目标追踪方法、系统、可读存储介质及电子设备技术方案

一种目标追踪方法包括：将低分辨率图像重建为高分辨率的目标图像；根据所述目标图像训练出物体表面模型；根据训练得到的物体表面模型获取当前帧内目标的可能的位置；确定当前帧的目标的位置。本发明专利技术还提供了一种目标追踪系统、可读存储介质及电子设备。本发明专利技术一种目标追踪方法、系统、可读存储介质及电子设备，可将低分辨率的图像块生成为高分辨率的图像，有利于减少传统判别类追踪器在低分辨率场景下缺少信息判别的问题，还可根据确定的当前帧的目标的位置来更新物体表面模型，进而有利于提高目标追踪的确定度。

【技术实现步骤摘要】
目标追踪方法、系统、可读存储介质及电子设备
本专利技术涉及计算机视觉与图像处理领域，尤其是涉及一种可基于低分辨率图像的目标追踪方法、系统、可读存储介质及电子设备。
技术介绍
图像语义分割是计算机视觉领域中一项重要的研究内容，其目标是将图像分割成具有不同语义信息的区域，并且标注每个区域相应的语义标签，例如通过对一幅图像进行图像语义分割后可为图像中的物体添加语义标签(譬如桌子、墙壁、天空、人、狗等)，可应用于例如无人驾驶等领域。目前，用于图像语义分割的较主流的解决方案主要基于卷积神经网络(ConvolutionalNeuralNetworks，简称CNN)，该网络学习图像的语义特征表示。比如全卷积网络(FullyConvolutionalNetworks，简称为FCN)通过构建包含卷积层、池化层和反卷积层的卷积神经网络，以端到端的方式将任意大小的输入图像转换为像素级的分类结果，为研究人员和工程师提供了一种简单而有效的方法来解决图像语义分割问题。DeepLab和DilatedNet把全卷积网络中普通卷积替换为扩散卷积使得语义分割预测时结合更多的上下文和场景信息。然而，这些模型还存在各种各样本文档来自技高网...

【技术保护点】
1.一种目标追踪方法，其特征在于，所述目标追踪方法包括：将低分辨率图像重建为高分辨率的目标图像；根据所述目标图像训练出物体表面模型；根据训练得到的物体表面模型获取当前帧内目标的可能的位置；确定当前帧的目标的位置。

【技术特征摘要】
1.一种目标追踪方法，其特征在于，所述目标追踪方法包括：将低分辨率图像重建为高分辨率的目标图像；根据所述目标图像训练出物体表面模型；根据训练得到的物体表面模型获取当前帧内目标的可能的位置；确定当前帧的目标的位置。2.如权利要求1所述的目标追踪方法，其特征在于，所述将低分辨率图像重建为高分辨率的目标图像包括：对低分辨率图像进行插值操作，以得到插值低分辨率图像；将插值低分辨率图像输入至卷积神经网络，以对低分辨率图像进行卷积操作，并输出卷积图像；根据插值低分辨率图像及卷积图像生成所述目标图像。3.如权利要求2所述的目标追踪方法，其特征在于，所述对低分辨率图像进行插值操作包括：对低分辨率图像进行双三次插值操作。4.如权利要求1所述的追踪方法，其特征在于，所述根据所述目标图像训练出物体表面模型包括：对所述目标图像进行特征提取，以得到对应第一帧的目标框；根据公式计算物体表面模型的矩阵w，其中所述公式为：其中，x为所述目标框的M×N维的矩阵，y为M×N维的二维高斯分布所对应标签，分别为x，y，w经过傅立叶变换在频域的值，为的共轭对称，⊙表示点乘，λ表示正则项，用于控制过拟合。5.如权利要求4所述的目标追踪方法，其特征在于，所述根据训练得...

【专利技术属性】
技术研发人员：袁春，林之冠，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：广东,44