The invention provides a target tracking method and device based on thermodynamic diagram, which includes: acquiring the current frame image; inputting the current frame image into the residual network model which has been trained twice, and outputting the thermodynamic diagram of the current frame image, in which the thermodynamic diagram shows the probability of tracking the target position in the image in the form of special highlights; and according to the method described above. The thermodynamic diagram of the current frame image determines the position of the tracking target in the current frame image. The invention provides a target tracking method and device based on thermodynamic chart. By outputting the form of thermodynamic chart of current frame image, the position of tracking target is determined, the complexity of residual network is reduced, the tracking speed is improved and the real-time performance of target tracking is enhanced on the premise of ensuring the accuracy of target tracking.
【技术实现步骤摘要】
一种基于热力图的目标跟踪方法及装置
本专利技术涉及计算机
,尤其涉及一种基于热力图的目标跟踪方法及装置。
技术介绍
目标跟踪是计算机视觉研究领域的热点之一,并得到广泛应用。相机的跟踪对焦、无人机的自动目标跟踪、人体跟踪、交通监控系统中的车辆跟踪、人脸跟踪和智能交互系统中的手势跟踪等。目标跟踪的准确度和实时性是评价一个目标跟踪方法优劣的最关键的指标。现有技术中,目标追踪算法主要分为两大类,一类是基于相关滤波的传统跟踪算法,另一类是基于卷积神经网络CNN的深度学习算法。第一类跟踪算法主要提取目标的HOG、CN等传统特征,这类特征鲁棒性较差,对于遮挡、高速运动、光照变化等复杂环境情况下追踪效果差。基于卷积神经网络CNN的深度学习跟踪算法虽然可以有效解决特征鲁棒性差的问题,但是由于网络结构复杂,计算量大等问题严重影响了跟踪算法的实时性。
技术实现思路
本专利技术的目的是提供一种基于热力图的目标跟踪方法及装置,解决了现有技术中目标追踪方法精确性低、实时性不强,以及抗干扰能力差的技术问题。为了解决上述技术问题,一方面,本专利技术提供一种基于热力图的目标跟踪方法,包括:获取当前帧图像;将所述当前帧图像输入至经过二次训练的残差网络模型,输出所述当前帧图像的热力图,其中,所述热力图是以特殊高亮的形式显示跟踪目标在图像中目标位置的概率;根据所述当前帧图像的热力图确定所述当前帧图像中跟踪目标的位置。另一方面,本专利技术提供一种基于热力图的目标跟踪装置,其特征在于,包括:获取模块,用于获取当前帧图像;生成模块,用于将所述当前帧图像输入至经过二次训练的残差网络模型,输出所述当前帧 ...
【技术保护点】
1.一种基于热力图的目标跟踪方法,其特征在于,包括:获取当前帧图像;将所述当前帧图像输入至经过二次训练的残差网络模型,输出所述当前帧图像的热力图,其中,所述热力图是以特殊高亮的形式显示跟踪目标在图像中目标位置的概率;根据所述当前帧图像的热力图确定所述当前帧图像中跟踪目标的位置。
【技术特征摘要】
1.一种基于热力图的目标跟踪方法,其特征在于,包括:获取当前帧图像;将所述当前帧图像输入至经过二次训练的残差网络模型,输出所述当前帧图像的热力图,其中,所述热力图是以特殊高亮的形式显示跟踪目标在图像中目标位置的概率;根据所述当前帧图像的热力图确定所述当前帧图像中跟踪目标的位置。2.根据权利要求1所述的方法,其特征在于,所述根据所述当前帧图像的热力图确定所述当前帧图像中跟踪目标的位置,具体为:获取所述当前帧图像的热力图的响应峰值,以所述响应峰值所在的位置作为跟踪目标的位置,其中,所述当前帧图像的热力图的响应峰值由所述当前帧图像的热力图与上一帧图像中跟踪目标中心的高斯窗相乘得到。3.根据权利要求1所述的方法,其特征在于,所述残差网络模型包含一个除去池化层和全连接层的残差网络。4.根据权利要求1所述的方法,其特征在于,获取所述经过二次训练的残差网络模型的具体步骤如下:获取上一帧图像;将所述上一帧图像输入至经过一次训练的残差网络模型,输出新的网络权重;根据所述新的网络权重对所述经过一次训练的残差网络模型进行更新,获取所述经过二次训练的残差网络模型。5.根据权利要求4所述的方法,其特征在于,所述将所述上一帧图像输入至经过一次训练的残差网络模型,具体为:获取所述上一帧图像中的若干个样本,并获取所述上一帧图像的热力图标签;将所述若干个样本和所述热力图标签输...
【专利技术属性】
技术研发人员:白帅,董远,白洪亮,熊风烨,
申请(专利权)人:北京飞搜科技有限公司,
类型:发明
国别省市:北京,11
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。