【技术实现步骤摘要】
本申请涉及计算机视觉，特别是涉及一种目标重定位方法、装置、计算机设备和存储介质。
技术介绍
1、目标重定位(或称视觉目标跟踪)是计算机视觉领域中的一个重要研究方向，目标重定位技术的核心目标是准确、快速地识别图像或视频流中的目标，并且在其他视频中对目标进行重定位。
2、目前基于深度学习的目标重定位技术通过深度卷积神经网络得到视频帧的特征图，然后在特征图上预测目标位置从而打上检测框(anchor)。在之后的视频帧中，通过计算检测框内特征相似度跟踪到目标。
3、然而，传统的目标重定位方法具有以下问题：其一是依赖大量训练数据，导致需要大量人力做数据标注任务；其二是检测准确性受环境影响很大，例如光照变化、周边障碍物的变化、周围布景的变化会对识别结果造成影响；另外，视频中出现多个目标时存在目标重定位错误率高的问题。
4、综上，虽然目标重定位技术在精度和速度上都有了很大的提升，但存在的训练模型所需要的训练数据多，训练成本高的问题，以及在环境变化以及多目标遮挡问题上，目标重定位不准确的问题仍未得到有效解决方案。
技术实现思路
1、本申请实施例中提供了一种目标重定位方法、装置、计算机设备和存储介质，以解决现有技术中模型训练成本高、环境变化以及多目标遮挡场景下的目标重定位不准确的技术问题。
2、为达到上述目的，本申请的实施例采用如下技术方案：
3、第一方面，本申请实施例提供一种目标重定位方法，所述方法包括：
4、获取由至少两个摄像
5、从所述第一图像样本集合和所述摄像头的位置信息中提取所述待定位目标的样本提示信息；
6、将所述样本提示信息与所述第二图像样本集合输入至预训练的检测模型中，以使所述检测模型在所述样本提示信息的提示下对所述第二图像样本集合进行边框检测，得到检测边框；
7、计算边框损失，并根据所述边框损失更新所述检测模型的权重参数，得到目标检测模型，所述目标检测模型用于对第一待检测视频中的所述待定位目标进行边框检测，得到目标预测边框以及目标提示信息，并结合所述目标提示信息在第二待检测视频中对所述待定位目标进行重定位。
8、结合第一方面，在一种可能的设计方式中，所述从所述第一图像样本集合和所述摄像头的位置信息中提取所述待定位目标的样本提示信息，包括：
9、分别对所述第一图像样本集合、所述摄像头的位置信息进行语义提取，对应得到所述待定位目标的视觉语义信息、位置语义信息；
10、将所述视觉语义信息、位置语义信息作为所述样本提示信息。
11、结合第一方面，在一种可能的设计方式中，所述分别对所述第一图像样本集合、所述摄像头的位置信息进行语义提取，对应得到所述待定位目标的视觉语义信息、位置语义信息，包括：
12、对所述第一图像样本集合中的所述待定位目标进行特征提取，得到所述待定位目标对应的视觉特征，并将所述视觉特征进行语义转换，得到所述待定位目标的视觉语义信息；
13、基于所述视觉特征在所述第一图像样本集合中对所述待定位目标进行目标检测，得到所述待定位目标对应的检测边框；将所述第一图像样本集合中，包含所述检测边框的所述图像样本所对应的所述摄像头的位置信息进行语义转换，得到所述待定位目标的位置语义信息。
14、结合第一方面，在一种可能的设计方式中，所述将所述第一图像样本集合中，包含所述检测边框的所述图像样本所对应的所述摄像头的位置信息进行语义转换，得到所述待定位目标的位置语义信息，包括：
15、获取所述第一图像样本集合中，包含所述检测边框的所述图像样本所对应的所述摄像头的位置信息；
16、按照包含所述检测边框的所述图像样本，被所述摄像头采集到的时间顺序，对包含所述检测边框的所述图像样本对应的所述摄像头的位置信息进行排序；
17、基于排序后的所述摄像头的位置信息生成所述待定位目标的运动轨迹，其中，所述位置语义信息包括所述待定位目标的运动轨迹。
18、结合第一方面，在一种可能的设计方式中，所述基于所述视觉特征在所述第一图像样本集合中对所述待定位目标进行目标检测，得到所述待定位目标对应的检测边框，包括：
19、基于所述视觉特征对所述待定位目标进行边框预测，得到所述待定位目标对应的多个预测边框的边框信息，并在所述多个预测边框中筛选出检测边框。
20、结合第一方面，在一种可能的设计方式中，所述获取由至少两个摄像头采集到的多组图像样本集合，包括：
21、获取由至少两个摄像头采集到的多个视频样本；
22、对所述多个视频样本进行抽帧处理，得到每个摄像头采集到的视频样本所对应的图像样本集合；
23、其中，所述第二图像样本集合中的样本数量小于所述第一图像样本集合中的样本数量。
24、结合第一方面，在一种可能的设计方式中，所述预训练包括：
25、将所述第一图像样本集合作为输入，将所述待定位目标在所述第一图像样本中的标注边框作为标签，以最小化所述检测模型输出的检测边框与所述标注边框之间的损失为目标，对所述检测模型进行训练。
26、第二方面，本申请实施例提供一种目标重定位装置，包括：
27、数据获取模块，用于获取由至少两个摄像头采集到的预先经过标注的多组图像样本集合，以及每个所述摄像头的位置信息，其中，所述标注包括对待定位目标在所述图像样本集合中的位置进行标注，所述图像样本集合包括第一图像样本集合和第二图像样本集合；
28、信息提取模块，用于从所述第一图像样本集合和所述摄像头的位置信息中提取所述待定位目标的样本提示信息；
29、模型训练模块，用于将所述样本提示信息与所述第二图像样本集合输入至预训练的检测模型中，以使所述检测模型在所述样本提示信息的提示下对所述第二图像样本集合进行边框检测，得到检测边框；计算边框损失，并根据所述边框损失更新所述检测模型的权重参数，得到目标检测模型，所述目标检测模型用于对第一待检测视频中的所述待定位目标进行边框检测，得到目标预测边框以及目标提示信息，并结合所述目标提示信息在第二待检测视频中对所述待定位目标进行重定位。
30、第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行第一方面及其可能的设计方式的方法。
31、第四方面，本申请实施例提供一种存储介质，所述存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行第一方面及其可能的设计方式的方法，所述显示屏被设置为显示由所述处理器处理得到的第二视音频。
32、与现有技术相比，本申请实施例提供的一种目标重定本文档来自技高网...
【技术保护点】
1.一种目标重定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的目标重定位方法，其特征在于，所述从所述第一图像样本集合和所述摄像头的位置信息中提取所述待定位目标的样本提示信息，包括：
3.根据权利要求2所述的目标重定位方法，其特征在于，所述分别对所述第一图像样本集合、所述摄像头的位置信息进行语义提取，对应得到所述待定位目标的视觉语义信息、位置语义信息，包括：
4.根据权利要求3所述的目标重定位方法，其特征在于，所述将所述第一图像样本集合中，包含所述检测边框的所述图像样本所对应的所述摄像头的位置信息进行语义转换，得到所述待定位目标的位置语义信息，包括：
5.根据权利要求3所述的目标重定位方法，其特征在于，所述基于所述视觉特征在所述第一图像样本集合中对所述待定位目标进行目标检测，得到所述待定位目标对应的检测边框，包括：
6.根据权利要求1至权利要求5中任一项所述的目标重定位方法，其特征在于，所述获取由至少两个摄像头采集到的多组图像样本集合，包括：
7.根据权利要求1所述的目标重定位方法，其特征在于，所
8.一种目标重定位装置，其特征在于，包括：
9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至权利要求7中任一项所述的目标重定位方法。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至权利要求7中任一项所述的目标重定位方法。
...【技术特征摘要】
1.一种目标重定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的目标重定位方法，其特征在于，所述从所述第一图像样本集合和所述摄像头的位置信息中提取所述待定位目标的样本提示信息，包括：
3.根据权利要求2所述的目标重定位方法，其特征在于，所述分别对所述第一图像样本集合、所述摄像头的位置信息进行语义提取，对应得到所述待定位目标的视觉语义信息、位置语义信息，包括：
4.根据权利要求3所述的目标重定位方法，其特征在于，所述将所述第一图像样本集合中，包含所述检测边框的所述图像样本所对应的所述摄像头的位置信息进行语义转换，得到所述待定位目标的位置语义信息，包括：
5.根据权利要求3所述的目标重定位方法，其特征在于，所述基于所述视觉特征在所述第一图像样本集合...
【专利技术属性】
技术研发人员：于磊，张力文，
申请(专利权)人：天翼视联科技有限公司，
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。