[發(fā)明專利]跟蹤目標(biāo)的定位方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811088121.0
• 申請(qǐng)日: 2018-09-18
• 公開（公告）號(hào): CN109448018B
• 公開（公告）日: 2023-08-01
• 發(fā)明（設(shè)計(jì)）人: 楊國(guó)青
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06T7/215
• 分類號(hào): G06T7/215;G06T7/194;G06N3/0464
• 代理公司: 深圳眾鼎專利商標(biāo)代理事務(wù)所(普通合伙) 44325
• 代理人: 黃章輝

1.一種跟蹤目標(biāo)的定位方法，其特征在于，所述跟蹤目標(biāo)的定位方法包括：

若接收到跟蹤目標(biāo)的定位請(qǐng)求，則獲取所述定位請(qǐng)求中包含的用戶選定的原始目標(biāo)點(diǎn)的原始位置信息，其中，所述原始位置信息包括所述原始目標(biāo)點(diǎn)在當(dāng)前播放的視頻數(shù)據(jù)中的當(dāng)前幀圖像和所述原始目標(biāo)點(diǎn)在所述當(dāng)前幀圖像中的原始坐標(biāo)；

根據(jù)預(yù)設(shè)的目標(biāo)預(yù)測(cè)模型，對(duì)所述當(dāng)前幀圖像進(jìn)行目標(biāo)預(yù)測(cè)，得到目標(biāo)預(yù)測(cè)結(jié)果，其中，所述目標(biāo)預(yù)測(cè)模型為包括兩層卷積層和兩層全連接層的卷積神經(jīng)網(wǎng)絡(luò)模型，所述目標(biāo)預(yù)測(cè)結(jié)果包括N個(gè)目標(biāo)區(qū)域和每個(gè)所述目標(biāo)區(qū)域?qū)?yīng)的目標(biāo)位置信息，N為正整數(shù)，每個(gè)所述目標(biāo)區(qū)域包含一個(gè)待跟蹤目標(biāo)；

根據(jù)每個(gè)所述目標(biāo)區(qū)域的所述目標(biāo)位置信息和所述原始坐標(biāo)計(jì)算每個(gè)待跟蹤目標(biāo)和所述原始目標(biāo)點(diǎn)之間的歐氏距離，得到N個(gè)距離；

所述目標(biāo)區(qū)域?qū)?yīng)的目標(biāo)位置信息包括目標(biāo)區(qū)域的左上角坐標(biāo)、所述目標(biāo)區(qū)域的寬和高，所述根據(jù)每個(gè)所述目標(biāo)區(qū)域的所述目標(biāo)位置信息和所述原始坐標(biāo)計(jì)算每個(gè)待跟蹤目標(biāo)和所述原始目標(biāo)點(diǎn)之間的歐氏距離，得到N個(gè)距離包括：

針對(duì)每個(gè)所述目標(biāo)位置信息，按照如下中心點(diǎn)坐標(biāo)公式，計(jì)算第i個(gè)所述目標(biāo)位置信息對(duì)應(yīng)的目標(biāo)區(qū)域的中心點(diǎn)坐標(biāo)

其中，i為正整數(shù)，且0＜i≤N，x_i為第i個(gè)所述目標(biāo)位置信息對(duì)應(yīng)的所述目標(biāo)區(qū)域的左上角坐標(biāo)的橫坐標(biāo)，y_i為所述左上角坐標(biāo)的縱坐標(biāo)，w_i為所述第i個(gè)所述目標(biāo)位置信息對(duì)應(yīng)的目標(biāo)區(qū)域的寬和h_i為所述第i個(gè)所述目標(biāo)位置信息對(duì)應(yīng)的目標(biāo)區(qū)域的高；

針對(duì)每個(gè)所述中心點(diǎn)坐標(biāo)，計(jì)算第i個(gè)所述中心點(diǎn)坐標(biāo)與所述原始坐標(biāo)(Δx，Δy)之間的歐氏距離d_i：

從所述N個(gè)距離中選取數(shù)值最小的距離作為目標(biāo)距離，獲取所述目標(biāo)距離對(duì)應(yīng)的目標(biāo)位置信息，并將獲取到的目標(biāo)位置信息對(duì)應(yīng)的目標(biāo)區(qū)域中的待跟蹤目標(biāo)確定為所述原始目標(biāo)點(diǎn)對(duì)應(yīng)的跟蹤目標(biāo)。

2.如權(quán)利要求1所述的跟蹤目標(biāo)的定位方法，其特征在于，所述根據(jù)預(yù)設(shè)的目標(biāo)預(yù)測(cè)模型，對(duì)所述當(dāng)前幀圖像進(jìn)行目標(biāo)預(yù)測(cè)，得到目標(biāo)預(yù)測(cè)結(jié)果之前，所述跟蹤目標(biāo)的定位方法還包括：

獲取樣本訓(xùn)練圖像數(shù)據(jù)；

基于深度學(xué)習(xí)框架構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)算法的結(jié)構(gòu)；

在所述卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)算法的結(jié)構(gòu)中，使用所述樣本訓(xùn)練圖像數(shù)據(jù)對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)算法的結(jié)構(gòu)進(jìn)行訓(xùn)練，得到所述目標(biāo)預(yù)測(cè)模型。

3.如權(quán)利要求2所述的跟蹤目標(biāo)的定位方法，其特征在于，所述基于深度學(xué)習(xí)框架構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)算法的結(jié)構(gòu)包括：

獲取所述卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)算法的結(jié)構(gòu)的定義信息；

在所述深度學(xué)習(xí)框架中按照預(yù)設(shè)的網(wǎng)絡(luò)定義的層結(jié)構(gòu)，將所述定義信息填入對(duì)應(yīng)的所述卷積層和所述全連接層的層結(jié)構(gòu)中，生成所述卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)算法的結(jié)構(gòu)。

4.如權(quán)利要求1所述的跟蹤目標(biāo)的定位方法，其特征在于，在所述根據(jù)每個(gè)所述目標(biāo)區(qū)域的所述目標(biāo)位置信息和所述原始坐標(biāo)計(jì)算每個(gè)待跟蹤目標(biāo)和所述原始目標(biāo)點(diǎn)之間的歐氏距離，得到N個(gè)距離之后，所述跟蹤目標(biāo)的定位方法還包括：

將所述N個(gè)距離中小于預(yù)設(shè)閾值的所述距離的目標(biāo)位置信息對(duì)應(yīng)的目標(biāo)區(qū)域中的待跟蹤目標(biāo)反饋給用戶進(jìn)行確認(rèn)；

接收所述用戶返回的確認(rèn)結(jié)果，并根據(jù)所述確認(rèn)結(jié)果，將所述用戶確認(rèn)的跟蹤目標(biāo)作為所述原始目標(biāo)點(diǎn)對(duì)應(yīng)的跟蹤目標(biāo)。