[发明专利]跟踪控制方法、设备、计算机可读存储介质

说明书

一种跟踪控制方法、设备、计算机可读存储介质，所述方法包括：获取输入图像序列，该输入图像序列可以包括多帧输入图像(101)；基于检测算法，对所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(102)；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(即进行检测的一帧输入图像)后面的多帧输入图像中对所述目标对象进行跟踪(103)。本方法可以提高人脸检测的准确性和可靠性，降低网络复杂度和计算量，达到实时检测效果。

技术领域

本发明涉及电子信息技术领域，尤其是涉及一种跟踪控制方法、设备、计算机可读存储介质。

背景技术

现有的人脸检测方法可以包括级联分类器检测方法、DPM(Deformable PartsModels，可变型部件模型)检测方法等，然而，这些人脸检测方法的可靠性和准确性均比较差。因此，随着CNN(Convolutional Neural Network，卷积神经网络)的兴起，基于CNN的人脸检测方法被越来越多地尝试。

基于CNN的人脸检测方法，通常在具有高性能GPU(Graphics Processing Unit，图形处理器)和高性能CPU(Central Processing Unit，中央处理器)的服务器上训练及运行，训练出来的网络存在网络复杂、层数多、参数多和内存开销大等缺陷，从而导致计算过程复杂，无法达到实时检测的效果。

发明内容

本发明提供一种跟踪控制方法、设备、计算机可读存储介质，可以提高人脸检测的准确性和可靠性，降低网络复杂度和计算量，达到实时检测效果。

本发明实施例第一方面，提供一种跟踪控制方法，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。

本发明实施例第二方面，提供一种跟踪控制设备，可以包括：存储器和处理器；其中，所述存储器，用于存储程序代码；所述处理器，用于调用所述程序代码，当程序代码被执行时，用于执行以下操作：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。

本发明实施例第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令，所述计算机指令被执行时，实现上述跟踪控制方法，如实现本发明实施例第一方面所述的跟踪控制方法。

基于上述技术方案，本发明实施例中，可以提高人脸检测的准确性和可靠性，降低网络复杂度和计算量，达到实时检测效果，实现多人脸检测，可以减少读写开销和CPU开，不需要频繁调用检测算法，从而降低网络调用频次，解决了功耗过高的问题，避免完全依赖检测算法时的实时性低问题。

附图说明

为了更加清楚地说明本发明实施例中的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，而不是所有实施例，对于本领域普通技术人员来讲，还可以根据本发明实施例的这些附图获得其它的附图。

图1是一个跟踪控制方法的流程示意图；

图2是一个精简后MTCNN的示意图；

图3A是检测算法的状态机及同步机制示意图；

图3B是跟踪算法的状态机及同步机制示意图；

图4是一个跟踪控制设备的结构示意图。

具体实施方式