[发明专利]对象追踪方法和装置

说明书

本发明的实施例提供了一种对象追踪方法和装置。对象追踪方法包括：获取视频；针对视频的至少部分帧的图像中的每帧图像，利用反馈式神经网络检测该图像中包含的对象在该图像中的检测位置信息、并预测该图像中包含的对象在至少部分帧的图像中的其他图像中的预测位置信息；以及根据视频中包含的对象的检测位置信息和预测位置信息追踪对象。根据本发明实施例的对象追踪方法和装置，通过基于当前图像预测对象在其他图像中的位置信息及位置信息的比较来实现对象追踪，这种对象追踪方式非常简单，计算量小，并且可以降低对象追踪误差。

技术领域

本发明涉及图像处理领域，更具体地涉及一种对象追踪方法和装置。

背景技术

对行人、车辆等物体的检测追踪是诸多安防应用中不可或缺的一环。在现有方法中，往往把物体检测和物体追踪分成两个独立的环节来解决这一问题。首先，在采集到的视频的每一帧图像中，检测感兴趣的物体，然后根据空间位置、外观相似程度等因素将在各帧图像中检测到的物体关联在一起，从而进行追踪。在以上两个环节中，都有可能引入额外的误差。例如，在检测过程中，可能存在一些物体被漏检(False Negative)，而一些被检测出的物体又并非是感兴趣的物体(False Positive)。上述检测误差会在之后的追踪过程中进一步带来新的误差。另外，在追踪过程中，需要比较在不同图像中检测出的物体的外观相似程度，这将带来额外的计算开销，从而影响物体追踪的效率。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种对象追踪方法和装置。

根据本发明一方面，提供了一种对象追踪方法。对象追踪方法包括：

获取视频；

针对所述视频的至少部分帧的图像中的每帧图像，利用反馈式神经网络检测该图像中包含的对象在该图像中的检测位置信息、并预测该图像中包含的对象在所述至少部分帧的图像中的其他图像中的预测位置信息；以及

根据所述视频中包含的对象的检测位置信息和预测位置信息追踪对象。

示例性地，所述针对所述视频的至少部分帧的图像中的每帧图像，利用反馈式神经网络检测该图像中包含的对象在该图像中的检测位置信息、并预测该图像中包含的对象在所述至少部分帧的图像中的其他图像中的预测位置信息包括：

将所述至少部分帧的图像中的每帧图像输入卷积神经网络，以获得所述至少部分帧的图像中的每帧图像的第一特征；

将所述至少部分帧的图像中的每帧图像的第一特征输入所述反馈式神经网络，以获得所述至少部分帧的图像中的每帧图像的第二特征，其中，当前图像的第二特征与在所述当前图像之前的先前图像和在所述当前图像之后的随后图像相关，并且其中所述第二特征包括横向坐标向量、纵向坐标向量和频道向量；以及

基于所述至少部分帧的图像中的、任一图像的第二特征的横向坐标向量和纵向坐标向量确定在该图像中包含的对象在该图像中的检测位置信息，并预测该图像中包含的对象在所述至少部分帧的图像中的其他图像中的预测位置信息。

示例性地，所述基于所述至少部分帧的图像中的、任一图像的第二特征的横向坐标向量和纵向坐标向量确定在该图像中包含的对象在该图像中的检测位置信息，并预测该图像中包含的对象在所述至少部分帧的图像中的其他图像中的预测位置信息包括：

针对所述至少部分帧的图像中的任一图像，

对于每个由该图像的第二特征中的横向坐标和纵向坐标所代表的图像点，提取与该图像点相关的一个或多个初始区域；

利用第一分类器确定针对该图像提取的所有初始区域中的每一个包含对象的可能性；

从所述针对该图像提取的所有初始区域中选择可能性最高的一个或多个初始区域以获得一个或多个选定区域，其中，所述一个或多个选定区域中的每一个的特征由该图像的第二特征中的与该选定区域相对应的元素而定；以及