[發(fā)明專利]物體跟蹤方法及裝置

有效

• 申請?zhí)枺?/td>: 201810388297.1
• 申請日: 2018-04-26
• 公開（公告）號: CN108596957B
• 公開（公告）日: 2022-07-22
• 發(fā)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

本公開是關于物體跟蹤方法及裝置。該方法包括：確定目標物體在第一幀圖像中的目標位置；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(qū)域；獲取多個候選區(qū)域中每個候選區(qū)域對應的目標概率，目標概率為候選區(qū)域包括目標物體的概率；確定多個候選區(qū)域中目標概率滿足預設條件的候選區(qū)域為目標物體在第二幀圖像中的位置區(qū)域。該技術方案可以降低確定候選區(qū)域是否包括特定物體的難度，從而降低了物體跟蹤的難度，提高了物體跟蹤的成功率。

技術領域

本公開涉及圖像處理技術領域，尤其涉及物體跟蹤方法及裝置。

背景技術

物體跟蹤是指獲取特定物體在視頻流中的運動軌跡，近年來隨著機器視覺技術的發(fā)展，物體跟蹤在機器視覺技術領域扮演者重要角色。相關技術中，可以通過確定特定物體在視頻流的相鄰兩幀圖像中的不同位置，獲取該特定物體在視頻中的運動軌跡，達到跟蹤該特定物體的目的。

發(fā)明內(nèi)容

為克服相關技術中存在的問題，本公開的實施例提供一種物體跟蹤方法及裝置。技術方案如下：

根據(jù)本公開的實施例的第一方面，提供一種物體跟蹤方法，包括：

確定目標物體在第一幀圖像中的目標位置；

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(qū)域；

獲取多個候選區(qū)域中每個候選區(qū)域對應的目標概率，目標概率為候選區(qū)域包括目標物體的概率；

確定多個候選區(qū)域中目標概率滿足預設條件的候選區(qū)域為目標物體在第二幀圖像中的位置區(qū)域。

本公開的實施例提供的技術方案中，通過在第一幀圖像中確定目標物體，并獲取目標物體在第一幀圖像中的目標位置坐標，在與第一幀圖像相鄰的第二幀圖像中選取多個候選區(qū)域，考慮到目標物體在相鄰兩幀的圖像間的移動距離不會過多，因此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(qū)域，確保所選取的候選區(qū)域中包括目標物體的幾率較高，在所選取的候選區(qū)域中確定包括特定物體的難度較低，通過獲取多個候選區(qū)域中每個候選區(qū)域對應的目標概率，目標概率為候選區(qū)域包括目標物體的概率，并確定多個候選區(qū)域中對應目標概率最大的候選區(qū)域為目標物體在第二幀圖像中的位置區(qū)域，上述方案降低了確定候選區(qū)域是否包括特定物體的難度，從而降低了物體跟蹤的難度，提高了物體跟蹤的成功率。

在一個實施例中，多個候選區(qū)域中任一個候選區(qū)域的相鄰距離與該候選區(qū)域的中心距離成反比，相鄰距離為候選區(qū)域至多個候選區(qū)域中與其相距最近的候選區(qū)域的距離，中心距離為候選區(qū)域至目標位置的距離。

在一個實施例中，獲取多個候選區(qū)域中每個候選區(qū)域對應的目標概率，包括：

獲取多個候選區(qū)域中每個候選區(qū)域的特征向量；

通過將每個候選區(qū)域的特征向量輸入目標多層感知器MLP神經(jīng)網(wǎng)絡，獲取每個候選區(qū)域對應的目標概率。

在一個實施例中，獲取多個候選區(qū)域中每個候選區(qū)域的特征向量，包括：

對第二幀圖像進行CNN卷積神經(jīng)網(wǎng)絡運算，獲取第二幀圖像的特征圖；

通過將多個候選區(qū)域中的每個候選區(qū)域映射到特征圖中，獲取多個候選區(qū)域中的每個候選區(qū)域在特征圖中對應的特征區(qū)域；

對多個候選區(qū)域中的每個候選區(qū)域在特征圖中對應的特征區(qū)域進行最大池化操作，獲取多個候選區(qū)域中每個候選區(qū)域的特征向量。

在一個實施例中，通過將每個候選區(qū)域的特征向量輸入目標多層感知器MLP神經(jīng)網(wǎng)絡，獲取每個候選區(qū)域對應的目標概率，包括：

通過將每個候選區(qū)域的特征向量輸入調(diào)整多層感知器MLP神經(jīng)網(wǎng)絡，獲取每個候選區(qū)域對應的目標概率以及多個候選區(qū)域中每個候選區(qū)域的位置調(diào)整量；