[發明專利]改進型的目標跟蹤方法、裝置及計算機可讀存儲介質

在審

• 申請號: 201910694952.0
• 申請日: 2019-07-30
• 公開（公告）號: CN110533688A
• 公開（公告）日: 2019-12-03
• 發明（設計）人: 張國輝;陳思靜
• 申請（專利權）人: 平安科技(深圳)有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/73
• 代理公司: 44312 深圳市恒申知識產權事務所(普通合伙)
• 代理人: 李紅梅<國際申請>=<國際公布>=<進入

1.一種改進型的目標跟蹤方法，其特征在于，所述方法包括：

步驟A：獲取待跟蹤視頻的每一幀圖像中每一待跟蹤目標的位置；

步驟B：根據所述待跟蹤目標的位置和預先訓練的特征跟蹤模型，通過神經網絡提取每一待跟蹤目標的源特征；

步驟C：通過特征融合網絡對所述待跟蹤目標的源特征進行融合，以獲得所述待跟蹤目標的融合特征；及

步驟D：根據所述待跟蹤目標的融合特征確定待跟蹤目標的最終特征。

2.如權利要求1所述的改進型的目標跟蹤方法，其特征在于，所述步驟C包括：

通過神經網絡訓練融合模型；

通過所述融合模型對所述待跟蹤目標的源特征進行融合；

生成所述待跟蹤目標的融合特征。

3.如權利要求1或2所述的改進型的目標跟蹤方法，其特征在于，在執行所述步驟A之前，所述改進型的目標跟蹤方法還包括：

采集待跟蹤視頻數據；及

對視頻數據進行背景濾除，得到背景濾除的幀圖像。

4.如權利要求1或2所述的改進型的目標跟蹤方法，其特征在于，在執行所述步驟B之前，所述改進型的目標跟蹤方法還包括：預先訓練特征跟蹤模型。

5.如權利要求4所述的改進型的目標跟蹤方法，其特征在于，所述“預先訓練特征跟蹤模型”步驟包括：

通過視頻采集設備采集不同的視頻圖像，以獲得不同的訓練樣本；及

將所述不同的訓練樣本輸入到待訓練的特征跟蹤模型中進行訓練，從而獲得預先訓練特征跟蹤模型。

6.如權利要求1所述的改進型的目標跟蹤方法，其特征在于，所述特征融合網絡為循環神經網絡。

7.如權利要求1所述的改進型的目標跟蹤方法，其特征在于，訓練神經網絡的步驟包括：

步驟E1：確定輸入數據類型和結構；

步驟E2：設計神經網絡的結構；

步驟E3：設計loss函數；其中，所述loss函數為KS散度；

步驟E4：一批一批地輸入數據，利用隨機梯度下降算法更新神經網絡的參數；及

步驟E5：判斷神經網絡模型是否收斂，如果是，則結束；否則重復執行步驟E4，直到神經網絡模型收斂。

8.如權利要求1所述的改進型的目標跟蹤方法，其特征在于，所述待跟蹤目標是行人時，所述待跟蹤目標的源特征包括對應行人的運動光流特征和外觀特征；其中，所述外觀特征用于表示行人的外表信息，所述外觀特征包括全局外觀特征和前景外觀特征，所述運動光流特征用于通過向量表示的圖像亮度模式的表觀運動(apparent motion)信息、用于表達圖像中行人的變化情況。

9.一種改進型的目標跟蹤裝置，其特征在于，所述改進型的目標跟蹤裝置包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的改進型的目標跟蹤程序，所述改進型的目標跟蹤程序被所述處理器執行時實現如權利要求1-8任一所述的改進型的目標跟蹤方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有改進型的目標跟蹤程序，所述改進型的目標跟蹤程序可被一個或者多個處理器執行，以實現如權利要求1至8任一項所述的改進型的目標跟蹤方法的步驟。