[發明專利]一種目標跟蹤方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202110944339.7
• 申請日: 2021-08-17
• 公開（公告）號: CN113743252A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 錢琳瑞;蔡澤武
• 申請（專利權）人: 北京佳服信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集智東方知識產權代理有限公司 11578
• 代理人: 陳攀

本發明提供了一種目標跟蹤方法、裝置、設備及可讀存儲介質，所述方法包括：獲取包含待跟蹤的目標的視頻；在所述視頻的第一幀圖像中框出所述目標的圖像，得到第一目標圖像，將所述第一目標圖像作為訓練樣本，對神經網絡模型進行在線訓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所述初始化分類器模型在線進行優化，得到優化后的分類器模型和停止優化的圖像；利用所述優化后的分類器模型查找所述停止優化的圖像之后的圖像中的所述目標，實現對所述目標的跟蹤。本發明不僅利用了目標區域的外觀特征，還利用了目標背景區域內容，因此判別能力較強，魯棒性較好，能夠對復雜場景的目標進行追蹤。

技術領域

本發明涉及目標跟蹤技術領域，具體而言，涉及一種目標跟蹤方法、裝置、設備及可讀存儲介質。

背景技術

通常現有的目標跟蹤算法為離線學習特征提取器，將目標區域送入特征提取器得到一個比較好的特征表示，使用訓練好的特征提取器，在目標區域內提取的特征直接在測試幀圖像的特征中進行相關操作，這種方法簡單，速度快，在簡單場景下效果挺好，但魯棒性差，無法處理復雜場景(相似物體問題)。

發明內容

本發明的目的在于提供一種目標跟蹤方法、裝置、設備及可讀存儲介質，以改善上述問題。

為了實現上述目的，本申請實施例提供了如下技術方案：

一方面，本申請實施例提供了一種目標跟蹤方法，所述方法包括：

獲取包含待跟蹤的目標的視頻；

在所述視頻的第一幀圖像中框出所述目標的圖像，得到第一目標圖像，將所述第一目標圖像作為訓練樣本，對神經網絡模型進行在線訓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所述初始化分類器模型在線進行優化，得到優化后的分類器模型和停止優化的圖像；

利用所述優化后的分類器模型查找所述停止優化的圖像之后的圖像中的所述目標，實現對所述目標的跟蹤。

可選的，所述基于所述第一幀圖像后的圖像對所述初始化分類器模型在線進行優化，得到優化后的分類器模型和停止優化的圖像，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別所述第二幀圖像中所述目標的圖像，得到第二目標的圖像；

提取所述第二目標圖像的背景信息，利用所述背景信息對所述初始化分類器模型進行優化，得到第一次優化后的初始化模型；

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

可選的，所述基于所述初始化分類器模型識別所述第二幀圖像中所述目標的圖像，得到第二目標的圖像，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第一子圖像；

基于所述初始化分類器模型計算每一個所述第一子圖像的第一概率分數值，得到至少兩個所述第一概率分數值；

識別全部的所述第一概率分數值中最大的所述第一概率分數值，將最大的所述第一概率分數值所對應的所述第一子圖像識別為所述目標的圖像，得到所述第二目標的圖像。

可選的，所述利用所述優化后的分類器模型查找所述停止優化的圖像之后的圖像中的所述目標，實現對所述目標的跟蹤，包括：

將所述停止優化的圖像之后的圖像定義為預測圖形；