一种基于比对网络的目标跟踪方法及装置制造方法及图纸

本发明专利技术公开一种基于比对网络的目标跟踪方法及装置，其中，基于比对网络的目标跟踪方法，包括如下步骤：确定包含被跟踪目标的当前帧图像；在当前帧图像中获取被跟踪目标区域；获取当前帧的下一帧图像；在下一帧图像中获取多个目标候选区域；获取包含每个目标候选区域的外接矩形；将被跟踪目标区域和外接矩形输入比对神经网络模型进行比对；根据比对结果在多个目标候选区域中确定目标跟踪区域；在目标跟踪区域内确定被跟踪目标。本发明专利技术通过比对神经网络模型对被跟踪目标区域和目标候选区域进行综合比较，能够准确识别出被跟踪目标物体，快速完成跟踪任务。

Target tracking method and device based on alignment network

The invention discloses a method and a device for tracking and matching network based target tracking method comparison among them, network based target, which comprises the following steps: determining the current frame image contains the target tracking; obtaining the current frame image by tracking the target area; the next frame image of the current frame; obtaining a plurality of candidate target the regional image in the next frame; obtaining the target candidate region contains each rectangle; will be tracking target area and rectangle input than the neural network model for comparison; according to the comparison result in multiple target candidate region in target tracking area; to determine the tracking target in target tracking area. By comparing the tracking target area and the target candidate area by comparing the neural network model, the tracking target object can be accurately identified and the tracking task can be completed quickly.

【技术实现步骤摘要】
一种基于比对网络的目标跟踪方法及装置
本专利技术涉及图像处理领域，具体涉及一种基于比对网络的目标跟踪方法及装置。
技术介绍
目标跟踪的目的是获取视频序列中特定目标的运动轨迹，近年来随着计算机网络视频的快速传播，目标跟踪的研究一直是计算机视觉领域的热门课题，也在很多实用视觉系统中扮演着重要角色，而目标跟踪是指给出目标在跟踪视频第一帧中的初始状态，预测该目标在后续帧中的精确位置，与此同时，视觉目标跟踪也作为人工智能的基础，可以模拟人类视觉的行为。目前现有技术中的目标跟踪方法主要是通过学习分类任务的检测方式提取目标物体的特征信息后跟踪目标物体，但在视频流中的图像信息种类很多，在跟踪的过程中，因为无法对视频流中的上一帧图像内目标区域和下一帧图像内的目标区域进行综合比较，所以在所有的视频图像中寻找具有被跟踪目标的特征信息的目标较为复杂，同时无法快速准确地完成跟踪任务。
技术实现思路
因此，本专利技术实施例要解决的技术问题在于现有技术中的目标跟踪方法采用学习分类任务的检测方式提取目标物体的特征信息后跟踪目标物体，无法对视频流中的上一帧图像内目标区域和下一帧图像内的目标区域进行综合比较，造成不能准确获取被跟踪目标物体。为此，本专利技术实施例提供了如下技术方案：本专利技术实施例提供一种基于比对网络的目标跟踪方法，包括如下步骤：确定包含被跟踪目标的当前帧图像；在所述当前帧图像中获取被跟踪目标区域；获取当前帧的下一帧图像；在所述下一帧图像中获取多个目标候选区域；获取包含每个所述目标候选区域的外接矩形；将所述被跟踪目标区域和所述外接矩形输入比对神经网络模型进行比对；根据比对结果在多个目标候选区域中确定目标跟踪区域。可选地，还包括：在所述目标跟踪区域内确定被跟踪目标。可选地，所述在所述下一帧图像中获取多个目标候选区域，包括：获取所述当前帧图像的正样本和负样本；检测所述下一帧图像边缘信息；在所述当前帧图像中检测所述被跟踪目标区域与所述图像边缘信息重合的边缘信息。可选地，所述将所述被跟踪目标区域和所述外接矩形输入比对神经网络模型进行比对，包括如下步骤：在卷积层中将所述目标候选区域的外接矩形映射到对应位置的卷积特征；在池化层中统一所述卷积特征的维度；在全连接层中综合输入所述卷积特征。可选地，所述根据比对结果在多个目标候选区域中确定目标跟踪区域，包括：计算所述被跟踪目标区域与所述目标候选区域的相似度；获取最大的目标候选区域得分。本专利技术实施例提供一种基于比对网络的目标跟踪装置，包括如下单元：第一确定单元，用于确定包含被跟踪目标的当前帧图像；第一获取单元，用于在所述当前帧图像中获取被跟踪目标区域；第二获取单元，用于获取当前帧的下一帧图像；第三获取单元，用于在所述下一帧图像中获取多个目标候选区域；第四获取单元，用于获取包含每个所述目标候选区域的外接矩形；比对单元，用于将所述被跟踪目标区域和所述外接矩形输入比对神经网络模型进行比对；第二确定单元，用于根据比对结果在多个目标候选区域中确定目标跟踪区域。可选地，还包括：第三确定单元，用于在所述目标跟踪区域内确定被跟踪目标。可选地，所述第三获取单元，包括：第一获取模块，用于获取所述当前帧图像的正样本和负样本；第一检测模块，用于检测所述下一帧图像边缘信息；第二检测模块，用于在所述当前帧图像中检测所述被跟踪目标区域与所述图像边缘信息重合的边缘信息。可选地，所述比对单元，包括：映射模块，用于在卷积层中将所述目标候选区域的外接矩形映射到对应位置的卷积特征；统一模块，用于在池化层中统一所述卷积特征的维度；输入模块，用于在全连接层中综合输入所述卷积特征。可选地，所述第二确定单元，包括：计算模块，用于计算所述被跟踪目标区域与所述目标候选区域的相似度；第二获取模块，用于获取最大的目标候选区域得分。本专利技术实施例技术方案，具有如下优点：本专利技术提供一种基于比对网络的目标跟踪方法及装置，其中，基于比对网络的目标跟踪方法，包括如下步骤：确定包含被跟踪目标的当前帧图像；在当前帧图像中获取被跟踪目标区域；获取当前帧的下一帧图像；在下一帧图像中获取多个目标候选区域；获取包含每个目标候选区域的外接矩形；将被跟踪目标区域和外接矩形输入比对神经网络模型进行比对；根据比对结果在多个目标候选区域中确定目标跟踪区域；在目标跟踪区域内确定被跟踪目标。本专利技术通过比对神经网络模型对被跟踪目标区域和目标候选区域进行综合比较，能够准确识别出被跟踪目标物体，快速完成跟踪任务。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例1中基于比对网络的目标方法的流程图；图2为本专利技术实施例1中基于比对网络的目标方法中获取边缘峰值的流程图；图3为本专利技术实施例1中基于比对网络的目标方法中比对流程图；图4为本专利技术实施例1中基于比对网络的目标方法中确定目标跟踪区域的流程图；图5为本专利技术实施例2中基于比对网络的目标装置的结构框图；图6为本专利技术实施例2中基于比对网络的目标装置第三获取单元的结构框图；图7为本专利技术实施例2中基于比对网络的目标装置比对单元的结构框图；图8为本专利技术实施例2中基于比对网络的目标装置第二确定单元的结构框图。具体实施方式下面将结合附图对本专利技术实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术实施例的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。此外，下面所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。实施例1本实施例提供一种基于比对网络的目标跟踪方法，如图1所示，包括如下步骤：S1、确定包含被跟踪目标的当前帧图像；在视频流中输入多幅连续的图像才能构成一个完整的视频，且图像是连续的时序关联数据，所以只有通过获取具有当前帧的被跟踪目标图像才能完成具体的跟踪，在视频流中只有确定包含被跟踪目标的当前帧图像位置才能找到被跟踪目标。具体地，目标跟踪通常指给出目标在跟踪视频第一帧中的初始状态，自动估计目标物体在后续帧中的状态。本文档来自技高网...

【技术保护点】
一种基于比对网络的目标跟踪方法，其特征在于，包括如下步骤：确定包含被跟踪目标的当前帧图像；在所述当前帧图像中获取被跟踪目标区域；获取当前帧的下一帧图像；在所述下一帧图像中获取多个目标候选区域；获取包含每个所述目标候选区域的外接矩形；将所述被跟踪目标区域和所述外接矩形输入比对神经网络模型进行比对；根据比对结果在多个目标候选区域中确定目标跟踪区域。

【技术特征摘要】
1.一种基于比对网络的目标跟踪方法，其特征在于，包括如下步骤：确定包含被跟踪目标的当前帧图像；在所述当前帧图像中获取被跟踪目标区域；获取当前帧的下一帧图像；在所述下一帧图像中获取多个目标候选区域；获取包含每个所述目标候选区域的外接矩形；将所述被跟踪目标区域和所述外接矩形输入比对神经网络模型进行比对；根据比对结果在多个目标候选区域中确定目标跟踪区域。2.根据权利要求1所述的方法，其特征在于，还包括：在所述目标跟踪区域内确定被跟踪目标。3.根据权利要求1所述的方法，其特征在于，所述在所述下一帧图像中获取多个目标候选区域，包括：获取所述当前帧图像的正样本和负样本；检测所述下一帧图像边缘信息；在所述当前帧图像中检测所述被跟踪目标区域与所述图像边缘信息重合的边缘信息。4.根据权利要求1所述的方法，其特征在于，所述将所述被跟踪目标区域和所述外接矩形输入比对神经网络模型进行比对，包括如下步骤：在卷积层中将所述目标候选区域的外接矩形映射到对应位置的卷积特征；在池化层中统一所述卷积特征的维度；在全连接层中综合输入所述卷积特征。5.根据权利要求1所述的方法，其特征在于，所述根据比对结果在多个目标候选区域中确定目标跟踪区域，包括：计算所述被跟踪目标区域与所述目标候选区域的相似度；获取最大的目标候选区域得分。6.一种基于比对网络的目标跟踪方法，其特征在于，包括如下单元：第一确定单...

【专利技术属性】
技术研发人员：谯帅，蒲津，何建伟，张如高，
申请(专利权)人：博康智能信息技术有限公司上海分公司，
类型：发明
国别省市：上海,31