[發明專利]物體跟蹤方法及裝置

有效

• 申請號: 201810388297.1
• 申請日: 2018-04-26
• 公開（公告）號: CN108596957B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 楊松
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06N3/04
• 代理公司: 北京尚倫律師事務所 11477
• 代理人: 趙真

1.一種物體跟蹤方法，其特征在于，包括：

確定目標物體在第一幀圖像中的目標位置；

在與所述第一幀圖像相鄰的第二幀圖像中圍繞所述目標位置選取多個候選區域；其中，多個候選區域中任一個候選區域的相鄰距離與該候選區域的中心距離成正比，所述相鄰距離為候選區域至多個候選區域中與其相距最近的候選區域的距離，所述中心距離為候選區域至目標位置的距離；

獲取所述多個候選區域中每個候選區域對應的目標概率，所述目標概率為候選區域包括所述目標物體的概率，包括：獲取所述多個候選區域中每個候選區域的特征向量；通過將每個候選區域的特征向量輸入目標多層感知器MLP神經網絡，獲取所述每個候選區域對應的目標概率以及所述多個候選區域中每個候選區域的位置調整量；根據所述每個候選區域的位置調整量，對所述多個候選區域中每個候選區域位置進行調整，獲取位置調整后的多個候選區域對應的目標概率；

確定位置調整后的多個候選區域中目標概率滿足預設條件的候選區域為所述目標物體在所述第二幀圖像中的位置區域。

2.根據權利要求1所述的物體跟蹤方法，其特征在于，所述獲取所述多個候選區域中每個候選區域的特征向量，包括：

對所述第二幀圖像進行CNN卷積神經網絡運算，獲取所述第二幀圖像的特征圖；

通過將所述多個候選區域中的每個候選區域映射到所述特征圖中，獲取所述多個候選區域中的每個候選區域在所述特征圖中對應的特征區域；

對所述多個候選區域中的每個候選區域在所述特征圖中對應的特征區域進行最大池化操作，獲取所述多個候選區域中每個候選區域的特征向量。

3.一種物體跟蹤裝置，其特征在于，包括：

第一目標位置確定模塊，用于確定目標物體在第一幀圖像中的目標位置；

候選區域選取模塊，用于在與第一幀圖像相鄰的第二幀圖像中圍繞目標位置選取多個候選區域；其中，多個候選區域中任一個候選區域的相鄰距離與該候選區域的中心距離成正比，所述相鄰距離為候選區域至多個候選區域中與其相距最近的候選區域的距離，所述中心距離為候選區域至目標位置的距離；

目標概率獲取模塊，用于獲取多個候選區域中每個候選區域對應的目標概率，目標概率為候選區域包括目標物體的概率；

目標位置區域確定模塊，用于確定多個候選區域中目標概率滿足預設條件的候選區域為目標物體在第二幀圖像中的位置區域；

所述目標概率獲取模塊，包括：

特征向量獲取子模塊，用于獲取多個候選區域中每個候選區域的特征向量；

目標概率獲取子模塊，用于通過將每個候選區域的特征向量輸入目標多層感知器MLP神經網絡，獲取每個候選區域對應的目標概率；

所述目標概率獲取子模塊，包括：

位置調整量獲取單元，用于通過將每個候選區域的特征向量輸入調整多層感知器MLP神經網絡，獲取每個候選區域對應的目標概率以及多個候選區域中每個候選區域的位置調整量；

所述目標位置區域確定模塊，包括：

位置調整子模塊，用于根據所述每個候選區域的位置調整量，對所述多個候選區域中每個候選區域位置進行調整，獲取位置調整后的多個候選區域；

目標位置區域確定子模塊，用于確定所述位置調整后的多個候選區域中對應目標概率滿足所述預設條件的候選區域為所述目標物體所在的區域。

4.根據權利要求3的物體跟蹤裝置，其特征在于，所述特征向量獲取子模塊，包括：

特征圖獲取單元，用于對第二幀圖像進行CNN卷積神經網絡運算，獲取第二幀圖像的特征圖；

特征圖映射單元，用于通過將多個候選區域中的每個候選區域映射到特征圖中，獲取多個候選區域中的每個候選區域在特征圖中對應的特征區域；

特征向量獲取單元，用于對多個候選區域中的每個候選區域在特征圖中對應的特征區域進行最大池化操作，獲取多個候選區域中每個候選區域的特征向量。