【技术实现步骤摘要】
一种基于目标检测的目标跟踪方法及系统
本专利技术属于模式识别
，更具体地，涉及一种基于目标检测的目标跟踪方法及系统。
技术介绍
目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力；目标跟踪，即在给定某视频序列初始帧的目标大小与位置的情况下，预测后续帧中该目标的大小与位置。由于基于深度学习的目标检测算法具有强大的判别能力和回归能力，目标检测算法中的一些技术在基于深度学习的跟踪算法中得到了越来越多的关注和应用。然而，直接将基于深度学习的目标检测算法应用于跟踪任务是不可行的。这是因为单目标跟踪任务，有两个不同于目标检测任务的难点。一是训练样本有限。单目标跟踪是一个无类别先验的任务，即在进行在线跟踪之前不知道目标的具体类别和形态，这使得在离线训练过程中难以找到有效的训练样本。二是单目标跟踪任务具有复杂的运动属性。不同于只需要处理静态图片的目标检测任务，单目标跟踪任务的对象是视频序列中运动的物体，物体会产生各种复杂的形态变化。总的...
【技术保护点】
1.一种基于目标检测的目标跟踪方法，其特征在于，包括：/n为待跟踪目标建立目标跟踪模型，所述目标跟踪模型包括主干网络和推理网络；所述主干网络，用于提取深度特征，并在所得到的特征图上以不同尺度的候选框提取候选区域的区域特征；所述推理网络，用于根据区域特征为每一个候选区域打分，以得到各候选区域的检测得分，并对各候选区域进行回归，以获得更为精确的目标位置坐标；所述主干网络为目标检测模型中用于提取特征的网络，且已训练好；/n获取待处理的目标视频中的第一帧F
【技术特征摘要】
1.一种基于目标检测的目标跟踪方法，其特征在于，包括：
为待跟踪目标建立目标跟踪模型，所述目标跟踪模型包括主干网络和推理网络；所述主干网络，用于提取深度特征，并在所得到的特征图上以不同尺度的候选框提取候选区域的区域特征；所述推理网络，用于根据区域特征为每一个候选区域打分，以得到各候选区域的检测得分，并对各候选区域进行回归，以获得更为精确的目标位置坐标；所述主干网络为目标检测模型中用于提取特征的网络，且已训练好；
获取待处理的目标视频中的第一帧F1，在其上通过数据增强的方式创建多个正样本，并利用所得到的正样本训练所述目标跟踪模型，以初始化所述推理网络；
在所述推理网络初始化之后，依次获取所述目标视频中的帧作为当前帧，并按照如下步骤对各帧进行目标跟踪：
(S1)利用所述目标跟踪模型获得所述待跟踪目标在当前帧中的多个候选区域，以及各候选区域的检测得分和目标位置坐标；
(S2)根据空间约束对检测得分进行修正，以得到各候选区域的跟踪得分，并将跟踪得分最高的候选区域确定为目标区域；
(S3)若目标区域的跟踪得分Score>ThS，则判定当前帧跟踪成功，并根据当前帧创建正、负样本，加入到样本库中；若ThF≤Score≤ThS，则判定当前帧跟踪成功；若Score<ThF，则判定当前帧跟踪失败，并利用所述样本库中的样本对所述目标跟踪模型进行重新训练，以对所述推理网络进行在线更新；
其中，ThS为预设的成功阈值，ThF为预设的失败阈值；所述样本库用于在目标跟踪过程中存储正、负样本，初始时刻，其中样本数量为0；所述空间约束与待跟踪目标在当前帧及前一帧中的空间位置和尺度的变化相关。
2.如权利要求1所述的基于目标检测的目标跟踪方法，其特征在于，所述主干网络的训练方法包括：
建立多分支目标检测模型，其中包括特征提取网络以及离线训练网络；
所述特征提取网络，用于提取深度特征，并在所得到的特征图上以不同尺度的候选框提取候选区域的区域特征；
所述离线训练网络包括多个分支网络，每个分支网络与一个跟踪目标相对应；所述分支网络，用于根据区域特征为每一个候选区域进行打分，并对各候选区域进行回归，以获得更为精确的目标位置坐标；
利用标准数据集对所述离线训练网络进行训练，在训练结束后，将所述特征提取网络作为所述主干网络；
其中，所述标准数据集中，各目标实际所在的区域得分及坐标位置已知。
3.如权利要求1或2所述的基于目标检测的目标跟踪方法，其特征在于，所述步骤(S2)中，根据空间约束对检测得分进行修正，其修正表达式为：p＝p0*p1*p2；
其中...
【专利技术属性】
技术研发人员：秦淮，高常鑫，桑农，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42
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。