一种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目标跟踪方法及装置，其中目标跟踪方法，包括如下步骤：根据当前帧图像建立网络跟踪模型；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；计算被跟踪目标区域和每个目标候选区域的相似度；根据相似度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；获取被跟踪目标的当前状态，根据当前状态更新网络跟踪模型。本发明专利技术通过建立网络跟踪模型，可以识别出被跟踪目标同类物体间的个体差异，在更新样本物体时，可以有效表述出目标物体在各种情况下的外观变化。

Target tracking method and device

The invention discloses a method and a device for target tracking, the target tracking method, which comprises the following steps: according to the current frame image to establish a network tracking model; determine the current frame image contains the target tracking; obtaining the current frame image by tracking the target area; for when the next frame previous frame; obtaining multiple targets the candidate region in the next frame image; calculate similarity tracking target region and each target candidate region; according to the similarity in multiple target candidate region in target tracking area; target tracking is determined in target tracking area; access to the current state of the tracked object, according to the current state of network update tracking model. The invention establishes network tracking model, can be identified by tracking individual differences between objects in the same target, update the sample object, can effectively describe the object under various conditions of appearance change.

【技术实现步骤摘要】
一种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采用检测不同分类任务的图像跟踪目标物体，而无法识别个体级别的同类任务的差别，比如：该目前通过分类任务检测的方式只关注区分不同类间的物体，而忽略了同类物体间的差别，如在跟踪车辆和行人的时候，只能获取视频图像中的所有车辆、行人整体的不同，而无法识别单独车辆或行人因在跟踪目标物体的过程中会出现目标发生剧烈形变、被其他目标遮挡或出现相似物体干扰引起个体级别的不同，即在所有目标中无法抑制掉其它不相关目标从而识别某一个物体。
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，在跟踪目标物体的过程中，因无法识别个体级别的同类物体间的任务差别。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目标跟踪方法，包括如下步骤：根据当前帧图像建立网络跟踪模型；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；计算所述被跟踪目标区域和每个所述目标候选区域的相似度；根据所述相似度在多个目标候选区域中确定目标跟踪区域；在所述目标跟踪区域内确定被跟踪目标；获取所述被跟踪目标的当前状态。可选地，本专利技术实施例所述目标跟踪方法，还包括：根据所述当前状态更新所述网络跟踪模型。可选地，本专利技术实施例所述目标跟踪方法，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，本专利技术实施例所述目标跟踪方法，所述计算所述被跟踪目标区域和每个所述目标候选区域的相似度，包括：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；获取最大的目标候选区域得分。可选地，本专利技术实施例所述目标跟踪方法，根据所述当前状态更新所述网络跟踪模型，包括：定期采用长期更新所述正样本；根据所述被跟踪目标的当前状态，确定得分阈值；判断所述最大的目标候选区域得分是否小于所述得分阈值，若是，则采用短期更新所述正样本，若否，则采用长期更新所述正样本；更新所述被跟踪目标的尺度。本专利技术实施例提供一种目标跟踪装置，包括如下单元：建立单元，用于根据当前帧图像建立网络跟踪模型；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；计算单元，用于计算所述被跟踪目标区域和每个所述目标候选区域的相似度；第二确定单元，用于根据所述相似度在多个目标候选区域中确定目标跟踪区域；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；第四获取单元，用于获取所述被跟踪目标的当前状态。可选地，本专利技术实施例所述目标跟踪装置，还包括：更新单元，用于根据所述当前状态更新所述网络跟踪模型。可选地，本专利技术实施例所述目标跟踪装置，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，本专利技术实施例所述目标跟踪装置，所述计算单元，包括：第二获取模块，用于获取包含每个所述目标候选区域的外接矩形；输入模块，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；第三获取模块，用于获取最大的目标候选区域得分。可选地，本专利技术实施例所述目标跟踪装置，所述更新单元，包括：第一更新模块，用于定期采用长期更新所述正样本；确定模块，用于根据所述被跟踪目标的当前状态，确定得分阈值；判断模块，用于判断所述最大的目标候选区域得分是否小于所述得分阈值；若是，则采用短期更新所述正样本，若否，则采用长期更新所述正样本；第二更新模块，用于更新所述被跟踪目标的尺度。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目标跟踪方法及装置，其中目标跟踪方法，包括如下步骤：根据当前帧图像建立网络跟踪模型；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；计算被跟踪目标区域和每个目标候选区域的相似度；根据相似度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；获取被跟踪目标的当前状态，根据当前状态更新网络跟踪模型。本专利技术通过建立网络跟踪模型，可以识别出被跟踪目标同类物体间的个体差异，在更新样本物体时，可以有效表述出目标物体在各种情况下的外观变化。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中目标跟踪方法的流程图；图2为本专利技术实施例1中目标跟踪方法中获取多个目标候选区域的流程图；图3为本专利技术实施例1中目标跟踪方法中计算每个目标候选区域相似度的流程图；图4为本专利技术实施例1中目标跟踪方法中更新网络跟踪模型的流程图；图5为本专利技术实施例2中目标跟踪装置结构框图；图6为本专利技术实施例2中目标跟踪装置中第三获取单元的结构框图；图7为本专利技术实施例2中目标跟踪装置中计算单元的结构框图；图8为本专利技术实施例2中目标跟踪装置中更新单元的结构框图。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。对于本领域的本文档来自技高网...

【技术保护点】
一种目标跟踪方法，其特征在于，包括如下步骤：根据当前帧图像建立网络跟踪模型；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；计算所述被跟踪目标区域和每个所述目标候选区域的相似度；根据所述相似度在多个目标候选区域中确定目标跟踪区域；在所述目标跟踪区域内确定被跟踪目标；获取所述被跟踪目标的当前状态。

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括如下步骤：根据当前帧图像建立网络跟踪模型；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；计算所述被跟踪目标区域和每个所述目标候选区域的相似度；根据所述相似度在多个目标候选区域中确定目标跟踪区域；在所述目标跟踪区域内确定被跟踪目标；获取所述被跟踪目标的当前状态。2.根据权利要求1所述的方法，其特征在于，还包括：根据所述当前状态更新所述网络跟踪模型。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，所述计算所述被跟踪目标区域和每个所述目标候选区域的相似度，包括：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；获取最大的目标候选区域得分。5.根据权利要求1或2或4所述的方法，其特征在于，根据所述当前状态更新所述网络跟踪模型，包括：定期采用长期更新所述正样本；根据所述被跟踪目标的当前状态，确定得分阈值；判断所述最大的目标候选区域得分是否小于所述得分阈值，若是，则采用短期更新所述正样本，若否，则采用长期更新所述正样本；更新所述被跟踪目标的尺度。6.一种权利要求1-5任一项所述目标跟踪装置，其特征在于，包括如下单元：建立单元，用于根据当前帧图像建立网络跟踪模型；第一确定单元，用...

【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