【技术实现步骤摘要】
目标跟踪方法、系统、可读存储介质及计算机设备
[0001]本专利技术涉及目标跟踪
,特别涉及一种目标跟踪方法、系统、可读存储介质及计算机设备。
技术介绍
[0002]计算机视觉领域是当前人工智能技术的热点研究领域之一,而目标跟踪作为其重要的研究方向,在智能交通、人机交互、智能安防等方面具有十分重要的作用。
[0003]目标跟踪的任务是在一段连续的图像序列中对选定的目标在每一帧图像中进行尽可能精确的定位,并提供完整的目标区域,以生成其运动轨迹,随着深度学习技术的崛起,采用监督学习的目标跟踪算法逐渐成为主流方法。
[0004]然而,现有技术中,构建目标跟踪算法往往需要大量的有标注数据作为训练样本,对于大部分的目标跟踪任务,获取大量的标注数据需要投入大量的人力物力成本,而一旦标注数据量较少时,则会使得目标跟踪算法的识别可靠性严重下降,导致目标跟踪结果的准确度下降。
技术实现思路
[0005]基于此,本专利技术的目的是提出一种目标跟踪方法、系统、可读存储介质及计算机设备,以解决传统目标跟踪算法因训练数据量偏少时导致的目标跟踪结果准确度下降的问题。
[0006]根据本专利技术提出的目标跟踪方法,所述方法包括:
[0007]获取上一帧图像中待跟踪目标的位置信息,根据上一帧图像中待跟踪目标的位置信息对上一帧图像进行遍历,并根据预设候选框将遍历结果分别进行标记,得到多份包含待跟踪目标预测位置信息的候选样本图像;
[0008]获取多份历史样本图像,并对所有的历史样本图像和候 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种目标跟踪方法,其特征在于,所述方法包括:获取上一帧图像中待跟踪目标的位置信息,根据上一帧图像中待跟踪目标的位置信息对上一帧图像进行遍历,并根据预设候选框将遍历结果分别进行标记,得到多份包含待跟踪目标预测位置信息的候选样本图像;获取多份历史样本图像,并对所有的历史样本图像和候选样本图像进行HOG特征提取,以根据HOG特征计算每份历史样本图像和每份候选样本图像一一对应的回归赋予值;将每份历史样本图像以及与所述每份历史样本图像分别对应的回归赋予值、每份候选样本图像以及与每份候选样本图像分别对应的回归赋予值汇总制成训练样本集,以将所述训练样本集输入到初始目标跟踪模型中进行训练,得到最终目标跟踪模型;将所有的候选样本图像输入到所述最终目标跟踪模型中,以得到每份候选样本图像分别对应的回归真实值,根据所述回归真实值从所有的候选样本图像中筛选出当前帧图像。2.根据权利要求1所述的目标跟踪方法,其特征在于,所述根据上一帧图像中待跟踪目标的位置信息对上一帧图像进行遍历,并根据预设候选框将遍历结果分别进行标记,得到多份包含待跟踪目标预测位置信息的候选样本图像的步骤包括:根据以下公式获取待跟踪目标的预测位置信息:||p
t
(x
j
)
‑
p
t
‑1||2<r
s
其中,p
t
‑1表示上一帧图像中待跟踪目标的位置信息,p
t
(x
j
)表示当前帧图像中待跟踪目标的位置信息,j=1、2、
…
、N,r
s
表示遍历半径。3.根据权利要求2所述的目标跟踪方法,其特征在于,所述获取多份历史样本图像,并对所有的历史样本图像和候选样本图像进行HOG特征提取,以根据HOG特征计算每份历史样本图像和每份候选样本图像一一对应的回归赋予值的步骤包括:从预设数据库中获取已知目标位置信息的历史图像,并根据所述历史图像的目标位置信息构建第一预设数量的参考图像样本,以将已知目标位置信息的历史图像和第一预设数量的参考图像样本汇总得到多份历史样本图像;根据以下公式获取每份历史样本图像的回归赋予值:其中,y表示图像样本的回归赋予值,A表示历史图像的HOG特征,B表示参考图像样本的HOG特征,area()表示用于计算面积的函数。4.根据权利要求3所述的目标跟踪方法,其特征在于,所述获取多份历史样本图像,并对所有的历史样本图像和候选样本图像进行HOG特征提取,以根据HOG特征计算每份历史样本图像和每份候选样本图像一一对应的回归赋予值的步骤还包括:根据以下公式依次获取每份候选样本图像的回归赋予值:其中,y(x)表示候选样本图像的回归赋予值,x表示候选样本的HOG特征,x
k
表示第k个已
知样本的HOG特征,N表示已知样本的数量,α
k
技术研发人员:赵思聪,曹扬,吕乃冰,彭渊,李冬雪,
申请(专利权)人:北京航天晨信科技有限责任公司,
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。