System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 目标跟踪方法、装置、电子设备及存储介质制造方法及图纸_技高网

目标跟踪方法、装置、电子设备及存储介质制造方法及图纸

技术编号:43736956 阅读:2 留言:0更新日期:2024-12-20 12:59
本申请提供一种目标跟踪方法、装置、电子设备及存储介质,属于目标跟踪技术领域,该方法包括:获取目标的连续多帧图像序列,并将其输入至预设的目标检测网络,输出目标位置图;获取目标状态信息,并将其输入至预设的目标预测网络,以输出位置预测分布;将所述目标位置图和所述位置预测分布输入至预设的轨迹生成网络,以根据所述目标位置图中的目标中心点与所述位置预测分布中的未来位置预测点的匹配结果,构建轨迹树,并输出至少一条轨迹树,轨迹树表示跟踪目标的运动轨迹。本申请能够有效地提升小目标的检测精度,并通过位置预测和轨迹生成来实现对小目标的准确和连续跟踪。

【技术实现步骤摘要】

本申请涉及目标跟踪,具体涉及一种目标跟踪方法、装置、电子设备及存储介质


技术介绍

1、在计算机视觉领域,目标跟踪技术旨在连续图像序列中实现目标对象的精确识别与持续追踪。随着技术演进与应用场景的扩展,小目标跟踪的必要性愈发显著,尤其在无人驾驶、视频监控、运动分析及体育竞技等领域,其对于确保安全、获取精准数据及进行有效决策具有决定性作用。

2、尽管如此,小目标跟踪技术仍面临一系列技术挑战:首先,目标尺寸较小导致其在图像中像素占比有限,极易受背景噪声影响,从而加剧检测难度;其次,复杂环境下的频繁遮挡容易导致跟踪中断;再者,小目标常呈现快速且不规则的运动轨迹,对跟踪算法的稳定性和准确性提出更高要求;此外,光照条件的快速变化亦对小目标检测构成挑战;最后,实时性要求对算法计算效率设定严格标准,需在维持跟踪精度的同时,提升处理速度。


技术实现思路

1、本申请提供一种目标跟踪方法、装置、电子设备及存储介质,旨在解决如何提升小目标跟踪的检测精度以实现准确跟踪的问题。

2、第一方面,本申请提供一种目标跟踪方法,所述方法包括:

3、获取目标的连续多帧图像序列,并将其输入至预设的目标检测网络,输出目标位置图,所述目标位置图标注了每一帧中目标中心点的坐标位置及其置信度;

4、获取目标状态信息,并将其输入至预设的目标预测网络,以输出位置预测分布;所述目标状态信息包括目标的历史运动轨迹和当前轨迹的初始位置,所述位置预测分布包含多个可能的未来位置预测点及其对应的概率值;

5、将所述目标位置图和所述位置预测分布输入至预设的轨迹生成网络,以根据所述目标位置图中的目标中心点与所述位置预测分布中的未来位置预测点的匹配结果,构建轨迹树,并输出至少一条轨迹树,轨迹树表示跟踪目标的运动轨迹。

6、第二方面,本申请还提供一种目标跟踪装置,所述装置包括:

7、目标检测模块,用于获取目标的连续多帧图像序列,并将其输入至预设的目标检测网络,输出目标位置图,所述目标位置图标注了每一帧中目标中心点的坐标位置及其置信度;

8、目标预测模块,用于获取目标状态信息,并将其输入至预设的目标预测网络,以输出位置预测分布;所述目标状态信息包括目标的历史运动轨迹和当前轨迹的初始位置,所述位置预测分布包含多个可能的未来位置预测点及其对应的概率值;

9、轨迹生成模块,用于将所述目标位置图和所述位置预测分布输入至预设的轨迹生成网络,以根据所述目标位置图中的目标中心点与所述位置预测分布中的未来位置预测点的匹配结果,构建轨迹树,并输出至少一条轨迹树,所述轨迹树表示跟踪目标的运动轨迹。

10、第三方面,本申请提供一种电子设备,包括存储器、处理器及存储在所述存储器并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面中任一项所述目标跟踪方法的步骤。

11、第四方面,本申请提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中任一项所述目标跟踪方法的步骤。

12、本申请提供的一种目标跟踪方法、装置、电子设备及存储介质,旨在解决如何提升小目标跟踪的检测精度以实现准确跟踪的问题。该方法通过使用预设的目标检测网络,能够从连续多帧图像序列中准确地检测出目标的中心点及其置信度。这对于小目标尤其重要,因为小目标在图像中占据的像素较少,容易受到背景噪声的干扰。而目标检测网络通过学习到的特征信息,能够有效地识别和定位小目标,从而提高检测精度。目标预测网络利用目标状态信息,生成位置预测分布。该位置预测分布包含了多个可能的未来位置预测点及其对应的概率值,为小目标的动态跟踪提供了预测支持。通过预测小目标的未来位置,能够在目标移动过程中保持跟踪,减少因目标移动过快或遮挡导致的跟踪丢失。轨迹生成网络根据目标位置图中的目标中心点与位置预测分布中的预测点的匹配结果,构建表示目标轨迹的轨迹树。这种轨迹树的表示方法有助于系统在复杂环境中(如目标密集或背景复杂)保持对小目标的连续跟踪。轨迹树的输出为多条轨迹,每条轨迹对应一个目标,这有助于系统在多目标场景中区分和跟踪各个小目标。

13、因此,本申请通过目标检测网络、目标预测网络以及轨迹生成网络这三个网络的协同工作,能够有效地提升小目标的检测精度,并通过位置预测和轨迹生成来实现对小目标的准确和连续跟踪,适用于小目标在图像中不易被检测到,且容易受到环境干扰的场景。

本文档来自技高网...

【技术保护点】

1.一种目标跟踪方法,其特征在于,所述目标跟踪方法包括:

2.根据权利要求1所述的目标跟踪方法,其特征在于,所述目标检测网络包含编码器,所述编码器采用了深度卷积神经网络中的残差连接结构;通过该残差连接结构,所述编码器对输入的连续多帧图像序列进行多层次的特征提取操作,并生成一系列层级特征图,所述一系列层级特征图捕捉了从低级到高级的视觉特征。

3.根据权利要求2所述的目标跟踪方法,其特征在于,所述目标检测网络还包括解码器,所述解码器采用了卷积神经网络中的跳跃连接结构,该跳跃连接结构用于将所述编码器中每个层级的特征图直接传递到所述解码器的相应层级;所述解码器将接收到的所述特征图逐层进行上采样和特征融合处理,以生成所述目标位置图。

4.根据权利要求1所述的目标跟踪方法,其特征在于,所述将其输入至预设的目标检测网络,以输出目标位置图的步骤包括:

5.根据权利要求1所述的目标跟踪方法,其特征在于,所述目标预测网络包括长短期记忆网络和高斯混合密度网络,所述长短期记忆网络负责对目标状态信息进行编码,并通过时间序列的递归处理来捕捉动态变化信息,所述动态变化信息包含了目标随时间移动的特征;所述高斯混合密度网络根据所述长短期记忆网络输出的动态变化信息,生成多个高斯分布,并对所述多个高斯分布混合进行采样,以输出不同的预测点及其对应的概率值。

6.根据权利要求1所述的目标跟踪方法,其特征在于,所述轨迹生成网络采用多条轨迹树来表示和维护多个目标的运动轨迹,每条轨迹树包括多个节点,每个节点包含一个父节点和一个子节点集合;每个节点对应的节点信息包括点的位置信息、是否为检出点、置信度、隐藏状态以及预测点集合及对应置信度中的一个或多个的组合。

7.根据权利要求1所述的目标跟踪方法,其特征在于,所述根据所述目标位置图中的目标中心点与所述位置预测分布中的未来位置预测点的匹配结果的步骤包括:

8.根据权利要求7所述的目标跟踪方法,其特征在于,所述根据所述目标位置图中的目标中心点与所述位置预测分布中的未来位置预测点的匹配结果的步骤还包括:

9.根据权利要求1所述的目标跟踪方法,其特征在于,所述根据所述目标位置图中的目标中心点与所述位置预测分布中的未来位置预测点的匹配结果的步骤还包括:

10.一种目标跟踪装置,其特征在于,所述目标跟踪装置包括:

11.一种电子设备,包括存储器、处理器及存储在所述存储器并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至10任一项所述的目标跟踪方法的步骤。

12.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至10任一项所述的目标跟踪方法的步骤。

...

【技术特征摘要】

1.一种目标跟踪方法,其特征在于,所述目标跟踪方法包括:

2.根据权利要求1所述的目标跟踪方法,其特征在于,所述目标检测网络包含编码器,所述编码器采用了深度卷积神经网络中的残差连接结构;通过该残差连接结构,所述编码器对输入的连续多帧图像序列进行多层次的特征提取操作,并生成一系列层级特征图,所述一系列层级特征图捕捉了从低级到高级的视觉特征。

3.根据权利要求2所述的目标跟踪方法,其特征在于,所述目标检测网络还包括解码器,所述解码器采用了卷积神经网络中的跳跃连接结构,该跳跃连接结构用于将所述编码器中每个层级的特征图直接传递到所述解码器的相应层级;所述解码器将接收到的所述特征图逐层进行上采样和特征融合处理,以生成所述目标位置图。

4.根据权利要求1所述的目标跟踪方法,其特征在于,所述将其输入至预设的目标检测网络,以输出目标位置图的步骤包括:

5.根据权利要求1所述的目标跟踪方法,其特征在于,所述目标预测网络包括长短期记忆网络和高斯混合密度网络,所述长短期记忆网络负责对目标状态信息进行编码,并通过时间序列的递归处理来捕捉动态变化信息,所述动态变化信息包含了目标随时间移动的特征;所述高斯混合密度网络根据所述长短期记忆网络输出的动态变化信息,生成多个高斯分布,并对所述多个高斯分布混合进行采样,以输出不同的预测点及其对应的概率值。

6.根据...

【专利技术属性】
技术研发人员:丁东成谌鹏陈茂东常欢程大龙
申请(专利权)人:科大讯飞华南人工智能研究院广州有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1