本申请提供一种目标跟踪方法、装置、设备以及存储介质，目标跟踪方法包括：采用目标跟踪算法，自当前视频帧中，获取与当前帧目标模板匹配的目标特征；采用重启跟踪判断算法，基于所述目标特征的置信度信息，获取重启指示信息，所述重启指示信息指示重启跟踪或无需重启跟踪；响应于所述重启指示信息指示重启跟踪，采用目标检测算法，自当前视频帧中查找目标对象，并基于所查找的目标对象的目标特征生成下一帧目标模板；响应于所述重启指示信息指示无需重启跟踪，采用模板选择算法，确定基于当前视频帧的目标特征生成下一帧目标模板或者将初始目标模板作为下一帧目标模板。本申请提高目标跟踪算法的稳定性和准确率。目标跟踪算法的稳定性和准确率。目标跟踪算法的稳定性和准确率。
【技术实现步骤摘要】
目标跟踪方法、装置、设备以及存储介质
[0001]本申请涉及视频
，尤其涉及一种目标跟踪方法、装置、设备以及存储介质。
技术介绍
[0002]视频目标跟踪作为视频监控领域的一个重要研究方向，是在仅给定第一帧的标注信息的情况下，对视频中特定目标位置和运动情况进行记录的任务。由于视频目标跟踪能对运动对象进行精准定位，能满足实时监控的需求，因此，视频目标跟踪已在智能导航、智慧交通、安防监控和异常行为分析等方面引起广泛的关注。
[0003]现有的视频目标跟踪方法主要包括传统的目标跟踪方法和基于深度学习的目标跟踪方法。传统的目标跟踪方法主要有：光流法、均值偏移、卡尔曼滤波和相关滤波法等。这些方法通常采用手工提取低维特征的方式，尽管具有较低的计算复杂度，但难以克服环境光照变化、运动模糊、尺度变化、背景干扰和多重遮挡等各类干扰因素对跟踪性能带来的影响。
[0004]利用深度学习的目标跟踪方法，借助在大规模数据集上训练后的深度卷积网络能获取目标的较为鲁棒的特征，能有效缓解部分干扰因素的影响。一些工作开始在深度卷积网络的基础上进一步采用基于检测的方法或者模板匹配的方法来实现目标跟踪，并取得了成功。
[0005]基于目标检测的方法将目标跟踪问题建模为视频帧上的目标检测问题，尽管具有较高的跟踪精度，但需要搜索区域太大，实时性相对较差。
[0006]基于模板匹配的目标跟踪方法构建孪生网络来计算目标模板与目标邻域的相似度，将相似度最高的区域作为目标的位置。因为无需全图检测目标，这类算法具有很强的实时性，但难以处理目标丢失或目标外观剧烈变化等问题。
[0007]目前的目标跟踪方法中，最严重的问题是目标丢失而导致的跟踪失败。此外，相较于目标的丢失，跟踪目标的外观剧烈变化问题更为常见。由于基于模板匹配的方法通常采用第一帧目标的外观特征作为固定的模板，难以捕捉跟踪中目标外观正在发生的变化，误差逐渐累积，导致最终的跟踪失败。
[0008]由此，如何避免目标跟踪过程中的目标丢失，同时避免由于目标外观变化导致固定模板失效的情况，以提高目标跟踪算法的稳定性和准确率，是本领域技术人员亟待解决的技术问题。
技术实现思路
[0009]本申请为了克服上述现有技术存在的缺陷，提供一种目标跟踪方法、装置、设备以及存储介质，从而避免目标跟踪过程中的目标丢失，同时避免由于目标外观变化导致固定模板失效的情况，以提高目标跟踪算法的稳定性和准确率。
[0010]根据本申请的一个方面，提供一种目标跟踪方法，包括：
[0011]采用目标跟踪算法，自当前视频帧中，获取与当前帧目标模板匹配的目标特征；
[0012]采用重启跟踪判断算法，基于所述目标特征的置信度信息，获取重启指示信息，所述重启指示信息指示重启跟踪或无需重启跟踪；
[0013]响应于所述重启指示信息指示重启跟踪，采用目标检测算法，自当前视频帧中查找目标对象，并基于所查找的目标对象的目标特征生成下一帧目标模板；
[0014]响应于所述重启指示信息指示无需重启跟踪，采用模板选择算法，确定基于当前视频帧的目标特征生成下一帧目标模板或者将初始目标模板作为下一帧目标模板，所述下一帧目标模板用于在下一视频帧中匹配获得目标特征。
[0015]在本申请的一些实施例中，所述采用目标跟踪算法，自当前视频帧中，获取与当前帧目标模板匹配的目标特征包括：
[0016]获取当前帧目标模板的模板特征；
[0017]获取当前视频帧的搜索域内的图像特征；
[0018]基于所述模板特征和所述图像特征的互相关，自所述图像特征中获取与当前帧目标模板匹配的目标特征。
[0019]在本申请的一些实施例中，所述目标特征的置信度信息包括所述目标特征的分类置信度图，所述采用重启跟踪判断算法，基于所述目标特征的置信度信息，获取重启指示信息包括：
[0020]将所述目标特征的分类置信度图输入至重启判断网络，所述重启判断网络为经训练的二分类网络；
[0021]根据所述重启判断网络的输出，获取所述重启指示信息。
[0022]在本申请的一些实施例中，所述采用模板选择算法，确定基于当前视频帧的目标特征生成下一帧目标模板或者将初始目标模板作为下一帧目标模板包括：
[0023]基于当前视频帧的目标特征，生成当前帧目标状态；
[0024]将所述当前帧目标状态，输入至所述模板选择策略算法；
[0025]获取所述模板选择策略算法输出的模板选择指示信息，所述模板选择指示信息指示基于当前视频帧的目标特征生成下一帧目标模板或者将初始目标模板作为下一帧目标模板。
[0026]在本申请的一些实施例中，所述目标特征包括目标分类特征以及目标回归特征，所述基于当前视频帧的目标特征，生成当前帧目标状态包括：
[0027]将所述当前视频帧的目标分类特征以及目标回归特征的互相关图的组合，作为所述当前帧目标状态。
[0028]在本申请的一些实施例中，所述模板选择策略算法为PPO算法。
[0029]在本申请的一些实施例中，所述目标跟踪算法为SiamFC++，所述目标检测算法为Globaltrack。
[0030]根据本申请的又一方面，还提供一种目标跟踪装置，包括：
[0031]目标特征获取模块，配置成采用目标跟踪算法，自当前视频帧中，获取与当前帧目标模板匹配的目标特征；
[0032]重启跟踪判断模块，配置成采用重启跟踪判断算法，基于所述目标特征的置信度信息，获取重启指示信息，所述重启指示信息指示重启跟踪或无需重启跟踪；
[0033]重启跟踪模块，配置成响应于所述重启指示信息指示重启跟踪，采用目标检测算法，自当前视频帧中查找目标对象，并基于所查找的目标对象的目标特征生成下一帧目标模板；
[0034]模板选择模块，配置成响应于所述重启指示信息指示无需重启跟踪，采用模板选择算法，确定基于当前视频帧的目标特征生成下一帧目标模板或者将初始目标模板作为下一帧目标模板，所述下一帧目标模板用于在下一视频帧中匹配获得目标特征。
[0035]根据本申请的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。
[0036]根据本申请的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。
[0037]由此可见，本申请提供的方案，与现有技术相比，具有如下优势：
[0038]1)基于重启跟踪判断算法以及目标特征的置信度信息，确定是否需要重启跟踪，当需要重启跟踪时，通过目标检测算法，更新目标跟踪算法的下一帧目标模板，由此，在目标跟踪过程中即使目标丢失，也可以通过目标检测算法来重启跟踪，并更新下一帧目标模板；
[0039]2)当无需重启跟踪时，采用模板选择算法，确定基于当前视频帧的目标特征生成下一帧目标模板或者将初始目标模板作为下一帧目标本文档来自技高网...
【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：采用目标跟踪算法，自当前视频帧中，获取与当前帧目标模板匹配的目标特征；采用重启跟踪判断算法，基于所述目标特征的置信度信息，获取重启指示信息，所述重启指示信息指示重启跟踪或无需重启跟踪；响应于所述重启指示信息指示重启跟踪，采用目标检测算法，自当前视频帧中查找目标对象，并基于所查找的目标对象的目标特征生成下一帧目标模板；响应于所述重启指示信息指示无需重启跟踪，采用模板选择算法，确定基于当前视频帧的目标特征生成下一帧目标模板或者将初始目标模板作为下一帧目标模板，所述下一帧目标模板用于在下一视频帧中匹配获得目标特征。2.如权利要求1所述的目标跟踪方法，其特征在于，所述采用目标跟踪算法，自当前视频帧中，获取与当前帧目标模板匹配的目标特征包括：获取当前帧目标模板的模板特征；获取当前视频帧的搜索域内的图像特征；基于所述模板特征和所述图像特征的互相关，自所述图像特征中获取与当前帧目标模板匹配的目标特征。3.如权利要求1所述的目标跟踪方法，其特征在于，所述目标特征的置信度信息包括所述目标特征的分类置信度图，所述采用重启跟踪判断算法，基于所述目标特征的置信度信息，获取重启指示信息包括：将所述目标特征的分类置信度图输入至重启判断网络，所述重启判断网络为经训练的二分类网络；根据所述重启判断网络的输出，获取所述重启指示信息。4.如权利要求1所述的目标跟踪方法，其特征在于，所述采用模板选择算法，确定基于当前视频帧的目标特征生成下一帧目标模板或者将初始目标模板作为下一帧目标模板包括：基于当前视频帧的目标特征，生成当前帧目标状态；将所述当前帧目标状态，输入至所述模板选择策略算法；获取所述模板选择策略算法输出的模板选择指示信息，所述模板选择指示信息指示基于当前...
【专利技术属性】
技术研发人员：钟珊，曹李军，孙愉亚，章勇，
申请(专利权)人：苏州科达科技股份有限公司，
类型：发明
国别省市：
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。