跟踪方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种跟踪方法、装置、电子设备及存储介质，所述跟踪方法能够当接收到跟踪指令时，获取含有人体的图像，并对所述图像进行预处理，得到待识别图像，进一步将所述待识别图像输入到预先训练的神经网络模型中，得到带有关键点标记的标记图像，使图像识别更加准确，采用上下感知显著区域检测算法，基于关键点标记对所述标记图像进行分割，得到人物图像，并提取所述人物图像的特征向量，进一步采用支持向量机学习算法对所述特征向量进行处理，识别出所述人物图像中的目标人物，从而基于图像处理技术实现对人物的准确跟踪，有效避免环境的干扰。

Tracking methods, devices, electronic devices and storage media

【技术实现步骤摘要】
跟踪方法、装置、电子设备及存储介质
本专利技术涉及图像处理
，尤其涉及一种跟踪方法、装置、电子设备及存储介质。
技术介绍
对于当今大多数智能视频监控系统来说，场景中所出现的人或车等目标是关注的焦点，而行人目标作为监控场景中最活跃和最重要的因素，自然需要更精确地对其进行识别。然而，对于行人的精确识别还存有很多问题，如应用场景多数比较复杂，背景的局部动态变化、光照不均造成目标阴影，以及大风等恶劣天气会增加识别的难度。另外，行人是非刚性目标，拥有丰富的姿态特征，同一行人所处不同的姿态，在检测和识别中往往差别很大。
技术实现思路
鉴于以上内容，有必要提供一种跟踪方法、装置、电子设备及存储介质，能够基于图像处理技术实现对人物的准确跟踪，有效避免环境的干扰。一种跟踪方法，所述方法包括：当接收到跟踪指令时，获取含有人体的图像；对所述图像进行预处理，得到待识别图像；将所述待识别图像输入到预先训练的神经网络模型中，得到带有关键点标记的标记图像；采用上下感知显著区域检测算法，基于关键点标记对所述标记图像进行分割，得到人物图像；提取所述人物图像的特征向量；采用支持向量机学习算法对所述特征向量进行处理，识本文档来自技高网...

【技术保护点】
1.一种跟踪方法，其特征在于，所述方法包括：当接收到跟踪指令时，获取含有人体的图像；对所述图像进行预处理，得到待识别图像；将所述待识别图像输入到预先训练的神经网络模型中，得到带有关键点标记的标记图像；采用上下感知显著区域检测算法，基于关键点标记对所述标记图像进行分割，得到人物图像；提取所述人物图像的特征向量；采用支持向量机学习算法对所述特征向量进行处理，识别出所述人物图像中的目标人物。

【技术特征摘要】
1.一种跟踪方法，其特征在于，所述方法包括：当接收到跟踪指令时，获取含有人体的图像；对所述图像进行预处理，得到待识别图像；将所述待识别图像输入到预先训练的神经网络模型中，得到带有关键点标记的标记图像；采用上下感知显著区域检测算法，基于关键点标记对所述标记图像进行分割，得到人物图像；提取所述人物图像的特征向量；采用支持向量机学习算法对所述特征向量进行处理，识别出所述人物图像中的目标人物。2.如权利要求1所述的跟踪方法，其特征在于，所述对所述图像进行预处理，得到待识别图像包括：对所述图像进行灰度化处理，得到灰度图像；对所述灰度图像进行二值化处理，得到黑白图像；对所述黑白图像进行降噪处理，得到所述待识别图像。3.如权利要求2所述的跟踪方法，其特征在于，在对所述图像进行预处理，得到待识别图像前，所述方法还包括：对所述图像进行降维处理。4.如权利要求1所述的跟踪方法，其特征在于，所述将所述待识别图像输入到预先训练的神经网络模型中，得到带有关键点标记的标记图像包括：将所述待识别图像依次输入一个7*7的卷积层、一个3*3的最大值池化层及4个卷积模块，得到所述带有关键点标记的标记图像。5.如权利要求4所述的跟踪方法，其特征在于，所述方法还包括：在所述最大值池化层，对所述待识别图像在空间维度上进行下采样处理。6.如权利要求1所述的跟踪方...

【专利技术属性】
技术研发人员：车宏伟，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44