[发明专利]跟踪控制方法、设备、计算机可读存储介质在审

专利信息
申请号: 201880039294.5 申请日: 2018-07-27
公开(公告)号: CN110799984A 公开(公告)日: 2020-02-14
发明(设计)人: 胡攀;邹文;郑洪涌 申请(专利权)人: 深圳市大疆创新科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 11415 北京博思佳知识产权代理有限公司 代理人: 艾佳
地址: 518057 广东省深圳市南山区高*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 输入图像 输入图像序列 目标对象 多帧 跟踪 计算机可读存储介质 跟踪控制 跟踪算法 检测算法 人脸检测 实时检测 复杂度 计算量 检测 网络
【权利要求书】:

1.一种跟踪控制方法,其特征在于,所述方法包括:

获取输入图像序列;

基于检测算法,对所述输入图像序列中的一帧输入图像进行检测,得到包括目标对象的跟踪框;

基于跟踪算法,根据所述目标对象的跟踪框在所述一帧输入图像后面的多帧输入图像中对所述目标对象进行跟踪。

2.根据权利要求1所述的方法,其特征在于,

通过第一线程实现所述检测算法;通过第二线程实现所述跟踪算法。

3.根据权利要求2所述的方法,其特征在于,

所述根据所述目标对象的跟踪框在所述一帧输入图像后面的多帧输入图像中对所述目标对象进行跟踪,包括:

通过所述第一线程向所述第二线程输出所述目标对象的跟踪框;

通过所述第二线程根据所述目标对象的跟踪框在所述一帧输入图像后面的多帧输入图像中对所述目标对象进行跟踪。

4.根据权利要求2所述的方法,其特征在于,对所述输入图像序列中的一帧输入图像进行检测,得到包括目标对象的跟踪框之后,所述方法还包括:

通过第一线程停止对所述一帧输入图像后面的多帧输入图像进行检测。

5.根据权利要求2所述的方法,其特征在于,

所述根据所述目标对象的跟踪框在所述一帧输入图像后面的多帧输入图像中对所述目标对象进行跟踪,包括:

在通过所述第一线程得到包括所述目标对象的跟踪框后,启动所述第二线程;在所述第二线程启动后,通过所述第二线程根据所述目标对象的跟踪框在所述一帧输入图像后面的多帧输入图像中对所述目标对象进行跟踪。

6.根据权利要求2所述的方法,其特征在于,

在检测算法开启、且当前输入图像是所述输入图像序列中的第一帧输入图像时,通过第一线程将所述第一状态机设置为启动状态;在第一状态机为启动状态时,通过所述第一线程对输入图像进行检测;

在检测算法开启、且当前输入图像不是所述输入图像序列中的第一帧输入图像时,通过第一线程将所述第一状态机设置为空闲状态;在第一状态机为空闲状态时,停止通过所述第一线程对输入图像进行检测;

在检测算法关闭时,通过第一线程将第一状态机设置为关闭状态;在第一状态机为关闭状态时,停止通过所述第一线程对输入图像进行检测。

7.根据权利要求2所述的方法,其特征在于,

在跟踪算法开启时,通过第二线程将第二状态机设置为启动状态;在第二状态机为启动状态时,通过所述第二线程对输入图像进行跟踪;

在跟踪算法关闭时,通过第二线程将第二状态机设置为关闭状态;在第二状态机为关闭状态时,停止通过所述第二线程对输入图像进行跟踪。

8.根据权利要求1所述的方法,其特征在于,基于检测算法,对所述输入图像序列中的一帧输入图像进行检测,得到包括目标对象的跟踪框,包括:

通过特定CNN检测算法对所述输入图像序列中的一帧输入图像进行检测,得到包括目标对象的跟踪框;

其中,所述特定CNN检测算法包括弱分类器。

9.根据权利要求8所述的方法,其特征在于,所述特定CNN检测算法是包括pnet和rnet,但不包括onet的MTCNN检测算法。

10.根据权利要求8所述的方法,其特征在于,

所述通过特定CNN检测算法对所述输入图像序列中的一帧输入图像进行检测,得到包括目标对象的跟踪框,包括:

针对输入到所述特定CNN检测算法的弱分类器的跟踪框,则通过所述弱分类器检测所述跟踪框是否符合过滤策略;

如果否,则将所述跟踪框输出给所述特定CNN检测算法的下一级网络。

11.根据权利要求8所述的方法,其特征在于,所述通过所述弱分类器检测所述跟踪框是否符合过滤策略之后,所述方法还包括:

如果符合过滤策略,则过滤所述跟踪框。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市大疆创新科技有限公司,未经深圳市大疆创新科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201880039294.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top