[发明专利]一种基于热力图的目标跟踪方法及装置

说明书

本发明提供一种基于热力图的目标跟踪方法及装置，所述方法包括：获取当前帧图像；将所述当前帧图像输入至经过二次训练的残差网络模型，输出所述当前帧图像的热力图，其中，所述热力图是以特殊高亮的形式显示跟踪目标在图像中目标位置的概率；根据所述当前帧图像的热力图确定所述当前帧图像中跟踪目标的位置。本发明提供一种基于热力图的目标跟踪方法及装置，通过输出当前帧图像的热力图的形式，确定跟踪目标的位置，降低了残差网络的复杂性，在保证目标跟踪准确性的前提下，提高了跟踪速率，增强了目标跟踪的实时性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于热力图的目标跟踪方法及装置。

背景技术

目标跟踪是计算机视觉研究领域的热点之一，并得到广泛应用。相机的跟踪对焦、无人机的自动目标跟踪、人体跟踪、交通监控系统中的车辆跟踪、人脸跟踪和智能交互系统中的手势跟踪等。目标跟踪的准确度和实时性是评价一个目标跟踪方法优劣的最关键的指标。

现有技术中，目标追踪算法主要分为两大类，一类是基于相关滤波的传统跟踪算法，另一类是基于卷积神经网络CNN的深度学习算法。第一类跟踪算法主要提取目标的HOG、CN等传统特征，这类特征鲁棒性较差，对于遮挡、高速运动、光照变化等复杂环境情况下追踪效果差。基于卷积神经网络CNN的深度学习跟踪算法虽然可以有效解决特征鲁棒性差的问题，但是由于网络结构复杂，计算量大等问题严重影响了跟踪算法的实时性。

发明内容

本发明的目的是提供一种基于热力图的目标跟踪方法及装置，解决了现有技术中目标追踪方法精确性低、实时性不强，以及抗干扰能力差的技术问题。

为了解决上述技术问题，一方面，本发明提供一种基于热力图的目标跟踪方法，包括：

获取当前帧图像；

将所述当前帧图像输入至经过二次训练的残差网络模型，输出所述当前帧图像的热力图，其中，所述热力图是以特殊高亮的形式显示跟踪目标在图像中目标位置的概率；

根据所述当前帧图像的热力图确定所述当前帧图像中跟踪目标的位置。

另一方面，本发明提供一种基于热力图的目标跟踪装置，其特征在于，包括：

获取模块，用于获取当前帧图像；

生成模块，用于将所述当前帧图像输入至经过二次训练的残差网络模型，输出所述当前帧图像的热力图，其中，所述热力图是以特殊高亮的形式显示跟踪目标在图像中目标位置的概率；

确定模块，用于根据所述当前帧图像的热力图确定所述当前帧图像中跟踪目标的位置。

再一方面，本发明提供一种用于基于热力图的目标跟踪方法的电子设备，包括：

存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述的方法。

又一方面，本发明提供一种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上述的方法。

本发明提供一种基于热力图的目标跟踪方法及装置，通过输出当前帧图像的热力图的形式，确定跟踪目标的位置，降低了残差网络的复杂性，在保证目标跟踪准确性的前提下，提高了跟踪速率，增强了目标跟踪的实时性，同时，扩大了搜索区域。

附图说明

图1为依照本发明实施例的基于热力图的目标跟踪方法示意图；

图2为依照本发明实施例的基于热力图的目标跟踪装置示意图；

图3为本发明实施例提供的用于基于热力图的目标跟踪方法的电子设备的结构示意图。

具体实施方式