目标跟踪方法、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目标跟踪方法、装置、电子设备及存储介质。其中，目标跟踪方法包括：获取初始特征图像；所述初始特征图像包括目标对象；将所述初始特征图像输入到分类及回归网络中，分别得到分类特征图像和回归特征图像；对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像；对所述位置特征图像进行相关性处理，得到相关特征图像；基于所述相关特征图像，得到所述目标对象的目标跟踪信息。本发明专利技术能够提高目标跟踪的精确度。本发明专利技术能够提高目标跟踪的精确度。本发明专利技术能够提高目标跟踪的精确度。

【技术实现步骤摘要】
目标跟踪方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种目标跟踪方法、装置、电子设备及存储介质。

技术介绍

[0002]随着图像处理技术的发展，其应用领域相当广泛，例如医学、工业或者目标跟踪等方向。其中，在目标跟踪方向的应用尤为广泛，目标跟踪是指利用初始帧中包含的目标信息对后续帧中的目标进行跟踪。目标跟踪在很多智能应用中都有着优异的表现。
[0003]现有技术中，一般采用基于相关滤波器的传统跟踪算法或者基于深度学习的跟踪算法等，存在目标跟踪精确度低的问题。

技术实现思路

[0004]本专利技术提供一种目标跟踪方法、装置、电子设备及存储介质，用以解决现有技术中目标跟踪精确度低的缺陷，实现提高目标跟踪精确度的目的。
[0005]本专利技术提供一种目标跟踪方法，包括：获取初始特征图像；所述初始特征图像包括目标对象；将所述初始特征图像输入到分类及回归网络中，分别得到分类特征图像和回归特征图像；对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像；对所述位置特征图像进行相关性处理，得到相关特征图像；基于所述相关特征图像，得到所述目标对象的目标跟踪信息。
[0006]根据本专利技术提供的一种目标跟踪方法，所述分类及回归网络包括分类网络和回归网络，所述将所述初始特征图像输入到分类回归网络中，分别得到分类特征图像和回归特征图像包括：将所述初始特征图像输入到所述分类网络中，得到第一子分类特征图像和第二子分类特征图像；以及，将所述初始特征图像输入到所述回归网络中，得到第一子回归特征图像和第二子回归特征图像；将所述第一子分类特征图像和所述第二子分类特征图像分别进行融合处理，得到所述第一子分类特征图像对应的第一融合特征图像，以及，得到第二子分类特征图像对应的第二融合特征图像；将所述第一子回归特征图像和所述第二子回归特征图像分别进行所述融合处理，得到所述第一子回归特征图像对应的第三融合特征图像，以及，得到第二子回归特征图像对应的第四融合特征图像；将所述第一融合特征图像和所述第二融合特征图像进行相关性处理，得到所述分类特征图像；将所述第三融合特征图像和所述第四融合特征图像进行所述相关性处理，得到所述回归特征图像。
[0007]根据本专利技术提供的一种目标跟踪方法，所述融合处理的过程包括：将所述第一子分类特征图像、所述第二子分类特征图像、所述第一子回归特征图像或者所述第二子回归特征图像进行分组处理，得到分组图像特征集合；对所述分组图像特征集合中各个候选分组图像特征进行特征融合，得到各个所述候选分组图像特征对应的中间特征图像；将各个所述中间特征图像进行拼接，得到第一子分类特征图像对应的第一融合特征图像、所述第二子分类特征图像对应的第二融合特征图像、所述第一子回归特征图像对应的第三融合特
征图像或者第二子回归特征图像对应的第四融合特征图像。
[0008]根据本专利技术提供的一种目标跟踪方法，所述对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像包括：对所述分类特征图像和所述回归特征图像分别进行横向池化处理，得到横向感知特征图像；以及，对所述分类特征图像和所述回归特征图像分别进行纵向池化处理，得到纵向感知特征图像；对所述横向感知特征图和所述纵向感知特征图进行拼接，得到拼接感知特征图像；
[0009]基于所述拼接感知特征图像，得到所述位置特征图像。
[0010]根据本专利技术提供的一种目标跟踪方法，所述对所述位置特征图像进行相关性处理，得到相关特征图像包括：将所述位置特征图像进行区域分割，得到区域特征集合；在所述区域特征集合，对候选区域特征与所述区域特征集合中各个区域特征进行相关性处理，得到相关区域特征集合；将所述候选区域特征与所述相关区域特征集合中相关区域特征进行拼接，得到所述相关特征图像。
[0011]根据本专利技术提供的一种目标跟踪方法，所述基于所述相关特征图像，得到所述目标对象的目标跟踪信息包括：对所述相关特征图像进行卷积处理，分别得到所述目标对象的分类结果特征图和中心度结果特征图；将所述相关特征图像进行卷积处理后，得到目标对象的回归结果特征图；综合所述分类结果特征图、所述中心度结果特征图和所述回归结果特征图，得到所述目标跟踪信息。
[0012]本专利技术还提供一种目标跟踪装置，包括：第一获取模块，用于获取初始特征图像；所述初始特征图像包括目标对象；第一得到模块，用于将所述初始特征图像输入到分类及回归网络中，分别得到分类特征图像和回归特征图像；第二得到模块，用于对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像；第三得到模块，用于对所述位置特征图像进行相关性处理，得到相关特征图像；第四得到模块，用于基于所述相关特征图像，得到所述目标对象的目标跟踪信息。
[0013]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述目标跟踪方法的步骤。
[0014]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述目标跟踪方法的步骤。
[0015]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述目标跟踪方法的步骤。
[0016]本专利技术提供的目标跟踪方法、装置、电子设备及存储介质，通过获取初始特征图像；该初始特征图像包括目标对象；将该初始特征图像输入到分类及回归网络中，分别得到分类特征图像和回归特征图像；对上述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像；对位置特征图像进行相关性处理，得到相关特征图像；基于上述相关特征图像，得到目标对象的目标跟踪信息。能够通过得到准确的相关特征图像，得到准确的目标跟踪信息，从而能够提高目标跟踪的精确度。
附图说明
[0017]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术
描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术提供的目标跟踪方法的流程示意图之一；
[0019]图2是本专利技术提供的目标跟踪方法的流程示意图之二；
[0020]图3是本专利技术提供的目标跟踪方法的流程示意图之三；
[0021]图4是本专利技术提供的目标跟踪方法的流程示意图之四；
[0022]图5是本专利技术提供的目标跟踪方法的流程示意图之五；
[0023]图6是本专利技术提供的目标跟踪方法的流程示意图之六；
[0024]图7是本专利技术提供的目标跟踪方法的流程示意图之七；
[0025]图8是本专利技术提供的目标跟踪方法的架构示意图之一；
[0026]图9是本专利技术提供的目标跟踪方法的架构示意图之二；
[0027]图10是本专利技术提供的目标跟踪方法的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括：获取初始特征图像；所述初始特征图像包括目标对象；将所述初始特征图像输入到分类及回归网络中，分别得到分类特征图像和回归特征图像；对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像；对所述位置特征图像进行相关性处理，得到相关特征图像；基于所述相关特征图像，得到所述目标对象的目标跟踪信息。2.根据权利要求1所述的目标跟踪方法，其特征在于，所述分类及回归网络包括分类网络和回归网络，所述将所述初始特征图像输入到分类回归网络中，分别得到分类特征图像和回归特征图像包括：将所述初始特征图像输入到所述分类网络中，得到第一子分类特征图像和第二子分类特征图像；以及，将所述初始特征图像输入到所述回归网络中，得到第一子回归特征图像和第二子回归特征图像；将所述第一子分类特征图像和所述第二子分类特征图像分别进行融合处理，得到所述第一子分类特征图像对应的第一融合特征图像，以及，得到第二子分类特征图像对应的第二融合特征图像；将所述第一子回归特征图像和所述第二子回归特征图像分别进行所述融合处理，得到所述第一子回归特征图像对应的第三融合特征图像，以及，得到第二子回归特征图像对应的第四融合特征图像；将所述第一融合特征图像和所述第二融合特征图像进行相关性处理，得到所述分类特征图像；将所述第三融合特征图像和所述第四融合特征图像进行所述相关性处理，得到所述回归特征图像。3.根据权利要求2所述的目标跟踪方法，其特征在于，所述融合处理的过程包括：将所述第一子分类特征图像、所述第二子分类特征图像、所述第一子回归特征图像或者所述第二子回归特征图像进行分组处理，得到分组图像特征集合；对所述分组图像特征集合中各个候选分组图像特征进行特征融合，得到各个所述候选分组图像特征对应的中间特征图像；将各个所述中间特征图像进行拼接，得到第一子分类特征图像对应的第一融合特征图像、所述第二子分类特征图像对应的第二融合特征图像、所述第一子回归特征图像对应的第三融合特征图像或者第二子回归特征图像对应的第四融合特征图像。4.根据权利要求1所述的目标跟踪方法，其特征在于，所述对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像包括：对所述分类特征图像和所述回归特征图像分别进行横向...

【专利技术属性】
技术研发人员：丁国栋，李嘉锋，卓力，张辉，郜征，徐晗，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：