【技术实现步骤摘要】
一种目标对象位置的预测方法及装置
本申请涉及计算机通信领域，尤其涉及一种目标对象位置的预测方法及装置。
技术介绍
目标对象位置预测是指基于目标对象的历史位置，预测出目标对象未来出现的位置。预测目标对象未来出现的位置目标对象的追踪都有十分重要的意义，并且在各个领域得到广泛的应用。比如在交通领域，可以对通过对目标车辆位置进行预测，实现目标车辆追踪；在公安领域，对逃犯未来位置进行预测，实现逃犯的追踪等等。现有的目标对象位置预测，通常是人工通过经验进行预测，这种方式预测出的目标对象的位置极为不准确。因此，如何提高目标对象位置预测的准确性称为亟待解决的问题。
技术实现思路
有鉴于此，本申请提供一种目标对象位置的预测方法及装置，用于基于CNN网络预测目标对象在未来帧图像中的位置。具体地，本申请是通过如下技术方案实现的：根据本申请的第一方面，提供一种目标对象位置的预测方法，所述方法包括：确定待预测的至少一个目标对象在当前帧图像以及当前帧图像之前的至少一帧历史帧图像中的位置，生成与各目标对...
【技术保护点】
1.一种目标对象位置的预测方法，其特征在于，所述方法包括：/n确定待预测的至少一个目标对象在当前帧图像以及当前帧图像之前的至少一帧历史帧图像中的位置，生成与各目标对象对应的各位置序列；每一位置序列中相邻图像上的位置在相邻时序上相关联；/n将所述各位置序列输入到已训练的CNN网络，以由该CNN网络基于各位置序列预测用于表征各目标对象在未来帧图像中位置的位置参数；/n基于所述CNN网络预测出的所述位置参数，确定所述各目标对象在所述未来帧图像中的位置。/n
【技术特征摘要】
1.一种目标对象位置的预测方法，其特征在于，所述方法包括：
确定待预测的至少一个目标对象在当前帧图像以及当前帧图像之前的至少一帧历史帧图像中的位置，生成与各目标对象对应的各位置序列；每一位置序列中相邻图像上的位置在相邻时序上相关联；
将所述各位置序列输入到已训练的CNN网络，以由该CNN网络基于各位置序列预测用于表征各目标对象在未来帧图像中位置的位置参数；
基于所述CNN网络预测出的所述位置参数，确定所述各目标对象在所述未来帧图像中的位置。
2.根据权利要求1所述的方法，其特征在于，所述CNN网络基于各位置序列预测用于表征各目标对象在未来帧图像中位置的位置参数，包括：
所述CNN网络的输入层按照预设格式，将各位置序列组织成具有多个维度的数据集，并输出到所述CNN网络的卷积层；
所述CNN网络的卷积层对输入的所述数据集进行卷积处理，并将卷积处理后的数据集输出到所述CNN网络的池化层；
所述CNN网络的池化层对输入的所述数据集进行池化处理，输出用于表征该目标对象在未来帧图像中位置的位置参数。
3.根据权利要求2所述的方法，其特征在于，所述多个维度为四个维度；所述四个维度中的第一维度表征各目标对象；第二维度为预设值；第三个维度表征所述当前帧图像和各历史帧图像；第四个维度表征所述各目标对象在所述当前帧图像或者所述历史帧图像中的位置。
4.根据权利要求1所述的方法，其特征在于，所述确定待预测的目标对象在当前帧图像以及当前帧图像之前的至少一帧历史帧图像中的位置，包括：
将包含有所述待预测的至少一个目标对象的当前帧图像和该当前帧图像之前的至少一帧历史帧图像输入至已训练的对象识别网络，以由对象识别网络对该当前帧图像和至少一帧历史帧图像中的各目标对象进行识别，得到所述各目标对象在所述当前帧图像中的位置以及在所述至少一帧历史帧图像中的位置；
获取所述目标对象在当前帧图像以及所述至少一帧历史帧图像中的位置。
5.根据权利要求1所述的方法，其特征在于，所述位置参数为各目标对象在未来帧图像中相对于参考位置的相对位置；所述参考位置为各目标对象在所述当前帧图像中的位置；
所述基于所述CNN网络预测出的所述位置参数，确定所述各目标对象在所述未来帧图像中的位置，包括：
基于所述CNN网络预测出的各目标对象在未来帧图像中的相对位置、以及各目标对象的参考位置，确定各目标对象在所述未来帧图像中的位置。
6.根据权利要求5所述的方法，其特征在于，所述参考位置由所述当前帧图像中该目标对象中心点横坐标纵坐标以及该目标对象的宽wt、高ht表征；
所述相对位置由相对于的偏移量Δx、相对于的偏移量Δy，以及相对于wt的变化量Δw、相...
【专利技术属性】
技术研发人员：王辉，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33
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。