[發明專利]目標跟蹤方法、終端及存儲介質

在審

• 申請號: 201910935404.2
• 申請日: 2019-09-29
• 公開（公告）號: CN110738149A
• 公開（公告）日: 2020-01-31
• 發明（設計）人: 顧景;程駿;龐建新;熊友軍
• 申請（專利權）人: 深圳市優必選科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06T7/20;G06T7/90
• 代理公司: 44414 深圳中一聯合知識產權代理有限公司
• 代理人: 李娟

1.一種目標跟蹤方法，其特征在于，包括：

獲取預設時長的監控視頻流，所述監控視頻流包括待監控對象的位置信息；

采用預設的跟蹤算法分析所述監控視頻流，確定所述待監控對象在所述監控視頻流中的最終位置信息；

確定所述最終位置信息對應的可靠性得分；

若所述可靠性得分大于預設的可靠性得分閾值，則判定所述最終位置信息為所述待監控對象的目標位置信息，所述目標位置信息為對所述待監控對象的定位結果；

若所述可靠性得分小于或者等于預設的可靠性得分閾值，則根據預先訓練完成的位置檢測模型對所述監控視頻流進行分析，得到所述待監控對象的所述目標位置信息。

2.如權利要求1所述的目標跟蹤方法，其特征在于，所述預設的跟蹤算法為相關濾波算法與顏色直方圖概率統計算法相結合的跟蹤算法，所述方法還包括：

若所述可靠性得分小于或者等于預設的可靠性得分閾值，則獲取所述預先訓練完成的位置檢測模型對所述監控視頻流進行分析，得到的所述目標位置信息；

根據所述目標位置信息更新所述相關濾波算法中的初始相關濾波器，以及根據所述目標位置信息更新所述顏色直方圖概率統計算法中的權重向量。

3.如權利要求2所述的目標跟蹤方法，其特征在于，所述采用預設的跟蹤算法分析所述監控視頻幀，確定待監控對象在所述監控視頻流中的最終位置信息，包括：

獲取所述監控視頻流的當前圖像幀；

計算所述當前圖像幀的方向梯度直方圖的第一響應值；

計算所述當前圖像幀的顏色直方圖的第二響應值；

將所述第一響應值和所述第二響應值進行融合，得到所述待監控對象在所述當前圖像幀的最終響應值；

基于所述最終響應值確定所述最終位置信息。

4.如權利要求3所述的目標跟蹤方法，其特征在于，所述計算所述當前圖像幀的方向梯度直方圖的第一響應值，包括：

獲取所述當前圖像幀的第一方向梯度直方圖特征；

基于所述第一方向梯度直方圖特征生成初始相關濾波器；

提取與所述當前圖像幀相鄰的下一圖像幀的第二方向梯度直方圖特征，得到所述第二方向梯度直方圖的特征圖像；

根據所述初始相關濾波器對所述第二特征圖像進行卷積操作，得到所述第一響應值。

5.如權利要求3所述的目標跟蹤方法，其特征在于，所述計算所述當前圖像幀的顏色直方圖的第二響應值，包括：

提取所述當前圖像幀的顏色直方圖統計信息；

根據所述顏色直方圖統計信息確定所述當前圖像幀的顏色直方圖的權重向量；

基于所述權重向量計算得到所述第二響應值。

6.如權利要求3所述的目標跟蹤方法，其特征在于，所述基于所述最終響應值確定所述最終位置信息，包括：

查找所述最終響應值的極大位置點，將所述極大位置點作為所述最終位置信息。

7.如權利要求1所述的目標跟蹤方法，其特征在于，所述預先訓練完成的目標位置檢測模型為神經網絡模型，所述神經網絡模型的訓練過程包括：

獲取由預設數量的樣本構建的樣本集，按預設比例將所述樣本集中的樣本劃分為訓練樣本和測試樣本；

基于所述訓練樣本訓練預先建立的神經網絡模型，得到訓練完成的所述神經網絡模型；

根據所述測試樣本對訓練完成的所述神經網絡模型進行準確性測試；

若測試通過，則將訓練完成的所述神經網絡模型作為訓練完成的所述目標位置檢測模型；

若測試不通過，則增加所述訓練樣本的樣本數量，并執行所述基于所述訓練樣本集中的樣本訓練預先建立的神經網絡模型，得到訓練完成的所述神經網絡模型。