【技术实现步骤摘要】
一种跟踪目标的确定方法及装置
本申请涉及计算机
，特别是涉及一种跟踪目标的确定方法及装置。
技术介绍
目标跟踪技术是计算机视觉应用中的一个重要研究方向，其任务是能够在视频图像中确定目标，对其进行长时间的跟踪，并保持目标身份，最终生成针对目标的跟踪轨迹。根据生成的跟踪轨迹，对目标的行为进行分析。现有技术中，在对目标进行跟踪时，可以先从待确定跟踪目标的第一图像中检测出备选目标，并提取备选目标的特征，根据备选目标的特征与上一帧图像中跟踪目标的特征之间的相似度，从备选目标中确定跟踪目标。其中，所提取的备选目标的特征中非常重要的特征就是外观特征，当然还可以包括形状特征和位置特征等其他特征。在提取备选目标的外观特征时，常常以备选目标的颜色直方图这种特征作为外观特征。但是，颜色直方图所描述的是不同色彩在整个目标中所占的比例，而并不关心每种色彩所处的空间位置，可见颜色直方图对目标的描述能力有限。因此，在有些情况下无法根据颜色直方图准确地区分各个目标，在跟踪目标的确定过程中可能将不同的目标判断为相似目标，导致跟踪错误。例如，对于两个衣着不同的人，一个穿蓝色上衣和红色裤子，另一个穿红色裤子和蓝色上衣，其统计得到的颜色直方图几乎是一样的。在这种情况下，根据颜色直方图对目标进行跟踪将出现跟踪错误。
技术实现思路
本申请实施例的目的在于提供了一种跟踪目标的确定方法及装置，以提高所确定的跟踪目标的准确性。具体的技术方案如下。为了达到上述目的，本申请公开了一种跟踪目标的确定方法，所述方法包括：获得待确定跟踪目标的当前帧图像；确定所述当前帧图像中的备选目标；将各个备选目标发送至预设的深...
【技术保护点】
1.一种跟踪目标的确定方法，其特征在于，所述方法包括：获得待确定跟踪目标的当前帧图像；确定所述当前帧图像中的备选目标；将各个备选目标发送至预设的深度学习网络，其中，所述深度学习网络预先通过对样本图像进行训练获得，所述深度学习网络用于提取包含像素的位置信息的外观特征；获得所述深度学习网络提取的各个备选目标的第一外观特征；获得上一帧图像对应的第一跟踪目标的第二外观特征；根据所述第一外观特征和第二外观特征，将各个备选目标与每一个第一跟踪目标进行匹配；根据匹配成功的备选目标，确定所述当前帧图像的跟踪目标。
【技术特征摘要】
1.一种跟踪目标的确定方法，其特征在于，所述方法包括：获得待确定跟踪目标的当前帧图像；确定所述当前帧图像中的备选目标；将各个备选目标发送至预设的深度学习网络，其中，所述深度学习网络预先通过对样本图像进行训练获得，所述深度学习网络用于提取包含像素的位置信息的外观特征；获得所述深度学习网络提取的各个备选目标的第一外观特征；获得上一帧图像对应的第一跟踪目标的第二外观特征；根据所述第一外观特征和第二外观特征，将各个备选目标与每一个第一跟踪目标进行匹配；根据匹配成功的备选目标，确定所述当前帧图像的跟踪目标。2.根据权利要求1所述的方法，其特征在于，所述深度学习网络采用以下方式获得：获得所述样本图像以及所述样本图像中包括的样本目标的标准分类，其中，不同标准分类对应的样本图像中相同像素的位置不同；根据深度学习参数提取所述样本图像的样本外观特征；根据所述样本外观特征确定所述样本目标的分类；确定所述样本目标的分类与所述标准分类之间的第一差异，判断所述第一差异是否小于预设阈值；如果否，则根据所述第一差异调整所述深度学习参数，返回执行所述根据深度学习参数提取所述样本图像的样本外观特征的步骤。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在提取所述样本图像的样本外观特征之后，获得当前样本图像的第一样本外观特征，获得上一样本图像的第二样本外观特征，其中，所述当前样本图像为所述样本图像中的一个；判断所述当前样本图像的标准分类和所述上一样本图像的标准分类是否相同；如果相同，则确定所述第一样本外观特征与所述第二样本外观特征之间的第二差异，并根据所述第二差异调整所述深度学习参数，以使同一标准分类的样本图像的样本外观特征之间的差异减小，返回执行所述根据深度学习参数提取所述样本图像的样本外观特征的步骤；如果不相同，则确定所述第一样本外观特征与所述第二样本外观特征之间的第三差异，并根据所述第三差异调整所述深度学习参数，以使不同标准分类的样本图像的样本外观特征之间的差异增大，返回执行所述根据深度学习参数提取所述样本图像的样本外观特征的步骤。4.根据权利要求2或3任一项所述的方法，其特征在于，同一标准分类对应的样本图像的背景不同；和/或，同一标准分类对应的样本图像中的样本目标的姿态不同；和/或，同一标准分类对应的各个样本图像的亮度不同。5.根据权利要求1所述的方法，其特征在于，所述根据所述第一外观特征和第二外观特征，将各个备选目标与每一个第一跟踪目标进行匹配的步骤，包括：根据所述第一外观特征和第二外观特征，确定各个备选目标与每一个第一跟踪目标之间的相似度；根据确定的相似度，将各个备选目标与每一个第一跟踪目标进行匹配。6.根据权利要求5所述的方法，其特征在于，所述根据所述第一外观特征和第二外观特征，确定各个备选目标与每一个第一跟踪目标之间的相似度的步骤，包括：根据所述第一外观特征和第二外观特征，确定各个备选目标与每一个第一跟踪目标之间的第一相似矩阵；获得各个备选目标的第一位置特征；获得保存的各个第一跟踪目标的第二位置特征；根据所述第一位置特征和第二位置特征，确定各个备选目标与每一个第一跟踪目标之间的第二相似矩阵；根据所述第一相似矩阵与第二相似矩阵的乘积，确定各个备选目标与每一个第一跟踪目标之间的相似度。7.根据权利要求6所述的方法，其特征在于，在根据匹配成功的备选目标，确定所述当前帧图像的跟踪目标之后，所述方法还包括：根据匹配成功的第一跟踪目标的第二位置特征，确定匹配成功的第一跟踪目标在所述当前帧图像中的第一预测位置特征；根据匹配成功的备选目标的第一位置特征和所述第一预测位置特征，确定所述当前帧图像的跟踪目标的位置特征，并保存所确定的位置特征。8.根据权利要求5所述的方法，其特征在于，所述根据所述第一外观特征和第二外观特征，确定各个备选目标与每一个第一跟踪目标之间的相似度的步骤，包括：根据所述第一外观特征和第二外观特征，确定各个备选目标与每一个第一跟踪目标之间的第一相似矩阵；获得各个备选目标的第一形状特征；获得保存的各个第一跟踪目标的第二形状特征；根据所述第一形状特征和第二形状特征，确定各个备选目标与每一个第一跟踪目标之间的第三相似矩阵；将所述第一相似矩阵与第三相似矩阵的乘积确定为各个备选目标与每一个第一跟踪目标之间的相似度。9.根据权利要求6所述的方法，其特征在于，所述根据所述第一相似矩阵与第二相似矩阵的乘积，确定各个备选目标与每一个第一跟踪目标之间的相似度的步骤，包括：获得各个备选目标的第一形状特征；获得保存的各个第一跟踪目标的第二形状特征；根据所述第一形状特征和第二形状特征，确定各个备选目标与每一个第一跟踪目标之间的第三相似矩阵；将所述第一相似矩阵、第二相似矩阵与第三相似矩阵的乘积，确定为各个备选目标与每一个第一跟踪目标之间的相似度。10.根据权利要求5所述的方法，其特征在于，在根据匹配成功的备选目标，确定所述当前帧图像的跟踪目标之后，所述方法还包括：将匹配成功的备选目标对应的相似度确定为所述当前帧图像的跟踪目标的第一置信度，并保存所述第一置信度；所述根据确定的相似度，将各个备选目标与每一个第一跟踪目标进行匹配的步骤，包括：获得保存的上一帧图像对应的各个第一跟踪目标的第二置信度；将大于预设置信度阈值的第二置信度对应的第一跟踪目标确定为高置信度跟踪目标，将所述第一跟踪目标中除所述高置信度跟踪目标之外的跟踪目标确定为低置信度跟踪目标；根据确定的相似度，将各个备选目标与每一个高置信度跟踪目标进行第一次匹配；根据确定的相似度，将各个匹配失败的备选目标与每一个低置信度跟踪目标进行第二次匹配；所述根据匹配成功的备选目标，确定所述当前帧图像的跟踪目标的步骤，包括：将第一次匹配成功的备选目标和第二次匹配成功的备选目标，均确定为所述当前帧图像的跟踪目标。11.根据权利要求5～10任一项所述的方法，其特征在于，所述根据匹配成功的备选目标，确定所述当前帧图像的跟踪目标的步骤，包括：将匹配成功的备选目标对应的相似度确定为第一相似度；将大于预设相似度阈值的第一相似度对应的备选目标确定为所述当前帧图像的跟踪目标。12.根据权利要求5～10任一项所述的方法，其特征在于，所述根据匹配成功的备选目标，确定所述当前帧图像的跟踪目标的步骤，包括：获得匹配失败的第一跟踪目标的第一失败次数；判断所述第一失败次数是否小于预设第一次数阈值；如果小于，则将匹配失败的第一跟踪目标和匹配成功的备选目标均确定为所述当前帧图像的跟踪目标。13.根据权利要求5～10任一项所述的方法，其特征在于，所述根据匹配成功的备选目标，确定所述当前帧图像的跟踪目标的步骤，包括：获得匹配失败的备选目标的第二失败次数；判断所述第二失败次数是否大于预设第二次数阈值；如果大于，则将匹配失败的备选目标和匹配成功的备选目标均确定为所述当前帧图像的跟踪目标。14.一种跟踪目标的确定装置，其特征在于，所述装置包括：当前帧图像获得模块，用于获得待确定跟踪目标的当前帧图像；备选目标确定模块，用于确定所述当前帧图像中的备选目标；备选目...
【专利技术属性】
技术研发人员：向杰，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。