[发明专利]物件追踪系统、物件追踪方法与非暂态计算机可读介质

说明书

本公开涉及物件追踪系统、物件追踪方法与非暂态计算机可读介质。物件追踪方法包含下列操作：基于一深度学习模型检测一物件在一第一视频帧中的一第一区域，以根据该第一视频帧与该第一区域预测该物件于一预测视频帧中的一预测区域；基于该深度学习模型检测该物件在一第二视频帧中的一第二区域；以及计算该预测区域以及该第二区域之间的一关联性，以追踪该物件。

技术领域

本案是有关于一种物件追踪系统与方法，且特别是有关于应用于丢帧运算的物件追踪系统、方法与非暂态计算机可读介质。

背景技术

近年来，人工智能技术的相关应用与日俱增。例如，应用于如图像和语音识别等等领域。在图像识别中，目前的技术需要直接输入原始视频数据来进行辨识。如此，需处理的数据量过大，耗费较多系统效能。

发明内容

为了解决上述问题，本案之一些方式提供一种物件追踪系统，其包含存储器与处理器。存储器用以储存至少一计算机程序码。处理器用以储存该至少一计算机程序码，以执行下列操作：基于一深度学习模型检测一物件在一第一视频帧中的一第一区域，以根据该第一视频帧与该第一区域预测该物件于一预测视频帧中的一预测区域；基于该深度学习模型检测该物件在一第二视频帧中的一第二区域；以及计算该预测区域以及该第二区域之间的一关联性，以追踪该物件。

本案之一些方式提供一种物件追踪方法，其包含下列操作：基于一深度学习模型检测一物件在一第一视频帧中的一第一区域，以根据该第一视频帧与该第一区域预测该物件于一预测视频帧中的一预测区域；基于该深度学习模型检测该物件在一第二视频帧中的一第二区域；以及计算该预测区域以及该第二区域之间的一关联性，以追踪该物件。

本案之一些方式提供一种非暂态计算机可读介质，其具有一计算机程序，其中该计算机程序被一处理器执行时，使该处理器执行复数个操作，且该些操作包含：基于一深度学习模型检测一物件在一第一视频帧中的一第一区域与该物件在一第二视频帧中的一第二区域；根据该第一区域预测该物件于该第一视频帧与该第二视频帧之间的一预测视频帧中的一预测区域；以及计算该预测区域以及该第二区域之间的一关联性，以追踪该物件。

综上所述，本案实施例提供的物件追踪系统、方法与非暂态计算机可读介质可利用丢帧运算的方式来持续追踪物件，以达到降低数据运算量的效果。

附图说明

本案附图说明如下：

图1为根据本案的一些实施例所绘示的物件追踪系统的示意图；

图2为根据本案的一些实施例所绘示的一种物件追踪方法的流程图；以及

图3A为根据本案一些实施例所绘示多个原始视频帧、延迟视频帧之间的关系示意图；

图3B为根据本案一些实施例所绘示检测物件的操作示意图；以及

图4为根据本案一些实施例所绘示根据图3B的预测区域与第二区域执行图2中一操作的示意图。

具体实施方式

本文所使用的所有词汇具有其通常的意义。上述之词汇在普遍常用之字典中之定义，在本说明书的内容中包含任一于此讨论的词汇之使用例子仅为示例，不应限制到本公开内容之范围与意义。同样地，本公开内容亦不仅以于此说明书所示出的各种实施例为限。

在本文中，使用第一、第二与第三等等的词汇，是只用来辨别单一元件。因此，在下文中的一第一元件也可被称为第二元件，而不脱离本案的本意。本文中所使用之“与/或”包含一或多个相关联的项目中的任一者以及所有组合。

关于本文中所使用之“耦接”或“连接”，均可指二或多个元件相互直接作实体或电性接触，或是相互间接作实体或电性接触，亦可指两个或多个元件相互操作或动作。