目标跟踪方法、电子设备、存储介质及程序产品技术

本申请提供一种目标跟踪方法、电子设备、存储介质及程序产品，涉及目标跟踪技术领域。该方法包括：获取视频帧序列，视频帧序列中至少部分图像包括待跟踪目标；采用搜索网络对当前帧图像进行特征提取，得到当前帧图像的搜索特征，搜索特征表征待跟踪目标在当前帧图像中的位置，搜索网络为卷积神经网络；基于当前帧图像对应的当前模板特征对搜索特征进行卷积，得到特征响应图，当前模板特征表征待跟踪目标在当前帧图像中的预测目标位置，用于提取当前模板特征的特征提取网络与搜索网络为不同的神经网络；将特征响应图输入回归网络，得到跟踪结果，跟踪结果包括待跟踪目标在当前帧图像中的位置信息。本申请可以实现长期、稳定地对目标进行跟踪。目标进行跟踪。目标进行跟踪。

【技术实现步骤摘要】
目标跟踪方法、电子设备、存储介质及程序产品


[0001]本申请涉及目标跟踪
，具体而言，涉及一种目标跟踪方法、电子设备、存储介质及程序产品。

技术介绍

[0002]目标跟踪是深度学习领域的基本任务之一，具体是从一组时序图像中，稳定地获取某个指定目标在每一时刻的存在性及几何信息。
[0003]现有的目标跟踪主要分为短期单目标跟踪(Short
‑
Term Single Object Tracking，ST
‑
SOT)和长期单目标跟踪(Long
‑
Term Single Object Tracking，LT
‑
SOT)。
[0004]但是，短期单目标跟踪无法解决目标被遮挡、目标发生形变或者长期跟踪的情况，长期单目标跟踪由于需要维护大量的模板图像，导致需要的存储和计算开销较大。

技术实现思路

[0005]本申请的目的在于，针对上述现有技术中的不足，提供一种目标跟踪方法、电子设备、存储介质及程序产品，以便实现长期、稳定地对目标进行跟踪。
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：获取视频帧序列，所述视频帧序列中至少部分图像包括待跟踪目标；采用搜索网络对当前帧图像进行特征提取，得到当前帧图像的搜索特征，所述搜索特征表征所述待跟踪目标在所述当前帧图像中的位置，所述搜索网络为卷积神经网络；基于当前帧图像对应的当前模板特征对所述搜索特征进行卷积，得到特征响应图，所述当前模板特征表征所述待跟踪目标在所述当前帧图像中的预测目标位置，用于提取所述当前模板特征的特征提取网络与所述搜索网络为不同的神经网络；将所述特征响应图输入回归网络，得到跟踪结果，所述跟踪结果包括所述待跟踪目标在所述当前帧图像中的位置信息。2.如权利要求1所述的方法，其特征在于，所述基于当前帧图像对应的当前模板特征对所述搜索特征进行卷积，得到特征响应图之前，所述方法还包括：对标注有所述待跟踪目标的位置信息的当前帧图像进行特征提取，确定所述当前模板特征；或者，对标注有所述待跟踪目标的位置信息的前一帧图像进行特征提取，确定所述当前模板特征。3.如权利要求2所述的方法，其特征在于，所述对标注有所述待跟踪目标的位置信息的当前帧图像进行特征提取，确定所述当前模板特征，包括：若所述当前帧图像为所述视频帧序列中的第一帧图像，采用目标检测算法对所述第一帧图像进行目标检测，在所述第一帧图像中标注所述待跟踪目标的位置信息；采用初始化网络对标注有所述待跟踪目标的位置信息的所述第一帧图像进行特征提取，得到所述当前模板特征。4.如权利要求2所述的方法，其特征在于，所述对标注有所述待跟踪目标的位置信息的当前帧图像进行特征提取，确定所述当前模板特征，包括：若所述当前帧图像为所述视频帧序列中除第一帧图像外的其他帧图像，采用目标检测算法对所述当前帧图像进行目标检测，在所述当前帧图像中标注所述待跟踪目标的位置信息；采用验证网络对标注有所述待跟踪目标的位置信息的所述当前帧图像进行特征提取，得到所述当前模板特征。5.如权利要求4所述的方法，其特征在于，所述采用验证网络对标注有所述待跟踪目标的位置信息的所述当前帧图像进行特征提取，得到所述当前模板特征之后，所述方法还包括：根据所述当前帧图像的当前模板特征和所述第一帧图像的当前模板特...

【专利技术属性】
技术研发人员：张登稣，
申请(专利权)人：成都西纬科技有限公司，
类型：发明
国别省市：