[发明专利]一种连续视频帧中目标快速跟踪方法及装置

权利要求书

1.一种连续视频帧中目标快速跟踪方法，其特征在于，所述方法包括：

判断从连续视频帧中检测到的当前目标与历史目标集合中的目标的重叠度是否满足第一预设条件；

如果不满足所述第一预设条件，则判断所述当前目标与所述历史目标集合中的目标的距离是否满足第二预设条件；

如果不满足所述第二预设条件，则使用卷积神经网络分别计算所述当前目标的特征向量和指定目标的特征向量，以及，判断所述当前目标与所述指定目标的特征向量相似度是否满足第三预设条件，其中所述指定目标为所述历史目标集合里位置处于所述当前目标的邻域内的目标；

如果不满足所述第三预设条件，则将所述当前目标作为一个新出现的目标加入到所述历史目标集合中；

如果所述第一预设条件、所述第二预设条件或所述第三预设条件中有一个满足，则判定为跟踪成功。

2.根据权利要求1所述的方法，其特征在于，判断检测到的当前目标与历史目标集合中的目标的重叠度是否满足第一预设条件，包括：

计算所述当前目标与所述历史目标集合中每个目标的重叠度；

判断所述重叠度的最大值是否大于第一阈值；

如果所述重叠度的最大值大于第一阈值，则判定为满足所述第一预设条件。

3.根据权利要求1所述的方法，其特征在于，判断所述当前目标与所述历史目标集合中的目标的距离是否满足第二预设条件，包括：

计算所述当前目标与所述历史目标集合中每个目标的中心点的欧式距离；

判断所述欧式距离的最小值是否小于第二阈值；

如果所述欧式距离的最小值小于第二阈值，或者，如果所述欧式距离的最小值未小于第二阈值但所述欧式距离的次小值存在且大于第三阈值，则判定为满足所述第二预设条件。

4.根据权利要求1所述的方法，其特征在于，所述卷积神经网络包括SqueezeNet；

使用卷积神经网络分别计算所述当前目标的特征向量和指定目标的特征向量，包括：

将SqueezeNet输入张量的尺寸选择为a,b的浮点型三通道图像数据、输出向量为长度为c的特征向量，将待输入的目标的感兴趣区域裁剪或重采样到a×b大小的图像并作为SqueezeNet的输入数据，执行推理网络获得长度为c的特征向量，其中a、b、c为指定数值。

5.根据权利要求1所述的方法，其特征在于，判断所述当前目标与所述指定目标的特征向量相似度是否满足第三预设条件，包括：

分别计算所述当前目标特征向量与每个指定目标特征向量的相似度；

如果所述相似度的最大值大于第四阈值，则判定为满足所述第三预设条件。

6.根据权利要求5所述的方法，其特征在于，分别计算所述当前目标特征向量与每个指定目标特征向量的相似度，包括：

对于当前目标的特征向量和一个指定目标的特征向量，使用特征向量的余弦夹角来评价两个特征向量之间的相似度Similarity：

其中F和G各代表一个特征向量。

7.根据权利要求1所述的方法，其特征在于，每个目标包括以下属性：标签号、在画面中的位置、对应的感兴趣区域的子图像；

将所述当前目标作为一个新出现的目标加入到所述历史目标集合中，包括：

赋予所述当前目标一个新的唯一的标签号，并记录所述当前目标在画面中的位置以及对应的感兴趣区域的子图像；

判定为跟踪成功之后，包括：

使用当前目标的属性更新所述历史目标集合中与当前目标对应的目标的属性。