【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
本申请涉及图像处理
，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
随着社会经济的快速发展，人们的生活水平不断提高，车辆作为人类出行最便捷的交通工具之一，普及度也越来越高，然而随之而来的车辆交通违法行为也越来越多，有的违法行为甚至严重影响了道路交通的正常运转，因此，就需要通过对车辆进行准确跟踪，以此更准确地判断车辆是否存在违法行为。车辆跟踪是指在给定视频序列初始帧中目标车辆的大小及位置的情况下，预测后续帧中目标车辆的大小与位置，在跟踪时，通常是将初始帧图像作为模板图像，在后续帧图像上利用该模板图像进行全范围检测，以完成对目标车辆的跟踪。然而上述跟踪过程存在计算量过大，导致计算效率低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高计算效率的目标跟踪方法、装置、计算机设备和存储介质。一种目标跟踪方法，该方法包括：获取视频源；该视频源包括至少K+1帧图像，视频源的连续K帧图像上均已标注目...
【技术保护点】
1.一种目标跟踪方法，其特征在于，所述方法包括：/n获取视频源；所述视频源包括至少K+1帧图像，所述视频源的连续K帧图像上均已标注目标框位置；/n将所述连续K帧图像上标注的目标框位置分别输入至预设的预测网络，确定目标在连续K帧的后一帧图像上的预测框位置；所述预设的预测网络是通过对样本图像中的样本目标框位置进行训练得到的；/n根据所述预测框位置，在所述连续K帧的后一帧图像上截取所述预测框位置对应的图像，并将截取得到的图像输入至预设的跟踪模型，得到所述目标在所述连续K帧的后一帧图像上的跟踪位置。/n
【技术特征摘要】
1.一种目标跟踪方法，其特征在于，所述方法包括：
获取视频源；所述视频源包括至少K+1帧图像，所述视频源的连续K帧图像上均已标注目标框位置；
将所述连续K帧图像上标注的目标框位置分别输入至预设的预测网络，确定目标在连续K帧的后一帧图像上的预测框位置；所述预设的预测网络是通过对样本图像中的样本目标框位置进行训练得到的；
根据所述预测框位置，在所述连续K帧的后一帧图像上截取所述预测框位置对应的图像，并将截取得到的图像输入至预设的跟踪模型，得到所述目标在所述连续K帧的后一帧图像上的跟踪位置。
2.根据权利要求1所述的方法，其特征在于，所述根据所述预测框位置，在所述连续K帧的后一帧图像上截取所述预测框位置对应的图像，并将截取得到的图像输入至预设的跟踪模型，包括：
将所述预测框位置按照预设的比例进行扩增，得到扩增框位置；
在所述连续K帧的后一帧图像上截取所述扩增框位置对应的图像，并将所述扩增框位置对应的图像输入至预设的跟踪模型。
3.根据权利要求2所述的方法，其特征在于，所述预设的比例为大于1且小于2的比例。
4.根据权利要求1所述的方法，其特征在于，所述预设的跟踪模型包括模板分支网络和检测分支网络，所述将截取得到的图像输入至预设的跟踪模型，得到所述目标在所述连续K帧的后一帧图像上的跟踪位置，包括：
根据所述视频源的连续K帧中的第K帧图像上标注的目标框位置，在所述连续K帧中的第K帧图像上截取所述标注的目标框位置对应的图像，并将所述连续K帧中的第K帧图像上标注的目标框位置对应的图像输入至所述模板分支网络进行特征提取，得到目标的特征；
将在所述连续K帧的后一帧图像上截取所述预测框位置对应的图像输入至所述检测分支网络，并结合所述模板分支网络输出的所述目标的特征，得到所述目标在所述连续K帧的后一帧图像上的跟踪位置。
5.根据权利要求1-4任意一项所述的方法，其特征在于，所述预设的预测网络的训练方法包括：
获取样本视频源；所述样本视频源包括至少N+1帧样本图像，所述样本视频源的各帧样本图像均已标注目标框位置；
将所述样本视频源的连续N帧图像作为初始预测网络的输入，将所述连续N帧图像的后一帧图像上目标的预测框位置作为所述初始预测网络的输出，对所述初始的预测网...
【专利技术属性】
技术研发人员：周康明，朱月萍，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31
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。