本发明涉及图像处理，尤其涉及一种目标跟随方法、装置、设备及存储介质。
背景技术：
1、自主跟随指的是在选定前方跟随目标后，无人平台自主跟随前方目标运动，目前自主跟随在军用、民用行业等均有广泛用途。在军用行业，智能无人平台可以自主跟随人或车，携带物资或伤员等到达目的地，在民用行业，智能小车、智能行李箱等可以自主跟随行人或车辆，这样可以解放双手，提升人们出行便捷性。
2、对于自主跟随中的跟随任务，一般需要后方平台连续跟随前方目标，然而前方目标的运动通常是无规律的，周围环境也是未知的，比如前方目标在运动过程中可能会出现加减速、急转弯、遮挡、穿插等干扰，这样就会导致后方无人平台错跟或误跟的现象，从而影响目标跟随过程的准确性。
技术实现思路
1、针对现有技术存在的问题，本发明提供一种目标跟随方法、装置、设备及存储介质。
2、本发明提供一种目标跟随方法，包括：
3、获取目标跟随过程中的模板帧图像，并对模板帧图像中的跟随目标进行重识别处理，确定跟随目标对应的第一重识别特征；
4、获取目标跟随过程中的当前帧图像，并对当前帧图像中的至少一个对象进行重识别处理，确定每个对象对应的第二重识别特征；
5、根据第二重识别特征和第一重识别特征，确定当前帧图像中的跟随目标，并根据当前帧图像中跟随目标的跟随结果进行目标跟随。
6、根据本发明提供的一种目标跟随方法，上述对当前帧图像中的至少一个对象进行重识别处理，确定每个对象对应的第二重识别特征，包括：
7、对当前帧图像进行目标检测，确定当前帧图像中每个对象的检测结果；上述检测结果中包括对象对应的检测框的位置信息；
8、根据每个对象的检测框的位置信息，在当前帧图像中的相应位置处进行区域截取，确定每个对象对应的第一区域图像；
9、将每个第一区域图像分别输入至预设的重识别网络中进行重识别处理，确定每个对象的第二重识别特征。
10、根据本发明提供的一种目标跟随方法，上述根据第二重识别特征和第一重识别特征，确定当前帧图像中的跟随目标，包括：
11、计算第二重识别特征与第一重识别特征之间的第一相似度，并从第一相似度中确定最小第一相似度；
12、判断最小第一相似度是否不大于预设的第一阈值，获得第一判断结果，并根据第一判断结果确定当前帧图像中的跟随目标。
13、根据本发明提供的一种目标跟随方法，上述根据第一判断结果确定当前帧图像中的跟随目标，包括：
14、若第一判断结果表示最小第一相似度小于或等于第一阈值，则确定当前帧图像中最小第一相似度对应的对象为跟随目标；
15、相应地，上述根据当前帧图像中跟随目标的跟随结果进行目标跟随，包括：
16、获取当前帧图像中跟随目标的跟随结果；上述跟随结果中包括跟随目标对应的目标检测框以及跟随目标对应的目标第二重识别特征；
17、采用目标检测框更新模板帧图像中跟随目标的模板检测框，以及根据目标第二重识别特征更新模板帧图像中跟随目标的第一重识别特征。
18、根据本发明提供的一种目标跟随方法，上述根据目标第二重识别特征更新模板帧图像中跟随目标的第一重识别特征，包括：
19、将目标第二重识别特征和第一重识别特征进行均值处理，获得均值重识别特征；
20、将均值重识别特征确定为新的模板帧图像中跟随目标的第一重识别特征。
21、根据本发明提供的一种目标跟随方法，上述方法还包括：
22、基于目标检测框的位置信息，在当前帧图像的下一帧图像中确定目标检测范围，并对目标检测范围内的对象进行目标检测及目标跟随；
23、其中，上述目标检测范围小于对下一帧图像进行全图检测的检测范围。
24、根据本发明提供的一种目标跟随方法，上述根据第一判断结果确定当前帧图像中的跟随目标，包括：
25、若第一判断结果表示最小第一相似度大于第一阈值，则根据相机的运动估计参数和模板帧图像中跟随目标的模板检测框，采用卡尔曼滤波算法对跟随目标在当前帧图像中的轨迹进行预测，确定跟随目标在当前帧图像中对应的预测框；
26、获取当前帧图像中每个对象的检测框，并根据检测框和预测框之间的第二相似度确定当前帧图像中的跟随目标。
27、根据本发明提供的一种目标跟随方法，上述根据检测框和预测框之间的第二相似度确定当前帧图像中的跟随目标，包括：
28、计算每个检测框与预测框之间的第二相似度，并从第二相似度中确定最小第二相似度；
29、判断最小第二相似度是否不大于预设的卡尔曼匹配阈值，获得第二判断结果，并根据第二判断结果确定当前帧图像中的跟随目标。
30、根据本发明提供的一种目标跟随方法，上述根据第二判断结果确定当前帧图像中的跟随目标，包括：
31、若第二判断结果表示最小第二相似度小于或等于卡尔曼匹配阈值，则将最小第二相似度对应的检测框中的对象作为待定跟随目标；
32、根据待定跟随目标的检测框的位置信息在当前帧图像中确定对应的第二区域图像，并将第二区域图像输入至预设的重识别网络中进行重识别处理，确定待定跟随目标对应的第三重识别特征；
33、计算第三重识别特征和第一重识别特征之间的第三相似度，并判断第三相似度是否不大于预设的第二阈值；若第三相似度小于或等于第二阈值，则确定当前帧图像中的待定跟随目标为跟随目标。
34、根据本发明提供的一种目标跟随方法，上述重识别网络包括全方位网络osnet，osnet中的卷积模块包括深度分离卷积模块和点卷积模块；
35、上述深度分离卷积模块和点卷积模块均用于对第一区域图像中相应对象的重识别特征进行提取。
36、本发明还提供一种目标跟随装置，包括：
37、第一重识别模块，用于获取目标跟随过程中的模板帧图像，并对模板帧图像中的跟随目标进行重识别处理，确定跟随目标对应的第一重识别特征；
38、第二重识别模块，用于获取目标跟随过程中的当前帧图像，并对当前帧图像中的至少一个对象进行重识别处理，确定每个对象对应的第二重识别特征；
39、目标跟随模块，用于根据第二重识别特征和第一重识别特征，确定当前帧图像中的跟随目标，并根据当前帧图像中跟随目标的跟随结果进行目标跟随。
40、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述目标跟随方法。
41、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述目标跟随方法。
42、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述目标跟随方法。
43、本发明提供的目标跟随方法、装置、设备及存储介质，通过获取目标跟随过程中的模板帧图像，并对模板帧图像中的跟随目标进行重识别处理以确定跟随目标对应的第一重识别特征，同时获取目标跟随过程中的当前帧图像并对当前帧图像中的至少一个对象进行重识别处理，确定每个对象对应的第二重识别特征，然后根据第二重识别特征和第一重识别特征确定当前帧图像中的跟随目标，并根据当前帧图像中跟随目标的跟随结果进行目标跟随。该方法中，由于可以通过当前帧图像中对象的重识别特征以及模板帧图像中跟随目标的重识别特征进行比对来确定当前帧图像中的跟随目标并进行跟随，这样在前方目标出现任意运动行为干扰时都可以保证后方无人平台准确跟随前方目标，避免误跟或错跟等现象，提升目标跟随的准确性。
1.一种目标跟随方法，其特征在于，包括：
2.根据权利要求1所述的目标跟随方法，其特征在于，所述对所述当前帧图像中的至少一个对象进行重识别处理，确定每个所述对象对应的第二重识别特征，包括：
3.根据权利要求1所述的目标跟随方法，其特征在于，所述根据所述第二重识别特征和所述第一重识别特征，确定所述当前帧图像中的所述跟随目标，包括：
4.根据权利要求3所述的目标跟随方法，其特征在于，所述根据第一判断结果确定所述当前帧图像中的所述跟随目标，包括：
5.根据权利要求4所述的目标跟随方法，其特征在于，所述根据所述目标第二重识别特征更新所述模板帧图像中所述跟随目标的第一重识别特征，包括：
6.根据权利要求4所述的目标跟随方法，其特征在于，所述方法还包括：
7.根据权利要求3至6任一项所述的目标跟随方法，其特征在于，所述根据第一判断结果确定所述当前帧图像中的所述跟随目标，包括：
8.根据权利要求7所述的目标跟随方法，其特征在于，所述根据所述检测框和所述预测框之间的第二相似度确定所述当前帧图像中的所述跟随目标，包括：
9.根据权利要求8所述的目标跟随方法，其特征在于，所述根据第二判断结果确定所述当前帧图像中的所述跟随目标，包括：
10.根据权利要求2至6任一项所述的目标跟随方法，其特征在于，所述重识别网络包括全方位网络osnet，所述osnet中的卷积模块包括深度分离卷积模块和点卷积模块；
11.一种目标跟随装置，其特征在于，包括：
12.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至10任一项所述的目标跟随方法。
13.一种非暂态计算机可读存储介质，其上存储有计算机程序，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10任一项所述的目标跟随方法。
14.一种计算机程序产品，包括计算机程序，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10任一项所述的目标跟随方法。
