确定最大优化组合结果的组合形式为(历史对象c-当前对象a)、(历史对象d-当前对象b)和(历史对象e-当前对象c)，并确定历史对象c对应的当前对象为当前对象a，历史对象d对应的当前对象为当前对象b以及历史对象e对应的当前对象为当前对象c。
69.进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种对象追踪装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
70.如图5所示，本实施例的对象追踪装置500可以包括：对象对生成单元501、综合特征生成单元502、对象追踪单元503。其中，对象对生成单元501，被配置成分别从历史图像和当前图像中提取历史对象和当前对象，并得到由任一该历史对象与任一该当前对象组成的对象对，其中，该历史图像和该当前图像来自于同一连续帧图像集合；综合特征生成单元502，被配置成基于该对象对中的历史对象和当前对象的光流特征距离和像素点变化特征距离，生成该对象对的综合特征距离；对象追踪单元503，被配置成基于各该综合特征距离的最大优化组合结果，确定与各该历史对象相对应的当前对象。
71.在本实施例中，对象追踪装置500中：对象对生成单元501、综合特征生成单元502、对象追踪单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。
72.在本实施例的一些可选的实现方式中，该对象追踪装置500还包括：关联对象对筛选单元，被配置成将该综合特征距离满足预设阈值要求的对象对确定为关联对象对；以及该对象追踪单元进一步被配置成，基于各该关联对象对的综合特征距离的最大优化组合结果，确定与各该历史对象相对应的当前对象。
73.在本实施例的一些可选的实现方式中，该对象追踪单元503，包括：最大优化组合结果生成子单元，被配置成利用匈牙利匹配算法对各该综合特征距离进行处理，生成最大优化组合结果；对象追踪结果生成子单元，被配置成根据该最大优化组合结果所指示的该历史对象与该当前对象之间的对应关系确定与各该历史对象相对应的当前对象。
74.在本实施例的一些可选的实现方式中，该综合特征生成单元502进一步被配置成，基于该对象对中的历史对象和当前对象的光流特征距离、像素点变化特征距离以及中心偏
移距离，生成该对象对的综合特征距离。
75.在本实施例的一些可选的实现方式中，该对象追踪装置500还包括：时间差获取单元，被配置成获取该历史图像和该当前图像之间的拍摄时间差；偏移速度确定单元，被配置成根据该中心偏移距离和该拍摄时间差确定该对象对的偏移速度参数；对象对优化单元，被配置成响应于该偏移速度参数超过预设的速度阈值，将该对象对剔除。
76.在本实施例的一些可选的实现方式中，该对象对生成单元501，包括：对象提取子单元，被配置成分别从历史图像和当前图像中提取历史对象和当前对象；对象特征提取子单元，被配置成分别提取各该历史对象对应的第一对象特征和各该当前对象的第二对象特征；对象对生成子单元，被配置成将相似度超过预设的置信度阈值的第一对象特征和第二对象特征所对应的历史对象和当前对象组成对象对。
77.本实施例作为对应于上述方法实施例的装置实施例存在，本实施例提供的对象追踪装置，在获取连续帧图像集合中帧图像所包括的对象的像素级别的内容后，同时基于多个维度的特征对对象进行追踪，可提升多目标跟踪作业的追踪质量。
78.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
79.图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
80.如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
81.设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
82.计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如对象追踪方法。例如，在一些实施例中，对象追踪方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的对象追踪方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助
于固件)而被配置为执行对象追踪方法。
83.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
84.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
85.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
86.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
87.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
88.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器
(vps，virtual private server)服务中存在的管理难度大，业务扩展性弱的缺陷。服务器也可以分为分布式系统的服务器，或者是结合了区块链的服务器。
89.根据本公开实施例的技术方案，在获取连续帧图像集合中帧图像所包括的对象的像素级别的内容后，同时基于多个维度的特征对对象进行追踪，可提升多目标跟踪作业的追踪质量。
90.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提供的技术方案所期望的结果，本文在此不进行限制。
91.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。