本申请属于视频处理领域，尤其涉及一种目标跟踪的方法、计算机可读存储介质及计算机设备。
背景技术：
遮挡问题是目标跟踪中十分严重的问题，目前许多目标跟踪算法都提出了处理遮挡问题的一些方案。例如，tld算法(tracking-learning-detection，跟踪-学习-检测)，tld算法是一个用于针对视频中未知物体长期跟踪的架构，tld算法由三部分组成：跟踪器、检测器和学习器。跟踪器用于观察视频帧与视频帧之间的目标的动向；检测器是把每帧视频帧看成独立的，然后进行定位；学习器将根据跟踪器的结果对检测器的错误进行评估，生成训练样本来对检测器的目标模型进行更新，避免以后出现类似错误。但是现有技术的目标跟踪算法应用在单目标跟踪中遇到目标被其他物体(例如人、动物、车辆等)遮挡的场景时，无法准确跟踪目标。
技术实现要素：
本申请实施例在于提供一种目标跟踪的方法、装置、计算机可读存储介质、计算机设备及相机，旨在解决上述问题之一。
第一方面，本申请实施例提供了一种目标跟踪的方法，所述方法包括：
s101、获取在当前视频帧中跟踪到的目标跟踪框和在当前视频帧中检测出的目标候选框；
s102、将所述目标跟踪框与所述目标候选框进行匹配，确定与所述目标跟踪框最匹配的目标候选框；
s103、将所述目标候选框中除所述最匹配的目标候选框之外的一个或多个剩余目标候选框与前一次检测的视频帧中检测出的第二目标候选框进行匹配，确定对应匹配关系；
s104、根据所述最匹配的目标候选框和所述对应匹配关系，得到所述最匹配的目标候选框分别与所述一个或多个剩余目标候选框、所述第二目标候选框之间的距离和重叠关系，以确定当前视频帧中目标与其他物体的遮挡关系；
s105、根据所述目标与其他物体的遮挡关系，确定是否重新启动目标跟踪。
第二方面，本申请提供了一种目标跟踪的装置，所述装置包括：
获取模块，用于获取在当前视频帧中跟踪到的目标跟踪框和在当前视频帧中检测出的目标候选框；
目标候选框确定模块，用于将所述目标跟踪框与所述目标候选框进行匹配，确定与所述目标跟踪框最匹配的目标候选框；
匹配关系确定模块，用于将所述目标候选框中除所述最匹配的目标候选框之外的一个或多个剩余目标候选框与前一次检测的视频帧中检测出的第二目标候选框进行匹配，确定对应匹配关系；
遮挡关系确定模块，用于根据所述最匹配的目标候选框和所述对应匹配关系，得到所述最匹配的目标候选框分别与所述一个或多个剩余目标候选框、所述第二目标候选框之间的距离和重叠关系，以确定当前视频帧中目标与其他物体的遮挡关系；
确定模块，用于根据所述目标与其他物体的遮挡关系，确定是否重新启动目标跟踪。
第三方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如所述的目标跟踪的方法的步骤。
第四方面，本申请提供了一种计算机设备，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，所述处理器和所述存储器通过总线连接，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述处理器执行所述计算机程序时实现如所述的目标跟踪的方法的步骤。
第五方面，本申请提供了一种相机，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，所述处理器和所述存储器通过总线连接，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述处理器执行所述计算机程序时实现如所述的目标跟踪的方法的步骤。
在本申请实施例中，由于将目标候选框中除最匹配的目标候选框之外的一个或多个剩余目标候选框与前一次检测的视频帧中检测出的第二目标候选框进行匹配，确定对应匹配关系；根据所述最匹配的目标候选框和所述对应匹配关系，得到所述最匹配的目标候选框分别与所述一个或多个剩余目标候选框、所述第二目标候选框之间的距离和重叠关系，以确定当前视频帧中目标与其他物体的遮挡关系；根据所述目标与其他物体的遮挡关系，确定是否重新启动目标跟踪。因此可以提高单目标长时间跟踪的鲁棒性，避免出现跟踪目标受到其他物体干扰使得结果错误，如果目标被其他物体遮挡，重新启动跟踪，恢复对跟踪目标进行跟踪，因此能确保跟踪目标准确，不出现误检。
附图说明
图1是本申请一实施例提供的目标跟踪的方法的应用场景示意图。
图2是本申请一实施例提供的目标跟踪的方法的流程图。
图3是在当前视频帧中跟踪到的目标跟踪框的示意图。
图4是在当前视频帧中检测出目标候选框的示意图。
图5是感兴趣区域的示意图。
图6是其他物体逐渐临近目标的示意图。
图7是目标被其他物体遮挡的示意图。
图8是与所述目标跟踪框最匹配的目标候选框的示意图。
图9是当前视频帧的下一视频帧的示意图。
图10是本申请一实施例提供的目标跟踪的装置示意图。
图11是本申请一实施例提供的计算机设备的具体结构框图。
图12是本申请一实施例提供的相机的具体结构框图。
具体实施方式
为了使本申请的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
本申请一实施例提供的目标跟踪的方法的应用场景可以是计算机设备或相机，计算机设备或相机执行本申请一实施例提供的目标跟踪的方法对视频中的目标进行跟踪。本申请一实施例提供的目标跟踪的方法的应用场景也可以包括相连接的计算机设备100和相机200(如图1所示)。计算机设备100和相机200中可运行至少一个的应用程序。计算机设备100可以是服务器、台式计算机、移动终端等，移动终端包括手机、平板电脑、笔记本电脑、个人数字助理等。相机200可以是普通的相机或者全景相机等。普通的相机是指用于拍摄平面图像和平面视频的拍摄装置。计算机设备100或者是相机200执行本申请一实施例提供的目标跟踪的方法对视频中的目标进行跟踪。
请参阅图2，是本申请一实施例提供的目标跟踪的方法的流程图，本实施例主要以该目标跟踪的方法应用于计算机设备或相机为例来举例说明，本申请一实施例提供的目标跟踪的方法包括以下步骤：
s101、获取在当前视频帧中跟踪到的目标跟踪框和在当前视频帧中检测出的目标候选框。
目标跟踪框如图3中的矩形框所示；目标候选框如图4中的矩形框所示。
在本申请一实施例中，所述在当前视频帧中跟踪到的目标跟踪框具体可以是采用跟踪器对视频中的目标进行跟踪得到的。
所述在当前视频帧中检测出的目标候选框具体可以是调用检测器在当前视频帧中检测出的目标候选框。
在本申请一实施例中，所述在当前视频帧中检测出的目标候选框具体可以是：
每隔预定的帧间隔进行一次检测，在当前视频帧中检测出的目标候选框。通过每隔预定的帧间隔进行一次检测，可以节省检测算法的处理时间。当然，为了提升检测的准确性，也可以设置对每一帧视频帧均进行一次检测，本申请不做具体限定。
在本申请一实施例中，视频可为全景视频或者平面视频，也可以是其他视频形式，本申请不做具体限定。
如图3所示，在当前视频帧中跟踪到的目标跟踪框为图3中的目标跟踪框31，在当前视频帧中检测出目标候选框为图4中的5个目标候选框41、42、43、44和45，所述目标候选框的数量可为多个。
s102、将所述目标跟踪框与所述目标候选框进行匹配，确定与所述目标跟踪框最匹配的目标候选框。
在本申请一实施例中，s102具体可以为：
将所述目标跟踪框分别与所述目标候选框进行匹配，具体可采用iou(intersectionoverunion，交并比)进行匹配，得到与每个目标候选框对应的iou值；iou是一种测量在特定数据集中检测相应物体准确度的一个标准，iou是一个简单的测量标准，只要是在输出中得出一个预测范围的任务都可以用iou来进行测量；
具体的，可以将对应的iou值最大，且满足预设阈值的目标候选框作为与所述目标跟踪框最匹配的目标候选框。
s103、将所述目标候选框中除所述最匹配的目标候选框之外的一个或多个剩余目标候选框(例如全部或部分剩余目标候选框)与前一次检测的视频帧中检测出的第二目标候选框进行匹配，确定对应匹配关系。
在本申请一实施例中，s103具体可以为：
将所述目标候选框中除所述最匹配的目标候选框之外的一个或多个剩余目标候选框分别与前一次检测的视频帧中检测到的第二目标候选框进行匹配，具体可采用iou(intersectionoverunion，交并比)进行匹配，并利用匈牙利匹配算法(munkresassignmentalgorithm)确定所述一个或多个剩余目标候选框与所述第二目标候选框的对应匹配关系。
例如，当前视频帧(第t视频帧)中的多个剩余目标候选框是：a1，a2，a3，a4。
上一次检测的视频帧(例如第t-1视频帧或者第t-3视频帧等，具体根据进行检测的预定的帧间隔来确定，如果预定的帧间隔是1，则前面的视频帧是第t-1视频帧，如果预定的帧间隔是3，则前面的视频帧是第t-3视频帧)中检测到的目标候选框是：b1，b2，b3，b4。
对应匹配关系就是a1-b1，a2-b2，a3-b3，a4-b4。则四个目标同时出现在了这两个视频帧里，把两个视频帧的目标候选框关联起来。
在本申请一实施例中，s103具体也可以为：
以所述目标跟踪框为中心，将扩大预定比例的区域设置为感兴趣区域(例如图5中方框区域32)，将所述目标候选框中位于感兴趣区域中的除所述最匹配的目标候选框之外的一个或多个剩余目标候选框分别与前一次检测的视频帧中检测到的第二目标候选框进行匹配，具体可采用iou(intersectionoverunion，交并比)进行匹配，并利用匈牙利匹配算法(munkresassignmentalgorithm)确定所述一个或多个剩余目标候选框与所述第二目标候选框的对应匹配关系。由于只对位于感兴趣区域中的剩余目标候选框进行匹配，因此可以减少算法的运算量。
例如：当前视频帧(第t视频帧)的感兴趣区域中的多个剩余目标候选框是：a1，a2，a3，a4。
前一次检测的视频帧(例如第t-1视频帧或者第t-3视频帧等，具体根据进行检测的预定的帧间隔来确定，如果预定的帧间隔是1，则前面的视频帧是第t-1视频帧，如果预定的帧间隔是3，则前面的视频帧是第t-3视频帧)中检测到的第二目标候选框是：b1，b2，b3，b4。
对应匹配关系就是a1-b1，a2-b2，a3-b3，a4-b4。则四个目标同时出现在了这两个视频帧里，把两个视频帧的目标候选框关联起来。
s104、根据所述最匹配的目标候选框和所述对应匹配关系，得到所述最匹配的目标候选框分别与所述一个或多个剩余目标候选框、所述第二目标候选框之间的距离和重叠关系，以确定当前视频帧中目标与其他物体的遮挡关系。
遮挡关系可包括目标未被其他物体遮挡、其他物体逐渐远离目标、其他物体逐渐临近目标和目标被其他物体遮挡。例如，图6为其他物体逐渐临近目标，图7为目标被其他物体遮挡。出现其他物体逐渐临近目标的状态表示在下个检测时刻很大概率转变为目标被其他物体遮挡的状态。
在本申请一实施例中，若当前视频帧中目标与其他物体的遮挡关系是其他物体逐渐临近目标或目标被其他物体遮挡时，s104之后，所述方法还包括以下步骤：
根据目标跟踪的置信度确定目标是否被其他物体遮挡，例如当目标跟踪的置信度小于预设的阈值时(例如30％、40％等)，则确定目标被其他物体遮挡。
s105、根据所述目标与其他物体的遮挡关系，确定是否重新启动目标跟踪。
在本申请一实施例中，s105具体可以为：
若目标未被其他物体遮挡或者其他物体逐渐远离目标，则继续进行跟踪；若目标被其他物体遮挡，则重新启动跟踪，恢复对跟踪目标进行跟踪。
在本申请一实施例中，所述重新启动跟踪，恢复对跟踪目标进行跟踪具体可以采用reid(personre-identification，行人重识别)网络或者图像相似度匹配的算法，重新启动跟踪，恢复对跟踪目标进行跟踪。
reid(personre-identification，行人重识别)网络是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。
在本申请另一实施例中，所述重新启动跟踪，恢复对跟踪目标进行跟踪具体可以包括以下步骤：
在当前视频帧的下一视频帧中检测出目标候选框，所述下一视频帧是检测器下一次检测的视频帧；
根据所述下一视频帧中检测出目标候选框和所述最匹配的目标候选框之间的尺度大小和距离远近的关系，确定候选结果框；具体可以是不超过n个候选结果框，n>＝2例如n＝5；(例如下一视频帧中检测出的两个目标候选框的尺度大小都是5*4cm，所述最匹配的目标候选框的尺度大小也是5*4cm，下一视频帧中检测出的两个目标候选框中的其中一个与所述最匹配的目标候选框之间的距离是30cm，另一个与所述最匹配的目标候选框之间的距离是20cm，则可以将这两个目标候选框都作为候选结果框)。
将当前视频帧的下一视频帧和所述候选结果框输入reid网络进行前向推理重新获取跟踪目标，如果获取到跟踪目标，则重启跟踪；否则继续执行所述重新启动跟踪，恢复对跟踪目标进行跟踪的步骤，直到超过最大尝试次数，恢复失败。
在本申请一实施例中，所述前向推理具体如图8和图9所示，图8为当前视频帧，其中图8中的矩形框为所述最匹配的目标候选框，图9为当前视频帧的下一视频帧，图9中的矩形框为候选结果框；将当前视频帧的下一视频帧和候选结果框输入reid网络获取与所述最匹配的目标候选框的相似性矩阵；从输入的候选结果框中选取最小相似距离的候选结果框，并判断所述最小相似距离的候选结果是否满足阈值约束，若满足则视为获取到了跟踪目标，则将所述最小相似距离的候选结果框作为目标跟踪框来重启跟踪，从而完成恢复对跟踪目标进行跟踪的过程。
在本申请实施例中，由于将目标候选框中除最匹配的目标候选框之外的一个或多个剩余目标候选框与前一次检测的视频帧中检测出的第二目标候选框进行匹配，确定对应匹配关系；根据所述最匹配的目标候选框和所述对应匹配关系，得到所述最匹配的目标候选框分别与所述一个或多个剩余目标候选框、所述第二目标候选框之间的距离和重叠关系，以确定当前视频帧中目标与其他物体的遮挡关系；根据所述目标与其他物体的遮挡关系，确定是否重新启动目标跟踪。因此可以提高单目标长时间跟踪的鲁棒性，避免出现跟踪目标受到其他物体干扰使得结果错误，如果目标被其他物体遮挡，重新启动跟踪，恢复对跟踪目标进行跟踪，因此能确保跟踪目标准确，不出现误检。
请参阅图10，本申请一实施例提供的目标跟踪的装置可以是运行于计算机设备或相机中的一个计算机程序或一段程序代码，例如该目标跟踪的装置为一个应用软件；该目标跟踪的装置可以用于执行本申请实施例提供的目标跟踪的方法中的相应步骤。本申请一实施例提供的目标跟踪的装置包括：
获取模块11，用于获取在当前视频帧中跟踪到的目标跟踪框和在当前视频帧中检测出的目标候选框；
目标候选框确定模块12，用于将所述目标跟踪框与所述目标候选框进行匹配，确定与所述目标跟踪框最匹配的目标候选框；
匹配关系确定模块13，用于将所述目标候选框中除所述最匹配的目标候选框之外的一个或多个剩余目标候选框与前一次检测的视频帧中检测出的第二目标候选框进行匹配，确定对应匹配关系；
遮挡关系确定模块14，用于根据所述最匹配的目标候选框和所述对应匹配关系，得到所述最匹配的目标候选框分别与所述一个或多个剩余目标候选框、所述第二目标候选框之间的距离和重叠关系，以确定当前视频帧中目标与其他物体的遮挡关系；
确定模块15，用于根据所述目标与其他物体的遮挡关系，确定是否重新启动目标跟踪。
本申请一实施例提供的目标跟踪的装置与本申请一实施例提供的目标跟踪的方法属于同一构思，其具体实现过程详见说明书全文，此处不再赘述。
本申请一实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本申请一实施例提供的目标跟踪的方法的步骤。
图11示出了本申请一实施例提供的计算机设备的具体结构框图，该计算机设备可以是图1中所示的计算机设备，一种计算机设备100包括：一个或多个处理器101、存储器102、以及一个或多个计算机程序，其中所述处理器101和所述存储器102通过总线连接，所述一个或多个计算机程序被存储在所述存储器102中，并且被配置成由所述一个或多个处理器101执行，所述处理器101执行所述计算机程序时实现如本申请一实施例提供的目标跟踪的方法的步骤。
计算机设备可以是台式计算机、移动终端等，移动终端包括手机、平板电脑、笔记本电脑、个人数字助理等。
图12示出了本申请一实施例提供的相机的具体结构框图，该相机可以是图1中所示的相机，一种相机200包括：一个或多个处理器201、存储器202、以及一个或多个计算机程序，其中所述处理器201和所述存储器202通过总线连接，所述一个或多个计算机程序被存储在所述存储器202中，并且被配置成由所述一个或多个处理器201执行，所述处理器201执行所述计算机程序时实现如本申请一实施例提供的目标跟踪的方法的步骤。
应该理解的是，本申请各实施例中的各个步骤并不是必然按照步骤标号指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
1.一种目标跟踪的方法，其特征在于，所述方法包括：
s101、获取在当前视频帧中跟踪到的目标跟踪框和在当前视频帧中检测出的目标候选框；
s102、将所述目标跟踪框与所述目标候选框进行匹配，确定与所述目标跟踪框最匹配的目标候选框；
s103、将所述目标候选框中除所述最匹配的目标候选框之外的一个或多个剩余目标候选框与前一次检测的视频帧中检测出的第二目标候选框进行匹配，确定对应匹配关系；
s104、根据所述最匹配的目标候选框和所述对应匹配关系，得到所述最匹配的目标候选框分别与所述一个或多个剩余目标候选框、所述第二目标候选框之间的距离和重叠关系，以确定当前视频帧中目标与其他物体的遮挡关系；
s105、根据所述目标与其他物体的遮挡关系，确定是否重新启动目标跟踪。
2.如权利要求1所述的目标跟踪的方法，其特征在于，所述在当前视频帧中检测出的目标候选框具体是：
每隔预定的帧间隔进行一次检测，在当前视频帧中检测出的目标候选框。
3.如权利要求1所述的目标跟踪的方法，其特征在于，所述s102具体包括：
将所述目标跟踪框分别与所述目标候选框采用交并比iou进行匹配，得到与每个目标候选框对应的iou值；
将对应的iou值最大，且满足预设阈值的目标候选框作为与所述目标跟踪框最匹配的目标候选框。
4.如权利要求1所述的目标跟踪的方法，其特征在于，所述s103具体为：
将所述目标候选框中除所述最匹配的目标候选框之外的一个或多个剩余目标候选框分别与前一次检测的视频帧中检测到的第二目标候选框采用交并比iou进行匹配，并利用匈牙利匹配算法确定所述一个或多个剩余目标候选框与所述第二目标候选框的对应匹配关系。
5.如权利要求1所述的目标跟踪的方法，其特征在于，所述s103具体为：
以所述目标跟踪框为中心，将扩大预定比例的区域设置为感兴趣区域，将所述目标候选框中位于感兴趣区域中的除所述最匹配的目标候选框之外的一个或多个剩余目标候选框分别与前一次检测的视频帧中检测到的第二目标候选框采用交并比iou进行匹配，并利用匈牙利匹配算法确定所述一个或多个剩余目标候选框与所述第二目标候选框的对应匹配关系。
6.如权利要求1所述的目标跟踪的方法，其特征在于，所述遮挡关系包括目标未被其他物体遮挡、其他物体逐渐远离目标、其他物体逐渐临近目标和目标被其他物体遮挡。
7.如权利要求6所述的目标跟踪的方法，其特征在于，所述s105具体包括：
若目标未被其他物体遮挡或者其他物体逐渐远离目标，则继续进行跟踪；若目标被其他物体遮挡，则重新启动跟踪，恢复对跟踪目标进行跟踪。
8.如权利要求6所述的目标跟踪的方法，其特征在于，若当前视频帧中目标与其他物体的遮挡关系是其他物体逐渐临近目标或目标被其他物体遮挡时，s104之后，所述方法还包括：
根据目标跟踪的置信度确定目标是否被其他物体遮挡。
9.如权利要求7所述的目标跟踪的方法，其特征在于，所述重新启动跟踪，恢复对跟踪目标进行跟踪具体采用reid网络或者图像相似度匹配的算法，重新启动跟踪，恢复对跟踪目标进行跟踪。
10.如权利要求9所述的目标跟踪的方法，其特征在于，所述重新启动跟踪，恢复对跟踪目标进行跟踪具体包括：
在当前视频帧的下一视频帧中检测出目标候选框，所述下一视频帧是检测器下一次检测的视频帧；
根据所述下一视频帧中检测出目标候选框和所述最匹配的目标候选框之间的尺度大小和距离远近的关系，确定候选结果框；
将当前视频帧的下一视频帧和所述候选结果框输入reid网络进行前向推理重新获取跟踪目标，如果获取到跟踪目标，则重启跟踪；否则继续执行所述重新启动跟踪，恢复对跟踪目标进行跟踪的步骤。
11.如权利要求10所述的目标跟踪的方法，其特征在于，所述前向推理具体为：
将当前视频帧的下一视频帧和候选结果框输入reid网络获取与所述最匹配的目标候选框的相似性矩阵；
从输入的候选结果框中选取最小相似距离的候选结果框，并判断所述最小相似距离的候选结果是否满足阈值约束，若满足则视为获取到了跟踪目标，则将所述最小相似距离的候选结果框作为目标跟踪框来重启跟踪。
12.一种目标跟踪的装置，其特征在于，所述装置包括：
获取模块，用于获取在当前视频帧中跟踪到的目标跟踪框和在当前视频帧中检测出的目标候选框；
目标候选框确定模块，用于将所述目标跟踪框与所述目标候选框进行匹配，确定与所述目标跟踪框最匹配的目标候选框；
匹配关系确定模块，用于将所述目标候选框中除所述最匹配的目标候选框之外的一个或多个剩余目标候选框与前一次检测的视频帧中检测出的第二目标候选框进行匹配，确定对应匹配关系；
遮挡关系确定模块，用于根据所述最匹配的目标候选框和所述对应匹配关系，得到所述最匹配的目标候选框分别与所述一个或多个剩余目标候选框、所述第二目标候选框之间的距离和重叠关系，以确定当前视频帧中目标与其他物体的遮挡关系；
确定模块，用于根据所述目标与其他物体的遮挡关系，确定是否重新启动目标跟踪。
13.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至11任一项所述的目标跟踪的方法的步骤。
14.一种计算机设备，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，所述处理器和所述存储器通过总线连接，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至11任一项所述的目标跟踪的方法的步骤。
15.一种相机，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，所述处理器和所述存储器通过总线连接，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至11任一项所述的目标跟踪的方法的步骤。
技术总结