目标跟踪识别方法、装置及非易失性存储介质与流程

1.本发明涉及目标跟踪识别领域，具体而言，涉及一种目标跟踪识别方法、装置及非易失性存储介质。


背景技术：

2.目前，视频监控设备广泛的分布于生活中的各个角落，并起着举足轻重的作用，为生活带来了便利和安全保障，但是随着监控设备越来越多，需要耗费大量的人力和物力的投入。人工识别会出现检测目标准确性不高且搜索效率较低，难以达到持续识别定位的效果。由于视频图像等信号的信息量大，相关技术中常常出现处理时间长，尤其是为了提高识别精度，增加了识别算法的算法结构复杂度，时间复杂度，导致识别效率不佳，识别实时性低的问题。
3.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本发明实施例提供了一种目标跟踪识别方法、装置及非易失性存储介质，以至少解决相关技术中进行目标监控识别时存在的目标跟踪识别效率低，识别准确性低的技术问题。
5.根据本发明实施例的一个方面，提供了一种目标跟踪识别方法，包括：获取待识别目标的目标图像数据，其中，所述目标图像数据为所述待识别目标的预设部位的图像数据；对监控数据库中包括的历史监控数据进行检索，将满足预设的检索条件的历史监控数据作为初始检索结果，其中，所述历史监控数据为监控设备已采集到的视频和/或图像数据；对所述初始检索结果进行分类处理，得到所述初始检索结果对应的多个分类结果；对所述初始检索结果对应的所述多个分类结果和所述目标图像数据进行并行对比处理，得到所述待识别目标对应的历史轨迹；根据当前时刻的当前监控数据和所述历史轨迹，确定所述待识别目标在所述当前监控数据中的目标跟踪识别结果。
6.可选地，在所述检索条件包括：检索时间范围和第一相似度阈值，所述目标图像数据包括所述待识别目标对应的人脸图像数据的情况下，所述对监控数据库中包括的历史监控数据进行检索，将满足预设的检索条件的历史监控数据作为初始检索结果，包括：对所述监控数据库中包括的所述历史监控数据进行检索，将满足所述检索时间范围的历史监控数据作为第一检索数据；确定所述第一检索数据与所述人脸图像数据的第一相似度；将所述第一相似度高于预设的第一相似度阈值的第一检索数据，作为所述初始检索结果。
7.可选地，在所述多个分类结果包括人脸分类结果，人体分类结果，以及车体分类结果，所述目标图像数据包括所述待识别目标对应的人脸图像数据，人体图像数据，车体图像数据的情况下，所述对所述初始检索结果对应的所述多个分类结果和所述目标图像数据进行并行对比处理，得到所述待识别目标对应的历史轨迹，包括：基于所述人脸图像数据，确定所述待识别目标对应的第一人脸特征向量；基于所述人体图像数据，确定所述待识别目
标对应的第一人体特征向量；以及基于所述车体图像数据，确定所述待识别目标对应的第一车体特征向量；确定所述人脸分类结果对应的第二人脸特征向量，所述人体分类结果对应的第二人体特征向量，以及所述车体分类结果对应的第二车体特征向量；采用对所述第一人脸特征向量和所述第二人脸特征向量进行第一对比处理，得到人脸相似度；采用对所述第一人体特征向量和所述第二人体特征向量进行第二对比处理，得到人体相似度；以及采用对所述第一车体特征向量和所述第二车体特征向量进行第三对比处理，得到车体相似度，其中，所述第一对比处理，所述第二对比处理以及所述第三对比处理是并行进行的；基于所述人脸相似度，所述人体相似度，以及所述车体相似度，得到所述待识别目标对应的所述历史轨迹。
8.可选地，所述基于所述人脸相似度，所述人体相似度，以及所述车体相似度，得到所述待识别目标对应的所述历史轨迹，包括：将所述初始检索结果中所述人脸相似度，所述人体相似度，以及所述车体相似度大于预设的第二相似度阈值的历史监控数据作为第一检索结果；基于所述第一检索结果，得到所述待识别目标对应的所述历史轨迹。
9.可选地，在所述历史轨迹是由所述初始检索结果中包括的多个历史监控数据组成的情况下，所述根据当前时刻的当前监控数据和所述历史轨迹，确定所述待识别目标在所述当前监控数据中的目标跟踪识别结果，包括：确定所述历史轨迹对应的所述多个历史监控数据中与所述当前时刻的时间间隔最小的历史监控数据，作为第一监控数据；判断所述第一监控数据与所述当前监控数据的第二相似度是否大于预设的第三相似度阈值；若所述第一监控数据与所述当前监控数据的所述第二相似度大于所述第三相似度阈值，则将所述第一监控数据作为初始识别结果；基于所述初始识别结果和预设的搜索距离阈值，采用地理编码算法进行处理，确定所述待识别目标在所述当前监控数据中的所述目标跟踪识别结果。
10.可选地，所述基于所述初始识别结果和预设搜索距离阈值，采用地理编码算法进行处理，确定所述待识别目标在所述当前监控数据中的所述目标跟踪识别结果，包括：基于所述搜索距离阈值，以所述初始识别结果作为搜索中心点，采用地理编码算法进行处理，得到候选识别结果；确定所述候选识别结果对应的候选特征向量，所述初始识别结果对应的初始特征向量；将所述候选特征向量与所述初始特征向量进行第四对比处理，得到第三相似度；判断所述第三相似度是否大于预设的第四相似度阈值；若所述第三相似度大于所述第四相似度阈值，则将所述候选识别结果作为所述待识别目标在所述当前监控数据中的所述目标跟踪识别结果。
11.可选地，所述方法还包括：若所述第三相似度未大于所述第四相似度阈值，则获取所述当前时刻的下一时刻对应的监控数据，并将所述当前监控数据作为所述历史监控数据更新至所述监控数据库，得到更新后的所述监控数据库；将所述下一时刻对应的监控数据作为新的当前监控数据，循环执行以下操作，直至新的第三相似度大于所述第四相似度阈值：对更新后的所述监控数据库中包括的新的历史监控数据进行检索，将满足预设的所述检索条件的新的历史监控数据作为新的初始检索结果，其中，所述新的历史监控数据为所述监控设备已采集到的视频和/或图像数据；对所述新的初始检索结果进行分类处理，得到所述新的初始检索结果对应的多个新的分类结果；对所述新的初始检索结果对应的所述多个新的分类结果和所述目标图像数据进行并行对比处理，得到所述待识别目标对应的新的
历史轨迹；根据所述新的当前监控数据和所述新的历史轨迹，得到新的初始识别结果；基于所述搜索距离阈值，以所述新的初始识别结果作为新的搜索中心点，采用所述地理编码算法进行处理，得到新的候选识别结果；基于所述新的候选识别结果对应的新的候选特征向量，所述新的初始识别结果对应的新的初始特征向量，得到新的第三相似度；在所述新的第三相似度大于所述第四相似度阈值的情况下，将所述新的候选识别结果作为所述待识别目标在所述新的当前监控数据中的目标跟踪识别结果。
12.根据本发明实施例的另一方面，提供了一种目标跟踪识别装置，包括：获取模块，用于获取待识别目标的目标图像数据，其中，所述目标图像数据为所述待识别目标的预设部位的图像数据；检索模块，用于对监控数据库中包括的历史监控数据进行检索，将满足预设的检索条件的历史监控数据作为初始检索结果，其中，所述历史监控数据为监控设备已采集到的视频和/或图像数据；分类模块，用于对所述初始检索结果进行分类处理，得到所述初始检索结果对应的多个分类结果；对比模块，用于对所述初始检索结果对应的所述多个分类结果和所述目标图像数据进行并行对比处理，得到所述待识别目标对应的历史轨迹；确定模块，用于根据当前时刻的当前监控数据和所述历史轨迹，确定所述待识别目标在所述当前监控数据中的目标跟踪识别结果。
13.根据本发明实施例的另一方面，提供了一种非易失性存储介质，所述非易失性存储介质存储有多条指令，所述指令适于由处理器加载并执行任意一项所述的目标跟踪识别方法。
14.根据本发明实施例的另一方面，提供了一种电子设备，包括：一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现任意一项所述的目标跟踪识别方法。
15.在本发明实施例中，通过获取待识别目标的目标图像数据，其中，所述目标图像数据为所述待识别目标的预设部位的图像数据；对监控数据库中包括的历史监控数据进行检索，将满足预设的检索条件的历史监控数据作为初始检索结果，其中，所述历史监控数据为监控设备已采集到的视频和/或图像数据；对所述初始检索结果进行分类处理，得到所述初始检索结果对应的多个分类结果；对所述初始检索结果对应的所述多个分类结果和所述目标图像数据进行并行对比处理，得到所述待识别目标对应的历史轨迹；根据当前时刻的当前监控数据和所述历史轨迹，确定所述待识别目标在所述当前监控数据中的目标跟踪识别结果。达到了并行进行图像处理，进而提高识别效率的目的，实现了减少识别处理时间，提高识别效率，提高待识别目标的识别准确度的技术效果，进而解决了相关技术中进行目标监控识别时存在的目标跟踪识别效率低，识别准确性低的技术问题。
附图说明
16.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
17.图1是根据本发明实施例提供的一种可选的目标跟踪识别方法的流程图；
18.图2是根据本发明实施例提供的一种可选的目标跟踪识别方法的示意图；
19.图3是根据本发明实施例提供的一种可选的目标跟踪识别装置的示意图。
具体实施方式
20.为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
21.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.为了便于描述，以下对本技术实施例涉及的部分名词或术语进行说明：
23.轻量级线程调度模型(gmp模型，groutine&channel模型)，是一种对于多线程高并发的调度模型，具有并行处理的能力。
24.地理编码算法(geohash算法)，是一种用于定位经纬度的算法，将地区进行划分和编码进而提高定位能力。
25.随着视频监控设备广泛的分布在了生活中的各个角落，这些视频监控设备起着举足轻重的作用，为生活带来了便利，也带来了安全，但是随着监控设备越来越多，需要更多的人力时时刻刻监控着，需要耗费大量的人力和物力的投入，存在资源浪费的问题，如果有对某一个目标进行搜索识别的需求，人工识别会出现检测目标准确性不高且搜索效率较低，难以达到持续识别定位的效果。由于视频图像等信号的信息量大，相关技术中常常出现处理时间长，识别效率不佳的情况。
26.针对上述问题，本发明实施例提供了一种目标跟踪识别方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
27.图1是根据本发明实施例的目标跟踪识别方法的流程图，如图1所示，该方法包括如下步骤：
28.步骤s102，获取待识别目标的目标图像数据，其中，上述目标图像数据为上述待识别目标的预设部位的图像数据。
29.可以理解，首先要确定待识别目标，将目标图像数据作为识别的依据，目标图像数据是待识别目标的预设部分的图像数据，即为与待识别目标的关联目标，由于代表待识别目标。
30.可选地，获取目标图像数据的方式有多种，例如：在设置目标图像数据为目标人的图像数据情况下，首先上传包括待识别目标的原始图片，原始图片中存在非待识别目标和待识别目标的多个人组成的人群。为了在上述人群中找到上述目标人，通过视觉算法识别解析原始图片中的上述多个人分别对应的图像数据，在上述多个人分别对应的图像数据中
选取目标人作为待识别目标，并关联选取人脸部分的图像数据作为待识别目标的目标图像数据。
31.在一种可选实施例中，在上述获取待识别目标的目标图像数据之前，上述方法还包括：获取请求账户的安全认证信息，其中，上述请求账户为请求获取上述待识别目标的上述目标图像信息的账户；在确定上述安全认证信息通过预设的安全验证的情况下，得到上述请求账户对应的令牌，其中，上述令牌表示上述请求账户已通过上述安全验证，上述令牌用于上述请求账户进行信息交互时提供已通过上述安全验证的证明。
32.可以理解，首先进行请求账户的安全认证，即权限验证，在确定上述安全认证信息通过预设的安全验证的情况下，才可以获取目标图像数据。进一步地，在允许访问的情况，对请求账户下发令牌(token)，令牌为计算机身份认证中的令牌，避免进行重复冗余的账户身份验证过程。在目标跟踪识别过程中的任何数据交互过程，均需要验证上述令牌，作为获取信息和调用计算能力的依据。
33.步骤s104，对监控数据库中包括的历史监控数据进行检索，将满足预设的检索条件的历史监控数据作为初始检索结果，其中，上述历史监控数据为监控设备已采集到的视频和/或图像数据。
34.可以理解，将预设的检索条件作为在监控数据库中的检索依据，搜索到多个历史监控数据作为初始检索结果。通过灵活设置检索条件，达到调整检索需要处理的数据量的效果，有助于控制识别处理的处理时长和精度之间的平衡。
35.在一种可选的实施例中，在上述检索条件包括：检索时间范围和第一相似度阈值，上述目标图像数据包括上述待识别目标对应的人脸图像数据的情况下，上述对监控数据库中包括的历史监控数据进行检索，将满足预设的检索条件的历史监控数据作为初始检索结果，包括：对上述监控数据库中包括的上述历史监控数据进行检索，将满足上述检索时间范围的历史监控数据作为第一检索数据；确定上述第一检索数据与上述人脸图像数据的第一相似度；将上述第一相似度高于预设的第一相似度阈值的第一检索数据，作为上述初始检索结果。
36.可以理解，将检索条件设置为检索时间范围和第一相似度阈值，用来达到按照时间和相似度分别进行检索的目的。初始检索结果为同时满足检索时间范围和高于第一相似度阈值的历史监控数据。
37.步骤s106，对上述初始检索结果进行分类处理，得到上述初始检索结果对应的多个分类结果。
38.可以理解，初始检索结果为满足检索条件的历史监控数据，为了进一步进行识别处理，将对初始检索结果进行分类处理，便于与目标图像数据进行并行对比处理。
39.可选地，上述分类处理方式有多种，为了便于理解，进行具体举例，例如：在待识别目标为目标人，并且应用场景为在交通监控中寻找目标人情况下，将初始检索结果进行分类处理，分类结果为人脸结果，人体结果，车体结果。可以基于待识别目标和应用场景的具体变化，对分类方式进行调整，得到识别效果更好的分类结果。
40.步骤s108，对上述初始检索结果对应的上述多个分类结果和上述目标图像数据进行并行对比处理，得到上述待识别目标对应的历史轨迹。
41.可以理解，为提高目标图像数据的识别准确度，将目标图像数据与初始检索结果
对应的多个分类结果分别进行并行对比处理。由于存在多个分类结果，需要识别处理的数据量较大，为了提高目标图像数据的识别效率，对多个线程进行调用，有着并行处理多线程的能力，对于上述多个分类结果可以提升处理效率，有利于提升整体识别处理的效率，并保证待识别目标对应的历史轨迹的准确性。
42.在一种可选的实施例中，在上述多个分类结果包括人脸分类结果，人体分类结果，以及车体分类结果，上述目标图像数据包括上述待识别目标对应的人脸图像数据，人体图像数据，车体图像数据的情况下，上述对上述初始检索结果对应的上述多个分类结果和上述目标图像数据进行并行对比处理，得到上述待识别目标对应的历史轨迹，包括：基于上述人脸图像数据，确定上述待识别目标对应的第一人脸特征向量；基于上述人体图像数据，确定上述待识别目标对应的第一人体特征向量；以及基于上述车体图像数据，确定上述待识别目标对应的第一车体特征向量；确定上述人脸分类结果对应的第二人脸特征向量，上述人体分类结果对应的第二人体特征向量，以及上述车体分类结果对应的第二车体特征向量；对上述第一人脸特征向量和上述第二人脸特征向量进行第一对比处理，得到人脸相似度；对上述第一人体特征向量和上述第二人体特征向量进行第二对比处理，得到人体相似度；以及对上述第一车体特征向量和上述第二车体特征向量进行第三对比处理，得到车体相似度，其中，上述第一对比处理，上述第二对比处理以及上述第三对比处理是并行进行的；基于上述人脸相似度，上述人体相似度，以及上述车体相似度，得到上述待识别目标对应的上述历史轨迹。
43.可以理解，初始检索结果对应的多个分类结果为人脸分类结果，人体分类结果，以及车体分类结果。上述人脸分类结果，人体分类结果，以及车体分类结果均为满足检索条件的历史图像数据进行分类处理得到的。目标图像数据为待识别目标的识别依据，在目标图像数据为人脸图像数据，人体图像数据，车体图像数据的情况下，分别将人脸分类结果和人脸图像数据，人体分类结果和人体图像数据，车体分类结果和车体图像数据采用特征向量的方式进行一一的对比，得到人脸相似度，人体相似度，以及车体相似度。基于上述人脸相似度，人体相似度，以及车体相似度，得到待识别目标对应的历史轨迹。
44.可选地，采用gmp模型进行并行处理。
45.需要说明的是，对多个分类结果与目标图像数据的对比识别，提升历史轨迹准确度的效果在于，以应用场景为交通监控为例，对于某一驾驶员的行驶过程，在检索条件设置为行驶过程对应的时间范围的情况下，驾驶员的人脸，人体，车体应该是同时被监控设备采集到的，由常识可知，行驶过程中人脸，人体，车体不存在分离情况，因此采用多个人脸分类结果，人体分类结果，以及车体分类结果分别进行并行对比处理，有利于减少误识别的发生，提高识别的准确性。
46.在一种可选的实施例中，上述基于上述人脸相似度，上述人体相似度，以及上述车体相似度，得到上述待识别目标对应的上述历史轨迹，包括：将上述初始检索结果中上述人脸相似度，上述人体相似度，以及上述车体相似度大于预设的第二相似度阈值的历史监控数据作为第一检索结果；基于上述第一检索结果，得到上述待识别目标对应的上述历史轨迹。
47.可以理解，以人脸相似度，人体相似度，以及车体相似度进行判定，在上述人脸相似度，人体相似度，以及车体相似度大于预设的第二相似度阈值的情况下，视为识别到待识
别目标，根据第一检索结果，得到待识别目标的历史轨迹。
48.可选地，在人脸相似度，人体相似度，以及车体相似度均大于预设的第二相似度阈值的情况下，对第一检索结果进行进一步限定，得到人脸相似度，人体相似度，以及车体相似度均大于第二相似度阈值的第一检索结果，并得到历史轨迹。
49.可选地，得到历史轨迹的方式有多种，例如：将第一检索结果中的历史监控数据进行倒序排序，并进行点位分组展示。
50.需要说明的是，在图像清晰并且识别过程不存在任何误判的情况下，驾驶员的人脸相似度，人体相似度，以及车体相似度应该均大于预设的第二相似度阈值，即同一历史图像数据中可以同时识别到人脸，人体，车体的特征，然而在实际应用场景中，监控采集情况可能不是理想情况，存在着光影变化对图像的影响，以及误识别的问题。基于上述问题，人脸相似度，人体相似度，以及车体相似度大于第二相似度阈值，可以为其中的一个或多个大于第二相似度阈值，获得历史轨迹中的历史图像数据，即点位较多，由于目标轨迹不会突变，通过剔除位移突变的不合理历史图像数据，可以进一步提高历史轨迹的准确性。
51.步骤s110，根据当前时刻的当前监控数据和上述历史轨迹，确定上述待识别目标在上述当前监控数据中的目标跟踪识别结果。
52.可以理解，通过上述历史轨迹，确定了待识别目标在历史图像数据中的监控到的移动过程，由于待识别目标不会位移突变，因此，确定历史轨迹有利于排除位移突变的误识别目标，借助历史轨迹确定当前监控数据中的待识别目标，作为目标跟踪识别结果。
53.在一种可选的实施例中，在上述历史轨迹是由上述初始检索结果中包括的多个历史监控数据组成的情况下，上述根据当前时刻的当前监控数据和上述历史轨迹，确定上述待识别目标在上述当前监控数据中的目标跟踪识别结果，包括：确定上述历史轨迹对应的上述多个历史监控数据中与上述当前时刻的时间间隔最小的历史监控数据，作为第一监控数据；判断上述第一监控数据与上述当前监控数据的第二相似度是否大于预设的第三相似度阈值；若上述第一监控数据与上述当前监控数据的上述第二相似度大于上述第三相似度阈值，则将上述第一监控数据作为初始识别结果；基于上述初始识别结果和预设的搜索距离阈值，采用地理编码算法进行处理，确定上述待识别目标在上述当前监控数据中的上述目标跟踪识别结果。
54.可以理解，确定历史轨迹对应的多个历史监控数据中与当前时刻的时间间隔最小的历史监控数据，作为第一监控数据，即最新的历史监控数据。在第一监控数据与当前监控数据的第二相似度大于第三相似度阈值的情况下，视为当前监控数据中可能找到了待识别目标，为了进一步确定，基于大于第三相似度阈值的初始识别结果与搜索距离阈值，采用地理编码算法进行处理，在当前监控数据中确定目标跟踪识别结果。
55.在一种可选的实施例中，上述基于上述初始识别结果和预设搜索距离阈值，采用地理编码算法进行处理，确定上述待识别目标在上述当前监控数据中的目标跟踪识别结果，包括：基于上述搜索距离阈值，以上述初始识别结果作为搜索中心点，采用地理编码算法进行处理，得到候选识别结果；确定上述候选识别结果对应的候选特征向量，上述初始识别结果对应的初始特征向量；将上述候选特征向量与上述初始特征向量进行第四对比处理，得到第三相似度；判断上述第三相似度是否大于预设的第四相似度阈值；若上述第三相似度大于上述第四相似度阈值，则将上述候选识别结果作为上述待识别目标在上述当前监
控数据中的上述目标跟踪识别结果。
56.可以理解，基于在极小时间间隔内待识别目标的位移不突变的原理，可以视为目标跟踪识别结果与初始识别结果之间的距离差是有着一定限制的，因此，预设了搜索距离阈值，采用地理编码算法进行处理，将初始识别结果作为搜索中心点进行搜索。对于上述搜索范围内的并且与初始识别结果的第三相似度大于预设的第四相似度阈值的候选识别结果，作为目标跟踪识别结果。
57.在一种可选的实施例中，上述方法还包括：若上述第三相似度未大于上述第四相似度阈值，则获取上述当前时刻的下一时刻对应的监控数据，并将上述当前监控数据作为上述历史监控数据更新至上述监控数据库，得到更新后的上述监控数据库；将上述下一时刻对应的监控数据作为新的当前监控数据，循环执行以下操作，直至新的第三相似度大于上述第四相似度阈值：对更新后的上述监控数据库中包括的新的历史监控数据进行检索，将满足预设的上述检索条件的新的历史监控数据作为新的初始检索结果，其中，上述新的历史监控数据为上述监控设备已采集到的视频和/或图像数据；对上述新的初始检索结果进行分类处理，得到上述新的初始检索结果对应的多个新的分类结果；对上述新的初始检索结果对应的上述多个新的分类结果和上述目标图像数据进行并行对比处理，得到上述待识别目标对应的新的历史轨迹；根据上述新的当前监控数据和上述新的历史轨迹，得到新的初始识别结果；基于上述搜索距离阈值，以上述新的初始识别结果作为新的搜索中心点，采用上述地理编码算法进行处理，得到新的候选识别结果；基于上述新的候选识别结果对应的新的候选特征向量，上述新的初始识别结果对应的新的初始特征向量，得到新的第三相似度；在上述新的第三相似度大于上述第四相似度阈值的情况下，将上述新的候选识别结果作为上述待识别目标在上述新的当前监控数据中的目标跟踪识别结果。
58.可以理解，存在未能在当前图像数据中找到目标跟踪识别结果的情况，需要在下一时刻继续对待识别目标进行识别搜索。因此，将当前时刻的当前监控数据存入监控数据库中，基于更新后的历史监控数据继续进行检索，将下一时刻对应的监控数据作为新的当前监控数据循环执行识别搜索，直到新的第三相似度大于第四相似度阈值，视为在新的当前监控数据中找到了目标跟踪识别结果。
59.通过上述步骤，可以实现并行进行图像处理，进而提高识别效率的目的，实现了减少识别处理时间，提高识别效率，提高待识别目标的识别准确度的技术效果，进而解决了相关技术中进行目标监控识别时存在的目标跟踪识别效率低，识别准确性低的技术问题。
60.基于上述实施例和可选实施例，本发明提出一种可选实施方式，为了便于理解进行具体举例，例如：图2是根据本发明实施例提供的一种可选的目标跟踪识别方法的示意图，如图2所示，在应用场景具体设置为交通监控，待识别目标为目标人的情况下，得到目标跟踪识别结果的步骤为：
61.步骤s1，上传包括目标人的原始图片，作为识别依据，通过视觉算法识别解析原始图片中所有包含的目标，上述所有包含的目标中至少包括：目标人，非目标人等多个目标。
62.步骤s2，从解析后的原始图片中选取目标人，确定目标人对应的目标图像数据为目标人的人脸图像数据，并设置检索条件为检索时间范围和第一相似度阈值。
63.步骤s3，按照检索时间范围和第一相似度阈值在历史监控数据中进行检索，得到满足检索条件的历史监控数据作为初始检索结果。将获取到的初始检索结果按照目标人的
人脸，人体，车体进行分类处理，得到多个分类结果为人脸结果，人体结果，车体结果。为提高目标图像数据的识别准确度，将人脸图像数据，人体图像数据，车体图像数据分别与初始检索结果对应的多个分类结果分别进行并行对比处理。由于存在多个分类结果，需要识别处理的数据量较大，为了提高目标图像数据的识别效率，引入了轻量级线程调度模型，轻量级线程调度模型对多个线程进行调用，有着并行处理多线程的能力，对于上述人脸结果，人体结果，车体结果可以提升处理效率。分别将人脸分类结果和人脸图像数据，人体分类结果和人体图像数据，车体分类结果和车体图像数据采用特征向量的方式进行一一的对比，得到人脸相似度，人体相似度，以及车体相似度。以人脸相似度，人体相似度，以及车体相似度进行判定，得到第一检索结果。
64.步骤s4，在上述人脸相似度，人体相似度，以及车体相似度大于预设的第二相似度阈值的情况下，视为识别到目标人，根据第一检索结果中的历史图像数据进行倒序排序，并进行点位分组展示，得到目标人的历史轨迹。
65.步骤s5，确定历史轨迹对应的多个历史监控数据中与当前时刻的时间间隔最小的历史监控数据，作为第一监控数据，即最新的历史监控数据。在第一监控数据与当前监控数据的第二相似度大于第三相似度阈值的情况下，视为当前监控数据中可能找到了目标人，为了进一步确定，基于大于第三相似度阈值的初始识别结果与搜索距离阈值，采用地理编码算法进行处理，在当前监控数据中确定目标人的目标跟踪识别结果。
66.基于上述步骤s1至s5的处理还存在着未能找到目标人的目标跟踪识别结果，在子步骤s51中进行说明。
67.步骤s51，在下一时刻继续对目标人进行识别搜索。因此，将当前时刻的当前监控数据存入监控数据库中，基于更新后的历史监控数据继续进行检索，即返回执行步骤s3。将下一时刻对应的监控数据作为新的当前监控数据循环执行识别搜索，直到在步骤s5中确定新的第三相似度大于第四相似度阈值，视为在新的当前监控数据中找到了目标跟踪识别结果。
68.由上述可选实施方式至少实现以下任意一种效果：相比于相关技术中直接在当前监控数据中确定待识别目标的方式，相关技术受制于当前监控数据的监控采集质量，在当前时刻存在部分遮挡或光影影响的情况，相关技术的识别准确性局限性大。并且本发明提供的实施方式还应用了轻量级线程调度模型进行多线程的并行识别处理，可以显著提高识别效率，在搜索范围处理中应用了地理编码算法进行处理。
69.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
70.在本实施例中还提供了一种目标跟踪识别装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”“装置”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
71.根据本发明实施例，还提供了一种用于实施目标跟踪识别方法的装置实施例，图3是根据本发明实施例的一种目标跟踪识别装置的示意图，如图3所示，上述目标跟踪识别装置，包括：获取模块302、检索模块304，分类模块306，对比模块308，确定模块310，下面对该
装置进行说明。
72.获取模块302，用于获取待识别目标的目标图像数据，其中，上述目标图像数据为上述待识别目标的预设部位的图像数据；
73.检索模块304，与获取模块302连接，用于对监控数据库中包括的历史监控数据进行检索，将满足预设的检索条件的历史监控数据作为初始检索结果，其中，上述历史监控数据为监控设备已采集到的视频和/或图像数据；
74.分类模块306，与检索模块304连接，用于对上述初始检索结果进行分类处理，得到上述初始检索结果对应的多个分类结果；
75.对比模块308，与分类模块306连接，用于对上述初始检索结果对应的上述多个分类结果和上述目标图像数据进行并行对比处理，得到上述待识别目标对应的历史轨迹；
76.确定模块310，与对比模块308连接，用于根据当前时刻的当前监控数据和上述历史轨迹，确定上述待识别目标在上述当前监控数据中的目标跟踪识别结果。
77.本发明实施例提供的一种目标跟踪识别装置中，通过设置获取模块302，用于获取待识别目标的目标图像数据，其中，上述目标图像数据为上述待识别目标的预设部位的图像数据；检索模块304，与获取模块302连接，用于对监控数据库中包括的历史监控数据进行检索，将满足预设的检索条件的历史监控数据作为初始检索结果，其中，上述历史监控数据为监控设备已采集到的视频和/或图像数据；分类模块306，与检索模块304连接，用于对上述初始检索结果进行分类处理，得到上述初始检索结果对应的多个分类结果；对比模块308，与分类模块306连接，用于对上述初始检索结果对应的上述多个分类结果和上述目标图像数据进行并行对比处理，得到上述待识别目标对应的历史轨迹；确定模块310，与对比模块308连接，用于根据当前时刻的当前监控数据和上述历史轨迹，确定上述待识别目标在上述当前监控数据中的目标跟踪识别结果。达到了并行进行图像处理，进而提高识别效率的目的，实现了减少识别处理时间，提高识别效率，提高待识别目标的识别准确度的技术效果，进而解决了相关技术中进行目标监控识别时存在的目标跟踪识别效率低，识别准确性低的技术问题。
78.需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。
79.此处需要说明的是，上述获取模块302、检索模块304，分类模块306，对比模块308，确定模块310对应于实施例中的步骤s102至步骤s110，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。
80.需要说明的是，本实施例的可选或优选实施方式可以参见实施例中的相关描述，此处不再赘述。
81.上述目标跟踪识别装置还可以包括处理器和存储器，获取模块302、检索模块304，分类模块306，对比模块308，确定模块310等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
82.处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/
或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
83.本发明实施例提供了一种非易失性存储介质，其上存储有程序，该程序被处理器执行时实现目标跟踪识别方法。
84.本发明实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取待识别目标的目标图像数据，其中，上述目标图像数据为上述待识别目标的预设部位的图像数据；对监控数据库中包括的历史监控数据进行检索，将满足预设的检索条件的历史监控数据作为初始检索结果，其中，上述历史监控数据为监控设备已采集到的视频和/或图像数据；对上述初始检索结果进行分类处理，得到上述初始检索结果对应的多个分类结果；对上述初始检索结果对应的上述多个分类结果和上述目标图像数据进行并行对比处理，得到上述待识别目标对应的历史轨迹；根据当前时刻的当前监控数据和上述历史轨迹，确定上述待识别目标在上述当前监控数据中的目标跟踪识别结果。本文中的设备可以是服务器、pc(电脑)等。
85.本发明还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取待识别目标的目标图像数据，其中，上述目标图像数据为上述待识别目标的预设部位的图像数据；对监控数据库中包括的历史监控数据进行检索，将满足预设的检索条件的历史监控数据作为初始检索结果，其中，上述历史监控数据为监控设备已采集到的视频和/或图像数据；对上述初始检索结果进行分类处理，得到上述初始检索结果对应的多个分类结果；对上述初始检索结果对应的上述多个分类结果和上述目标图像数据进行并行对比处理，得到上述待识别目标对应的历史轨迹；根据当前时刻的当前监控数据和上述历史轨迹，确定上述待识别目标在上述当前监控数据中的目标跟踪识别结果。
86.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
87.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
88.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
89.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
90.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
91.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
92.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
93.还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
94.本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
95.以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。