基于图像的目标追踪方法技术

本发明专利技术涉及图像检测领域，特别涉及一种基于图像的目标追踪方法

【技术实现步骤摘要】
基于图像的目标追踪方法、装置、计算机设备及存储介质


[0001]本专利技术涉及图像检测领域，特别涉及是一种基于图像的目标追踪方法
、
装置
、
计算机设备以及存储介质
。

技术介绍

[0002]过去的几十年里，由于大变形
、
光照变化
、
背景杂波等因素，视觉跟踪仍然是一项具有挑战性的任务
。
由于基于连体网络的跟踪算法具有端到端的优势，可以更好地平衡准确性和实时性，再加上计算机视觉领域深度学习的快速发展，近年来越来越多的学者开始向这个方向研究
。
[0003]然而，目前基于连体网络的跟踪算法在特征交叉相关操作方面，其主要目的是通过测量模板和搜索帧之间的相似度来获得物体的响应图，不能很好地捕捉特征之间的非线性关系，导致跟踪性能会受到一定的限制，从而无法根据不同的目标和场景进行自适应调整的能力，导致跟踪不够灵活
。

技术实现思路

[0004]基于此，本专利技术的目的在于，提供一种基于图像的目标追踪方法
、
...

【技术保护点】

【技术特征摘要】
1.
一种基于图像的目标追踪方法，其特征在于，包括以下步骤：获得若干个样本图像组以及预设的目标追踪模型，其中，所述样本图像组包括样本图像以及样本图像对应的模板图像；所述目标追踪模型包括特征提取模块
、
特征交叉模块
、
特征增强模块以及追踪模块，所述特征交叉模块包括分类网络以及回归网络，所述追踪模块包括目标分类模块以及目标定位模块；将各个所述样本图像组分别输入至所述特征提取模块中，获得各个所述样本图像组对应的卷积特征图组，其中，所述卷积特征图组包括样本图像的卷积特征图以及模板图像的卷积特征图；将各个所述卷积特征图组分别输入至所述特征交叉模块的分类网络以及回归网络中，获得各个所述样本图像组对应的分类特征图以及回归特征图；将各个所述样本图像组对应的分类特征图以及回归特征图进行相加，获得各个所述样本图像组对应的输入特征图，将各个所述样本图像组对应的输入特征图分别输入至所述特征增强模块，获得各个所述样本图像组对应的增强特征图；获得各个所述样本图像组中的样本图像的真实追踪数据，将各个所述样本图像组对应的增强特征图以及真实追踪数据输入至所述追踪模块中进行训练，获得目标追踪模块，其中，所述真实追踪数据包括真实分类数据以及真实定位数据；响应于图像追踪指令，获得待追踪图像以及所述待追踪图像对应的模板图像，将所述待追踪图像以及所述待追踪图像对应的模板图像输入至所述目标追踪模型，获得所述待追踪图像的分类预测结果以及定位预测结果
。2.
根据权利要求1所述的基于图像的目标追踪方法，其特征在于：所述特征提取模块包括依次相连的卷积模块以及残差连接模块，所述残差连接模块包括若干个依次相连的残差子连接模块；所述将各个所述样本图像组分别输入至所述特征提取模块中，获得各个所述样本图像组对应的卷积特征图组，包括步骤：将所述样本图像组中的样本图像以及模板图像分别作为所述卷积模块的输入图像，对所述输入图像进行卷积处理，获得所述输入图像对应的初始卷积特征图；将所述初始卷积特征图输入至所述残差连接模块的首个残差子连接模块，获得首个残差子连接模块输出的中间卷积特征图，将所述首个残差子连接模块输出的中间卷积特征图输入至下一个残差子连接模块，重复上述步骤，获得最后一个残差子连接模块输出的中间卷积特征图，作为所述卷积特征图
。3.
根据权利要求2所述的基于图像的目标追踪方法，其特征在于：所述残差子连接模块包括标准卷积层
、
若干个深度可分离卷积层
、
若干个批次归一化层以及若干个
h
‑
swish
激活层；所述将所述初始卷积特征图输入至所述残差连接模块的首个残差子连接模块，获得首个残差子连接模块输出的中间卷积特征图，包括步骤：将所述初始卷积特征图输入至所述深度可分离卷积层，获得深度卷积特征图，将所述深度卷积特征图输入至所述批次归一化层，获得批次归一化处理后的深度卷积特征图，将所述归一化处理后的深度卷积特征图输入至所述
h
‑
swish
激活层，获得第一激活卷积特征图；
将所述第一激活卷积特征图输入至所述标准卷积层中进行点卷积处理，获得标准卷积特征图，将所述标准卷积特征图输入至所述批次归一化层，获得批次归一化处理后的标准卷积特征图，将所述归一化处理后的标准卷积特征图输入至所述
h
‑
swish
激活层，获得第二激活卷积特征图；将所述第一激活卷积特征图以及第二激活卷积特征图进行累加处理，获得第一累加结果，将所述第一累加结果输入至所述
h
‑
swish
激活层，获得第三激活卷积特征图，作为所述中间卷积特征图
。4.
根据权利要求2所述的基于图像的目标追踪方法，其特征在于：所述特征增强模块包括空间编码模块
、
上下文注意力提取模块以及正则化模块；所述将各个所述样本图像组对应的分类特征图以及回归特征图进行相加，获得各个所述样本图像组对应的输入特征图，将各个所述样本图像组对应的输入特征图分别输入至所述特征增强模块，获得各个所述样本图像组对应的增强特征图，包括步骤：将所述输入特征图输入至所述空间编码模块，对所述输入特征图进行空间编码，获得所述输入特征图的空间矩阵；将所述空间矩阵输入至所述上下文注意力提取模块中进行注意力提取，获得所述输入特征图的注意力特征图；将所述输入特征图以及注意力特征图输入至所述正则化模块中，将所述输入特征图以及增强特征图进行累加，获得第二累加结果，对所述第二累加结果进行正则化处理，获得正则化处理后的特征图，作为所述增强特征图
。5.
根据权利要求3所述的基于图像的目标追踪方法，其特征在于：所述空间矩阵包括第一空间矩阵
、
第二空间矩阵以及第三空间矩阵；所述上下文注意力提取模块包括全局信息提取模块
、
局部信息提取模块
、
注意力提取模块以及激活模块，所述全局信息提取模块包括依次相连的全局池化层
、
逐点卷积层
、RELU
激活层以及批次归一化层，所述局部信息提取模块包括
、
逐点卷积层
、RELU
激活层以及批次归一化层；所述将所述空间矩阵输入至所述上下文注意力提取模块中进行注意力提取，获得所述输入特征图的注意力特征图，包括步骤：将所述第一空间矩阵输入至所...

【专利技术属性】
技术研发人员：冼广铭，罗涌升，郭倩伶，刘佳乐，郭志德，易智伟，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：