[发明专利]一种跟踪目标的确定方法及装置

权利要求书

1.一种跟踪目标的确定方法，其特征在于，所述方法包括：

获得待确定跟踪目标的当前帧图像；

确定所述当前帧图像中的备选目标；

将各个备选目标发送至预设的深度学习网络，其中，所述深度学习网络预先通过对样本图像进行训练获得，所述深度学习网络用于提取包含像素的位置信息的外观特征；

获得所述深度学习网络提取的各个备选目标的第一外观特征；

获得上一帧图像对应的第一跟踪目标的第二外观特征；

根据所述第一外观特征和第二外观特征，确定各个备选目标与每一个第一跟踪目标之间的第一相似矩阵；获得各个备选目标的第一位置特征；获得保存的各个第一跟踪目标的第二位置特征；根据所述第一位置特征和第二位置特征，确定各个备选目标与每一个第一跟踪目标之间的第二相似矩阵；根据所述第一相似矩阵与第二相似矩阵的乘积，确定各个备选目标与每一个第一跟踪目标之间的相似度；

获得保存的上一帧图像对应的各个第一跟踪目标的第二置信度；

将大于预设置信度阈值的第二置信度对应的第一跟踪目标确定为高置信度跟踪目标，将所述第一跟踪目标中除所述高置信度跟踪目标之外的跟踪目标确定为低置信度跟踪目标；

根据确定的相似度，将各个备选目标与每一个高置信度跟踪目标进行第一次匹配；

根据确定的相似度，将各个匹配失败的备选目标与每一个低置信度跟踪目标进行第二次匹配；

根据匹配成功的备选目标，确定所述当前帧图像的跟踪目标；其中，所述根据匹配成功的备选目标，确定所述当前帧图像的跟踪目标，包括：将第一次匹配成功的备选目标和第二次匹配成功的备选目标，均确定为所述当前帧图像的跟踪目标；

根据匹配成功的第一跟踪目标的第二位置特征，确定匹配成功的第一跟踪目标在所述当前帧图像中的第一预测位置特征；根据匹配成功的备选目标的第一位置特征和所述第一预测位置特征，确定所述当前帧图像的跟踪目标的位置特征，并保存所确定的位置特征；

将匹配成功的备选目标对应的相似度确定为所述当前帧图像的跟踪目标的第一置信度，并保存所述第一置信度。

2.根据权利要求1所述的方法，其特征在于，所述深度学习网络采用以下方式获得：

获得所述样本图像以及所述样本图像中包括的样本目标的标准分类，其中，不同标准分类对应的样本图像中相同像素的位置不同；

根据深度学习参数提取所述样本图像的样本外观特征；

根据所述样本外观特征确定所述样本目标的分类；

确定所述样本目标的分类与所述标准分类之间的第一差异，判断所述第一差异是否小于预设阈值；

如果否，则根据所述第一差异调整所述深度学习参数，返回执行所述根据深度学习参数提取所述样本图像的样本外观特征的步骤。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在提取所述样本图像的样本外观特征之后，获得当前样本图像的第一样本外观特征，获得上一样本图像的第二样本外观特征，其中，所述当前样本图像为所述样本图像中的一个；

判断所述当前样本图像的标准分类和所述上一样本图像的标准分类是否相同；

如果相同，则确定所述第一样本外观特征与所述第二样本外观特征之间的第二差异，并根据所述第二差异调整所述深度学习参数，以使同一标准分类的样本图像的样本外观特征之间的差异减小，返回执行所述根据深度学习参数提取所述样本图像的样本外观特征的步骤；

如果不相同，则确定所述第一样本外观特征与所述第二样本外观特征之间的第三差异，并根据所述第三差异调整所述深度学习参数，以使不同标准分类的样本图像的样本外观特征之间的差异增大，返回执行所述根据深度学习参数提取所述样本图像的样本外观特征的步骤。

4.根据权利要求2或3任一项所述的方法，其特征在于，同一标准分类对应的样本图像的背景不同；和/或，同一标准分类对应的样本图像中的样本目标的姿态不同；和/或，同一标准分类对应的各个样本图像的亮度不同。