具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。此外，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、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

在一些场景中，需要通过遍布的图像采集装置对目标对象进行识别，从而实现跨图像采集装置下的目标跟踪。

以安防场景为例，假定该目标对象为目标嫌疑人，则需要联合部署在不同位置的图像采集装置，对目标嫌疑人的运动轨迹进行跟踪以及预测，以方便后续的抓捕。

又或者以异常行为检测为例，假定该异常行为表示跨区的徘徊行为，则需要联合部署在不同位置的图像采集装置，对待识别对象的轨迹进行跟踪，以确定该目标独享是否具有跨区域徘徊行为的现象。

相关技术中，多以目标对象的特定特征信息作为参考，与各图像采集装置采集的图像进行匹配，从中识别出目标对象。然而，目标对象在不同图像采集装置的视野范围内会呈现差异性的视觉效果。例如，一些图像采集装置仅拍摄到目标对象的侧脸、后脑勺或者身体侧面，然而，这些区域的特征与目标对象的特定特征信息相比，存在较大的差异，继而会导致识别失败。

鉴于此，本实施例提供一种目标跟踪方法，应用于数据处理设备。该方法中，数据处理设备收集目标对象在不同图像采集装置拍摄范围内的历史特征，用于对最新拍摄的待识别图像进行匹配，从中确定出目标对象。如此，以提高跟踪目标对象时的识别精度。

在一些实施方式中，该数据处理设备可以是服务器。例如，Web(网站)服务器、FTP(File Transfer Protocol，文件传输协议)服务器、数据处理服务器等。此外，该服务器可以是单个服务器，也可以是服务器组。服务器组可以是集中式的，也可以是分布式的(例如，服务器可以是分布式系统)。在一些实施例中，服务器相对于用户终端，可以是本地的、也可以是远程的。在一些实施例中，服务器可以在云平台上实现；仅作为示例，云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等，或者它们的任意组合。在一些实施例中，服务器可以在具有一个或多个组件的电子设备上实现。

如图1所示，当数据处理设备为服务器时，该数据处理设备通过网络与不同架设位置的图像采集装置通信连接，以获取图像采集装置采集的待识别图像。其中，该图像采集装置可以是沿道路架设的摄像头或者以其他方式架设的摄像头。

在一些实施方式中，该数据处理设备还可以是与服务器通信连接图像采集装置。其中，该服务器还与其他图像采集装置通信连接，用于将目标对象的历史特征同步至每个图像采集装置，使得各图像采集装置能够基于该目标对象的历史特征，从自身拍摄的待识别图像中确定出目标对象。

本实施例还提供该数据处理设备的硬件结构，如图2所示，该数据处理设备包括存储器120、处理器130、通信单元140。

该存储器120、处理器130以及通信单元140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

其中，该存储器120可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器120用于存储程序，该处理器130在接收到执行指令后，执行该程序。

该通信单元140用于通过网络收发数据。网络可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network，LAN)、广域网(WideArea Network，WAN)、无线局域网(Wireless Local Area Networks，WLAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、公共电话交换网(Public Switched Telephone Network，PSTN)、蓝牙网络、ZigBee网络、或近场通信(NearField Communication，NFC)网络等，或其任意组合。在一些实施例中，网络可以包括一个或多个网络接入点。例如，网络可以包括有线或无线网络接入点，例如基站和/或网络交换节点，服务请求处理系统的一个或多个组件可以通过该接入点连接到网络以交换数据和/或信息。

基于上述关于数据处理设备以及该数据处理设备的使用场景，为了使得本领域技术人员能够使用本申请内容，下面结合图3，对目标跟踪方法的各步骤进行详细阐述。如图3所示，该方法包括：

S101，获取待识别图像。

S102，根据目标对象的历史特征，从待识别图像中确定出目标对象。

在一些实施方式中，该数据处理设备可以是与多个图像采集装置通信连接的服务器。该服务器通过网络获一图像采集装置采集的待识别图像，并使用目标对象的历史特征与待识别图像中的待识别对象进行匹配，将其中相似度最高且相似度大于匹配阈值的待识别对象作为目标对象。

在其他一些实施方式中，该数据处理设备可以是分布部署的图像采集装置，各图像采集装置之间具有相互同步的历史特征。该图像采集装置针对自身采集的待识别图像，使用历史特征在本地对待识别图像中的待识别对象进行匹配，将其中相似度最高且相似度大于匹配阈值的待识别对象作为目标对象。

S103，通过目标对象在待识别图像中的特征信息更新历史特征，获得新的历史特征。

作为一种实现方式，该历史特征可以包括至少一条参考特征，分别获取自包括目标对象的不同历史图像。该数据处理设备获取目标对象在待识别图像中的特征信息，将其添加到历史特征中，以获得新的历史特征。

而考虑到针对待识别图像中的每个待识别对象，数据处理设备会将至少一条参考特征分别与待识别对象进行匹配，因此，当参考特征的数量较多时，会降低识别效率。

鉴于此，为了提高识别精度的同时，保持较高的识别效率，该数据处理设备获取特征信息与历史特征之间的相似度；当相似度满足小于更新阈值的条件，则通过特征信息更新历史特征，获得新的历史特征。

例如，该数据处理设备获取至少一条参考特征分别与待识别对象之间的相似度；从中选取最大的目标相似度；若该目标相似度超过相似阈值，则确定该待识别对象为目标对象。

而若目标相似度大于相似阈值且小于更新阈值，则数据处理设备将目标对象在待识别图像中的特征信息添加到历史特征中，实现对历史特征的更新。

示例性的，假定该相似阈值为60％，而更新阈值为80％；当目标相似度位于60％到80％之间，则说明待识别图像中存在目标对象，而当目标相似度超过80％，则说明目标相似度对应的历史特征与目标对象在待识别图中的特征信息极为相似，无需将其添加到历史特征中。如此，达到减小历史特征中参考特征数量的目的。

S104，新增一条目标对象的跟踪记录，跟踪记录表示图像采集装置拍摄到一次目标对象。

基于上述实施方式，该数据处理设备使用历史特征从待识别图像中确定出目标对象之后，生成该目标对象的跟踪记录的同时，使用该目标对象在待识别图像中的特征信息对历史特征进行扩充。因此，使得数据处理设备在使用历史特征跟踪目标对象的过程中，同时收集目标对象多种成像效果下的特征信息，用以丰富历史特征，从而实现提高跟踪目标对象时的识别精度。

本实施例为提高对目标对象的识别精度，可选地实施方式中，可以采用分级匹配的方式提高匹配成功率。在分级匹配的方式中，目标对象的历史特征包括历史人脸特征以及历史人体特征，而该相似阈值则包括人脸阈值以及人体阈值；相互对应的，上述相似度包括与人脸阈值对应的人脸相似度，以及与人体阈值对应的人体相似度。

相应的实施方式中，该数据处理设备先通过历史人脸特征，从待识别图像中检测目标对象；若未检测到人脸相似度大于人脸阈值的目标对象，则通过历史人体特征从待识别图像中确定出人体相似度大于人体阈值的目标对象。

当然，若上述两种方式均未匹配到目标对象，则说明该目标对象未出现在该图像采集装置的视野范围内。

发明人进一步研究发现，上述先使用历史人脸特征与待识别图像中的待识别对象进行匹配，若未确定出目标对象，则使用历史人体特征与待识别图像中的待识别对象进行匹配的方式中，若拍摄到目标对象的人脸，使用历史人脸特征进行匹配时具有较高的准确率，因此，只需收集目标对象的人体特征信息。

可选地实施方式中，为了进一步减小历史特征中参考特征的数量，若数据处理设备通过历史人脸特征从待识别图像中检测到目标对象，则获取目标对象在待识别图像中的人体特征信息；并计算人体特征信息与历史人体特征之间的人体相似度。

若人体相似度满足小于更新阈值的条件，则数据处理设备通过人体特征信息更新历史人体特征。

示例性的，该参考特征分为参考人脸特征以及参考人体特征，其中，参考人脸特征归属于历史人脸特征，参考人体特征归属于历史人体特征。然后，数据处理设备将目标对象的人体特征与每条参考人体特征进行比较，选取最大的人体相似度。

若该人体相似度小于更新阈值时，则数据处理设备获取目标对象在待识别图像中的人体特征信息，并将该条人体特征信息添加历史人体特征中，以获得新的历史特征。

需要说明的是，针对新的待识别图像，该数据处理设备则使用新的历史特征，识别新的待识别图像中是否具有目标对象。

此外，行人徘徊检测是安防领域常见的异常行为检测，然而，相关技术多以单摄像头场景下的徘徊检测；随着安防需求的变化，一些场景中需要实现跨区域或跨摄像头下的徘徊检测。

鉴于此，当数据处理设备为与多个图像采集装置通信连接的服务器时，则获取目标对象在第一时间范围内的拍摄次数，其中，拍摄次数获取自多个图像采集装置中的至少两个目标设备。

若拍摄次数大于第一次数阈值，则服务器确定目标对象在至少两个目标设备的拍摄区域之间徘徊。

示例性的，假定第一时间范围为1个小时，第一次数阈值为6次；该服务器与3个图像采集装置通信连接，分别为摄像头A、摄像头B以及摄像头C。其中，在1个小时内，摄像头A拍摄到目标对象4次，摄像头B拍摄到目标对象1次，摄像头C拍摄到目标对象3次；则可以确定目标对象在摄像头A与摄像头B的拍摄区域之间徘徊。

当然，在一些实施方式中，该服务器检测到目标对象在第二时间范围内出现在单个图像采集装置的拍摄区域内出现的次数超过第二次数阈值，则确定该目标对象在存在徘徊行为。

在另外一些实施方式中，该服务器统计目标对象在单个图像采集装置的拍摄区域内的徘徊时长，若超过徘徊时长阈值，则确定该目标对象在存在徘徊行为。

本实施例还考虑目标对象两次被拍摄到的时间间隔需要小于时长阈值，才能被判定为存在关联。例如，两次被拍摄到的时间间隔超过了1天，则存在徘徊行为的可能性较小。因此，为了减少跟踪记录的数量，提高数据分析的效率；该服务器从历史跟踪记录中确定出拍摄时间最近的一条目标跟踪记录；若新增的跟踪记录与目标跟踪记录之间的时间差满足大于时长阈值的条件，则删除历史检测记录。

示例性的，假定该时长阈值为6个小时，历史跟踪记录包括10条跟踪记录，其中最近的一条跟踪记录的时刻为9:00，而新增的跟踪记录的时刻信息为16:00，两者之间的时间差超过6个小时，则将历史跟踪记录删除，保留新增的跟踪记录。

为了使得本领域技术人员能够使用本实施例提供的方案，下面假定该数据处理设备为服务器，并结合图4给出以下实施方式。对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。

如图4所示，为便于全天24小时进行监控，摄像机包括光线传感器、照明控制器、辅助照明装置。其中，光线感应器与照明控制器连接，照明控制器与辅助照明装置连接，光线感应器用于接收光线信号，并将之发送给照明控制器，照明控制器根据光线强弱程度控制辅助照明装置的打开与关闭。

针对区域范围内的每个摄像机，该摄像机通过光线传感器获取环境中的光线明暗程度，当小于预设亮度阈值时，则打开控制辅助照明装置开始提供辅助照明。

区域范围内所有摄像机并行采集行人监控图像，并将监控图像作为待识别图像连同摄像机的ID发送给服务器。服务器在接收到待识别图像后，开始进行跨域并行行人检测，并进行跨域并行行人跟踪，生成行人唯一的跟踪标识(TrackID)，该跟踪标识中包括摄像机的ID以及系统时间。

下面继续结合图4就服务器对目标对象进行跟踪的过程进行详细阐述：

如图4所示，本实施例提供有人脸识别数据库以及行人重识别(ReID)数据库，用于存储不同行人的历史特征及跟踪记录，其中，人脸识别数据库用于存储历史人脸特征以及基于历史人脸特征生成的跟踪记录，并且，以人脸识别ID(Face ID)对不同的行人进行区分。而行人重识别数据库则用于存储历史人体特征以及基于历史人体特征生成的跟踪记录，并且，以行人重识别ID(ReID)对不同的行人进行区分；针对同一行人，则通过跟踪标识(TrackID)将该行人的人脸识别ID以及行人重识别ID进行关联。

基于上述设计，针对每张待识别图像，服务器通过目标检测算法从待识别图像中裁取出其中的行人图像。而针对其中的每张行人图像，服务器采用预置的人脸检测模型检测该行人图像是否包含有大于人脸置信度的人脸图像。根据检测结果，可以分为以下两种情况：

包括人脸图像：

服务器输出人脸坐标信息，并判断当前人脸识别数据库中人脸识别ID的注册数量是否为0。

若为0，则说明该人脸识别数据库为空，即该行人图像是第一张进行识别的图像，因此，该服务器将行人图像中的行人作为目标对象，并生成该目标对象的TrackID，以该TrackID注册目标对象的人脸识别ID，并连同注册时间记录到人脸识别数据中，从而完成对人脸识别数据的初始化。

若不为0，则说明人脸识别数据中已经存储有人脸识别ID；服务器将行人图像中的行人作为目标对象，获取该目标对象在行人图像中的人脸特征；然后使用该人脸特征对人脸识别数据库进行搜索，若匹配到人脸相似度大于人脸阈值的对象，则说明该人脸识别数据中已经记录有目标对象的历史人脸特征，因此，以目标对象的人脸识别ID生成一条跟踪记录。

若不存在人脸相似度大于人脸阈值的对象，则说明该目标对象是第一次被检测到，因此，并生成目标对象的TrackID，以该TrackID注册目标对象的人脸识别ID，并连同注册时间录到人脸识别数据中。

再次参见图4，由于本实施例中，当通过历史人脸特征无法从待识别图像中确定出目标对象时，则会使用历史人体特征再次进行识别。而为了建立目标对象历史人脸特征与历史人体特征之间的联系，服务器在基于人脸特征新建人脸识别ID或者基于人脸特征新增一条目标对象的跟踪记录，均会从行人图像中提取目标对象的人体特征，然后，以TrackID注册行人重识别ID，并连同注册时间以及人体特征并记录到行人重识别数据库中，从而实现ReID特征增持。

未包括人脸图像：

该服务器先检测该行人重识别数据库中行人重识别ID的数量是否为0。

若为0，则说明该行人重识别数据库为空，服务器则并生成目标对象的TrackID，以该TrackID注册目标对象的行人重识别ID，并连同注册时间记录到行人重识别数据库中，从而完成对行人重识别数据库的初始化。

若不为0，则说明该行人重识别数据库中已经存储有行人重识别ID；该服务器则从行人图像中提取目标对象的人体特征，以该人体特征对行人重识别数据库进行搜索，若匹配到人体相似度大于人体阈值的对象，则说明该人脸识别数据中已经记录有目标对象的历史人体特征，则目标对象的行人重识别ID生成一条跟踪记录。

并且，若该相似度小于更新阈值，则从行人图像中提取目标对象的人体特征，记录到行人重识别数据库中。

最后，服务器对行人重识别数据库中的行人重识别ID以及人脸识别数据中的人脸识别ID进行统计分析，以识别出在单个摄像头拍摄范围内徘徊次数超过第二次数阈值的一级报警，或者识别出跨区域徘徊次数超过第一次数阈值的二级报警。如此，重复上述过程，持续不断的检测徘徊行为。

基于与目标跟踪方法相同的发明构思，本实施还提供该方法的相关装置，包括：

本实施例还提供一种目标跟踪装置，应用于数据处理设备。目标跟踪装置包括至少一个可以软件形式存储于存储器120中的功能模块。如图5所示，从功能上划分，目标跟踪装置可以包括：

图像模块201，用于获取待识别图像。

本实施例中，该图像模块201用于实现图3中的步骤S101，关于该图像模块201的详细描述可以参见步骤S101的详细描述。

识别模块202，用于根据目标对象的历史特征，从待识别图像中确定出目标对象。

识别模块202，还用于通过目标对象在待识别图像中的特征信息更新历史特征，获得新的历史特征。

本实施例中，该识别模块202用于实现图3中的步骤S102-S103，关于该识别模块202的详细描述可以参见步骤S102-S103的详细描述。

跟踪模块203，用于新增一条目标对象的跟踪记录，跟踪记录表示待识别图像对应的图像采集装置拍摄到一次目标对象。

本实施例中，该跟踪模块203用于实现图3中的步骤S104，关于该跟踪模块203的详细描述可以参见步骤S104的详细描述。

需要说明的是，该目标跟踪装置还可包括其他软件功能模块，用于实现目标跟踪方法的其他步骤或者子步骤；当然，上述图像模块201、识别模块以及跟踪模块203同样可以用于实现目标跟踪方法的其他步骤或者子步骤；本实施例不对此做具体的限定，本领域技术人员可以基于不同的模块划分标准进行适当调整。

本实施例还提供一种数据处理设备，数据处理设备包括处理器以及存储器，存储器存储有计算机程序，计算机程序被处理器执行时，实现所述的目标跟踪方法。

本实施例还提供一种计算机存储介质，计算机存储介质存储有计算机程序，计算机程序被处理器执行时，实现所述的目标跟踪方法。

综上所述，本申请实施例提供的目标跟踪方法及相关装置中，该数据处理设备使用历史特征从待识别图像中确定出目标对象之后，生成该目标对象的跟踪记录的同时，使用该目标对象在待识别图像中的特征信息对历史特征进行扩充。因此，使得数据处理设备在使用历史特征跟踪目标对象的过程中，同时收集目标对象多种成像效果下的特征信息，用以丰富历史特征，从而实现提高跟踪目标对象时的识别精度。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的各种实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。