【技术实现步骤摘要】
本申请涉及视频图像目标跟踪，尤其涉及一种轨迹跟踪分割方法、装置、电子设备及存储介质。
技术介绍
1、视频图像目标跟踪分割旨在通过分割算法提取视频图像中待跟踪目标的目标特征，并用于后续在视频中对目标行动轨迹的跟踪。视频图像目标跟踪分割作为计算机视觉领域的一个关键步骤，为高层计算机视觉任务奠定了基础。视频图像目标跟踪分割可广泛应用于视频多目标的检测和跟踪以及医疗中病体检测等领域。视频目标跟踪有三类方法：经典跟踪算法、基于核相关滤波(kcf)的跟踪算法以及基于深度学习的跟踪算法。经典跟踪算法主要根据目标建模或者对目标特征进行搜索，常用的是特征匹配法，提取目标特征后在后续帧中寻找相似特征，并进行定位，常用的目标特征有：尺度不变特征变换(sift)、加速稳健特征(surf)、harris角点等。随着研究的深入，基于目标模型建模的方法对整张图像进行处理，实时性差。于是将预测算法加入到跟踪当中，在预测值附近进行目标搜索，减少了搜索的范围。将通信领域的相关滤波引入到目标跟踪中，相关滤波用于衡量两个信号的相似程度。一些基于相关滤波的跟踪算法也随之产生，如mosse，csk，kcf，bacf，samf等，速度可以达到数百帧每秒，可以广泛地应用于实时跟踪系统中。其中不乏一些跟踪性能优良的跟踪器。深度学习的迅猛发展，开始考虑将相关滤波应用到目标跟踪中。通过用深度学习建立全新的跟踪框架进行目标跟踪。在大数据背景下，利用深度学习训练网络模型，得到的卷积特征输出表达能力更强。在目标跟踪上，初期的应用方式是将网络学习到的特征，直接应用到相关滤波或struck的
2、但是，目前的很多深度学习跟踪模型在目标特征的细节提取方面存在一定的误差，且没有考虑视频图像背景因素，导致行动轨迹的跟踪存在误差。
技术实现思路
1、本专利技术提供一种轨迹跟踪分割方法、装置、电子设备及存储介质，以解决上述因背景因素导致轨迹跟踪存在误差的技术问题。
2、于本申请一实施例中，本申请提供一种轨迹跟踪分割方法，包括：获取监控系统的初始待跟踪图像，并对所述初始待跟踪图像进行卷积，得到初始特征图；根据多个预设比例分数将所述初始待跟踪图像沿不同颜色通道进行池化，得到目标池化特征图和多个分数池化特征图；分别计算多个相似度分数值在所有相似度分数值之和的占比，得到多个比例分数值，各所述相似度分数值用于表征各所述分数池化特征图与所述初始特征图的相似度得分；对各所述比例分数值进行熵值计算，得到多个熵权值，并根据所述目标池化特征图和各所述熵权值对所述初始特征图进行融合更新，得到分割特征图，以根据所述分割特征图中的待跟踪位置信息进行行动轨迹追踪。
3、于本申请一实施例中，根据所述目标池化特征图和各所述熵权值对所述初始特征图进行融合更新，得到分割特征图，包括：将各所述熵权值分别与所述目标池化特征图相乘，并累加，得到第二特征图；调整所述第二特征图的尺寸；将所述初始特征图和调整后的第二特征图相乘，得到第三特征图；将所述第三特征图与所述初始特征图之和确定为分割特征图。
4、于本申请一实施例中，对各所述比例分数值进行熵值计算，得到多个熵权值，包括：分别对各所述比例分数值进行熵值计算，得到各所述比例分数值的冗余余度；根据各所述冗余余度和各所述比例分数值确定各所述比例分数值对应的熵权值。
5、于本申请一实施例中，所述熵权值的确定方式，包括：
6、
7、其中，wi为第i个比例池化通道的熵权值，ii为第i个比例池化通道的预设单位值，pi为第i个比例池化通道的比例分数值，m为比例池化通道的总数，所述比例池化通道与所述预设比例分数存在对应关系。
8、于本申请一实施例中，根据所述分割特征图中的待跟踪位置信息进行行动轨迹追踪，包括：分别将所述分割特征图与多个下帧待跟踪图像的卷积特征图进行相似度对比，得到待跟踪位置信息的多个变化位置信息；根据所述待跟踪位置信息和所有变化位置信息生成行动轨迹。
9、于本申请一实施例中，根据多个预设比例分数将所述初始待跟踪图像沿不同颜色通道进行池化，得到目标池化特征图和多个分数池化特征图，包括：将所述初始待跟踪图像沿不同颜色通道进行最大池化，得到多个初始池化特征图；对所有目标池化特征图进行平均，得到目标池化特征图；将所述目标池化特征图分别与各所述预设比例分数相乘，得到多个比例池化通道的分数池化特征图。
10、于本申请一实施例中，所述相似度分数值的确定方式，包括：将一分数池化特征图与所述初始特征图相乘，得到第一特征图；将所述第一特征图除以所述初始特征图对应的特征维度，得到相似度分数值。
11、于本申请一实施例中，本申请提供一种轨迹跟踪分割装置，包括：获取模块，用于获取监控系统的初始待跟踪图像，并对所述初始待跟踪图像进行卷积，得到初始特征图；图像池化模块，用于根据多个预设比例分数将所述初始待跟踪图像沿不同颜色通道进行池化，得到目标池化特征图和多个分数池化特征图；相似度确定模块，用于分别计算多个相似度分数值在所有相似度分数值之和的占比，得到多个比例分数值，各所述相似度分数值用于表征各所述分数池化特征图与所述初始特征图的相似度得分；熵权池化分割模块，用于对各所述比例分数值进行熵值计算，得到多个熵权值，并根据所述目标池化特征图和各所述熵权值对所述初始特征图进行融合更新，得到分割特征图，以根据所述分割特征图中的待跟踪位置信息进行行动轨迹追踪。
12、于本申请一实施例中，本申请提供一种电子设备，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如上述各实施例任一所述的轨迹跟踪分割方法。
13、于本申请一实施例中，本申请提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行上述各实施例任一所述的轨迹跟踪分割方法。
14、本专利技术实施例的有益效果：本专利技术提供一种轨迹跟踪分割方法、装置、电子设备及存储介质，本专利技术实施例通过池化得到目标池化特征图和多个分数池化特征图，根据各分数池化特征图与初始特征图的相似度得分得到多个比例分数值，并根据目标池化特征图、和各比例分数值对应的熵权值对初始特征图进行融合更新，从而分割初始特征图中的无用背景信息，降低了无用背景信息对待跟踪位置信息提取的干扰，从而提高待跟踪位置信息的提取精度，提高了轨迹跟踪的准确度。
15、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。
本文档来自技高网...【技术保护点】
1.一种轨迹跟踪分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的轨迹跟踪分割方法，其特征在于，根据所述目标池化特征图和各所述熵权值对所述初始特征图进行融合更新，得到分割特征图，包括：
3.根据权利要求1所述的轨迹跟踪分割方法，其特征在于，对各所述比例分数值进行熵值计算，得到多个熵权值，包括：
4.根据权利要求3所述的轨迹跟踪分割方法，其特征在于，所述熵权值的确定方式，包括：
5.根据权利要求1所述的轨迹跟踪分割方法，其特征在于，根据所述分割特征图中的待跟踪位置信息进行行动轨迹追踪，包括：
6.根据权利要求1-5任一项所述的轨迹跟踪分割方法，其特征在于，根据多个预设比例分数将所述初始待跟踪图像沿不同颜色通道进行池化，得到目标池化特征图和多个分数池化特征图，包括：
7.根据权利要求1-5任一项所述的轨迹跟踪分割方法，其特征在于，所述相似度分数值的确定方式，包括：
8.一种轨迹跟踪分割装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括：
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。