[發明專利]目標跟蹤方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201811646132.6
• 申請日: 2018-12-29
• 公開（公告）號: CN109727268A
• 公開（公告）日: 2019-05-07
• 發明（設計）人: 李寧鳥;王文濤;韓雪云;李權;王棟;魏璐
• 申請（專利權）人: 西安天和防務技術股份有限公司
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06K9/00
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 孫巖

1.一種目標跟蹤方法，其特征在于，所述方法包括：

對待檢測視頻流中的預定幀圖像進行場景識別，確定場景識別結果；其中，所述場景識別結果至少包括對空場景或對地場景中的任一場景；

確定與所述場景識別結果相對應的目標檢測算法，并采用所述目標檢測算法對所述待檢測視頻流進行目標檢測，得到目標檢測結果；

根據所述目標檢測結果，從所述待檢測視頻流中確定跟蹤目標，并對所述跟蹤目標進行跟蹤。

2.根據權利要求1所述的方法，其特征在于，所述對待檢測視頻流中的預定幀圖像進行場景識別，之前還包括：

檢測所述待檢測視頻流中的預定幀圖像中的場景識別標識；

根據所述場景識別標識確定需要對所述待檢測視頻流進行場景識別。

3.根據權利要求1所述的方法，其特征在于，所述對待檢測視頻流中的預定幀圖像進行場景識別，確定場景識別結果，包括：

將所述待檢測視頻流中的預定幀圖像輸入場景識別模型進行預測，輸出所述預定幀圖像為每一所述場景的概率；

將所述概率最大的場景確定為所述場景識別結果。

4.根據權利要求3所述的方法，其特征在于，所述將所述待檢測視頻流中的預定幀圖像輸入場景識別模型進行預測，之前還包括：

分別獲取各個所述場景的至少一張訓練圖像，并對所述至少一張訓練圖像中的目標進行標記；

利用標記后的訓練圖像對初始深度學習網絡進行訓練，得到所述場景識別模型。

5.根據權利要求1所述的方法，其特征在于，所述根據所述目標檢測結果，從所述待檢測視頻流中確定跟蹤目標，并對所述跟蹤目標進行跟蹤，包括：

根據所述目標檢測結果，從所述待檢測視頻流的預定幀圖像中確定至少一個目標對象；

從所述至少一個目標對象中確定所述跟蹤目標，采用預定跟蹤模型算法確定下一幀圖像中所述跟蹤目標所在的位置信息。

6.根據權利要求5所述的方法，其特征在于，所述根據所述目標檢測結果，從所述待檢測視頻流的預定幀圖像中確定至少一個目標對象，包括：

根據所述目標檢測結果獲取所述待檢測視頻流的預定幀圖像的二值圖像，其中，所述二值圖像中包含至少一個目標點；

根據所述至少一個目標點的坐標信息對所述至少一個目標點進行數據點聚類，轉換為至少一個目標塊；

在所述至少一個目標塊中確定所述至少一個目標對象。

7.根據權利要求6所述的方法，其特征在于，所述在所述至少一個目標塊中確定所述至少一個目標對象，包括：

根據剔除條件對所述至少一個目標塊進行篩選，得到初選目標塊；

從所述初選目標塊中，確定出所述至少一個目標對象。

8.根據權利要求7所述的方法，其特征在于，所述從所述初選目標塊中，確定出所述至少一個目標對象，包括：

若所述初選目標塊在所述預定幀圖像之前的任意相鄰的兩個幀圖像中匹配成功的次數超過預定值，則確定所述初選目標塊為所述目標對象。

9.一種目標跟蹤裝置，其特征在于，所述裝置包括：

場景識別模塊，用于對待檢測視頻流中的預定幀圖像進行場景識別，確定場景識別結果；其中，所述場景識別結果至少包括對空場景或對地場景中的任一場景；

目標檢測模塊，用于確定與所述場景識別結果相對應的目標檢測算法，并采用所述目標檢測算法對所述待檢測視頻流進行目標檢測，得到目標檢測結果；

目標跟蹤模塊，用于根據所述目標檢測結果，從所述待檢測視頻流中確定跟蹤目標，并對所述跟蹤目標進行跟蹤。

10.一種計算機設備，包括存儲器及處理器，所述存儲器上存儲有可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至8中任一項所述方法的步驟。

11.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至8中任一項所述的方法的步驟。