一种确定跟踪状态的方法、装置、存储介质和电子设备制造方法及图纸

本申请实施例提供一种确定跟踪状态的方法、装置、存储介质和电子设备，该方法包括：获取待跟踪图像；利用目标跟踪算法对待跟踪图像中的跟踪对象进行跟踪处理，获得目标响应图；将目标响应图输入到预先训练好的图像分类模型中，以使预先训练好的图像分类模型对目标响应图进行分类识别，以获得用于表示跟踪对象的跟踪状态的目标图像分类结果；其中，预先训练好的图像分类模型是根据训练集对初始图像分类模型进行训练得到的，训练集包括训练响应图和训练响应图对应的训练图像分类结果。借助于上述技术方案，本申请实施例可提高对跟踪对象的跟踪状态的监测精度，减少误检率。

【技术实现步骤摘要】
一种确定跟踪状态的方法、装置、存储介质和电子设备
本申请涉及图像处理
，具体而言，涉及一种确定跟踪状态的方法、装置、存储介质和电子设备。
技术介绍
目标跟踪在视觉导航、行为识别和智能交通等众多领域有非常广泛的研究和应用。其中，在目标跟踪任务中，目标的跟踪状态是十分重要的。目前，现有的确定跟踪状态的方法一般是通过对获得的响应图进行分析，并直接将响应图中的峰值和设定的阈值进行比较。如果峰值低于阈值，则认为跟踪失败。在实现本专利技术的过程中，专利技术人发现现有技术中存在如下问题：由于现有的确定跟踪状态的方法是通过对响应图进行信息处理，然后通过与人为设定的阈值进行比较，简单的结构加上经验化的参数设置导致检测的效果不稳定，容易发生误检。
技术实现思路
本申请实施例的目的在于提供一种确定跟踪状态的方法、装置、存储介质和电子设备，以避免现有技术中存在着的跟踪状态的监测的精度不高的问题。第一方面，本申请实施例提供了一种确定跟踪状态的方法，该方法包括：获取待跟踪图像；利用目标跟踪算法对待跟踪图像中的跟踪对象进行跟踪处理，获得目标响应图；将目标响应图输入到预先训练好的图像分类模型中，以使预先训练好的图像分类模型对目标响应图进行分类识别，以获得用于表示跟踪对象的跟踪状态的目标图像分类结果；其中，预先训练好的图像分类模型是根据训练集对初始图像分类模型进行训练得到的，训练集包括训练响应图和训练响应图对应的训练图像分类结果。因此，本申请实施例可通过可训练的图像分类模型来替换现有的确定跟踪状态的方法，从而可提高对跟踪对象的跟踪状态的监测精度，减少误检率。在一个可能的实施例中，训练响应图是利用目标跟踪算法对原始训练图像中的目标对象进行跟踪处理后获得的；其中，在将目标响应图输入到预先训练好的图像分类模型中之前，方法还包括：计算原始训练图像对应的预测框和原始训练图像对应的真实框的交并比值；根据交并比值和训练响应图的峰值，确定训练响应图对应的训练图像分类结果。因此，借助于上述技术方案，本申请实施例根据交并比值和训练响应图的峰值，确定训练响应图对应的训练图像分类结果，从而可快速且精准地获取训练图像分类结果。在一个可能的实施例中，训练图像分类结果包括正常跟踪目标对象；其中，根据交并比值和训练响应图的峰值，确定训练响应图对应的训练图像分类结果，包括：在交并比值大于第一预设交并比值且峰值大于预设峰值的情况下，确定训练图像分类结果为正常跟踪目标对象。在一个可能的实施例中，训练图像分类结果包括目标对象被遮挡；其中，根据交并比值和训练响应图的峰值，确定训练响应图对应的训练图像分类结果，包括：在交并比值小于等于第一预设交并比值且大于等于第二预设交并比值的情况下，确定训练图像分类结果为目标对象被遮挡；或者，在交并比值大于第一预设交并比值且峰值小于等于预设峰值的情况下，确定训练图像分类结果为目标对象被遮挡。在一个可能的实施例中，训练图像分类结果包括目标对象跟踪失败；其中，根据交并比值和训练响应图的峰值，确定训练响应图对应的训练图像分类结果，包括：在交并比值小于第二预设交并比值的情况下，确定训练图像分类结果为目标对象跟踪失败。在一个可能的实施例中，在将目标响应图输入到预先训练好的图像分类模型中之前，方法还包括：将训练响应图输入到初始图像分类模型中，以使初始图像分类模型对训练响应图进行分类识别，以获得预测图像分类结果；根据预测图像分类结果和训练图像分类结果，确定损失函数；利用损失函数调整初始图像分类模型中的参数，以获得预先训练好的图像分类模型。在一个可能的实施例中，方法还包括：根据目标图像分类结果，对目标跟踪算法进行调整。因此，借助于上述技术方案，本申请实施例可以针对性地对目标跟踪算法进行调整，以提高目标跟踪算法的稳定性。第二方面，本申请实施例提供了一种确定跟踪状态的装置，该装置包括：获取模块，用于获取待跟踪图像；跟踪模块，用于利用目标跟踪算法对待跟踪图像中的跟踪对象进行跟踪处理，获得目标响应图；第一输入模块，用于将目标响应图输入到预先训练好的图像分类模型中，以使预先训练好的图像分类模型对目标响应图进行分类识别，以获得用于表示跟踪对象的跟踪状态的目标图像分类结果；其中，预先训练好的图像分类模型是根据训练集对初始图像分类模型进行训练得到的，训练集包括训练响应图和训练响应图对应的训练图像分类结果。在一个可能的实施例中，训练响应图是利用目标跟踪算法对原始训练图像中的目标对象进行跟踪处理后获得的；该装置包括：计算模块，用于在将目标响应图输入到预先训练好的图像分类模型中之前，计算原始训练图像对应的预测框和原始训练图像对应的真实框的交并比值；第一确定模块，用于根据交并比值和训练响应图的峰值，确定训练响应图对应的训练图像分类结果。在一个可能的实施例中，训练图像分类结果包括正常跟踪目标对象；第一确定模块，具体用于：在交并比值大于第一预设交并比值且峰值大于预设峰值的情况下，确定训练图像分类结果为正常跟踪目标对象。在一个可能的实施例中，训练图像分类结果包括目标对象被遮挡；第一确定模块，具体用于：在交并比值小于等于第一预设交并比值且大于等于第二预设交并比值的情况下，确定训练图像分类结果为目标对象被遮挡；或者，在交并比值大于第一预设交并比值且峰值小于等于预设峰值的情况下，确定训练图像分类结果为目标对象被遮挡。在一个可能的实施例中，训练图像分类结果包括目标对象跟踪失败；第一确定模块，具体用于：在交并比值小于第二预设交并比值的情况下，确定训练图像分类结果为目标对象跟踪失败。在一个可能的实施例中，该装置还包括：第二输入模块，用于在将目标响应图输入到预先训练好的图像分类模型中之前，将训练响应图输入到初始图像分类模型中，以使初始图像分类模型对训练响应图进行分类识别，以获得预测图像分类结果；第二确定模块，用于根据预测图像分类结果和训练图像分类结果，确定损失函数；第一调整模块，用于利用损失函数调整初始图像分类模型中的参数，以获得预先训练好的图像分类模型。在一个可能的实施例中，该装置还包括：第二调整模块，用于根据目标图像分类结果，对目标跟踪算法进行调整。第三方面，本申请实施例提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。第四方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行第一方面或第一方面的任一可选的实现方式所述的方法。第五方面，本申请提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行第一方面或第一方面的任意可能的实现方式中的方法。为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。本文档来自技高网...

【技术保护点】
1.一种确定跟踪状态的方法，其特征在于，包括：/n获取待跟踪图像；/n利用目标跟踪算法对所述待跟踪图像中的跟踪对象进行跟踪处理，获得目标响应图；/n将所述目标响应图输入到预先训练好的图像分类模型中，以使所述预先训练好的图像分类模型对所述目标响应图进行分类识别，以获得用于表示所述跟踪对象的跟踪状态的目标图像分类结果；其中，所述预先训练好的图像分类模型是根据训练集对初始图像分类模型进行训练得到的，所述训练集包括训练响应图和所述训练响应图对应的训练图像分类结果。/n

【技术特征摘要】
1.一种确定跟踪状态的方法，其特征在于，包括：
获取待跟踪图像；
利用目标跟踪算法对所述待跟踪图像中的跟踪对象进行跟踪处理，获得目标响应图；
将所述目标响应图输入到预先训练好的图像分类模型中，以使所述预先训练好的图像分类模型对所述目标响应图进行分类识别，以获得用于表示所述跟踪对象的跟踪状态的目标图像分类结果；其中，所述预先训练好的图像分类模型是根据训练集对初始图像分类模型进行训练得到的，所述训练集包括训练响应图和所述训练响应图对应的训练图像分类结果。


2.根据权利要求1所述的方法，其特征在于，所述训练响应图是利用所述目标跟踪算法对原始训练图像中的目标对象进行跟踪处理后获得的；
其中，在所述将所述目标响应图输入到预先训练好的图像分类模型中之前，所述方法还包括：
计算所述原始训练图像对应的预测框和所述原始训练图像对应的真实框的交并比值；
根据所述交并比值和所述训练响应图的峰值，确定所述训练响应图对应的训练图像分类结果。


3.根据权利要求2所述的方法，其特征在于，所述训练图像分类结果包括正常跟踪目标对象；
其中，所述根据所述交并比值和所述训练响应图的峰值，确定所述训练响应图对应的训练图像分类结果，包括：
在所述交并比值大于第一预设交并比值且所述峰值大于预设峰值的情况下，确定所述训练图像分类结果为所述正常跟踪目标对象。


4.根据权利要求2所述的方法，其特征在于，所述训练图像分类结果包括目标对象被遮挡；
其中，所述根据所述交并比值和所述训练响应图的峰值，确定所述训练响应图对应的训练图像分类结果，包括：
在所述交并比值小于等于第一预设交并比值且大于等于第二预设交并比值的情况下，确定所述训练图像分类结果为所述目标对象被遮挡；
或者，在所述交并比值大于第一预设交并比值且所述峰值小于等于预设峰值的情况下，确定所述训练图像分类结果为所述目标对象被遮挡。


5.根据权利要求2所述的方法，其特征在于，所述训练图像分类结果包括目标对象跟...

【专利技术属性】
技术研发人员：张发恩，李大维，
申请(专利权)人：创新奇智成都科技有限公司，
类型：发明
国别省市：四川;51