[發(fā)明專利]一種目標(biāo)跟蹤方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110944339.7
• 申請(qǐng)日: 2021-08-17
• 公開（公告）號(hào): CN113743252A
• 公開（公告）日: 2021-12-03
• 發(fā)明（設(shè)計(jì)）人: 錢琳瑞;蔡澤武
• 申請(qǐng)（專利權(quán)）人: 北京佳服信息科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集智東方知識(shí)產(chǎn)權(quán)代理有限公司 11578
• 代理人: 陳攀

1.一種目標(biāo)跟蹤方法，其特征在于，包括：

獲取包含待跟蹤的目標(biāo)的視頻；

在所述視頻的第一幀圖像中框出所述目標(biāo)的圖像，得到第一目標(biāo)圖像，將所述第一目標(biāo)圖像作為訓(xùn)練樣本，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行在線訓(xùn)練得到所述初始化分類器模型；

基于所述第一幀圖像后的圖像對(duì)所述初始化分類器模型在線進(jìn)行優(yōu)化，得到優(yōu)化后的分類器模型和停止優(yōu)化的圖像；

利用所述優(yōu)化后的分類器模型查找所述停止優(yōu)化的圖像之后的圖像中的所述目標(biāo)，實(shí)現(xiàn)對(duì)所述目標(biāo)的跟蹤。

2.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，所述基于所述第一幀圖像后的圖像對(duì)所述初始化分類器模型在線進(jìn)行優(yōu)化，得到優(yōu)化后的分類器模型和停止優(yōu)化的圖像，包括：

讀取所述第一幀圖像的下一幀圖像，得到第二幀圖像；

基于所述初始化分類器模型識(shí)別所述第二幀圖像中所述目標(biāo)的圖像，得到第二目標(biāo)的圖像；

提取所述第二目標(biāo)圖像的背景信息，利用所述背景信息對(duì)所述初始化分類器模型進(jìn)行優(yōu)化，得到第一次優(yōu)化后的初始化模型；

計(jì)算所述初始化分類器模型與所述第一次優(yōu)化后的初始化模型之間的損失函數(shù)的值，并分析所述損失函數(shù)的值是否滿足停止優(yōu)化的要求，若滿足則停止優(yōu)化，得到所述優(yōu)化后的分類器模型，并將所述第二幀圖像作為所述停止優(yōu)化的圖像；若不滿足則再次提取所述第二幀圖像的下一幀圖像對(duì)所述第一次優(yōu)化后的初始化模型進(jìn)行優(yōu)化，直至滿足停止優(yōu)化的要求。

3.根據(jù)權(quán)利要求2所述的目標(biāo)跟蹤方法，其特征在于，所述基于所述初始化分類器模型識(shí)別所述第二幀圖像中所述目標(biāo)的圖像，得到第二目標(biāo)的圖像，包括：

利用所述初始化分類器模型中的卷積層將所述第二幀圖像劃分為至少兩個(gè)第一子圖像；

基于所述初始化分類器模型計(jì)算每一個(gè)所述第一子圖像的第一概率分?jǐn)?shù)值，得到至少兩個(gè)所述第一概率分?jǐn)?shù)值；

識(shí)別全部的所述第一概率分?jǐn)?shù)值中最大的所述第一概率分?jǐn)?shù)值，將最大的所述第一概率分?jǐn)?shù)值所對(duì)應(yīng)的所述第一子圖像識(shí)別為所述目標(biāo)的圖像，得到所述第二目標(biāo)的圖像。

4.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，所述利用所述優(yōu)化后的分類器模型查找所述停止優(yōu)化的圖像之后的圖像中的所述目標(biāo)，實(shí)現(xiàn)對(duì)所述目標(biāo)的跟蹤，包括：

將所述停止優(yōu)化的圖像之后的圖像定義為預(yù)測(cè)圖形；

利用所述優(yōu)化后的分類器模型中的卷積層將所述預(yù)測(cè)圖形劃分為至少兩個(gè)第二子圖像；

基于所述優(yōu)化后的分類器模型計(jì)算每一個(gè)所述第二子圖像的第二概率分?jǐn)?shù)值，得到至少兩個(gè)所述第二概率分?jǐn)?shù)值；

識(shí)別全部的所述第二概率分?jǐn)?shù)值中最大的所述第二概率分?jǐn)?shù)值，將最大的所述第二概率分?jǐn)?shù)值所對(duì)應(yīng)的所述第二子圖像識(shí)別為所述目標(biāo)的圖像，實(shí)現(xiàn)對(duì)所述目標(biāo)的跟蹤。

5.一種目標(biāo)跟蹤裝置，其特征在于，包括：

第一獲取模塊，用于獲取包含待跟蹤的目標(biāo)的視頻；

訓(xùn)練模塊，用于在所述視頻的第一幀圖像中框出所述目標(biāo)的圖像，得到第一目標(biāo)圖像，將所述第一目標(biāo)圖像作為訓(xùn)練樣本，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行在線訓(xùn)練得到所述初始化分類器模型；

優(yōu)化模塊，用于基于所述第一幀圖像后的圖像對(duì)所述初始化分類器模型在線進(jìn)行優(yōu)化，得到優(yōu)化后的分類器模型和停止優(yōu)化的圖像；

跟蹤模塊，用于利用所述優(yōu)化后的分類器模型查找所述停止優(yōu)化的圖像之后的圖像中的所述目標(biāo)，實(shí)現(xiàn)對(duì)所述目標(biāo)的跟蹤。