一种目标追踪方法、系统、电子设备及存储介质技术方案

本发明专利技术公开了一种目标追踪方法、系统、电子设备及存储介质，通过在目标追踪过程中采用检测器对目标进行修正，能够防止长时间追踪而导致追踪框偏移的问题。此外，对yolov7目标检测框架的改进，使得其具有轻量的16层主干网络，使得模型能在保证提取特征丰富性以及检测准确度的情况下，模型整体更轻量化，能够在设备性能较低以及设备算力较低的情况下进行实时目标追踪；基于目标颜色的建模能够减少在目标追踪过程中跟随错误目标的可能性。本发明专利技术的实施例能够广泛应用于计算机技术领域。实施例能够广泛应用于计算机技术领域。实施例能够广泛应用于计算机技术领域。

【技术实现步骤摘要】
一种目标追踪方法、系统、电子设备及存储介质


[0001]本专利技术涉及计算机
，尤其是一种目标追踪方法、系统、电子设备及存储介质。

技术介绍

[0002]近年来，得益于计算机视觉的飞速发展，作为计算机视觉领域的核心之一的目标追踪也因此越来越受到重视。然而，在当前的目标追踪算法中，往往在目标被遮挡的场景和长期追踪导致的尺度变换和累计偏移中表现欠佳。
[0003]而针对这些问题，学界提出了基于深度学习的追踪方法。较早时期的目标跟踪算法主要是根据目标建模或者对目标特征进行跟踪。根据目标建模的方法需要对目标外观模型进行建模，在之后的帧序列中找到目标，其中的代表算法则是光流法。对目标特征进行追踪的方法则是利用特征匹配法，首先提取目标特征，随后在后续的帧中找到最相似的特征进行定位。
[0004]而后有人提出了一种多实例学习算法(MIL)，通过对所有不明确的阴性和阳性样本进行打包来开发一个判别模型。而后，又有人提出了与通信领域相结合的基于相关滤波的跟踪算法，在这些算法里面，KCF和MOSSE算法以其高实时性而著称，CSRT算法则是展现了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标追踪方法，其特征在于，包括：构建基于改进yolov7目标检测框架的检测器；其中，改进的yolov7目标检测框架具有16层主干网络；构建基于目标颜色的建模和CSRT目标追踪算法的追踪器；获取视频流以及所述视频流的初始帧；根据所述初始帧初始化所述追踪器；配置追踪时间条件；其中，所述追踪时间条件包括追踪计时器以及搜寻时限；根据所述视频流以及所述追踪时间条件，通过所述追踪器对所述目标对象进行目标追踪；在目标追踪过程中，通过所述检测器对所述目标对象所在的图像区域进行修正。2.根据权利要求1所述的一种目标追踪方法，其特征在于，所述构建基于改进yolov7目标检测框架的检测器，包括：采用改进的yolov7目标检测框架构建改进yolov7模型；其中，所述改进yolov7模型具有16层主干网络；对所述改进yolov7模型进行模型训练，得到目标检测模型；结合动态学习机制和所述目标检测模型构建检测器。3.根据权利要求1所述的一种目标追踪方法，其特征在于，所述配置所述追踪器，包括：截取所述视频流的初始帧；确定目标对象所在的目标区域；根据所述初始帧和所述目标区域，通过所述检测器确定目标对象轮廓；根据所述初始帧和所述目标对象轮廓初始化所述追踪器。4.根据权利要求1所述的一种目标追踪方法，其特征在于，所述根据所述视频流以及所述追踪时间条件，通过所述追踪器对所述目标对象进行目标追踪，包括以下至少之一：当目标对象不存在，则保存最后存在所述目标对象的图像帧中的目标模型，开启搜寻时限计时，通过所述检测器对搜寻时限内的图像帧进行目标检测，直至检测到所述目标对象或搜寻时限已到；当目标对象存在且追踪计时器结束，则通过所述检测器的目标修正函数对所述图像帧进行目标修正并重置所述追踪计时器，重置所述追踪计时器后通过所述追踪器继续对所述目标对象进行目标追踪；当目标对象存在且追踪计时器未结束，则通过所述追踪器对所述目标对象持续...

【专利技术属性】
技术研发人员：梁军，周诺，龙嘉濠，骆锐，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：