[發明專利]目標跟蹤方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010061491.6
• 申請日: 2020-01-19
• 公開（公告）號: CN111275741B
• 公開（公告）日: 2023-09-08
• 發明（設計）人: 李作新;俞剛
• 申請（專利權）人: 北京邁格威科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06V10/74;G06V10/80;G06V10/82
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 黃易

1.一種目標跟蹤方法，其特征在于，所述方法包括：

獲取當前圖像幀中的至少一個候選區域，以及獲取以所述當前圖像幀為基準的前第一預設數量個圖像幀中的初始目標區域，所述當前圖像幀為可能包含跟蹤目標圖像幀，所述候選區域為可能包含跟蹤目標的區域，所述第一預設數量個圖像幀為包含跟蹤目標，且跟蹤目標的位置區域已知的圖像幀，所述第一預設數量個初始目標區域為第一預設數量個圖像幀中的跟蹤目標對應的區域，每一圖像幀對應一個初始目標區域；

根據所述至少一個候選區域得到至少一個候選區域連續概率分布特征，以及根據所述初始目標區域得到對應的第一預設數量個第一初始連續概率分布特征；

對所述第一預設數量個第一初始連續概率分布特征進行融合，得到第二初始連續概率分布特征；

將所述至少一個候選區域連續概率分布特征與所述第二初始連續概率分布特征進行對比，根據對比結果，自所述至少一個候選區域中確定出目標區域和對應的跟蹤目標。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

當所述當前圖像幀為第一個圖像幀時，獲取所述當前圖像幀中的跟蹤目標，并根據所述跟蹤目標確定出所述目標區域。

3.根據權利要求2所述的方法，其特征在于，所述獲取當前圖像幀中的至少一個候選區域，包括：

獲取所述當前圖像幀的前一圖像幀中的初始目標區域和初始跟蹤目標；

以所述初始跟蹤目標為中心，按照與所述初始目標區域呈比例的方式進行區域截取，得到至少一個檢測區域；

對所述至少一個檢測區域進行篩選，得到所述至少一個候選區域。

4.根據權利要求3所述的方法，其特征在于，所述對所述至少一個檢測區域進行篩選，得到所述至少一個候選區域，包括：

對每一檢測區域進行檢測，得到至少一個候選框；

對所述至少一個候選框進行非極大值抑制處理，得到每一候選框為候選區域的得分；將所述得分大于預設閾值的候選框確定為所述候選區域，或將所述得分排序在第二預設數量前的候選框確定為所述候選區域。

5.根據權利要求1所述的方法，其特征在于，所述根據所述至少一個候選區域得到至少一個候選區域連續概率分布特征，以及根據所述初始目標區域得到對應的第一預設數量個第一初始連續概率分布特征，包括：

將所述至少一個候選區域輸入預設的特征提取網絡，得到預設維度的所述至少一個候選區域連續概率分布特征；

對于每一初始目標區域，檢測是否存在對應的所述預設維度的第一初始連續概率分布特征；

將存在對應的第一初始連續概率分布特征確定為第三初始連續概率分布特征；

將不存在對應的第一初始連續概率分布特征的初始目標區域，輸入預設的特征提取網絡，得到所述預設維度的第四初始連續概率分布特征；

將所述第三初始連續概率分布特征和所述第四初始連續概率分布特征，確定為所述第一預設數量個第一初始連續概率分布特征。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

獲取訓練數據；其中，所述訓練數據為包括訓練目標的圖像幀；

根據預設的第一標準差，應用所述訓練數據對預設的第一特征訓練網絡進行訓練，得到能提取特征向量的第二特征訓練網絡；

將所述訓練數據輸入所述第二特征訓練網絡，得到對應的特征分布，所述特征分布包括特征分布均值和第二標準差；

迭代循環如下步驟：根據所述特征分布均值，得到第一相似度，并將所述第一相似度返回所述第二特征訓練網絡，得到更新后的第二標準差，直到所述第二標準差滿足第一預設條件，則將所述第二標準差對應的第二特征訓練網絡確定為所述特征提取網絡。

7.根據權利要求1所述的方法，其特征在于，所述第一初始連續概率分布特征包括對應的特征向量和標準差；

所述對所述第一預設數量個第一初始連續概率分布特征進行融合，得到第二初始連續概率分布特征，包括：

根據所述第一初始連續概率分布特征中的特征向量和標準差，對所述第一預設數量個第一初始連續概率分布特征進行融合，得到所述第二初始連續概率分布特征。