目标跟踪方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种目标跟踪方法、装置、电子设备及存储介质，所述方法包括：针对在初始帧之后的当前帧，对所述当前帧进行特征提取，得到第一维度的当前特征；获取用于将特征从所述第一维度降低至第二维度的目标降维矩阵，并采用所述目标降维矩阵将所述第一维度的当前特征转换为所述第二维度的当前特征，其中，所述第二维度的维度数目低于所述第一维度的维度数目；按照预设尺寸对所述第二维度的当前特征进行截取，得到所述第二维度的截取后特征；根据所述第二维度的截取后特征进行目标跟踪。本申请实施例能够提高目标跟踪的效率。本申请实施例能够提高目标跟踪的效率。本申请实施例能够提高目标跟踪的效率。

【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]本申请涉及无人机领域，具体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]在各类领域中，目标跟踪均有着重要的应用价值。为了实现目标跟踪，对目标所在图像进行特征提取和其他处理是必不可少的操作。为了提高目标跟踪的可靠性，多采用深度特征提取的方式进行目标跟踪。但是深度特征的提取对于算力的要求较高，现有技术中的特征处理方法在采用深度特征提取的方式进行目标跟踪时，会导致整体计算压力偏高，从而导致目标跟踪的效率较低。

技术实现思路

[0003]本申请的一个目的在于提出一种目标跟踪方法、装置、电子设备及存储介质，能够提高目标跟踪的效率。
[0004]根据本申请实施例的一方面，公开了一种目标跟踪方法，所述方法包括：
[0005]针对在初始帧之后的当前帧，对所述当前帧进行特征提取，得到第一维度的当前特征；
[0006]获取用于将特征从所述第一维度降低至第二维度的目标降维矩阵，并采用所述目标降维矩阵将所述第一维度的当前特征转换为所述第二维度的当前特征，其中，所述第二维度的维度数目低于所述第一维度的维度数目；
[0007]按照预设尺寸对所述第二维度的当前特征进行截取，得到所述第二维度的截取后特征；
[0008]根据所述第二维度的截取后特征进行目标跟踪。
[0009]根据本申请实施例的一方面，公开了一种目标跟踪装置，所述装置包括：
[0010]提取模块，配置为针对在初始帧之后的当前帧，对所述当前帧进行特征提取，得到第一维度的当前特征；
[0011]降维模块，配置为获取用于将特征从所述第一维度降低至第二维度的目标降维矩阵，并采用所述目标降维矩阵将所述第一维度的当前特征转换为所述第二维度的当前特征，其中，所述第二维度的维度数目低于所述第一维度的维度数目；
[0012]截取模块，配置为按照预设尺寸对所述第二维度的当前特征进行截取，得到所述第二维度的截取后特征；
[0013]跟踪模块，配置为根据所述第二维度的截取后特征进行目标跟踪。
[0014]根据本申请实施例的一方面，公开了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现上述各种可选实现方式中提供的方法。
[0015]根据本申请实施例的一方面，公开了一种计算机程序介质，其上存储有计算机可
读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行上述各种可选实现方式中提供的方法。
[0016]根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
[0017]本申请实施例中，通过在对当前帧进行特征提取得到第一维度的当前特征后，先对其进行降维处理得到第二维度的当前特征，再对第二维度的当前特征进行特征截取，进而根据特征截取得到的第二维度的截取后特征进行目标跟踪，降低了特征截取操作所带来的计算压力，从而降低了目标跟踪的整体计算压力，提高了目标跟踪的效率。
[0018]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0019]应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。
附图说明
[0020]通过参考附图详细描述其示例实施例，本申请的上述和其它目标、特征及优点将变得更加显而易见。
[0021]图1示出了根据本申请一个实施例的目标跟踪方法的流程图。
[0022]图2示出了根据本申请一个实施例的用于目标跟踪的跟踪器的主要处理流程示意图。
[0023]图3示出了根据本申请一个实施例的初始化跟踪器的流程示意图。
[0024]图4示出了根据本申请一个实施例的更新跟踪器的流程示意图。
[0025]图5示出了根据本申请一个实施例的特征降维的流程示意图。
[0026]图6示出了根据本申请一个实施例的目标跟踪装置的框图。
[0027]图7示出了根据本申请一个实施例的电子设备硬件图。
具体实施方式
[0028]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本申请的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本申请的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
[0029]此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中，提供许多具体细节从而给出对本申请的示例实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、步骤等。在其它情况下，不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本申请的各方面变得模糊。
[0030]附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相
对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0031]本申请提出了一种目标跟踪方法，可应用于无人机领域，执行主体为无人机或服务器，通过为无人机提供目标跟踪的功能，支持无人机执行救援搜索、物流管控等任务；也可应用于安防领域，通过为安防系统提供目标跟踪的功能，支持安防系统执行轨迹跟踪、异常警戒等任务。
[0032]图1示出了本申请所提供目标跟踪方法的流程图，该方法的示例性执行主体为服务器，该方法包括：
[0033]步骤S110、针对在初始帧之后的当前帧，对当前帧进行特征提取，得到第一维度的当前特征；
[0034]步骤S120、获取用于将特征从第一维度降低至第二维度的目标降维矩阵，并采用目标降维矩阵将第一维度的当前特征转换为第二维度的当前特征，其中，第二维度的维度数目低于第一维度的维度数目；
[0035]步骤S130、按照预设尺寸对第二维度的当前特征进行截取，得到第二维度的截取后特征；
[0036]步骤S140、根据第二维度的截取后特征进行目标跟踪。
[0037]本申请实施例中，主要针对在初始帧之后的当前帧进行目标跟踪。其中，初始帧指的是开始进行目标跟踪的视频帧；当前帧位于初始帧之后，并不仅限于初始帧的下一帧。
[0038]针对当前帧，优选采用CNN(Convolution Neural Network，卷积神经网络)对其进行特征提取，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，所述方法包括：针对在初始帧之后的当前帧，对所述当前帧进行特征提取，得到第一维度的当前特征；获取用于将特征从所述第一维度降低至第二维度的目标降维矩阵，并采用所述目标降维矩阵将所述第一维度的当前特征转换为所述第二维度的当前特征，其中，所述第二维度的维度数目低于所述第一维度的维度数目；按照预设尺寸对所述第二维度的当前特征进行截取，得到所述第二维度的截取后特征；根据所述第二维度的截取后特征进行目标跟踪。2.根据权利要求1所述的方法，其特征在于，对所述当前帧进行特征提取，得到第一维度的当前特征，包括：在所述当前帧的前一帧的目标位置，对所述当前帧进行截取，得到所述当前帧的目标所在图像块；按照所述第一维度对所述当前帧的目标所在图像块进行特征提取，得到所述第一维度的当前特征。3.根据权利要求1所述的方法，其特征在于，获取用于将特征从所述第一维度降低至第二维度的目标降维矩阵，包括：对所述初始帧进行特征提取，得到所述第一维度的初始特征；基于特征响应值，对所述第一维度的初始特征进行维度剔除，筛选得到第三维度的初始特征，其中，所述第三维度的维度数目低于所述第一维度的维度数目，并高于所述第二维度的维度数目；基于所述第三维度的初始特征，计算得到所述目标降维矩阵。4.根据权利要求3所述的方法，其特征在于，基于所述第三维度的初始特征，计算得到所述目标降维矩阵，包括：获取将所述第三维度的初始特征降低至所述第二维度的初始特征的初始降维矩阵；按照所述第一维度的初始特征的被剔除维度，在所述初始降维矩阵中添加对应所述被剔除维度的行或列，并将所添加行或列的矩阵元素置为0，得到所述目标降维矩阵。5.根据权利要求3所述的方法，其特征在于，基于特征响应值，对所述第一维度的初始特征进行维度剔除，筛选得到第三维度的初始特征，包括：按照所述特征响应值对所述第一维度的初始特征进行聚类，得到至少两个初始特...

【专利技术属性】
技术研发人员：李仟，林凡雨，崔书刚，
申请(专利权)人：北京远度互联科技有限公司，
类型：发明
国别省市：