本發(fā)明涉及智能駕駛，具體涉及基于車端圖像的目標(biāo)跟蹤方法、裝置、系統(tǒng)、車輛及介質(zhì)。

背景技術(shù)：

1、多目標(biāo)跟蹤(multi-object?tracking,mot)技術(shù)在自動(dòng)駕駛、智能交通和安全監(jiān)控等領(lǐng)域扮演著至關(guān)重要的角色，車端圖像的多目標(biāo)跟蹤是指在車輛行駛過(guò)程中，通過(guò)車載攝像頭捕捉道路、行人、車輛等場(chǎng)景信息，實(shí)時(shí)跟蹤多個(gè)目標(biāo)對(duì)象(如行人、車輛、自行車等)，并預(yù)測(cè)其運(yùn)動(dòng)軌跡。這一技術(shù)為自動(dòng)駕駛提供了必要的感知能力，幫助車輛安全、智能地進(jìn)行路徑規(guī)劃和避障操作。

2、在自動(dòng)駕駛系統(tǒng)中，視覺(jué)感知是關(guān)鍵的技術(shù)模塊之一，車輛通過(guò)攝像頭能夠“看見(jiàn)”周圍環(huán)境，識(shí)別和跟蹤道路上的動(dòng)態(tài)物體，如其他車輛、行人、自行車、障礙物等。多目標(biāo)跟蹤技術(shù)通過(guò)分析連續(xù)幀的圖像序列，識(shí)別出目標(biāo)并對(duì)其進(jìn)行一致性跟蹤，確保在復(fù)雜交通環(huán)境中對(duì)所有重要目標(biāo)進(jìn)行監(jiān)控和分析。

3、隨著深度學(xué)習(xí)技術(shù)的飛速發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)(cnn)的目標(biāo)檢測(cè)算法(如yolo、ssd、faster?rcnn)顯著提高了檢測(cè)精度和速度，這為多目標(biāo)跟蹤提供了更為準(zhǔn)確的輸入。同時(shí)，基于深度學(xué)習(xí)的跟蹤方法也逐漸興起，利用深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)目標(biāo)的外觀特征和運(yùn)動(dòng)模式，能夠更好地應(yīng)對(duì)復(fù)雜的場(chǎng)景和目標(biāo)交互。

4、但車載攝像頭安裝在運(yùn)動(dòng)中的車輛上，導(dǎo)致圖像幀之間存在顯著的運(yùn)動(dòng)和視角變化。其次，車端圖像的場(chǎng)景復(fù)雜度高，包含快速移動(dòng)的目標(biāo)、復(fù)雜的背景、光照變化、動(dòng)態(tài)陰影等。最后，實(shí)時(shí)性要求高，車輛在高速行駛時(shí)需要實(shí)時(shí)處理大量圖像數(shù)據(jù)，進(jìn)行目標(biāo)檢測(cè)和跟蹤，并快速做出決策。因此，若過(guò)多依賴于預(yù)訓(xùn)練模型，比如采用各種模型對(duì)視頻畫面進(jìn)行逐幀檢測(cè)跟蹤，對(duì)車輛硬件算力開(kāi)銷占比較大，會(huì)產(chǎn)生較高的生產(chǎn)成本。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于車端圖像的目標(biāo)跟蹤方法、裝置、系統(tǒng)、車輛及介質(zhì)，以解決采用各種模型對(duì)視頻畫面進(jìn)行逐幀檢測(cè)跟蹤，對(duì)車輛硬件算力開(kāi)銷占比較大，會(huì)產(chǎn)生較高的生產(chǎn)成本的問(wèn)題。

2、第一方面，本發(fā)明提供了一種基于車端圖像的目標(biāo)跟蹤方法，所述方法包括：獲取預(yù)設(shè)幀數(shù)的車端圖像，并從所述預(yù)設(shè)幀數(shù)的車端圖像中提取若干幀車端圖像作為檢測(cè)幀，所述預(yù)設(shè)幀數(shù)的車端圖像為在預(yù)設(shè)周期內(nèi)按預(yù)設(shè)幀率連續(xù)采集的圖像；利用預(yù)訓(xùn)練的目標(biāo)檢測(cè)模型對(duì)各檢測(cè)幀進(jìn)行目標(biāo)檢測(cè)，得到各檢測(cè)幀中所有目標(biāo)分別對(duì)應(yīng)的標(biāo)注結(jié)果，并基于當(dāng)前目標(biāo)在各檢測(cè)幀中坐標(biāo)，計(jì)算所述當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，所述標(biāo)注結(jié)果中至少包括目標(biāo)對(duì)應(yīng)的坐標(biāo)以及用來(lái)標(biāo)注目標(biāo)的邊界框；基于所述當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，計(jì)算當(dāng)前目標(biāo)在所有間隔幀的坐標(biāo)，所述間隔幀為所述預(yù)設(shè)幀數(shù)的車端圖像中，除檢測(cè)幀之外的其他幀的車端圖像；基于當(dāng)前間隔幀對(duì)應(yīng)的采集時(shí)刻、當(dāng)前間隔幀相鄰的檢測(cè)幀中當(dāng)前目標(biāo)的邊界框尺寸和分別對(duì)應(yīng)的采集時(shí)刻，計(jì)算所述當(dāng)前目標(biāo)在當(dāng)前間隔幀中邊界框的尺寸；按照當(dāng)前目標(biāo)在當(dāng)前間隔幀中的坐標(biāo)以及邊界框的尺寸，將邊界框投影到當(dāng)前間隔幀中，遍歷所有間隔幀、檢測(cè)幀和所有目標(biāo)，得到預(yù)設(shè)幀數(shù)的車端圖像中所有目標(biāo)的坐標(biāo)和邊界框，并基于所述目標(biāo)的坐標(biāo)和邊界框得到目標(biāo)跟蹤結(jié)果。

3、本實(shí)施例提供的基于車端圖像的目標(biāo)跟蹤方法，獲取預(yù)設(shè)幀數(shù)的車端圖像，并從預(yù)設(shè)幀數(shù)的車端圖像中提取若干幀圖像作為檢測(cè)幀，利用目標(biāo)檢測(cè)模型對(duì)各檢測(cè)幀進(jìn)行目標(biāo)檢測(cè)，得到各檢測(cè)幀所有目標(biāo)分別對(duì)應(yīng)的標(biāo)注結(jié)果，并基于當(dāng)前目標(biāo)在各檢測(cè)幀中坐標(biāo)，計(jì)算當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，再基于當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，計(jì)算當(dāng)前目標(biāo)在所有間隔幀的坐標(biāo)，基于當(dāng)前間隔幀對(duì)應(yīng)的采集時(shí)刻、當(dāng)前間隔幀相鄰的檢測(cè)幀中當(dāng)前目標(biāo)的邊界框尺寸和分別對(duì)應(yīng)的采集時(shí)刻，計(jì)算當(dāng)前目標(biāo)在當(dāng)前間隔幀中邊界框的尺寸，最后按照當(dāng)前目標(biāo)在當(dāng)前間隔幀中的坐標(biāo)和邊界框的尺寸，將邊界框投影到當(dāng)前間隔幀中，得到預(yù)設(shè)幀數(shù)的車端圖像中所有目標(biāo)的坐標(biāo)和邊界框，通過(guò)采用數(shù)學(xué)計(jì)算為主，模型為輔的目標(biāo)檢測(cè)方法，可有效減少目標(biāo)跟蹤所需的計(jì)算量，并可以擁有較高的跟蹤精度，提高跟蹤的實(shí)時(shí)性。

4、在一種可選的實(shí)施方式中，所述基于當(dāng)前目標(biāo)在各檢測(cè)幀中的坐標(biāo)，計(jì)算所述當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，包括：獲取當(dāng)前目標(biāo)在初始檢測(cè)幀中的第一坐標(biāo)，所述初始檢測(cè)幀為當(dāng)前目標(biāo)首次檢測(cè)出的幀圖像；獲取當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中的第二坐標(biāo)，所述當(dāng)前檢測(cè)幀為所有檢測(cè)幀中除初始檢測(cè)幀外的其他任意幀；基于所述第一坐標(biāo)和第二坐標(biāo)，計(jì)算當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀相較于初始檢測(cè)幀中的平移矩陣和旋轉(zhuǎn)矩陣；基于所述當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀相較于初始檢測(cè)幀中的平移向量和旋轉(zhuǎn)矩陣和所述第二坐標(biāo)，計(jì)算以初始檢測(cè)幀中的當(dāng)前目標(biāo)的車輛坐標(biāo)系為絕對(duì)坐標(biāo)系下當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中的絕對(duì)坐標(biāo)；基于當(dāng)前目標(biāo)在各檢測(cè)幀中的絕對(duì)坐標(biāo)，計(jì)算所述當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡。

5、本發(fā)明考慮到目標(biāo)對(duì)應(yīng)的坐標(biāo)系是運(yùn)動(dòng)的，通過(guò)計(jì)算當(dāng)前目標(biāo)在各個(gè)檢測(cè)幀中以同一坐標(biāo)系下的絕對(duì)坐標(biāo)，并利用絕對(duì)坐標(biāo)來(lái)計(jì)算當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，可提高運(yùn)動(dòng)軌跡計(jì)算的實(shí)際性和準(zhǔn)確性。

6、在一種可選的實(shí)施方式中，所述絕對(duì)坐標(biāo)為三維坐標(biāo)，基于當(dāng)前目標(biāo)在各檢測(cè)幀中的絕對(duì)坐標(biāo)，計(jì)算所述當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，包括：基于當(dāng)前目標(biāo)在包括第二檢測(cè)幀之后的所有檢測(cè)幀中的絕對(duì)三維坐標(biāo)，擬合運(yùn)動(dòng)軌跡曲線，并基于擬合的運(yùn)動(dòng)軌跡曲線，確定當(dāng)前目標(biāo)在所有檢測(cè)幀中的預(yù)測(cè)三維坐標(biāo)；基于當(dāng)前目標(biāo)在所有檢測(cè)幀中的預(yù)測(cè)三維坐標(biāo)和絕對(duì)三維坐標(biāo)，計(jì)算各三維坐標(biāo)分量分別對(duì)應(yīng)的加權(quán)損失函數(shù)值；對(duì)各三維坐標(biāo)分量對(duì)應(yīng)的加權(quán)損失函數(shù)值進(jìn)行求和，得到損失函數(shù)之和；對(duì)所述擬合的運(yùn)動(dòng)軌跡曲線進(jìn)行調(diào)整，直至所述損失函數(shù)之和小于預(yù)設(shè)損失函數(shù)閾值，得到調(diào)整后的當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡。

7、本發(fā)明通過(guò)最小二乘法擬合運(yùn)動(dòng)軌跡，并利用加權(quán)損失函數(shù)對(duì)運(yùn)動(dòng)軌跡進(jìn)行調(diào)整，得到最優(yōu)的當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，提高后續(xù)當(dāng)前目標(biāo)在間隔幀中的坐標(biāo)預(yù)測(cè)的準(zhǔn)確性。

8、在一種可選的實(shí)施方式中，所述當(dāng)前目標(biāo)在當(dāng)前間隔幀中的坐標(biāo)為以初始檢測(cè)幀中當(dāng)前目標(biāo)的車輛坐標(biāo)系為絕對(duì)坐標(biāo)系的絕對(duì)坐標(biāo)，所述按照當(dāng)前目標(biāo)在當(dāng)前間隔幀中的坐標(biāo)以及邊界框的尺寸，將邊界框投影到當(dāng)前間隔幀中，包括：基于所述當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡計(jì)算當(dāng)前目標(biāo)在當(dāng)前間隔幀的絕對(duì)坐標(biāo)，并基于當(dāng)前目標(biāo)在當(dāng)前間隔幀的絕對(duì)坐標(biāo)和當(dāng)前目標(biāo)在初始檢測(cè)幀中的第一坐標(biāo)，計(jì)算當(dāng)前目標(biāo)在當(dāng)前間隔幀相較于初始檢測(cè)幀的平移矩陣和旋轉(zhuǎn)矩陣；利用當(dāng)前目標(biāo)在當(dāng)前間隔幀相較于初始檢測(cè)幀的平移矩陣和旋轉(zhuǎn)矩陣和當(dāng)前目標(biāo)在初始檢測(cè)幀中的第一坐標(biāo)，計(jì)算當(dāng)前目標(biāo)在當(dāng)前間隔幀中的第三坐標(biāo)；按照當(dāng)前目標(biāo)在當(dāng)前間隔幀的坐標(biāo)為邊界框的中點(diǎn)坐標(biāo)的規(guī)則，基于邊界框的尺寸和所述第三坐標(biāo)，計(jì)算邊界框的邊界點(diǎn)坐標(biāo)；基于所述邊界框的邊界點(diǎn)坐標(biāo)，將邊界框投影到當(dāng)前間隔幀中。

9、本發(fā)明通過(guò)基于當(dāng)前間隔幀相鄰的檢測(cè)幀中當(dāng)前目標(biāo)的邊界框尺寸，計(jì)算當(dāng)前間隔幀中當(dāng)前目標(biāo)的邊界框尺寸，并基于當(dāng)前目標(biāo)在當(dāng)前間隔幀中的坐標(biāo)將邊界框投影到當(dāng)前間隔幀中，實(shí)現(xiàn)目標(biāo)的位置預(yù)測(cè)。

10、在一種可選的實(shí)施方式中，各檢測(cè)幀中所有目標(biāo)分別對(duì)應(yīng)的標(biāo)注結(jié)果還包括邊界框的邊界點(diǎn)坐標(biāo)，所述方法還包括：基于所述當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，計(jì)算當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中的第四坐標(biāo)和第一邊界框的尺寸；按照當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀的第四坐標(biāo)為邊界框的中點(diǎn)坐標(biāo)的規(guī)則，基于第一邊界框的尺寸，計(jì)算第一邊界框的邊界點(diǎn)坐標(biāo)；比較所述第一邊界框的邊界點(diǎn)坐標(biāo)與利用預(yù)訓(xùn)練的目標(biāo)檢測(cè)模型檢測(cè)到的當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中相應(yīng)邊界框的邊界點(diǎn)坐標(biāo)相差是否大于預(yù)設(shè)差閾值；若所述第一邊界框的邊界點(diǎn)坐標(biāo)與利用預(yù)訓(xùn)練的目標(biāo)檢測(cè)模型檢測(cè)到的當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中相應(yīng)邊界框的邊界點(diǎn)坐標(biāo)相差大于預(yù)設(shè)差閾值，則利用第一邊界框的邊界點(diǎn)坐標(biāo)與利用預(yù)訓(xùn)練的目標(biāo)檢測(cè)模型檢測(cè)到的當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中相應(yīng)邊界框的邊界點(diǎn)坐標(biāo)的差，對(duì)所述利用預(yù)訓(xùn)練的目標(biāo)檢測(cè)模型檢測(cè)到的當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中相應(yīng)邊界框的邊界點(diǎn)坐標(biāo)進(jìn)行調(diào)整，得到第一邊界框在當(dāng)前檢測(cè)幀中最終的邊界點(diǎn)坐標(biāo)。

11、本發(fā)明若利用運(yùn)動(dòng)軌跡預(yù)測(cè)到的當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中的邊界框位置和目標(biāo)檢測(cè)模型檢測(cè)到的邊界框位置不符合，可對(duì)邊界框位置進(jìn)行適當(dāng)修正，得到當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中的最終邊界框位置，可避免邊界框追蹤軌跡突變。

12、在一種可選的實(shí)施方式中，所述方法還包括：若在當(dāng)前檢測(cè)幀中未檢測(cè)到當(dāng)前目標(biāo)，則仍基于當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，計(jì)算當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中的坐標(biāo)；基于當(dāng)前檢測(cè)幀對(duì)應(yīng)的采集時(shí)刻、當(dāng)前檢測(cè)幀相鄰的檢測(cè)幀中當(dāng)前目標(biāo)的邊界框尺寸和分別對(duì)應(yīng)的采集時(shí)刻，計(jì)算所述當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中邊界框的尺寸；按照當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中的坐標(biāo)以及邊界框的尺寸，將邊界框投影到當(dāng)前檢測(cè)幀中，直至持續(xù)未檢測(cè)到當(dāng)前目標(biāo)的時(shí)長(zhǎng)大于預(yù)設(shè)時(shí)長(zhǎng)閾值。

13、本發(fā)明即使在當(dāng)前檢測(cè)幀的車端圖像畫面中未檢測(cè)到當(dāng)前目標(biāo)，但仍根據(jù)當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，預(yù)測(cè)當(dāng)前目標(biāo)在當(dāng)前檢測(cè)幀中的坐標(biāo)，繼而繪制邊界框，保證當(dāng)前目標(biāo)的實(shí)時(shí)跟蹤。

14、在一種可選的實(shí)施方式中，所述各檢測(cè)幀中所有目標(biāo)分別對(duì)應(yīng)的標(biāo)注結(jié)果中還包括目標(biāo)的深度、目標(biāo)的類別，所述方法還包括：若預(yù)訓(xùn)練的目標(biāo)檢測(cè)模型未檢測(cè)到當(dāng)前目標(biāo)的深度，基于檢測(cè)到的當(dāng)前目標(biāo)類別，獲取當(dāng)前目標(biāo)的實(shí)際特征尺寸和邊界框的尺寸；基于所述當(dāng)前目標(biāo)的實(shí)際特征尺寸、邊界框的尺寸和獲取車端圖像的圖像采集裝置的拍攝參數(shù)，計(jì)算當(dāng)前目標(biāo)的深度。

15、本發(fā)明若判斷目標(biāo)檢測(cè)模型未檢測(cè)到當(dāng)前目標(biāo)的深度，則可基于當(dāng)前目標(biāo)的細(xì)分類別，獲取當(dāng)前目標(biāo)的實(shí)際尺寸，以及根據(jù)當(dāng)前目標(biāo)在該檢測(cè)幀中的邊界框尺寸和相機(jī)焦距計(jì)算當(dāng)前目標(biāo)的深度，保證檢測(cè)幀中目標(biāo)信息的完整性。

16、在一種可選的實(shí)施方式中，所述各檢測(cè)幀中所有目標(biāo)分別對(duì)應(yīng)的標(biāo)注結(jié)果中還包括目標(biāo)的標(biāo)識(shí)符，所述方法還包括：若當(dāng)前檢測(cè)幀中當(dāng)前目標(biāo)未檢測(cè)到標(biāo)識(shí)符信息，則獲取相鄰檢測(cè)幀中的所有目標(biāo)和其對(duì)應(yīng)的邊界框；將所述當(dāng)前檢測(cè)幀中的當(dāng)前目標(biāo)對(duì)應(yīng)的邊界框尺寸和相鄰檢測(cè)幀中的所有目標(biāo)對(duì)應(yīng)的邊界框尺寸歸一為相同尺寸；計(jì)算當(dāng)前目標(biāo)對(duì)應(yīng)的邊界框中的畫面和相鄰檢測(cè)幀中的所有目標(biāo)對(duì)應(yīng)的同一尺寸的邊界框中的畫面的相似度；將畫面相似度最高且大于預(yù)設(shè)相似度閾值的相鄰檢測(cè)幀中對(duì)應(yīng)目標(biāo)的標(biāo)識(shí)符，標(biāo)記為當(dāng)前檢測(cè)幀中當(dāng)前目標(biāo)的標(biāo)識(shí)符。

17、本發(fā)明在當(dāng)前目標(biāo)未檢測(cè)到標(biāo)識(shí)符信息后，通過(guò)計(jì)算相鄰檢測(cè)幀中各邊界框中畫面與當(dāng)前目標(biāo)的邊界框中的畫面的相似度，將相似度最高且大于預(yù)設(shè)相似度閾值的相鄰檢測(cè)幀中對(duì)應(yīng)目標(biāo)的標(biāo)識(shí)符，標(biāo)記為當(dāng)前檢測(cè)幀中當(dāng)前目標(biāo)的標(biāo)識(shí)符，提高后續(xù)根據(jù)所有檢測(cè)幀中同一目標(biāo)的坐標(biāo)計(jì)算運(yùn)動(dòng)軌跡的準(zhǔn)確性。

18、第二方面，本發(fā)明提供了一種基于車端圖像的目標(biāo)跟蹤裝置，所述裝置包括：檢測(cè)幀提取模塊，用于獲取預(yù)設(shè)幀數(shù)的車端圖像，并從所述預(yù)設(shè)幀數(shù)的車端圖像中提取若干幀車端圖像作為檢測(cè)幀，所述預(yù)設(shè)幀數(shù)的車端圖像為在預(yù)設(shè)周期內(nèi)按預(yù)設(shè)幀率連續(xù)采集的圖像；目標(biāo)檢測(cè)模塊，用于利用預(yù)訓(xùn)練的目標(biāo)檢測(cè)模型對(duì)各檢測(cè)幀進(jìn)行目標(biāo)檢測(cè)，得到各檢測(cè)幀中所有目標(biāo)分別對(duì)應(yīng)的標(biāo)注結(jié)果，并基于當(dāng)前目標(biāo)在各檢測(cè)幀中坐標(biāo)，計(jì)算所述當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，所述標(biāo)注結(jié)果中至少包括目標(biāo)對(duì)應(yīng)的坐標(biāo)以及用來(lái)標(biāo)注目標(biāo)的邊界框；目標(biāo)坐標(biāo)計(jì)算模塊，用于基于所述當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，計(jì)算當(dāng)前目標(biāo)在所有間隔幀的坐標(biāo)，所述間隔幀為所述預(yù)設(shè)幀數(shù)的車端圖像中，除檢測(cè)幀之外的其他幀的車端圖像；邊界框確定模塊，用于基于當(dāng)前間隔幀對(duì)應(yīng)的采集時(shí)刻、當(dāng)前間隔幀相鄰的檢測(cè)幀中當(dāng)前目標(biāo)的邊界框尺寸和分別對(duì)應(yīng)的采集時(shí)刻，計(jì)算所述當(dāng)前目標(biāo)在當(dāng)前間隔幀中邊界框的尺寸；目標(biāo)跟蹤模塊，用于按照當(dāng)前目標(biāo)在當(dāng)前間隔幀中的坐標(biāo)以及邊界框的尺寸，將邊界框投影到當(dāng)前間隔幀中，遍歷所有間隔幀、檢測(cè)幀和所有目標(biāo)，得到預(yù)設(shè)幀數(shù)的車端圖像中所有目標(biāo)的坐標(biāo)和邊界框，并基于所述目標(biāo)的坐標(biāo)和邊界框得到目標(biāo)跟蹤結(jié)果。

19、第三方面，本發(fā)明提供了一種基于車端圖像的目標(biāo)跟蹤系統(tǒng)，所述系統(tǒng)包括控制器，控制器包括：存儲(chǔ)器和處理器，存儲(chǔ)器和處理器之間互相通信連接，存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)指令，處理器通過(guò)執(zhí)行計(jì)算機(jī)指令，從而執(zhí)行上述第一方面或其對(duì)應(yīng)的任一實(shí)施方式的基于車端圖像的目標(biāo)跟蹤方法。

20、第四方面，本發(fā)明提供了一種車輛，該車輛包括上述第三方面的基于車端圖像的目標(biāo)跟蹤系統(tǒng)

21、第五方面，本發(fā)明提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)指令，計(jì)算機(jī)指令用于使計(jì)算機(jī)執(zhí)行上述第一方面或其對(duì)應(yīng)的任一實(shí)施方式的基于車端圖像的目標(biāo)跟蹤方法。

22、本發(fā)明提供的基于車端圖像的目標(biāo)跟蹤方法，獲取預(yù)設(shè)幀數(shù)的車端圖像，并從預(yù)設(shè)幀數(shù)的車端圖像中提取若干幀圖像作為檢測(cè)幀，利用目標(biāo)檢測(cè)模型對(duì)各檢測(cè)幀進(jìn)行目標(biāo)檢測(cè)，得到各檢測(cè)幀所有目標(biāo)分別對(duì)應(yīng)的標(biāo)注結(jié)果，并基于當(dāng)前目標(biāo)在各檢測(cè)幀中坐標(biāo)，計(jì)算當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，再基于當(dāng)前目標(biāo)的運(yùn)動(dòng)軌跡，計(jì)算當(dāng)前目標(biāo)在所有間隔幀的坐標(biāo)，基于當(dāng)前間隔幀對(duì)應(yīng)的采集時(shí)刻、當(dāng)前間隔幀相鄰的檢測(cè)幀中當(dāng)前目標(biāo)的邊界框尺寸和分別對(duì)應(yīng)的采集時(shí)刻，計(jì)算當(dāng)前目標(biāo)在當(dāng)前間隔幀中邊界框的尺寸，最后按照當(dāng)前目標(biāo)在當(dāng)前間隔幀中的坐標(biāo)和邊界框的尺寸，將邊界框投影到當(dāng)前間隔幀中，得到預(yù)設(shè)幀數(shù)的車端圖像中所有目標(biāo)的坐標(biāo)和邊界框，通過(guò)采用數(shù)學(xué)計(jì)算為主，模型為輔的目標(biāo)檢測(cè)方法，可有效減少目標(biāo)跟蹤所需的計(jì)算量，并可以擁有較高的跟蹤精度，提高跟蹤的實(shí)時(shí)性。