一种实现对象跟踪的方法及装置制造方法及图纸

本申请公开了一种实现对象跟踪的方法及装置，很好地实现了资源消耗和跟踪效率的平衡，间隔式拉起检测过程，而在非检测时间段则进行跟踪，严密地实现了对象的跟踪过程，稳定且准确地实现了对象特征点检测和对象跟踪。且准确地实现了对象特征点检测和对象跟踪。且准确地实现了对象特征点检测和对象跟踪。

【技术实现步骤摘要】
一种实现对象跟踪的方法及装置


[0001]本申请涉及但不限于计算机视觉技术，尤指一种实现对象跟踪的方法及装置。

技术介绍

[0002]随着短视频行业的蓬勃发展，催生和带动了很多计算机视觉技术的研究。目前，客户对视频中良好个人形象的要求日益上升，以对象为人脸为例，比如：要提供精准的美颜则需要依赖稳定且准确的人脸特征点定位及配套人脸跟踪算法。其中，人脸特征点是指：脸部五官的轮廓边界线、脸外部边界线等有清晰边界线的人脸区域划分下形成的一系列均匀分布的特征点。人脸跟踪是指在一段视频中持续跟踪选定人脸目标。在实际应用场景中，由于对象如人脸运动会引起检测到的特征点抖动，需要采取方法消除或减缓这种抖动以使得特征点稳定。
[0003]鉴于目前这样的需求，亟需一种稳定且准确的对象(如人脸)特征点定位及配套跟踪算法。

技术实现思路

[0004]本申请提供一种实现对象跟踪的方法及装置，能够提供稳定且准确的对象特征点检测和对象跟踪。
[0005]本专利技术实施例提供了一种实现对象跟踪的方法，包括：
[0006]对当前待处理的图片帧进行整图检测，获得一个以上当前待处理的图片帧中对象的第一检测结果；
[0007]对满足预先设置的特征点检测条件的第一检测结果提取对象特征点；
[0008]展示提取的对象特征点为跟踪结果，并根据第一检测结果确定下一轮的跟踪对象。
[0009]在一种示例性实例中，所述对当前待处理的图片帧进行检测之前，还包括：
[0010]判断所述当前待处理的第i帧图片是否是预先设置的数值k的倍数，如果是，则继续执行所述对当前待处理的图片帧进行检测的步骤；如果不是，则将上一帧图片的检测结果作为当前的所述第一检测结果；
[0011]其中，i表示所述当前待处理的图片帧是第几帧图片，k是大于1的整数。
[0012]在一种示例性实例中，判断出所述当前待处理的第i帧图片不是预先设置的数值k的倍数，还包括：
[0013]对所述上一帧图片的第一检测结果进行更新；
[0014]根据更新后的所述上一帧图片的第一检测结果预测所述当前待处理的图片帧的所述第一检测结果。
[0015]在一种示例性实例中，还包括：
[0016]对所述获得的一个以上第一检测结果与所述上一帧图片的第一检测结果进行比对，将满足预先设置的重合条件的第一检测结果作为所述第一检测结果。
[0017]在一种示例性实例中，所述对获得的一个以上第一检测结果与上一帧图片的第一检测结果进行比对，将满足重合条件的第一检测结果作为所述第一检测结果，包括：
[0018]计算所述当前帧图片的第一检测结果和所述上一帧图片的第一检测结果的交并比IOU；
[0019]根据计算得到的IOU对当前检测到的所述第一检测结果进行优化，得到满足重合条件的第一检测结果。
[0020]在一种示例性实例中，所述特征点检测条件包括：所述第一检测结果对应区域的面积小于预先设置的面积阈值；
[0021]所述对满足预先设置的特征点检测条件的第一检测结果提取对象特征点之前，还包括：
[0022]判断所述第一检测结果对应区域的面积是否小于所述面积阈值，如果所述第一检测结果对应区域的面积小于所述面积阈值，满足所述特征点检测条件，继续执行所述提取对象特征点的步骤；如果所述第一检测结果对应区域的面积不小于所述面积阈值，不满足所述特征点检测条件，对所述第一检测结果返回空值，结束。
[0023]在一种示例性实例中，所述展示提取的对象特征点为跟踪结果之前，还包括：
[0024]确定所述提取的对象特征点对应的第一检测结果对应区域满足跟踪条件。
[0025]在一种示例性实例中，所述确定所述提取的对象特征点对应的第一检测结果对应区域满足跟踪条件，包括：
[0026]判断所述对象特征点构成的区域是否为完整且正确的对象，如果判断结果为所述对象特征点构成的区域是完整且正确的对象，确定所述对象特征点对应的第一检测结果对应区域满足跟踪条件；如果判断结果为所述对象特征点构成的区域不是完整且正确的对象，确定所述对象特征点对应的第一检测结果对应区域不满足跟踪条件，对所述第一检测结果返回空值，结束。
[0027]在一种示例性实例中，所述展示提取的对象特征点为跟踪结果之前，还包括：对所述提取出的每一个对象特征点的位置进行滤波处理。
[0028]在一种示例性实例中，所述对提取出的每一个对象特征点的位置进行滤波处理之后，所述根据第一检测结果确定下一轮的跟踪对象之前，还包括：
[0029]对经过所述滤波处理的对象特征点，取点位中的x坐标和y坐标的最大值、最小值以构成新的第一检测结果；
[0030]根据新的第一检测结果和所述上一帧图片的第一检测结果进行IOU计算，以重新调整所述第一检测结果；
[0031]按照处理后的第一检测结果进行为下一轮的跟踪。
[0032]在一种示例性实例中，所述根据新的第一检测结果和上一帧图片的第一检测结果进行IOU计算，重新调整第一检测结果，包括：
[0033]根据所述当前帧的新的第一检测结果和所述上一帧图片的第一检测结果计算IOU；
[0034]对于所述当前帧的每一个第一检测结果，分别与所述前一帧的每一个第一检测结果进行遍历对比，如果所述当前帧的第一检测结果中某一个第一检测结果与所述前一帧的某个第一检测结果的IOU超过预先设置的第一个重合阈值，则认为两者的位置高度重合，保
存所述新的第一检测结果。
[0035]本申请还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述任一项所述实现对象跟踪的方法。
[0036]本申请又提供一种实现对象跟踪的设备，包括存储器和处理器，其中，存储器中存储有以下可被处理器执行的指令：用于执行上述任一项所述的实现对象跟踪的方法的步骤。
[0037]过本申请实施例提供的实现对象跟踪的方法，很好地实现了资源消耗和跟踪效率的平衡，间隔式拉起检测过程，而在非检测时间段则进行跟踪，严密地实现了对象的跟踪过程。
[0038]在本申请一个实施例中，通过对第一检测结果是否满足预先设置的重合条件的判断，和/或对第一检测结果是否与上一帧图片的第一检测结果是否高度重合的判断，和/或对提取出的对象特征点构成的区域是否为完整且正确的对象的判断，使得通过本申请对检测到的对象框反复修正，确保了过小目标和判断错误的目标不会一直错误传导到最后，从而避免了遮挡后识别漂移的问题。
[0039]在本申请一个实施例中，通过针对提取的对象特征点的平滑滤波并反向作用于最终的对象检测框的过程，实现了前后检测的图像帧之间的相互制约、相互矫正，共同确保了最终跟踪结果的稳定性，从而提供了稳定且准确的对象特征点检测和对象跟踪。
[0040]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实现对象跟踪的方法，包括：对当前待处理的图片帧进行整图检测，获得一个以上当前待处理的图片帧中对象的第一检测结果；对满足预先设置的特征点检测条件的第一检测结果提取对象特征点；展示提取的对象特征点为跟踪结果，并根据第一检测结果确定下一轮的跟踪对象。2.根据权利要求1所述的方法，所述对当前待处理的图片帧进行检测之前，还包括：判断所述当前待处理的第i帧图片是否是预先设置的数值k的倍数，如果是，则继续执行所述对当前待处理的图片帧进行检测的步骤；如果不是，则将上一帧图片的检测结果作为当前的所述第一检测结果；其中，i表示所述当前待处理的图片帧是第几帧图片，k是大于1的整数。3.根据权利要求2所述的方法，其中，判断出所述当前待处理的第i帧图片不是预先设置的数值k的倍数，还包括：对所述上一帧图片的第一检测结果进行更新；根据更新后的所述上一帧图片的第一检测结果预测所述当前待处理的图片帧的所述第一检测结果。4.根据权利要求2或3所述的方法，还包括：对所述获得的一个以上第一检测结果与所述上一帧图片的第一检测结果进行比对，将满足预先设置的重合条件的第一检测结果作为所述第一检测结果。5.根据权利要求4所述的方法，其中，所述对获得的一个以上第一检测结果与上一帧图片的第一检测结果进行比对，将满足重合条件的第一检测结果作为所述第一检测结果，包括：计算所述当前帧图片的第一检测结果和所述上一帧图片的第一检测结果的交并比IOU；根据计算得到的IOU对当前检测到的所述第一检测结果进行优化，得到满足重合条件的第一检测结果。6.根据权利要求1所述的方法，其中，所述特征点检测条件包括：所述第一检测结果对应区域的面积小于预先设置的面积阈值；所述对满足预先设置的特征点检测条件的第一检测结果提取对象特征点之前，还包括：判断所述第一检测结果对应区域的面积是否小于所述面积阈值，如果所述第一检测结果对应区域的面积小于所述面积阈值，满足所述特征点检测条件，继续执行所述提取对象特征点的步骤；如果所述第一检测结果对应区域的面积不小于所述面积阈值，不满足所述特征点检测条件，对所述第一检测结果返回空值，结束。7.根据权利要求1所述的方法，所述展示提取的...

【专利技术属性】
技术研发人员：张昱航，师超，陈长国，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：