CN111866468B

CN111866468B - 对象跟踪分配方法、装置、存储介质及电子装置

Info

Publication number: CN111866468B
Application number: CN202010747155.7A
Authority: CN
Inventors: 覃涛杰; 韩建强
Original assignee: Zhejiang Dahua Technology Co Ltd
Current assignee: Zhejiang Dahua Technology Co Ltd
Priority date: 2020-07-29
Filing date: 2020-07-29
Publication date: 2022-06-24
Anticipated expiration: 2040-07-29
Also published as: CN111866468A

Abstract

本发明实施例提供了一种对象跟踪分配方法、装置、存储介质及电子装置，其中，该方法包括：确定待跟踪的目标对象的目标特征；将所述目标特征传输给多个摄像设备，其中，所述摄像设备用于跟踪一个或多个对象，且多个所述摄像设备中存在至少两个视野部分重叠的摄像设备；接收多个所述摄像设备返回的检测结果，其中，所述检测结果用于指示所述目标特征与返回所述检测结果的摄像设备所拍摄的图像中的对象的特征的相似度；基于所述检测结果从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备。通过本发明，解决了相关技术中存在的对象跟踪处理速度慢的问题，达到提高对象跟踪处理速度的效果。

Description

对象跟踪分配方法、装置、存储介质及电子装置

技术领域

本发明实施例涉及通信领域，具体而言，涉及一种对象跟踪分配方法、装置、存储介质及电子装置。

背景技术

在安防领域，对目标进行跟踪，大都是通过单摄像机对目标的运动状态进行跟踪。随着多摄像机联合跟踪目标技术的提出，跟踪目标合理的分配到各个摄像机的优化方案再次被提出。

在相关技术中，利用优化多机联合跟踪目标时，一个跟踪目标可能同时落在多台摄像机的监控范围内，随着跟踪目标的增多，单帧图片的处理速度将会延长，这将会影响到系统对跟踪目标的整体的处理速度。

由此可知，相关技术中存在对象跟踪处理速度慢的问题。

针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种对象跟踪分配方法、装置、存储介质及电子装置，以至少解决相关技术中存在的对象跟踪处理速度慢的问题。

根据本发明的一个实施例，提供了一种对象跟踪分配方法，包括：确定待跟踪的目标对象的目标特征；将所述目标特征传输给多个摄像设备，其中，所述摄像设备用于跟踪一个或多个对象，且多个所述摄像设备中存在至少两个视野部分重叠的摄像设备；接收多个所述摄像设备返回的检测结果，其中，所述检测结果用于指示所述目标特征与返回所述检测结果的摄像设备所拍摄的图像中的对象的特征的相似度；基于所述检测结果从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备。

根据本发明的另一个实施例，提供了一种对象跟踪分配装置，包括：第一确定模块，用于确定待跟踪的目标对象的目标特征；传输模块，用于将所述目标特征传输给多个摄像设备，其中，所述摄像设备用于跟踪一个或多个对象，且多个所述摄像设备中存在至少两个视野部分重叠的摄像设备；接收模块，用于接收多个所述摄像设备返回的检测结果，其中，所述检测结果用于指示所述目标特征与返回所述检测结果的摄像设备所拍摄的图像中的对象的特征的相似度；第二确定模块，用于基于所述检测结果从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备。

根据本发明的又一个实施例，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中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，在确定待跟踪的目标对象的目标特征后，将目标特征传输给多个摄像设备，接收多个摄像设备对目标特征进行检测得到的检测结果，根据检测结果从多个摄像设备中确定用于跟踪目标对象的目标摄像设备。因此，可以解决相关技术中存在的对象跟踪处理速度慢的问题，达到提高对象跟踪处理速度的效果。

附图说明

图1是本发明实施例的一种对象跟踪分配方法的移动终端的硬件结构框图；

图2是根据本发明实施例的对象跟踪分配方法的流程图；

图3是根据本发明示例性实施例的对象跟踪分配系统模型示意图；

图4是根据本发明具体实施例的对象跟踪分配方法流程图；

图5是根据本发明实施例的对象跟踪分配装置的结构框图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明的实施例。

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。

本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种对象跟踪分配方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的对象跟踪分配方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种对象跟踪分配方法，图2是根据本发明实施例的对象跟踪分配方法的流程图，如图2所示，该流程包括如下步骤：

步骤S202，确定待跟踪的目标对象的目标特征；

步骤S204，将所述目标特征传输给多个摄像设备，其中，所述摄像设备用于跟踪一个或多个对象，且多个所述摄像设备中存在至少两个视野部分重叠的摄像设备；

步骤S206，接收多个所述摄像设备返回的检测结果，其中，所述检测结果用于指示所述目标特征与返回所述检测结果的摄像设备所拍摄的图像中的对象的特征的相似度；

步骤S208，基于所述检测结果从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备。

在上述实施例中，目标对象可以为人、车辆、动物、物品等。当目标对象为人时，目标特征可以为人脸、人体、五官、是否戴眼镜、服饰等；当目标对象为车辆时，目标特征可以为车牌、车型、车身、车标等；当目标对象为动物时，目标特征可以为动物的脸、身体、花色等；当目标对象为物品时，目标特征可以是物品的体积、编号、颜色等。其中，目标特征可以是输入的特征，或者是根据某一个拍摄设备拍摄的图片提取出的特征。摄像设备可以监控摄像头等。

示例性的，上述步骤的执行主体可以是中央控制器或后台处理器，还可以是其他的具备类似处理能力的设备，还可以是至少集成有图像获取设备以及数据处理设备的机器，其中，图像获取设备可以包括摄像头等图形采集模块，数据处理设备可以包括计算机、手机等终端，但不限于此。

在上述实施例中，当上述步骤的执行主体为中央控制器时，多个摄像设备和中央控制器可以构成一个系统，对象跟踪分配系统模型示意图可参见附图3。多个跟踪目标n＝1,2,…,N分布在由同一个由中央控制器关联的多个摄像设备k＝1,2,…,K中。部分跟踪目标在移动的过程中，可能落在多个摄像设备的监控视野中，则可以再将目标特征传输给多个摄像设备后，摄像设备可以将目标特征与其拍摄的图像中包括的对象的特征进行对比，确定出相似度，再将检测结果发送给中央控制器，中央控制器根据检测结果确定出跟踪目标对象的目标摄像设备。

在一个示例性实施例中，将所述目标特征传输给多个摄像设备，以指示多个所述摄像设备中包括的第一摄像设备执行以下操作，其中，所述第一摄像设备为多个所述摄像设备中包括的任一个摄像设备：使用第一模型对所述第一摄像设备所拍摄的第一图像进行分析，以确定所述第一图像中包括的第一对象的特征，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：图像和图像中包括的对象的特征，所述第一对象的数量为一个或多个；将所述目标特征与所述第一对象的特征进行比较，以确定所述目标特征与所述第一对象的特征的相似度。在本实施例中，第一摄像设备使用第一模型对其拍摄的第一图像进行分析，得到第一图像中包括的对象的特征，将此特征与目标特性进行比较，确定二者的相似度。其中，第一模型可以为基于Yolo算法的模型等。

在一个示例性实施例中，将所述目标特征与所述第一对象的特征进行比较，以确定所述目标特征与所述第一对象的特征的相似度包括：将所述目标特征与所述第一对象的特征进行比较，得到比较结果；在所述比较结果用于指示所述目标特征与所述第一对象的特征的实际相似度大于或等于预定阈值的情况下，确定所述目标特征与所述第一对象的特征的相似度为所述实际相似度；在所述比较结果用于指示所述目标特征与所述第一对象的特征的实际相似度小于所述预定阈值的情况下，确定所述目标特征与所述第一对象的特征的相似度为0。在本实施例中，各个摄像设备可以采用机器学习的算法(如Yolo)检测对象，然后通过机器学习提取检测对象的特征并与跟踪目标特征进行相似度c_k,n对比，并确认是否是跟踪目标，各个摄像设备将检测的结果p_k,n反馈给中央控制器。当目标特征与第一对象的特征的相似度大于或等于预定阈值时，将此相似度确定为实际相似度，当目标特征与第一对象的特征的相似度小于预定阈值时，确定二者的相似度为0。可用公式表示为

其中，p_thre为用于确定是否为跟踪目标的门限值(对应于上述预定阈值)，需要说明的是，可以根据应用场景、目标对象的类型或实际情况自定义预定阈值，本发明对预定阈值的大小不做限制，此外，该预定阈值在确定之后还可以根据实际需要进行灵活调整。

在一个示例性实施例中，基于所述检测结果从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备包括：基于所述检测结果利用贪婪算法从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备。在本实施例中，可以根据各个摄像设备反馈回来的检测结果调用优化算法获取最优解，即确定出用于跟踪目标对象的目标摄像设备，其中，优化算法可以为贪婪算法。

在一个示例性实施例中，基于所述检测结果利用贪婪算法从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备包括：将所述检测结果按照预定规则进行排序以得到第一顺序检测结果；对所述第一顺序检测结果中包括的检测结果依次执行以下操作，以从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备：判断所述第一顺序检测结果中包括的第一检测结果所对应的第二摄像设备的跟踪对象数量是否小于第一阈值，其中，所述第二摄像设备用于返回所述第一检测结果；在确定所述第二摄像设备的跟踪对象数量小于所述第一阈值的情况下，将所述第二摄像设备确定为跟踪所述目标对象的目标设备，并删除所述第一顺序检测结果中包括的所述目标对象所对应的第二检测结果，其中，所述第二检测结果为除所述第二摄像设备外的其他摄像设备所返回的用于指示所述目标特征与返回所述检测结果的其他摄像设备所拍摄的图像中的对象的特征的相似度的检测结果；在确定所述第二摄像的跟踪对象数量不小于所述第一阈值的情况下，删除所述第一检测结果。在本实施例中，预定规则可以为降序排列规则，还可以升序排列规则。第一检测结果可以为第一顺序检测结果中的最大值。即，当预定排列规则为降序排列规则时，第一检测结果可以为第一顺序检测结果中的第一个检测结果，当预定排列规则为升序排列规则时，第一检测结果可以为一顺序检测结果中的第一个检测结果中的最后一个检测结果。第一阈值为第二摄像设备所被允许的跟踪目标对象数量的最大值，第一阈值的取值可以自定义设置，例如，可以取2,3,5等，本发明对第一阈值不做限制。

下面以降序排列进行说明：

根据摄像设备反馈的检测结果，优化算法可构建为如下优化问题：

s.t.0≤p_k,n≤1

i_k,n∈{0,1}

其中，k(＝1,2,...,K)表示摄像设备的索引，K表示关联到中央控制器的视频设备的最大个数；n(＝1,2,...,N)表示跟踪目标的索引，N表示跟踪目标的最大个数；p_k,n表示跟踪目标n在设备k中的相似度；i_k,n表示跟踪目标n被分配给k的指使变量；限制条件1为检测结果的取值范围，即0≤p_k,n≤1；限制条件2为指使变量的取值范围，即i_k,n∈{0,1}；单个摄像设备跟踪的目标越多，处理时间越长，因此，限制条件3可以用于限制视频设备k跟踪的目标数I_k，如，

进而限制设备的处理时间。

该优化问题为带限制条件的线性规划问题，可通过如下贪婪法得到近似解：

按照降序排列p_k,n,(k＝1,2,...,K；n＝1,2,...,N)，将该有序集合定义为

即

中包含了所有p_k,n中所有不为零的值，并且按照从大到小的顺序排列。

While

非空

取

中的第一个元素(即可信度最高的元素)，p_k',n'，即设备k'上目标n'的可信度

If M_k'中的目标个数小于I_k'

设置i_k',n'＝1，即集合M_k'中增加跟踪目标n'

从

中剔除p_k,n',k＝1,2…K

Else

从

中剔除p_k',n'，

End If

End While

其中，

表示摄像设备k中需要跟踪目标的集合，初始化为空集，即i_k,n＝0(k＝1,2,…K；n＝1,2,…N)。此处的限制条件还包括每个目标最多只在一台摄像设备上进行跟踪，即

否则每个设备都选择其可信度位于前面的若干个目标即是优化问题的全局最优解，不符合实际应用的情形。

在一个示例性实施例中，确定待跟踪的目标对象的目标特征包括以下之一：获取输入的所述目标对象的目标特征；获取输入的包括有所述目标对象的目标图像，基于所述目标图像提取出所述目标对象的所述目标特征。在本实施例中，待跟踪目标对象的目标特征可以是直接输入的，还可以是在输入的图像中提取出的特征。

下面结合具体实施方式对如何分配对象跟踪进行说明：

图4是根据本发明具体实施例的对象跟踪分配方法流程图，如图4所示，该流程包括：

步骤S402，向中央控制器输入需要跟踪的目标。

步骤S404，中央控制器将要跟踪的目标的特征传输给各个摄像设备。

步骤S406，各个摄像设备采用机器学习的算法(如Yolo)检测对象，然后通过机器学习提取检测对象的特征并与跟踪目标进行相似度c_k,n对比并确认是否是跟踪目标，各个摄像设备将检测的结果p_k,n反馈给中央控制器。其中

其中p_thre为用于确定是否为跟踪目标的门限值。

步骤S408，中央控制器根据各个设备反馈回来的跟踪结果调用优化算法获取最优解。

步骤S410，中央控制器将最优解的结果反馈给各个设备，各个设备根据控制器反馈的结果跟踪各自需要跟踪的目标，并反馈给中央控制器存储。

需要说明的是，跟踪对象在移动过程中，系统可以需不断运行上述步骤S402-S410，实现对象跟踪分配。

在前述实施例中，通过多台摄像设备联合跟踪多个目标，不仅仅缓解了单台设备跟踪多个设备的压力，而且扩大了跟踪的范围；相比单个视频设备跟踪多个目标时，在距离较远的位置的目标的相似度较低，多个视频设备发挥各个设备所在位置的优势，使得跟踪目标由相似度较高的视频设备来跟踪；在中央控制器关联的多台摄像机联合跟踪目标的情况下，在兼顾各个设备的性能的条件下，通过优化，提高了系统的性能；限制了各个设备的跟踪的数量，这样可以使得各个不同性能的视频设备能够及时的处理一帧的数据。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

在本实施例中还提供了一种对象跟踪分配装置，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”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。

图5是根据本发明实施例的对象跟踪分配装置的结构框图，如图5所示，该装置包括：

第一确定模块52，用于确定待跟踪的目标对象的目标特征；

传输模块54，用于将所述目标特征传输给多个摄像设备，其中，所述摄像设备用于跟踪一个或多个对象，且多个所述摄像设备中存在至少两个视野部分重叠的摄像设备；

接收模块56，用于接收多个所述摄像设备返回的检测结果，其中，所述检测结果用于指示所述目标特征与返回所述检测结果的摄像设备所拍摄的图像中的对象的特征的相似度；

第二确定模块58，用于基于所述检测结果从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备。

在一个示例性实施例中，所述传输模块54用于将所述目标特征传输给多个摄像设备，以指示多个所述摄像设备中包括的第一摄像设备执行以下操作，其中，所述第一摄像设备为多个所述摄像设备中包括的任一个摄像设备：使用第一模型对所述第一摄像设备所拍摄的第一图像进行分析，以确定所述第一图像中包括的第一对象的特征，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：图像和图像中包括的对象的特征，所述第一对象的数量为一个或多个；将所述目标特征与所述第一对象的特征进行比较，以确定所述目标特征与所述第一对象的特征的相似度。

在一个示例性实施例中，所述摄像设备可以通过如下模块实现将所述目标特征与所述第一对象的特征进行比较，以确定所述目标特征与所述第一对象的特征的相似度：比较模块，用于将所述目标特征与所述第一对象的特征进行比较，得到比较结果；第三确定模块，用于在所述比较结果用于指示所述目标特征与所述第一对象的特征的实际相似度大于或等于预定阈值的情况下，确定所述目标特征与所述第一对象的特征的相似度为所述实际相似度；第四确定模块，用于在所述比较结果用于指示所述目标特征与所述第一对象的特征的实际相似度小于所述预定阈值的情况下，确定所述目标特征与所述第一对象的特征的相似度为0。

在一个示例性实施例中，第二确定模块58包括：确定单元，用于基于所述检测结果利用贪婪算法从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备。

在一个示例性实施例中，所述第二确定模块58可以通过如下方式实现基于所述检测结果利用贪婪算法从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备：将所述检测结果按照预定规则进行排序以得到第一顺序检测结果；对所述第一顺序检测结果中包括的检测结果依次执行以下操作，以从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备：判断所述第一顺序检测结果中包括的第一检测结果所对应的第二摄像设备的跟踪对象数量是否小于第一阈值，其中，所述第二摄像设备用于返回所述第一检测结果；在确定所述第二摄像设备的跟踪对象数量小于所述第一阈值的情况下，将所述第二摄像设备确定为跟踪所述目标对象的目标设备，并删除所述第一顺序检测结果中包括的所述目标对象所对应的第二检测结果，其中，所述第二检测结果为除所述第二摄像设备外的其他摄像设备所返回的用于指示所述目标特征与返回所述检测结果的其他摄像设备所拍摄的图像中的对象的特征的相似度的检测结果；在确定所述第二摄像的跟踪对象数量不小于所述第一阈值的情况下，删除所述第一检测结果。

在一个示例性实施例中，所述第一确定模块52可以通过以下之一实现确定待跟踪的目标对象的目标特征：获取输入的所述目标对象的目标特征；获取输入的包括有所述目标对象的目标图像，基于所述目标图像提取出所述目标对象的所述目标特征。

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，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本发明的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种对象跟踪分配方法，其特征在于，包括：

确定待跟踪的目标对象的目标特征；

将所述目标特征传输给多个摄像设备，其中，所述摄像设备用于跟踪一个或多个对象，且多个所述摄像设备中存在至少两个视野部分重叠的摄像设备；

接收多个所述摄像设备返回的检测结果，其中，所述检测结果用于指示所述目标特征与返回所述检测结果的摄像设备所拍摄的图像中的对象的特征的相似度；

基于所述检测结果从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备；

其中，基于所述检测结果从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备包括：通过如下方式实现基于所述检测结果利用贪婪算法从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备：

将所述检测结果按照预定规则进行排序以得到第一顺序检测结果；对所述第一顺序检测结果中包括的检测结果依次执行以下操作，以从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备：判断所述第一顺序检测结果中包括的第一检测结果所对应的第二摄像设备的跟踪对象数量是否小于第一阈值，其中，所述第二摄像设备用于返回所述第一检测结果；在确定所述第二摄像设备的跟踪对象数量小于所述第一阈值的情况下，将所述第二摄像设备确定为跟踪所述目标对象的目标设备，并删除所述第一顺序检测结果中包括的所述目标对象所对应的第二检测结果，其中，所述第二检测结果为除所述第二摄像设备外的其他摄像设备所返回的用于指示所述目标特征与返回所述检测结果的其他摄像设备所拍摄的图像中的对象的特征的相似度的检测结果；在确定所述第二摄像的跟踪对象数量不小于所述第一阈值的情况下，删除所述第一检测结果。

2.根据权利要求1所述的方法，其特征在于，将所述目标特征传输给多个摄像设备，以指示多个所述摄像设备中包括的第一摄像设备执行以下操作，其中，所述第一摄像设备为多个所述摄像设备中包括的任一个摄像设备：

使用第一模型对所述第一摄像设备所拍摄的第一图像进行分析，以确定所述第一图像中包括的第一对象的特征，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：图像和图像中包括的对象的特征，所述第一对象的数量为一个或多个；

将所述目标特征与所述第一对象的特征进行比较，以确定所述目标特征与所述第一对象的特征的相似度。

3.根据权利要求2所述的方法，其特征在于，将所述目标特征与所述第一对象的特征进行比较，以确定所述目标特征与所述第一对象的特征的相似度包括：

将所述目标特征与所述第一对象的特征进行比较，得到比较结果；

在所述比较结果用于指示所述目标特征与所述第一对象的特征的实际相似度大于或等于预定阈值的情况下，确定所述目标特征与所述第一对象的特征的相似度为所述实际相似度；

在所述比较结果用于指示所述目标特征与所述第一对象的特征的实际相似度小于所述预定阈值的情况下，确定所述目标特征与所述第一对象的特征的相似度为0。

4.根据权利要求1所述的方法，其特征在于，确定待跟踪的目标对象的目标特征包括以下之一：

获取输入的所述目标对象的目标特征；

获取输入的包括有所述目标对象的目标图像，基于所述目标图像提取出所述目标对象的所述目标特征。

5.一种对象跟踪分配装置，其特征在于，包括：

第一确定模块，用于确定待跟踪的目标对象的目标特征；

传输模块，用于将所述目标特征传输给多个摄像设备，其中，所述摄像设备用于跟踪一个或多个对象，且多个所述摄像设备中存在至少两个视野部分重叠的摄像设备；

接收模块，用于接收多个所述摄像设备返回的检测结果，其中，所述检测结果用于指示所述目标特征与返回所述检测结果的摄像设备所拍摄的图像中的对象的特征的相似度；

第二确定模块，用于基于所述检测结果从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备；

其中，所述第二确定模块包括：确定单元，用于通过如下方式实现基于所述检测结果利用贪婪算法从多个所述摄像设备中确定出用于跟踪所述目标对象的目标摄像设备：

6.根据权利要求5所述的装置，其特征在于，所述传输模块用于将所述目标特征传输给多个摄像设备，以指示多个所述摄像设备中包括的第一摄像设备执行以下操作，其中，所述第一摄像设备为多个所述摄像设备中包括的任一个摄像设备：

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述的方法。

8.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。