目标跟踪方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术涉及一种目标跟踪方法、装置、计算机设备和存储介质，该方法包括：确定当前图像帧的目标候选区域；在当前图像帧中截取与所述目标候选区域匹配的目标候选图像；根据所述目标候选图像的图像特征确定所述当前图像帧的目标区域；通过运动预测模型，并根据所述目标候选图像的图像特征，确定下一图像帧相对于当前图像帧的运动预测数据；根据所述目标区域和所述运动预测数据，确定下一图像帧的目标候选区域。本申请方案可以保证在目标候选区域中确定目标区域，从而提高了目标跟踪的准确性，降低了目标跟踪丢失率。

【技术实现步骤摘要】
目标跟踪方法、装置、计算机设备和存储介质
本专利技术涉及计算机
，特别是涉及一种目标跟踪方法、装置、计算机设备和存储介质。
技术介绍
随着计算技术的飞速发展，图像处理技术也加快了发展的步伐。在图像处理
中，尤其是对于视频图像的处理，需要对视频图像中的目标进行跟踪。然而，传统的视频图像中的目标跟踪，一般只能对视频图像中移动速度较慢的目标进行跟踪。在对视频图像中的目标进行跟踪中，如果目标的移动速度较快，很容易出现目标跟踪失败或者目标丢失的情况，很难对目标进行跟踪，从而导致目标跟踪丢失率较高的情况。
技术实现思路
基于此，有必要针对传统方法导致目标跟踪丢失率较高的问题，提供一种目标跟踪方法、装置、计算机设备和存储介质。一种目标跟踪方法，所述方法包括：确定当前图像帧的目标候选区域；在当前图像帧中截取与所述目标候选区域匹配的目标候选图像；根据所述目标候选图像的图像特征确定所述当前图像帧的目标区域；通过运动预测模型，并根据所述目标候选图像的图像特征，确定下一图像帧相对于当前图像帧的运动预测数据；根据所述目标区域和所述运动预测数据，确定下一图像帧的目标候选区域。一种目标跟踪装置，所述装置包括：候选区域确定模块，用于确定当前图像帧的目标候选区域；候选图像截取模块，用于在当前图像帧中截取与所述目标候选区域匹配的目标候选图像；目标区域确定模块，用于根据所述目标候选图像的图像特征确定所述当前图像帧的目标区域；预测数据确定模块，用于通过运动预测模型，并根据所述目标候选图像的图像特征，确定下一图像帧相对于当前图像帧的运动预测数据；预测区域确定模块，用于根据所述目标区域和所述运动预测数据，确定下一图像帧的目标候选区域。一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：确定当前图像帧的目标候选区域；在当前图像帧中截取与所述目标候选区域匹配的目标候选图像；根据所述目标候选图像的图像特征确定所述当前图像帧的目标区域；通过运动预测模型，并根据所述目标候选图像的图像特征，确定下一图像帧相对于当前图像帧的运动预测数据；根据所述目标区域和所述运动预测数据，确定下一图像帧的目标候选区域。一种存储有计算机程序的存储介质，所述计算机程序被处理器执行时，使得处理器执行如下步骤：确定当前图像帧的目标候选区域；在当前图像帧中截取与所述目标候选区域匹配的目标候选图像；根据所述目标候选图像的图像特征确定所述当前图像帧的目标区域；通过运动预测模型，并根据所述目标候选图像的图像特征，确定下一图像帧相对于当前图像帧的运动预测数据；根据所述目标区域和所述运动预测数据，确定下一图像帧的目标候选区域。上述目标跟踪方法、装置、计算机设备和存储介质，根据当前图像帧的目标候选区域截取目标候选图像，在目标候选图像中确定目标区域，通过运动预测模型确定下一图像帧相对于当前图像帧的运动预测数据，通过运动预测数据对当前图像帧的目标区域移动，即可确定下一图像帧的目标候选区域。这样可以保证在从当前图像帧切换到下一图像帧时，可以准确确定目标候选区域，提高了确定目标候选区域的准确性，在切换到下一图像帧时，也可以保证在目标候选区域中确定目标区域，从而提高了目标跟踪的准确性，降低了目标跟踪丢失率。附图说明图1为一个实施例中目标跟踪方法的应用场景图；图2为另一个实施例中目标跟踪方法的应用场景图；图3为一个实施例中目标跟踪方法的流程示意图；图4为一个实施例中确定目标区域的步骤的流程示意图；图5为一个实施例中获得运动预测数据的步骤的流程示意图；图6为一个实施例中训练运动预测模型的步骤的流程示意图；图7为一个实施例中确定运动训练数据的步骤的流程示意图；图8a为一个实施例中目标跟踪方法中模型的连接示意图；图8b为一个实施例中多任务模型的结构示意图；图9为一实施例中目标根据方法的流程示意图；图10为一个实施例中标记预设预测分类的示意图；图11为一个实施例中确定图像帧的预设预测分类的示意图；图12为另一个实施例中确定图像帧的预设预测分类的示意图；图13为一个实施例中目标跟踪装置的框图；图14为另一个实施例中目标跟踪装置的框图；图15为一个实施例中计算机设备的内部结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。图1为一个实施例中目标跟踪方法的应用场景图。参照图1，该应用场景包括终端110和摄像头120，摄像头用于采集图像。终端110具体可以是台式终端或移动终端，移动终端具体可以是手机、平板电脑和笔记本电脑中的至少一种。图2为另一个实施例中目标跟踪方法的应用场景图。参照图2，该应用场景包括终端200，终端200为移动终端，移动终端具体可以是手机、平板电脑和笔记本电脑中的至少一种。终端200中安装有摄像头210，摄像头用于采集图像。终端200将摄像头210采集到的图像220展示在显示屏上。如图3所示，在一个实施例中，提供一种目标跟踪方法。目标跟踪方法可以应用于上述图1中的终端110或图2中的终端200。本实施例主要以该方法应用于图1或图2中的终端来举例说明。参照图3，该目标跟踪方法，具体包括以下步骤：S302，确定当前图像帧的目标候选区域。其中，当前图像帧为终端当前正在处理的图像帧。图像帧为组成视频图像的视频帧序列的最小单位图像。目标候选区域为确定目标区域的候选区域。目标候选区域包括目标区域。目标可以是移动的，也可以是静止的。举例说明，目标可以是移动的人脸、移动的汽车和移动的飞机等。具体地，摄像头实时采集当前视场范围内的当前图像帧，将实时采集到的当前图像帧发送至终端。终端接收摄像头返回的当前图像帧，对当前图像帧进行识别，识别当前图像帧中目标预测范围，根据识别到的目标位置确定当前图像帧的目标候选区域。在一个实施例中，终端通过摄像头获取摄像头的当前视场范围内的当前图像帧，调用目标识别程序对当前图像帧中的目标进行识别，通过识别得到目标位置，根据目标位置确定目标候选区域。在一个实施例中，终端获取当前图像帧，获取根据上一图像帧中的目标区域和运动预测数据所确定的目标候选区域。运动预测数据包括运动速度、运动方向和运动距离中的至少一种。S304，在当前图像帧中截取与目标候选区域匹配的目标候选图像。其中，目标候选图像为根据目标候选区域从当前图像中截取到的部分图像。具体地，终端在识别当前图像帧中的目标候选区域后，对目标候选区域内的图像进行截取，截取得到与目标候选区域匹配的目标候选图像。在一个实施例中，终端识别到当前图像帧中的目标候选区域后，按照预设倍数扩大目标候选区域，根据扩大后的目标候选区域在当前图像帧中截取目标候选图像。在一个实施例中，终端将目标候选区域的边长扩大预设倍数，根据扩大后的边长在当前图像帧中截取，与目标候选区域匹配的目标候选图像。在一个实施例中，S304具体包括：按照预设倍数在当前图像帧中扩大目标候选区域；在当前图像帧中确定与扩大后的目标候选区域匹配的目标候选图像；从当前图像帧中截取确定的目标候选图像。具体地，终端按照预设倍数将目标候选区域扩大，按照扩大后的目标候选区域，在当前图像帧中确本文档来自技高网...

【技术保护点】
1.一种目标跟踪方法，所述方法包括：确定当前图像帧的目标候选区域；在当前图像帧中截取与所述目标候选区域匹配的目标候选图像；根据所述目标候选图像的图像特征确定所述当前图像帧的目标区域；通过运动预测模型，并根据所述目标候选图像的图像特征，确定下一图像帧相对于当前图像帧的运动预测数据；根据所述目标区域和所述运动预测数据，确定下一图像帧的目标候选区域。

【技术特征摘要】
1.一种目标跟踪方法，所述方法包括：确定当前图像帧的目标候选区域；在当前图像帧中截取与所述目标候选区域匹配的目标候选图像；根据所述目标候选图像的图像特征确定所述当前图像帧的目标区域；通过运动预测模型，并根据所述目标候选图像的图像特征，确定下一图像帧相对于当前图像帧的运动预测数据；根据所述目标区域和所述运动预测数据，确定下一图像帧的目标候选区域。2.根据权利要求1所述的方法，其特征在于，所述在当前图像帧中截取与所述目标候选区域匹配的目标候选图像包括：按照预设倍数在当前图像帧中扩大目标候选区域；在当前图像帧中确定与扩大后的目标候选区域匹配的目标候选图像；从当前图像帧中截取确定的目标候选图像。3.根据权利要求1所述的方法，其特征在于，所述根据所述目标候选图像的图像特征确定所述当前图像帧的目标区域包括：通过目标定位模型，并根据所述目标候选图像的图像特征，确定目标关键点位置；根据所述目标关键点位置确定所述当前图像帧的目标区域。4.根据权利要求3所述的方法，其特征在于，所述通过目标定位模型，并根据所述目标候选图像的图像特征，确定目标关键点位置包括：将所述目标候选图像输入图像特征提取模型；获取所述图像特征提取模型输出的图像特征；以所述图像特征作为目标定位模型的输入，得到所述当前图像帧的目标关键点位置。5.根据权利要求4所述的方法，其特征在于，所述通过运动预测模型，并根据所述目标候选图像的图像特征，确定下一图像帧相对于当前图像帧的运动预测数据包括：将所述图像特征输入分类特征提取模型；获取所述分类特征提取模型输出的分类特征；以所述分类特征作为所述运动预测模型的输入，得到下一图像帧相对于当前图像帧的运动预测数据。6.根据权利要求5所述的方法，其特征在于，所述获取所述分类特征提取模型输出的分类特征之后，所述方法还包括：通过目标判定模型，并根据所述分类特征确定目标候选图像的置信度；当确定的置信度大于等于预设置信度阈值，则执行所述以所述分类特征作为所述运动预测模型的输入，得到下一图像帧相对于当前图像帧的运动预测数据的步骤；当确定的置信度小于预设置信度阈值，则结束目标跟踪。7.根据权利要求5所述的方法，其特征在于，所述以所述分类特征作为所述运动预测模型的输入，得到下一图像帧相对于当前图像帧的运动预测数据包括：通过运动预测模型，根据所述分类特征确定各预设预测分类分别对应的概率值；确定最大概率值对应的预设预测分类；获取确定的预设预测分类所对应的运动预测数据。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取模型训练数据；从所述模型训练数据中读取当前训练帧和下一训练帧；提取当前训练帧中的图像特征；确定下一训练帧相对于当前训练帧的运动训练数据；根据提取到的...

【专利技术属性】
技术研发人员：赵艳丹，汪铖杰，曹玮剑，曹赟，程盼，黄渊，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44